学位论文 > 优秀研究生学位论文题录展示
基于粗糙集和模糊SVM的车牌识别技术研究
作 者: 贺光
导 师: 李永忠
学 校: 江苏科技大学
专 业: 模式识别与智能系统
关键词: 车牌识别 粗糙集 SVM 模糊SVM
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 79次
引 用: 0次
阅 读: 论文下载
内容摘要
随着城市汽车数目的迅速增加,车牌识别技术成为了智能交通的研究热点。汽车牌照识别技术是智能交通的核心部分,主要包括车牌图像预处理、车牌定位、倾斜校正、字符分割和字符识别等几个部分。本文在分析近年来国内外车牌识别技术最新进展的基础上,对车牌识别系统的关键技术进行了研究。支持向量机(SVM)是20世纪90年代由Vapnik等人提出的一类新型机器学习方法,它能够成功地处理分类和回归问题。由于支持向量机出色的学习性能,该技术已经成为机器学习界的研究热点,并在很多领域得到了成功的应用。但是,作为一种尚未成熟的技术,支持向量机目前还存在着许多局限,如存在不可分区域、训练时间过长等。模糊数学是研究许多界限不分明问题的一种数学工具,利用模糊数学和模糊逻辑,能很好地处理各种模糊问题。粗糙集可以化简训练样本集,在保留重要信息的前提下消除冗余数据,提高分类速度。本文将粗糙集与模糊SVM相结合,给出了一种基于粗糙集和模糊SVM的车牌字符识别算法。在车牌定位阶段,采用了一种基于支持向量机的车牌定位算法,可以准确地定位出车牌。在车牌字符分割阶段,考虑到车牌字符存在粘连的情况,给出了一种改进的垂直投影分割法,提高了字符分割的成功率。在车牌字符识别阶段,利用粗糙集对提取的字符特征进行约简,有效地减少了训练和测试的时间,并且针对传统支持向量机多分类方法存在不可分区域的问题,本文引入了模糊数学的理论,有效地解决了这一多分类问题。最后用MATLAB R2009a和LIBSVM工具箱对本文给出的基于粗糙集和模糊SVM的车牌字符识别算法进行了验证实验,实验结果表明,本文给出的算法能够较好地解决SVM中存在的不可分区域的问题,提高了识别效率,实验结果验证了本文算法的有效性。
|
全文目录
摘要 6-7 Abstract 7-14 第1章 绪论 14-19 1.1 研究背景及意义 14 1.2 国内外车牌识别技术研究的现状 14-16 1.3 常用字符识别方法 16-17 1.4 课题研究内容 17-18 1.5 本章小结 18-19 第2章 支持向量机理论概述 19-29 2.1 机器学习的基本问题 19-20 2.1.1 经验风险 19-20 2.1.2 复杂性与推广性 20 2.2 统计学习理论的核心内容 20-22 2.2.1 VC 维 20-21 2.2.2 推广性的界 21 2.2.3 结构风险最小化 21-22 2.3 支持向量机 22-26 2.3.1 最优分类面 22-23 2.3.2 线性支持向量机 23-25 2.3.3 非线性支持向量机 25-26 2.4 SVM 多类识别方法 26-27 2.5 核函数的介绍 27-28 2.6 小结 28-29 第3章 车牌图像的预处理 29-35 3.1 车牌图像的采集技术 29 3.1.1 车辆检测 29 3.1.2 车牌图像获取 29 3.2 车牌图像增强处理 29-34 3.2.1 灰度转换 29-30 3.2.2 灰度变换增强 30-34 3.3 本章小结 34-35 第4章 车牌图像的定位技术 35-42 4.1 车牌定位常用方法分析 35-36 4.2 基于支持向量机的车牌定位 36-40 4.2.1 纹理的概念 36 4.2.2 车牌区域特征 36-37 4.2.3 训练SVM 分类器 37-38 4.2.4 SVM 分类器的结构 38-39 4.2.5 分割车牌区域 39-40 4.3 定位实验结果及分析 40-41 4.4 本章小结 41-42 第5章 车牌图像的分割技术 42-53 5.1 图像分割技术 42-43 5.1.1 图像分割的定义 42 5.1.2 常用的车牌分割技术分析 42-43 5.2 车牌字符的先验知识 43-44 5.3 车牌分割前的预处理 44-49 5.3.1 车牌图像的二值化 44 5.3.2 车牌图像形态学处理 44-47 5.3.3 车牌的倾斜校正 47-48 5.3.4 上下边界的去除 48-49 5.4 基于车牌构造的投影分割法 49-52 5.4.1 算法的提出 49-51 5.4.2 算法的改进 51-52 5.5 分割实验结果及分析 52 5.6 本章小结 52-53 第6章 基于粗糙集和模糊SVM 的车牌识别技术 53-68 6.1 字符图像的归一化 53-54 6.1.1 位置归一化 53 6.1.2 大小归一化 53-54 6.2 车牌字符特征的提取及决策表的构造 54-57 6.2.1 四周边特征 55 6.2.2 投影特征 55-56 6.2.3 粗网格 56-57 6.3 字符决策表的离散化 57-58 6.3.1 等距离离散化方法 57 6.3.2 等频率离散化方法 57-58 6.4 决策表中属性的约简 58-59 6.5 基于支持向量机的车牌识别技术 59-62 6.5.1 SVM 分类方法及样本集的选择 60 6.5.2 核函数及参数的选择 60-61 6.5.3 SVM 识别方法实验结果和分析 61-62 6.6 基于粗糙集和模糊SVM 的车牌识别技术 62-66 6.6.1 SVM 多类算法存在的问题 62-63 6.6.2 SVM 多类问题解决方法 63-65 6.6.3 粗糙FSVM 在车牌字符识别中的应用 65-66 6.6.4 FSVM 识别方法实验结果和分析 66 6.7 本章小结 66-68 结论 68-70 参考文献 70-74 攻读硕士学位期间所发表的学术论文 74-76 致谢 76-77 大摘要 77-81
|
相似论文
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 基于SVM分类算法的主题爬虫研究,TP391.3
- 基于连锁图的QTL综合分析方法研究,S562
- 基于EMD的车牌识别方法及应用,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于粗糙集的城市区域交通绿时控制系统研究,TP18
- 基于计算机视觉的柑橘品质分级技术研究,TP391.41
- 粗糙集的增量式属性约简研究,TP18
- 知识粒度的计算及其在属性约简中的应用研究,TP18
- 海南雾的天气气候特征分析及预报方法研究,P457
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 基于PowerPC架构的车牌识别算法研究,TP391.41
- 复杂背景下车牌定位的研究与设计,TP391.41
- 基于SVM和形状特征的电极三维模型分类检索的研究,TP391.41
- 粗糙集理论和Flex技术在中长期径流预报中的应用,P338
- 服装质量预测系统的软件设计与实现,TP311.52
- 心电特征提取及分类方法研究,TN911.7
- 基于粗糙集理论的决策树分类算法与应用研究,TP18
- 网络攻击效能评估若干关键技术研究,TP393.08
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|