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

  1. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  2. 基于支持向量机的故障诊断方法研究,TP18
  3. 基于SVM分类算法的主题爬虫研究,TP391.3
  4. 基于连锁图的QTL综合分析方法研究,S562
  5. 基于EMD的车牌识别方法及应用,TP391.41
  6. 基于遗传算法和粗糙集的聚类算法研究,TP18
  7. 基于粗糙集的城市区域交通绿时控制系统研究,TP18
  8. 基于计算机视觉的柑橘品质分级技术研究,TP391.41
  9. 粗糙集的增量式属性约简研究,TP18
  10. 知识粒度的计算及其在属性约简中的应用研究,TP18
  11. 海南雾的天气气候特征分析及预报方法研究,P457
  12. 基于支持向量机的视频目标检测方法研究,TP391.41
  13. 基于PowerPC架构的车牌识别算法研究,TP391.41
  14. 复杂背景下车牌定位的研究与设计,TP391.41
  15. 基于SVM和形状特征的电极三维模型分类检索的研究,TP391.41
  16. 粗糙集理论和Flex技术在中长期径流预报中的应用,P338
  17. 服装质量预测系统的软件设计与实现,TP311.52
  18. 心电特征提取及分类方法研究,TN911.7
  19. 基于粗糙集理论的决策树分类算法与应用研究,TP18
  20. 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