數(shù)字圖像模式識(shí)別在車牌自動(dòng)識(shí)別中的應(yīng)用研究.pdf

1、數(shù)字圖像識(shí)別是模式識(shí)別領(lǐng)域的重要研究方向之一?；趫D像的車輛牌照自動(dòng)識(shí)別技術(shù)在智能交通管理領(lǐng)域得到廣泛應(yīng)用，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。 論文深入地研究了模式分類的理論方法及其在車牌識(shí)別系統(tǒng)中的應(yīng)用。論文從模式分類問(wèn)題的兩個(gè)基本要點(diǎn)，即輸入特征向量的提取和分類器的構(gòu)建出發(fā)，研究了在具體問(wèn)題中的模式分類器的設(shè)計(jì)方法。借助圖像處理技術(shù)手段，依靠有效解決小樣本學(xué)習(xí)的支持向量機(jī)分類等模式分類領(lǐng)域的原理，分別對(duì)車牌自動(dòng)識(shí)別算法的三個(gè)主

2、要部分，即車牌分割、字符分割和字符識(shí)別，做了深入系統(tǒng)地研究，并提出了改進(jìn)算法。 針對(duì)車牌識(shí)別過(guò)程中牌照分割的特征提取問(wèn)題，探討了各種有利于分類的目標(biāo)與背景圖像區(qū)域特征，最后從紋理圖像分類的角度分別提取基于灰度直方圖和共生矩陣的紋理特征，以及類車牌區(qū)域的邊緣特征作為分類器的輸入特征空間。對(duì)車牌分割的分類器結(jié)構(gòu)，提出了基于支持向量機(jī)的多級(jí)分類器，將分類過(guò)程分成粗分、細(xì)分兩步，從而提高分類的精度和效率。 在車牌字符分割過(guò)程中，

3、由于對(duì)字符和背景分類時(shí)，不易提取出利于分類的特征訓(xùn)練分類器，所以采用了用概率方法對(duì)圖像建模，并在模型下用最大后驗(yàn)概率分類方法進(jìn)行分類。本文在這種方法的基礎(chǔ)上，利用視頻圖像中提取的多幀圖像信息加強(qiáng)了分類的效果。 在字符識(shí)別研究中，用字符投影特征建立輸入特征空間，并構(gòu)建了基于支持向量機(jī)的二進(jìn)制多類分類器，比傳統(tǒng)的One-vs-One和One-vs-Rest多類分類方法減少了兩類分類器的使用個(gè)數(shù)，減輕了因多類分類而造成的速度降低問(wèn)題。