文档介绍：第 25卷第 4期四川理工学院学报(自然科学版) Vol25 No4
2012年 8月 JournalofSichuanUniversityofScience&Engineering(NaturalScienceEdition) Aug2012
文章编号:16731549(2012)04004604 DOI:.1673
基于 SVM的车牌字符识别算法研究
刘永春
(四川理工学院自动化与电子信息学院,四川自贡 643000)
摘要:SVM可在训练样本很少的情况下获得很好的分类推广能力。首先分析了用多类 SVM算法
对车牌中的字符进行识别时存在不可区分的区域问题和采用模糊 SVM算法解决该问题的办法,然后讨
论了字符特征的提取方法,并根据我国车牌字符的特点分别设计了汉字、字母、数字、字母/数字 4个基
于模糊多类 SVM的字符分类器。最后在 MATLAB环境下,采用径向基核函数对算法进行学****训练。实
验测试结果表明,该方法可以很好的提高字符识别的速率和效率。
关键词:支持向量机;车牌字符识别;分类器设计
中图分类号:TP391 文献标识码:A
式识别问题中表现出了许多特有的优越性能,且具有适
引言
应性强和效率高的特点[1]。
车辆牌照自动识别系统 LPR(LicensePlateRecogni
1 车牌字符特征提取
tion)是计算机视觉与模式识别在智能交通领域中的综
合应用,LPR是智能交通系统 ITS(IntelligentTrafficSys这里假设车牌图像已经经过了中值滤波、车牌区域
tem)中的关键技术之一。车牌识别系统包括车辆图像定位和分割,以及对分割后得到的车牌图像进行二值
的获取、车牌的定位与字符分割、车牌字符识别 3大部化,字符分割、细化处理等预处理。字符识别从根本上
分。在车牌识别系统中,由于实际使用条件的影响,存说是进行特征识别的过程,因此如何定义图像特征以及
在着许多影响识别率的因素,包括背景复杂程度、光照如何提取特征是识别的关键。用于字符识别的分类特
条件的变化、车牌污损以及由于拍摄角度或车辆运动等征应满足的要求包括:较强的分类能力,类内样本距离
原因导致字符变形歪斜等。这些都对图像处理和识别应尽量小,类间样本距离应尽量大,最好的情况是无重
算法提出了很高的要求。车牌字符识别问题中每个样叠部分;较高的稳定性和鲁棒性,对字符的平移、旋转及
本为一个字符图像,每个字符图像由许多像素组成,具尺寸变换不敏感,由字符笔划断裂或粘连对其造成的影
有高维的特点。目前最常用的识别方法有基于模板匹响应尽量小;特征向量应便于提取,算法尽可能简单,在
配的方法和基于神经网络的方法两大类。前者多利用保证识别性能的前提下使特征向量维数尽量小,以减少
[2]
了字符的轮廓、网格、投影等统计特征,相似字符区分能运算和存储的复杂度,提高运算速度。
力差,且因特征数据维数过大会导致识别速度慢;而后字符大小归一化
者则存在局部极小值和网络结构设计等问题。本文采字符归一化的目的为了消除字符大小对识别造成
用支持向量机(SVM,supportvectormachine)的方法解决的影