论文部分内容阅读
新的交通法规制定越来越严格，这不仅警示了人们要严格遵守交通规则，同时对于本课题——车牌识别效果的要求也更高。我国的车牌特征多样，本课题主要针对民用车即蓝底白字车牌进行研究。车牌识别系统包括：预处理、车牌定位、倾斜校正、字符分割及字符识别，本文重点研究字符识别环节。前面四个部分的实行都是为最后的识别阶段做准备，在车牌识别系统中也十分重要。预处理阶段，本文对采集的车牌进行灰度化、图像增强、二值化等处理；车牌定位阶段，运用数学形态学和水平、垂直投影法并结合先验知识的方法处理；倾斜校正阶段，利用基于Radon变换的方法处理，考虑到后续工作的需要，在倾斜校正之后又进行了一次基于水平垂直投影法的定位工作，效果更优；字符分割阶段，采用水平投影法与先验知识相结合的方法处理。前四个环节结束后，将实验所得的字符输送给最后一个环节——字符识别。本文选用SVM分类器进行分类，共分为三个分类器：汉字字符分类器、字母字符分类器及字母与数字混合的字符分类器。识别实验针对汉字字符选取了930组样本，620组进行训练，310组进行测试；针对字母字符选取了720组样本，480组进行训练，240组进行测试；针对混合字符选取了1020组样本，680组进行训练，340组进行测试。采用交叉验证的思想对SVM进行参数C与σ的寻优，并选择合适的核函数对样本进行训练与预测，同时在相同的训练集和测试集下与不含参数寻优的识别效果进行对比。经过参数寻优后的SVM在汉字部分的识别率为98.710%，在字母部分的识别率为99.167%，在混合部分的识别率达到100%，整体识别率为97.888%，识别效果明显优于不含参数寻优的结果。实验结果表明SVM在训练样本较少的情况下具有很好的识别率，并且有很好的分类推广能力。