基于粗糙集和模糊SVM的车牌识别技术研究

《基于粗糙集和模糊SVM的车牌识别技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、江苏科技大学硕士学位论文基于粗糙集和模糊SVM的车牌识别技术研究姓名：贺光申请学位级别：硕士专业：模式识别与智能系统指导教师：李永忠2011-03-12摘要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

2、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

3、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MATLABR2009a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。关键词车牌识别；粗糙集；SVM；模糊SVMIAbstractAbstractWithth

4、erapidincreaseofcityvehicles,Licenseplaterecognitiontechnologyhasbecomethehotspotofintelligenttransportation.Vehiclelicenseplaterecognitionsystemisthecoreoftheintelligenttransportation,consistsofseveralmainmodules,whicharelicenseplatepretreatment,licenseplatelocation,tiltcorrection,

5、charactersegmentationandcharacterrecognition.Licenseplaterecognitionkeytechnologyisstudiedafteranalyzingmanymaterialsinthispaper.Supportvectormachine,whichwasproposedin1990sbyVapniketc,isanewtypeofmachinelearningmethods,itcandealwithclassificationproblemsandregressionproblems.Becaus

6、eofitsexcellentlearningperformance,thistechnologyhasbeenthehottopicofmachinelearningandappliedinmanyareas.Butasanewtechnology,itstillhassomeproblems,suchasunclassifiableregionsandlongtrainingtime.Fuzzymathematicsisamathematicaltoolintheproblemswhoseboundariesarenotclear,itsolvesmany

7、kindsofambiguityproblems.Whileretainingtheimportinformation,roughsetscansimplifythetrainingsamples,eliminateredundantdataandimprovetheclassificationspeed.BycombiningroughsetsandfuzzySVM,alicenseplatecharacterrecognitionalgorithmbasedonroughsetsandFuzzySVMisproposedinthispaper.Firstl

8、y,alicenseplateloca