计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2011年
11期
267-270,302
,共5页
罗辉武%唐远炎%王翊%蓝利君
囉輝武%唐遠炎%王翊%藍利君
라휘무%당원염%왕익%람리군
主成分分析(PCA)%级联分类器%SVM%车牌字符识别
主成分分析(PCA)%級聯分類器%SVM%車牌字符識彆
주성분분석(PCA)%급련분류기%SVM%차패자부식별
提出了基于结构特征和灰度像素特征的车牌字符级联识别方法.为提高车牌字符识别性能,分别在车牌二值小字符图像上提取结构特征和直接利用PCA降维后的车牌二值小字符图像的像素特征作为输入,用支持向量机(SVM)将其映射至高维空间分别进行分类,取两者中置信度高的结果作为预分类结果.当分类结果为“8”、“B”这类易混的字符时,取对应的灰度小字符图像像素值作原始特征,用PCA降维后再次用SVM进行分类,分类结果作为最后的二次分类结果.若为“0”、“D,”时,则再次利用结构特征分类器做最后分类.该算法被用于台湾地区车牌的字符识别系统中,实验表明它能有效提高易混字符的识别正确率,具有很高的识别性能,应用前景广泛.
提齣瞭基于結構特徵和灰度像素特徵的車牌字符級聯識彆方法.為提高車牌字符識彆性能,分彆在車牌二值小字符圖像上提取結構特徵和直接利用PCA降維後的車牌二值小字符圖像的像素特徵作為輸入,用支持嚮量機(SVM)將其映射至高維空間分彆進行分類,取兩者中置信度高的結果作為預分類結果.噹分類結果為“8”、“B”這類易混的字符時,取對應的灰度小字符圖像像素值作原始特徵,用PCA降維後再次用SVM進行分類,分類結果作為最後的二次分類結果.若為“0”、“D,”時,則再次利用結構特徵分類器做最後分類.該算法被用于檯灣地區車牌的字符識彆繫統中,實驗錶明它能有效提高易混字符的識彆正確率,具有很高的識彆性能,應用前景廣汎.
제출료기우결구특정화회도상소특정적차패자부급련식별방법.위제고차패자부식별성능,분별재차패이치소자부도상상제취결구특정화직접이용PCA강유후적차패이치소자부도상적상소특정작위수입,용지지향량궤(SVM)장기영사지고유공간분별진행분류,취량자중치신도고적결과작위예분류결과.당분류결과위“8”、“B”저류역혼적자부시,취대응적회도소자부도상상소치작원시특정,용PCA강유후재차용SVM진행분류,분류결과작위최후적이차분류결과.약위“0”、“D,”시,칙재차이용결구특정분류기주최후분류.해산법피용우태만지구차패적자부식별계통중,실험표명타능유효제고역혼자부적식별정학솔,구유흔고적식별성능,응용전경엄범.
