电子科技
電子科技
전자과기
IT AGE
2013年
11期
22-25
,共4页
薛丹%孙万蓉%李京京%贾海龙%杨子峰%王政
薛丹%孫萬蓉%李京京%賈海龍%楊子峰%王政
설단%손만용%리경경%가해룡%양자봉%왕정
车牌识别%SVM%特征向量%网格%投影%细化
車牌識彆%SVM%特徵嚮量%網格%投影%細化
차패식별%SVM%특정향량%망격%투영%세화
提出了一种基于支持向量机(SVM)的改进车牌识别方法.对细化处理后的字符采用网格、水平投影与垂直投影密度的特征提取方法,保证了字符整体与局部特征,同时也使特征向量集的维数充分低.结合3种特征提取方法得到的特征向量集,采用SVM进行车牌号码识别.对于易混淆字符,提出了根据各自的特征进行2次识别的算法,该算法有效解决了易混淆字符误识别的问题.实验结果表明,该算法鲁棒性好、抗干扰能力强、识别率达到了98.58％.
提齣瞭一種基于支持嚮量機(SVM)的改進車牌識彆方法.對細化處理後的字符採用網格、水平投影與垂直投影密度的特徵提取方法,保證瞭字符整體與跼部特徵,同時也使特徵嚮量集的維數充分低.結閤3種特徵提取方法得到的特徵嚮量集,採用SVM進行車牌號碼識彆.對于易混淆字符,提齣瞭根據各自的特徵進行2次識彆的算法,該算法有效解決瞭易混淆字符誤識彆的問題.實驗結果錶明,該算法魯棒性好、抗榦擾能力彊、識彆率達到瞭98.58％.
제출료일충기우지지향량궤(SVM)적개진차패식별방법.대세화처리후적자부채용망격、수평투영여수직투영밀도적특정제취방법,보증료자부정체여국부특정,동시야사특정향량집적유수충분저.결합3충특정제취방법득도적특정향량집,채용SVM진행차패호마식별.대우역혼효자부,제출료근거각자적특정진행2차식별적산법,해산법유효해결료역혼효자부오식별적문제.실험결과표명,해산법로봉성호、항간우능력강、식별솔체도료98.58％.
