基于SVM混合网络的车牌字符识别研究

本文提出了一种基于SVM混合网络的车牌字符识别方法。首先根据国内车牌字符的排列特点依次构造汉字识别子网、英文识别子网、英文与数字识别子网以及数字识别子网。然后针对英文字符和阿拉伯数字的字体结构具有连通性这一特点．采用形态学方法进行滤波处理．以减少噪声干扰。预处理后提取字符的小波包系数和矩做为特征量，最后在各个识别子网中采用SVM识别方法对车牌中的汉字、英文字符以及阿拉伯数字进行了识别。实验结果表明，该方法效果良好。     

基于K-L变换和LS-SVM的车牌字符识别新方法

针对车牌识别中识别率和识别速度难以同时提高这一难点.本文提出一种K?L变换和最小二乘支持向量机相结合的车牌字符识别新方法.首先使用K-L变换对预处理后的车牌字符图像进行特征降维;然后根据车牌字符的排列特征采用聚类分析中类距离思想.设计四组最佳二叉树的最小二乘支持向量机子分类器来分别实现字母、数字和汉字的识别.实验结果表明,该方法所设计的分类器较好的解决了传统多类算法中存在的不可分区域情况,具有较高的识另q率和识别速度及分类推广能力.     

基于SVM 的二叉树多类分类算法及其在故障诊断中的应用

基于结构风险最小化原则的支持向量机(SVM)对小样本决策具有较好的学习推广性。但由于常规SVM算法是从2类分类问题推导出的，在解决故障诊断这种典型的多类分类问题时存在因雄，因而提出一种依赖故障优先级的基于SVM的二叉树多级分类器实现(2PTMC)方法，该方法具有简单、直观，重复训练样本少的优点。通过将其应用于柴油机振动信号的故障诊断，获得了令人满意的效果。     

液晶字符识别的CNN和SVM组合分类器

针对仪表液晶显示字符识别问题,提出一种结合了卷积神经网络(CNN)和支持向量机(SVM)的字符识别方法.分别采用具有并联结构的CNN模型和基于梯度方向直方图(HOG)特征的SVM方法构建基本分类器,当2个分类器的结果存在冲突时,利用CNN的softmax输出最大值判决最终结果,当其大于设定阈值时采用CNN分类器的结果,...     

基于正交盖氏矩和SVM的车牌字符识别

针对传统字符特征提取算法中特征不稳定的缺点,提出一种基于正交盖氏矩的特征提取方法。采用支持向量机解决车牌字符识别问题,自动寻找对分类有较好区分能力的支持向量,由此构成的分类器可以最大化类间间隔,达到正确区分类别的目的。实验结果表明,该方法对于实时视频流中的车牌识别能取得理想效果,在解决有限样本、非线性及高维模式识别问题中表现出优越的性能,且具有适应性强和效率高的特点。     

ICA和改进的SVM在有限集字符识别中的应用

介绍了独立分量分析(ICA)基本原理和算法,提出了一种基于独立分量分析和支持向量机的有限集字符识别新方法。对传统向量机解决多分类问题的“一对一”模式进行了改进,将传统向量机的“一对一”模式存在的不可分区域减小到可以忽略的程度,克服了不可分区域的影响。该算法可应用于车牌字符、手写体英文字母、手写体数字、印刷体字母、印刷体数字等有限集字符的识别。在大量的车牌汉字和手写体英文字母自动识别实验中,取得了高于95%的识别结果,证明该算法在有限集字符识别应用中的优越性。     

支持向量机在字符识别中的应用研究

本文应用SVM对字符图像识别进行实验研究,并在此基础上,研究了SVM对含有高斯噪声的字符图像的识别问题。研究结果表明,SVM能够在有限样本的情况下,获得较高的识别率,是目前小样本学习的最佳解决方案。     

基于SVM的车牌自动识别系统

为了解决识别率和识别速度同时提高的难点.将支持向量机(SVM)算法应用于车牌字符识别.通过与无字符特征提取的BP神经网络相比较,在小样本的情况下,该方法的识别率远优于神经网络,可很好地解决神经网络方法中收敛速度慢、易陷入局部极小的问题.实验结果表明:在训练样本较少且无字符特征提取的情况下,此系统具有较高的识别率和识别速度,并具有很好的分类推广能力.     

二叉树多类SVM在网络入侵检测中的应用

本文在考察现有多类分类支持向量机(SVM)算法后,提出了一种基于二叉树结构的多分类器融合思想,融合过程充分考虑了类别之间的区分度,从而建立一颗相对优化的二叉树SVM的多类分类算法,并把改进后的多类SVM应用于入侵检测中以提高系统性能。在KDDCUP1999数据集上的实验结果表明了本方法的有效性。     

支持向量机在车牌字符识别中的应用

支持向量机(SVM)是由Vapnik等人提出的一类新型机器学习方法。该文在字符特征提取基础上，应用SVM算法对车牌中的英文字符进行识别，克服了一般的SVM算法识别数字位图时缺乏对相邻空间像素相关性考虑的不足，在满足实时性的条件下获得高识别率。通过与基于字符特征的BP网络识别方案相比较表明，该方案性能远优于神经网络的性能，可很好地解决神经网络方法中无法避免的局部极值问题。实验讨论了在应用SVM算法对字符进行识别时，核函数K和惩罚因子C的选择对识别率的影响问题。     

应用两级分类实现车牌字符识别

在分析特征提取方法的基础上,提出了一种模拟人类智能的两级分类识别算法。第一级采用描绘字符整体信息的统计特征,利用SVM分类器进行识别;第二级采用描绘字符细节信息的结构特征,依据决策表区分形近字符,使车牌中形近字符的识别率得到提高。算法对提取的统计特征值进行了优化调整,使其有效地克服了字符偏移的影响,并引入可信度评判机制,使SVM分类器的性能得以提高。     

快速精确识别车牌字符的方法

提出了一种利用车牌字符集特征来优化字符骨骼处理、改进骨骼变长编码的新方法,并把其用于车牌字符精确识别.该方法先利用车牌字符集特征优化处理标准车牌字符骨骼,再将"替换规则"与8方向链码相结合对其进行变长编码的结果作为模板,然后用同样方法得到待识别的车牌字符编码,将该编码与模板进行最佳匹配,实验结果表明,该方法具有实现简单、处理数据量小、抗旋转和对低分辨率车牌字符识别性能好等优点.     

基于相对熵函数准则的小波网络字符识别方法

针对传统小波网络(WNN)基于均方差函数的梯度学习算法收敛速度慢和产生局部极小点的缺点,结合熵函数准则优于均方差函数准则,可以改善网络的收敛速度等优点,研究了一种基于相对熵函数准则的小波网络算法的字符识别方法。首先对分割后的车牌字符图像进行二值化、归一化等一系列预处理,然后利用新的不变矩算法提取不变矩,以此作为字符图像的特征向量,最后应用基于新优化算法的小波网络进行分类识别。计算机仿真结果表明,该方法对字符的识别取得了较好的效果。     

基于分级网络的车牌字符识别算法*

提出了一种基于分级径向基神经网络的车牌字符识别算法,采用两级径向基神经网络结构,由一级网络识别后,通过对识别结果和置信度进行分析,确定了12个二级子网;采用动态误差分割算法进行网络训练,通过大量实验研究,车牌整体识别率达到了86.58%,平均识别时间为181ms,对比性研究验证了该方法的有效性。     

不变矩在车牌字符识别中的应用

为了克服车牌字符的倾斜和相似字符间的误识别对字符识别带来的影响,提出了一种基于不变矩的匹配算法.利用不变矩的旋转不变性克服字符倾斜带来的影响.对不变矩算法进行改进,增加了5个新的不变矩量,包含了更多的细节特征,并用原点矩代替中心矩,减少平移不变性带来的误差,解决了相似字符间的误识别.实验证明了方法的正确性和可行性.     

一种基于分级RBF网络的车牌字符识别方法

提出了一种基于分级RBF神经网络的车牌字符识别方法,采用两级RBF神经网络结构,由一级网络识别后,根据识别结果和置信度,建立识别分布图,进行二级网络设计,确定了12个二级子网。RBF网络中自动确定隐层神经元数,无需实验调整。用大量样本对系统进行测试,车牌整体识别率达到了85.4%,通过对比性研究,验证了该方法的有效性和先进性。     

数据融合在车牌字符识别中的应用

将D-S证据理论引入车牌字符识别,结合神经网络容错能力强、能够自适应学习等优点,对待识别字符进行统计和结构等多方面的特征提取后,分别经过神经网络分类器得到相应的结果,并应用D-S证据理论对各种结果进行数据融合,从而实现了字符各方面特征的优势互补,进一步提高了字符识别的成功率。     

Vehicle license plate character segmentation

Vehicle license plate (VLP) character segmentation is an important part of the vehicle license plate recognition system (VLPRS). This paper proposes a least square method (LSM) to treat horizontal tilt and vertical tilt in VLP images. Auxiliary lines are added into the image (or the tilt-corrected image) to make the separated parts of each Chinese character to be an interconnected region. The noise regions will be eliminated after two fusing images are merged according to the minimum principle of gray values.Then, the characters are segmented by projection method (PM) and the final character images are obtained. The experimental results show that this method features fast processing and good performance in segmentation.     

Elasticsearch在车牌识别系统中的应用研究

为了提升车牌识别系统中海量识别数据与涉案车辆、交通违法等信息的实时分析、计算与检索性能,在对传统技术分析的基础上,针对现有系统中无法实现大数据分析与检索的问题,提出了利用Elasticsearch大数据实时检索技术构建交通大数据处理平台,在此架构上对交通识别数据进行实际测试。实验结果表明,所用技术能够有效解决目前的交通大数据检索和分析等关键问题,各项指标都满足了用户需求。     

神经网络在汽车牌照字符识别中的应用

分析了反传学习神经网络和Hopfield神经网络的基本原理,探讨了神经网络在汽车牌照字符识别中的应用.结合神经网络和汽车牌照的特点,研究了学习速率,误差精度与隐含层节点数之间的关系,最终提出了一种Hopfield神经网络和反传学习神经网络相结合用于汽车牌照字符识别的方案.Matlab仿真结果表明,所设计的汽车牌照字符识别系统可以获得较为满意的高分辨率.