一种有效的提高车牌首字符识别率的方法

被引:3
作者
吕文强
杨健
机构
[1] 南京理工大学计算机科学与技术学院
关键词
车牌识别; 支持向量机; 字符识别; 形状参数;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
针对车牌识别系统中由于低质车牌首字符特征提取困难而导致车牌首字符识别率不高的问题,提出了一种新的车牌汉字特征提取方法。该方法首先对车牌首字符的二值图像进行网格化处理,并对每一块网格区域提取字符笔画所在像素的占空比、散度和质心3个特征分量,接着将提取到的所有的特征向量用支持向量机分类器进行训练,最终可以得到一组鲁棒性很强的分类器。实验结果表明,该特征提取方法与支持向量机分类器结合可以较大地提高车牌首字符的识别率。
引用
收藏
页码:176 / 179
页数:4
相关论文
共 8 条
[1]  
SVM及其在车牌字符识别中的运用.[D].何婕.四川大学.2005, 01
[2]   SVM分类核函数及参数选择比较 [J].
奉国和 .
计算机工程与应用 , 2011, (03) :123-124+128
[3]   改进的二叉树支持向量机多类分类算法研究 [J].
刘健 ;
刘忠 ;
熊鹰 .
计算机工程与应用, 2010, 46 (33) :117-120
[4]   车牌识别中关键技术的研究与实现 [J].
韩立明 ;
王波涛 .
计算机工程与设计, 2010, 31 (17) :3919-3923
[5]   一种基于KNN与改进SVM的车牌字符识别算法 [J].
薛磊 ;
杨晓敏 ;
吴炜 ;
陈默 ;
何小海 .
四川大学学报(自然科学版), 2006, (05) :1031-1036
[6]   A hybrid method for robust car plate character recognition [J].
Pan, X ;
Ye, XZ ;
Zhang, SY .
ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2005, 18 (08) :963-972
[7]   Feature extraction methods for character recognition - A survey [J].
Trier, OD ;
Jain, AK ;
Taxt, T .
PATTERN RECOGNITION, 1996, 29 (04) :641-662
[8]  
模式识别.[M].边肇祺等编著;.清华大学出版社.2000,