基于联合HOG特征的车牌识别算法

被引：23

作者：

殷羽

郑宏

高婷婷

刘操

机构：

[1] 武汉大学电子信息学院

来源：

计算机工程与设计 | 2015年 / 36卷 / 02期

基金：

高等学校博士学科点专项科研基金;

关键词：

车牌识别; 联合方向梯度直方图; 核主成分分析法; 支持向量机; 字符识别;

D O I：

10.16208/j.issn1000-7024.2015.02.037

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为解决车牌中汉字识别未考虑汉字结构特征的问题,提出联合方向梯度直方图特征(HOG)结合支持向量机(SVM)的车牌识别算法。将灰度图、二值图、16值图的HOG特征在一定的权重下融合为联合HOG特征,使用核主成分分析法(KPCA)对联合HOG特征进行降维;对汉字和数字字母分别利用支持向量机进行分类,利用交叉验证方法对参数进行优化,得到最优预测模型;利用预测模型预测识别结果。实验结果表明,相对于传统车牌识别算法,该算法可以应用于复杂环境下的车牌字符识别,车牌识别率提高了10%左右,鲁棒性强且便于硬件实现。

引用

页码：476 / 481

页数：6

共 15 条

[11] Image-based on-road vehicle detection using cost-effective Histograms of Oriented Gradients [J].

Arrospide, Jon ;

Salgado, Luis ;

Camplani, Massimo .

JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, 2013, 24 (07) :1182-1190

[12]

Completed robust local binary pattern for texture classification[J] . Yang Zhao,Wei Jia,Rong-Xiang Hu,Hai Min.Neurocomputing . 2012

[13]

Artificial neural networks based vehicle license plate recognition[J] . H. Erdinc Kocer,K. Kursat Cevik.Procedia Computer Science . 2011

[14] Surveying and comparing simultaneous sparse approximation (or group-lasso) algorithms [J].

Rakotomamonjy, A. .

SIGNAL PROCESSING, 2011, 91 (07) :1505-1526

[15] 基于方向线素特征的孟加拉手写数字识别 [J].

林颖 ;

吕岳 .

计算机工程, 2009, 35 (15) :185-186+189

← 1 2 →