基于最小二乘支持向量机车牌字符特征识别

被引:2
作者
刘静
机构
[1] 渭南师范学院统计科学与社会计算研究所
关键词
车牌识别; 最小二乘支持向量机; 奇异值分解;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
车牌识别通常按照车牌图像预处理、定位与字符分割、特征提取、特征分类的步骤展开分析与研究,特征提取与分类识别是提高车牌识别率和识别速度的关键环节。最小二乘支持向量机是一种新的有效的机器学习算法,文中提出利用最小二乘支持向量机识别车牌字符奇异值特征的方法。该方法是在车牌图像预处理的基础上,提取分割后车牌字符的奇异值特征,压缩保留主要特征,利用最小二乘支持向量机分类器分类识别。在自建车牌图像库上进行实验,结果证实,文中提出的方法是有效可行的。
引用
收藏
页码:195 / 198
页数:4
相关论文
共 7 条
[1]   一种大场景点云的快速分割方法 [J].
刘军 ;
耿国华 .
计算机应用与软件, 2010, 27 (08) :33-36
[2]   SVM文本分类中一种新的特征提取方法 [J].
姜鹤 ;
陈丽亚 .
计算机技术与发展, 2010, 20 (03) :17-19+23
[3]   一种基于奇异值分解的图像匹配算法 [J].
赵峰 ;
黄庆明 ;
高文 .
计算机研究与发展, 2010, 47 (01) :23-32
[4]   基于直方图的图像增强及其MATLAB实现 [J].
汪志云 ;
黄梦为 ;
胡钋 ;
饶强 .
计算机工程与科学, 2006, (02) :54-56
[5]   基于奇异值分解的数字图像的特征提取 [J].
于海征 .
工程数学学报, 2004, 21 (08) :131-134
[6]   基于奇异值分解和支持向量机的人脸检测 [J].
龚婕 ;
姜军 ;
张桂林 .
计算机与数字工程, 2003, (01) :69-72
[7]   Least squares support vector machine classifiers [J].
Suykens, JAK ;
Vandewalle, J .
NEURAL PROCESSING LETTERS, 1999, 9 (03) :293-300