[发明专利]一种基于支持向量机的车牌识别方法

说明书

技术领域

本发明属于车牌识别领域，涉及一种基于支持向量机的车牌识别方法。

背景技术

车牌识别系统是智能交通的重要组成部分，对公路交通的自动监控与自动管理有着重要的意义。如何从带有车牌的图片中识别出车牌，并且提高识别的效率则是车牌识别软件需要解决好的问题。一方面，中国大陆的车牌字符中含有汉字且汉字的结构复杂难以辨识，导致出错率较高。另一方面，采用传统的统计研究方法都是建立在大数定理这一理论基础之上的，这要求学习样本的数目足够多。然而在实际应用中，由于各种方面的原因，这一前提往往无法得到保障，因此，建立在传统统计学机器学习算法之上的车牌识别软件，往往无法取得理想的识别效果。

发明内容

为了克服已有车牌识别方法由于样本无法足够多导致识别正确率较低的不足，本发明提供了一种在小样本的情况下依然能够获得较高的识别成功率的基于支持向量机的车牌识别方法。

本发明解决其技术问题所采用的技术方案是：

一种基于支持向量机的车牌识别方法，包括以下步骤：

步骤S1，摄取车牌图像；

步骤S2，对获取的车牌图像进行图像预处理，得到待识别字符；

步骤S3，导入训练集训练支持向量机模型，使用支持向量机对待识别字符进行分类决策，输出决策结果。

进一步，所述步骤S3中，设样本训练集{(x_i,y_i),i＝1,2,…,l}由两个类别组成，若x_i属于第一类，则记y_i＝1，若x_i属于第二类，则记y_i＝-1，采用的核函数为径向基核函数(Radial Basis Function，RBF)：

其中，x表示x₁，x₂，…，x_l中的任意一个，σ为径向基函数的扩展常数，反应了函数图像的宽度，σ越小，则宽度越窄，该径向基函数越具有选择性。

再进一步，步骤S2中，所述图像预处理包括以下步骤：

将图片导入，记为I，采用rgb2gray函数进行灰度化处理，将RGB图转化为灰度图，对R、G、B分量进行加权平均的权重是：

0.2989R+0.5870G+0.1140B

再利用Roberts算子，通过局部差分来寻找边缘，平滑参数设置为较小的0.15；

接下来采用腐蚀函数imrode来对图片进行腐蚀处理，将图片中的一些不相关元素出去；

采用闭操作函数imclose来对图像进行闭操作处理，闭操作处理可以理解为使图片更加圆滑，消除一些毛刺的作用；

采用bwareaopen函数对图像进行形态学降噪；

使用分割算法从图片中获取字符，得待识别的字符。

本发明的有益效果在于，克服传统的统计研究方法要求学习样本的数目足够多的问题，引入一种较为新颖的机器学习算法作为车牌识别软件的理论基础，能够在小样本的情况下，依然能够获得较高的识别成功率。

附图说明

图1是一种基于支持向量机的车牌识别方法的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1，一种基于支持向量机的车牌识别方法，包括以下步骤：

步骤S1，摄取车牌图像；

步骤S2，对获取的车牌图像进行图像预处理，得到待识别字符；

步骤S3，导入训练集训练支持向量机模型，使用支持向量机对待识别字符进行分类决策，输出决策结果。

所述步骤S3中，设样本训练集{(x_i,y_i),i＝1,2,…,l}由两个类别组成，若x_i属于第一类，则记y_i＝1，若x_i属于第二类，则记y_i＝-1；采用的核函数为径向基核函数(Radial Basis Function，RBF)：

其中，x表示x₁，x₂，…，x_l中的任意一个，σ为径向基函数的扩展常数，反应了函数图像的宽度，σ越小，则宽度越窄，该径向基函数越具有选择性。

进一步，步骤S2中，所述图像预处理包括以下步骤：