車牌識別系統(tǒng)的設(shè)計與實現(xiàn)參考畢業(yè)論文(編輯修改稿)
2024-07-24 16:23 本頁面
【文章內(nèi)容簡介】 定位及傾斜校正技術(shù)研究[D]．太原：中北大學(xué)，2010[3] 劉瑋．基于圖像處理的車牌識別技術(shù)的研究[D]．哈爾濱：哈爾濱理工大學(xué)，2008[4] 李云．車牌定位與字符分割算法的研究及實現(xiàn)[D]．成都：電子科技大學(xué)，2010[5] 沈晶，劉海波，周長建．Visual C++ 數(shù)字圖像處理典型案列詳解[M]．北京：機械工業(yè)出版社，2012，27[6] 湯方義．基于OpenCV 和CUDA 的車牌識別系統(tǒng)的軟件設(shè)計與實現(xiàn)[D]．長春：吉林大學(xué)，2011[7] DaRocha G A，Manoel S J．Character recognition in Car license plates based on principal ponents and neutral processing[J]．Pattern Recongnition，2006，39(2)：2631[8] 侯宏花．?dāng)?shù)字圖像處理與分析[M]．北京：北京理工大學(xué)出版社，2011，74136[9] 劉同焰．車牌識別系統(tǒng)的相關(guān)算法研究與實現(xiàn)[D]．廣州：華南理工大學(xué)，2012[10] 閆青．車牌識別系統(tǒng)中車牌定位算法的研究[D]．濟南：山東大學(xué)，2010[11] K．Deb，Jo KangHyun．HSI color based vehicle license plate detection [C]．International Conference on Contro1，Automation and Systems，2008：687691[12] Heo G，Kim M，Jung I，et al. Extraction of car license plate regions using line grouping and edge density methods[C]．2007 International Symposium on Information Technology Convergence，2007：3742[13] 張金艷．基于神經(jīng)網(wǎng)絡(luò)的車牌識別算法研究[D]．秦皇島：燕山大學(xué)，2010[14] Li Bo，Zeng Zhiyuan，Dong Huali．Automatic License Plate Recognition System[J]．Applied Mechanics and Materials，2010，20：438444[15] Wei W，Wang M，Huang Z．An Automatic Method of Location for Number Plate using Color Features[C]．IEEE International Conference on Image Processing，2001，1：782785[16] 鄒曄．基于紋理分析和梯度特征的車牌定位算法[J]．科技廣場，2009，(5)：109111[17] F．Faradji，A．H．Rezaie，M．Ziaratban．A MorphologicalBased License Plate Location[C]，IEEE International Conference on Image Processing，2007：5760[18] 黃豪杰，李榕，常鴻森．基于邊緣顏色分布的車牌定位新方法[J]．激光雜志，2007，28(3)：5759[19] 方萬元，梁久禎．復(fù)雜背景下快速車牌定位算法[J]．計算機工程與應(yīng)用，2012，48(2)：160163[20] 郭航宇，景曉軍，尚勇．基于小波變換和數(shù)學(xué)形態(tài)法的車牌定位方法研究[J]．計算機技術(shù)與發(fā)展，2010，20(5)：1316[21] 崔屹．?dāng)?shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M]．北京：科學(xué)出版社，2002，100120[22] 劉志軍．基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究[D]．南京：南京郵電大學(xué)，2011[23] Tindall ．Deployment of automatic license plate recognition systems in multinational environments[C]．European Conference on Security and Detection．April，1997，(3)：4246[24] 李云紅，屈海濤．?dāng)?shù)字圖像處理[M]．北京：北京大學(xué)出版社，2012，145160[25] 姜誼，嚴京旗．車牌定位及傾斜校正方法[J]．微型電腦應(yīng)用，2010，26(4)：4547[26] 張司興．車牌識別算法研究及系統(tǒng)設(shè)計[D]．南京：南京理工大學(xué)，2010[27] 高原．車牌識別技術(shù)研究[D]．北京：北京交通大學(xué)，2011[28] 于彥國．車牌識別中的關(guān)鍵算法研究[D]．長沙：湖南師范大學(xué)，2011[29] 朱秀峰．車牌字符識別算法研究與實現(xiàn)[D]．武漢：華中科技大學(xué)，2012[30] Koval V，Turchenko V，Kochan V．Smart license plate recognition system based on image processing using neural network[J]．IEEE International Workshop on Intelligent Data Acquisition and Advanced Computing System，2003(8)：125128附錄附錄1 譯文基于方向梯度直方圖和支持向量機的多數(shù)據(jù)集車輛識別方法Ilias KamalEquipe RITMENSLAS . 713Universit233。 Mohammed V, Souissi, RabatMorocco@摘 要：本文采用線性和非線性內(nèi)核的軟邊緣SVM來對圖像分類，從多數(shù)據(jù)集中提取多維梯度直方圖特征向量，并將序列最小優(yōu)化算法(SMO)方法應(yīng)用于從訓(xùn)練數(shù)據(jù)中搜索最優(yōu)分隔超平面。關(guān)鍵詞：支持向量機SVM，方向梯度直方圖，機器學(xué)習(xí)。Ⅰ、引 言SVM和其他類似神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的計算機軟件技術(shù)都是機器學(xué)習(xí)和數(shù)據(jù)挖掘方向的技術(shù)。簡單來說，SVM是一種識別數(shù)據(jù)模式并分類或者分析的監(jiān)督式學(xué)習(xí)方法。與基于實際實驗所產(chǎn)生的神經(jīng)網(wǎng)絡(luò)[1]相反，SVM有很深的理論背景，即統(tǒng)計學(xué)習(xí)理論（SLT）[2]和結(jié)構(gòu)風(fēng)險最小化(SRM)[3]。Vapnik和Chervonenkis[4]于上一世紀60年代末首次提出SVM，但大部分無人問津，后直至90年代初才被人所重視[5]。SVM，基于純粹的函數(shù)估計問題的理論分析而逐漸演變成一種新型的用于估計/分類多維函數(shù)/數(shù)據(jù)的學(xué)習(xí)算法。在本文中，我們將只關(guān)注于數(shù)據(jù)分類，更確切地說是基于特定特征的圖像分類。去討論用于車輛識別的特征選擇問題，是毫無意義的。因為顏色或者紋理特征在給定大量相同顏色的汽車的時候效果并不明顯，因此唯一可以選擇的特征便是形狀了。不同類型的汽車通常有類似的形狀，不僅如此，可以說它們有非常多相近的地方。用于汽車識別的良好的特征是方向梯度直方圖[6]，它可以提供確切的關(guān)于形狀定位的信息，并且開銷不大。Ⅱ、二元SVM讓我們來考慮一個二元線性分類問題并且它的輸入或者說訓(xùn)練數(shù)據(jù)如下所示： (1)SVM的任務(wù)便是找到最優(yōu)的分隔超平
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1