一种基于支持向量机的车牌字符分割方法技术

一种基于支持向量机的机动车号牌字符分割方法，属计算机图像处理领域。根据已知分割结果车牌图像的垂直投影积分曲线得到所有可能分割结果（其中只有一种是正确的），计算每个分割结果的字符宽度方差V、各字符分割点处投影值之和sumvalue、各字符像素在所分割出的字符图像中所占比例之和T和分割信任度值S，得到特征向量R（V,sumvalue,T,S），再辅以正确分割与否的标签，输入支持向量机训练得到分类模型；待识别车牌经图像采集、定位、二值化、归一化后同样根据垂直投影积分曲线得到所有可能分割结果的支持向量机特征向量R（V,sumvalue,T,S），输入支持向量机分类模型得到最终的分类结果所对应的分割结果。本发明专利技术分割准确率更高，效率更高，对成像质量要求更低。

【技术实现步骤摘要】

本专利技术属于计算机图像处理
，涉及模式识别技术，具体指一种基于支持向量机的机动车号牌字符分割方法。
技术介绍
机动车号牌识别简称车牌识别，在智能交通系统里面起着关键的作用，无论是在路桥收费、小区管理、停车场管理，还是在交通监控系统中，车牌识别都是最为基础也最为重要的部分。通常，车牌识别算法可以分为三个部分:车牌定位、字符分割和字符识别。在前两部分的基础上如何进行精确的字符识别，就成为最终影响系统识别率的重要问题。当前，车牌字符分割主要有以下几种方法:1、基于模板定位的车牌字符分割方法。该方法通过一个字符宽度的字符模板和一个字符间隔宽度的间隔模板,然后让字符模板和间隔模版在车牌区域之中滑动，求取字符模板内的像素值之和与间隔模板内的像素值之和的比率。当比率取得极小值时，将当前字符模板的所在位置判定为字符的分割点位置。该方法必须首先知道字符宽度这一先验知识，而通常情况下我们无法获得字符宽度的大小。2、基于车牌垂直投影积分曲线的车牌字符分割方法。该方法首先获得车牌区域的垂直积分投影曲线，然后根据字符投影的波峰波谷结构对车牌字符进行分割。这种方法通常能取得较好的效果，但是当车牌字符存在粘连时，分割质量会有所下降。3、基于连通域标记的车牌字符分割方法。该方法先对车牌图像进行二值化，然后去除干扰连通域，同时对车牌字符进行断裂的情况进行合并处理，最后采用区域标记的方法获得每个字符的区域范围，从而最终实现字符的分割。这种方法对车牌的噪声干扰和字符的完整性都提出了很高的要求。4、基于色彩信息的车牌字符分割方法:该方法根据车牌区域底色和字符颜色的差异，进行颜色不连续性分析，实现字符的分割。这种方法对车牌的彩色信息提出了要求，而且基于彩色图像的处理相对于灰度图像的处理计算量要大得多。这些方法针对特定的车牌都取得了不错的分割效果，应该说各有所长。其中第二种方法最为稳定，对车牌质量的要求也相对不高。有的学者还提出了将第二种方法和第一种方法相结合的车牌字符分割方法。本专利技术使用支持向量机，利用其良好的分类能力，直接对定位出来的车牌进行分割，取得了良好的效果。
技术实现思路
本专利技术提供，该方法米用基于高斯径向基函数的支持向量机对机动车号牌字符进行分割，相比与其他同领域的方案，本专利技术的分割准确率更高，效率更高，对成像质量要求更低的特点。本专利技术技术方案如下:一种基于支持向量机的机动车号牌字符分割方法，如附图说明图1所示，包括以下步骤:步骤1:选取N张相同大小(N大于等于500)已知车牌字符正确分割结果的车牌图像，构建支持向量机分类模型。具体包括如下步骤:步骤1-1:选取N张相同大小(N大于等于500)已知车牌字符正确分割结果的车牌图像，根据每张所述车牌图像的车牌垂直投影积分曲线，计算出每张所述车牌图像所有可能的车牌字符分割结果。这些结果中只有一种是正确的分割结果，其它的都是错误的。步骤1-2:计算步骤1-1所得每种车牌字符分割结果的特征，具体包括:A)字符宽度的方差V，权利要求1.一种基于支持向量机的机动车号牌字符分割方法，包括以下步骤: 步骤1:选取N张相同大小已知车牌字符正确分割结果的车牌图像，构建支持向量机分类模型；具体包括如下步骤: 步骤1-1:选取N张相同大小已知车牌字符正确分割结果的车牌图像，根据每张所述车牌图像的车牌垂直投影积分曲线，计算出每张所述车牌图像所有可能的车牌字符分割结果；这些结果中只有一种是正确的分割结果，其它的都是错误的； 步骤1-2:计算步骤1-1所得每种车牌字符分割结果的特征，具体包括: A)字符宽度的方差V，2.根据权利要求1所述的基于支持向量机的机动车号牌字符分割方法，其特征在于，所述N大于等于50 0。全文摘要一种基于支持向量机的机动车号牌字符分割方法，属计算机图像处理领域。根据已知分割结果车牌图像的垂直投影积分曲线得到所有可能分割结果(其中只有一种是正确的)，计算每个分割结果的字符宽度方差V、各字符分割点处投影值之和sumvalue、各字符像素在所分割出的字符图像中所占比例之和T和分割信任度值S，得到特征向量R(V,sumvalue,T,S)，再辅以正确分割与否的标签，输入支持向量机训练得到分类模型；待识别车牌经图像采集、定位、二值化、归一化后同样根据垂直投影积分曲线得到所有可能分割结果的支持向量机特征向量R(V,sumvalue,T,S)，输入支持向量机分类模型得到最终的分类结果所对应的分割结果。本专利技术分割准确率更高，效率更高，对成像质量要求更低。文档编号G06K9/00GK103207998SQ201310137358公开日2013年7月17日 申请日期2013年4月19日 优先权日2012年12月24日专利技术者解梅, 叶繁 申请人:电子科技大学本文档来自技高网...

【技术保护点】
一种基于支持向量机的机动车号牌字符分割方法，包括以下步骤：步骤1：选取N张相同大小已知车牌字符正确分割结果的车牌图像，构建支持向量机分类模型；具体包括如下步骤：步骤1?1：选取N张相同大小已知车牌字符正确分割结果的车牌图像，根据每张所述车牌图像的车牌垂直投影积分曲线，计算出每张所述车牌图像所有可能的车牌字符分割结果；这些结果中只有一种是正确的分割结果，其它的都是错误的；步骤1?2：计算步骤1?1所得每种车牌字符分割结果的特征，具体包括：A）字符宽度的方差V，V=1nΣi=1n(li-l‾)2---(2)其中：li=candidateSeg(i+1)?candidateSeg(i)?????????????????????（2）l‾=1nΣi=1nli---(3)（1）式至（3）式中，i=1,2,…,n，n为车牌字符个数，candidateSeg(i)表示第i个字符的宽度，li表示的是字符宽度的差，表示平均字符宽度；B）各字符分割点处投影值之和sumvalue；C）各字符像素在所分割出的字符图像中所占比例之和T；D）分割信任度值S，S是从车牌形状的先验知识出发的对字符分割方案进行的正确性度量；对于每种分割结果，根据字符分割的首尾位置，计算出车牌的宽高比r；再根据每个字符的分割位置，计算出每个字符的宽度wk和字符的平均宽度meanv。如果r、wk和meanv满足以下的条件：rmin...

【技术特征摘要】
...

【专利技术属性】
技术研发人员：解梅，叶繁，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：