基于SVM与ANN技术的车牌识别1资料.pptVIP

掩码填充效果 掩码填充效果 掩码填充效果 掩码填充效果 因为使用车牌，车牌有边界，漫水填充不会超过车牌的边界，而对于其他区域（检查出来的矩形）漫水填充会占据很多区域，形成的矩形也很大，再对矩形进行大小判别时，可能就会被丢弃，得到更可能是车牌的区域。 因此我们在原图上标记出仅剩的三块可能车牌区域。 仅剩3块可能的车牌区域 将这三块区域提取出来后，先进行适当的旋转，然后把所有的图像调整为统一的大小，对其采用直方图均衡化最终效果如下。 车牌分类 我们预处理和分割图像的所有可能部分之后，我们现在需要判别每一个分割部分是不是一个车牌。为这样做，我们使用SVM算法。 支持向量机是一个模式识别算法，它是监督学习算法的一份子，最初创建是为了二值分类的。有监督的学习是一种机器学习算法，它通过标签数据的使用进行学习。我们需要一些带有标签的数据来训练这个算法。每一个数据集需要有一个类别。 SVM创建一个或多个超平面，用来区分每类数据。 一个典型的例子是2维点集，它定义了两个类。SVM寻找最优线来区分每个类。 训练SVM分类器，简单来说在二维空间里就是求解这样一个线性函数，g(x)=wx+b，x是输入的特征，g（x）是输出的分类的类别，我们已知了输入特征与输出类别，来训练求解w和b的最优的值，获得这两个值后也就获得了这个分类的数学模型，接着就可对新样本进行预测。 寻找训练分类器所需特征 在任一分类之