结合序列图像超分辨率重建车牌识别技术-通信与信息系统专业论文.docxVIP

内蒙古科技大学硕士学位论文 内蒙古科技大学硕士学位论文 III III direction histogram and SVM combination of license plate character recognition. First, a large number of samples were collected under the normal 34-character license plate of a binary image, gradient direction histogram binary image feature extraction and support vector machine training to get into the best classifier. Finally, after the split binary license plate according to the order of a single character segmentation normalized after treatment into the classifier to identify and get the results to identify the order of output to get the license plate characters. Experimental results show that in contrast to the traditional license plate recognition algorithm based on feature matching and BP neural network to identify the character of a significant improvement. The results show that by L1 and L2 hybrid super-resolution reconstruction process paradigm, will identify the direction of the gradient histogram method and support vector machine combining the characters of the license plate has a better recognition results. Key words: L1 model； L2 model； super resolution reconstruction； gradient direction histogram； support vector machine； license plate recognition PAGE PAGE 1 目 录 摘 要 I Abstract II 目 录 1 1 绪论 1 1.1 课题背景和意义 1 1.2 课题国内外发展现状 3 1.3 结合序列图像超分辨率重建的车牌识别技术方法介绍 5 1.4 本文结构 7 2 序列图像的超分辨率重建 8 2.1 引言 8 2.2 图像传感器 8 2.3 超分辨率重建算法 9 2.4 L1 范式超分辨率重建 9 2.5 评价指标 11 2.6 结合 L1 范式和 L2 范式的超分辨率重建算法 13 2.7 超分辨率重建效果 15 3 车牌定位和字符分割 17 3.1 引言 17 3.2 车牌特征 17 3.3 色彩模型 18 RGB 颜色模型 18 CMYK 模型 19 HSV 彩色模型 19 3.4 车牌定位方法 21 3.4.1 基于灰度图像的车牌定位方法 21 3.4.2 基于彩色图像的定位方法 22 3.5 车牌定位方法及效果展示 23 3.6 车牌字符分割方法及效果展示 26 4 车牌字符识别 28 4.1 字符识别 28 4.1.1 字符识别起源 28 4.1.2 字符特征 28 4.1.3 字符识别方法介绍 30 4.2 支持向量机与统计学习 30 4.2.1 机器学习和经验风险 31 4.2.2 统计学习理论 32 4.2.3 线性可分 33 4.3 SVM 核函数 34 4.4 梯度方向直方图信息 35 4.5 车牌字符识别方法 36 5 总结与展望 41 5.1 总结 41 5.2 展望 42 参考文献 43 在学研究成果 48 致 谢 49 ‐ ‐ PAGE 1‐ 1 绪论 1.1 课题背景和意义 车牌识别技