基于支撐矢量機的圖像分類、車牌識別及嵌入式應(yīng)用研究.pdf

1、支撐矢量機能夠較好地解決小樣本學(xué)習(xí)問題,其目標(biāo)是得到現(xiàn)有信息下的最優(yōu)解而不僅僅是樣本數(shù)趨于無窮大時的最優(yōu)值.對于樣本集線性不可分的情況,通過事先確定的非線性映射將輸入矢量映射到一個高維特征空間,然后在此高維空間中構(gòu)建最優(yōu)超平面.具體反映在支撐矢量機選用的核函數(shù),它能夠避免在高維特征空間中進行復(fù)雜的運算.本文給出了線性支撐矢量機分類的幾何模型,并對C-SVM和v-SVM兩種支撐矢量機分類方法進行了理論分析,同時對常用的幾種支撐矢量機分類算

2、法進行討論,特別對SMO算法進行了深入研究.在分析多類支撐矢量機分類的基礎(chǔ)上,針對總類型數(shù)量不多的圖像分類情況,提出了基于多層感知器和單向二叉決策樹的多類支撐矢量機分類方法.通過多層感知器網(wǎng)絡(luò)的學(xué)習(xí),獲得支撐矢量機決策函數(shù)中合適的Lagrange乘子矢量及閾值b,以及非線性分類時核函數(shù)中的常系數(shù),C-SVM分類和v-SVM分類時的約束值.最后用單向二叉決策樹將圖像逐步分類,并引入?yún)?shù)調(diào)整環(huán)節(jié),以達到縮短圖像分類識別的時間和提高識別精度的

3、目的.在實際的應(yīng)用中,針對車牌識別過程中的牌照定位,本文從紋理圖像分類的角度,先在空域中獲得圖像的角二階矩、對比度、相關(guān)性和熵等四個特征量,再將原始紋理圖像作DCT變換后對頻率系數(shù)量化,從量化值中提取圖像的方向性,并用量化值的統(tǒng)計特性和圖像的方向性結(jié)合起來構(gòu)造特征矢量,最后采用支撐矢量機粗分類器和細分類器對汽車圖像進行兩級分類,從而實現(xiàn)牌照的定位.分類時綜合考慮分類速度、分類精度和感興趣的區(qū)域,可采取靈活的分類方式.該方法對于汽車牌照這

4、樣的紋理圖像具有很好的分類效果,可操作性較強.對于車牌識別過程中的字符識別,本文將SVM分類的輸入?yún)?shù)主要集中在圖像的邊緣和字符投影特征上,用這些特征構(gòu)造SVM算法的特征矢量.考慮邊緣對字符投影特征的特殊性和重要性,提出一種基于邊緣生長算法的邊緣檢測方法,該方法對灰度圖像具有較好的邊緣檢測效果,同時也提出一種基于RGB降維模型和小波變換的彩色圖像邊緣檢測算法,保證最大限度地提取圖像的邊緣信息,盡可能降低輸入?yún)?shù)對整個系統(tǒng)的不利影響.然后

5、進一步提出根據(jù)圖像邊緣和字符投影特征構(gòu)造圖像特征矢量的思想,以及特征矢量的構(gòu)成方式和歸一化方法.最后運用單向二叉決策樹分類識別方法進行了字符分類識別,取得了比較好的效果.在車牌識別的嵌入式應(yīng)用方面,本文研究和設(shè)計了一種集圖像采集、圖像識別、圖像傳輸、設(shè)備控制等于一體的實時分任務(wù)嵌入式系統(tǒng).該系統(tǒng)充分利用TI公司C6000系列DSP強大的并行運算能力、Intel公司StrongARM健壯的實時控制特性、以及FPGA靈活的時序邏輯控制技術(shù),