基于SVM算法的图像识别方法研究

摘要

在当今数字化时代，信息量处理海量般膨胀，在所有的信息对象中，以图像为对象的处理特别多，且随着移动互联网的迅猛发展，图像的获取与处理是重要的信息内容。在所有的处理过程中，数字图像的分析在其中扮演着十分重要的角色。图像分析的主要内容有特征提取、图像分割、图像描述、图像理解。人们对图像分析的主要目标就是为了获取图像内容的理解，对于图像内容理解研究目前基本上都是基于各种模式识别的技术研究。可以说，图像识别技术实际上是融合各种技术与算法之上的”图像模式”的识别的应用。图像识别技术在各行各业与社会经济活动中日益显现出极广泛的应用价值。在人工智能与机器学习的大背景下，一种基于统计学习原理的识别算法：SVM(支持向量机）取得了广泛的应用。它结构简单、且有全局最优性与较好的泛化能力，是求解模式识别与函数估计问题的有效工具。

本文通过对车牌的图像预处理、车牌号码的特征提取及样本优化的阐述，并进一步研究基于SVM方法之上的分类与特征识别，在数学软件Matlab实现识别过程，进而说明SVM方法在图像处理与识别上的巨大优势及应用上的简洁高效。

关键词　

图像分析；模式识别；统计学习；SVM；Matlab;  图像识别；特征提取

目录

摘要 I

目录 I

引言 1

第1章 研究的背景与意义 3

1.1研究的背景 3

1.2 研究的意义 4

第2章 面向车牌识别的图像处理问题 5

2.1 车牌图像预处理 5

2.2 车牌图像的特征提取 10

2.3 车牌图像的特征匹配算法 11

第3章 支持向量机模型与算法介绍 12

3.1 线型分类器算法 12

3.2 多类分类器算法 13

第4章 基于SVM算法的图像识别在车牌识别中的应用 15

4.1 车牌图像的预处理的实验 15

4.2 车牌图像的基于SVM的分类实现 16

4.3 车牌的特征提取与识别 17

参考文献 24

致谢 25