基于SVM算法的图像识别方法研究

摘要

当今社会信息化建设已进入崭新的阶段，人工智能与大数据技术蓬勃兴起。

这其中的图像识别技术占据重要的地位，图像识别基于图像分析之上，分析的主要内容有特征提取、图像分割、图像描述、图像理解，主要目的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的一种应用技术。近年来，一种基于统计学习原理的识别算法：SVM(支持向量机）在各方面广泛应用,结构简单、泛化能力强，是求解模式识别与函数估值问题的有效工具。

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

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

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

第5章 总结与展望 26

参考文献 27

致谢 28