论文题目: 基于支撑矢量机的图像分类、车牌识别及嵌入式应用研究
论文类型: 博士论文
论文专业: 电子科学与技术
作者: 任俊
导师: 李志能
关键词: 支撑矢量机,多层感知器,单向二叉决策树,车牌识别,纹理识别,字符识别
文献来源: 浙江大学
发表年度: 2005
论文摘要: 支撑矢量机能够较好地解决小样本学习问题，其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值。对于样本集线性不可分的情况，通过事先确定的非线性映射将输入矢量映射到一个高维特征空间，然后在此高维空间中构建最优超平面。具体反映在支撑矢量机选用的核函数，它能够避免在高维特征空间中进行复杂的运算。本文给出了线性支撑矢量机分类的几何模型，并对C-SVM和v-SVM两种支撑矢量机分类方法进行了理论分析，同时对常用的几种支撑矢量机分类算法进行讨论，特别对SMO算法进行了深入研究。 在分析多类支撑矢量机分类的基础上，针对总类型数量不多的图像分类情况，提出了基于多层感知器和单向二叉决策树的多类支撑矢量机分类方法。通过多层感知器网络的学习，获得支撑矢量机决策函数中合适的Lagrange乘子矢量及阈值b，以及非线性分类时核函数中的常系数，C-SVM分类和v-SVM分类时的约束值。最后用单向二叉决策树将图像逐步分类，并引入参数调整环节，以达到缩短图像分类识别的时间和提高识别精度的目的。 在实际的应用中，针对车牌识别过程中的牌照定位，本文从纹理图像分类的角度，先在空域中获得图像的角二阶矩、对比度、相关性和熵等四个特征量，再将原始纹理图像作DCT变换后对频率系数量化，从量化值中提取图像的方向性，并用量化值的统计特性和图像的方向性结合起来构造特征矢量，最后采用支撑矢量机粗分类器和细分类器对汽车图像进行两级分类，从而实现牌照的定位。分类时综合考虑分类速度、分类精度和感兴趣的区域，可采取灵活的分类方式。该方法对于汽车牌照这样的纹理图像具有很好的分类效果，可操作性较强。 对于车牌识别过程中的字符识别，本文将SVM分类的输入参数主要集中在图像的边缘和字符投影特征上，用这些特征构造SVM算法的特征矢量。考虑边缘对字符投影特征的特殊性和重要性，提出一种基于边缘生长算法的边缘检测方法，该方法对灰度图像具有较好的边缘检测效果，同时也提出一种基于RGB降维模型和小波变换的彩色图像边缘检测算法，保证最大限度地提取图像的边缘信息，尽可能降低输入参数对整个系统的不利影响。然后进一步提出根据图像边缘和字符投影特征构造图像特征矢量的思想，以及特征矢量的构成方式和归一化方法。最后运用单向二叉决策树分类识别方法进行了字符分类识别，取得了比较好的效果。 在车牌识别的嵌入式应用方面，本文研究和设计了一种集图像采集、图像识别、图像传输、设备控制等于一体的实时分任务嵌入式系统。该系统充分利用TI公司C6000系列DSP强大的并行运算能力、Intel公司StrongARM健壮的实时控制特性、以及FPGA灵活的时序逻辑控制技术，从硬件方面实现系统的高速运行。 分析了DSP图像处理模块中使用的DSP／BIOS实时操作系统，对在使用该操作系统中的一些关键问题做了详细的研究。然后针对StrongARM实时控制及传输模块使用的Linux操作系统，在分析Linux内核源代码利嵌入式Linux这些已有研究成果的基础上，对嵌入式Linux系统的实时性、存储管理方面进行了改进，并在设备驱动程序的开发等方面进行了深浙江大学博士学位论文入分析。最后给出了车牌识别系统开发过程中的主要实现方法。关健词:支撑矢量机;多层感知器;单向二叉决策树;车牌识别;纹理识别;字符识别; 实时分任务嵌入式车牌识别系统;DSP;Linux
论文目录:
摘要
Abstract
目录
第一章 绪论
§1.1 研究背景、目的和意义
§1.2 支撑矢量机概述
§1.3 支撑矢量机图象分类与车牌识别中关于特征选取的考虑
§1.4 支撑矢量机在图象分类和车牌识别中的实现问题
§1.5 实时分任务嵌入式车牌识别系统概述
§1.6 本论文的主要研究内容和章节安排
参考文献
第二章 支撑矢量机及其决策树分类识别模型
§2.1 引言
§2.2 支撑矢量机基本理论
§2.2.1 支撑矢量机线性分类的几何模型
§2.2.2 多类SVM分析
§2.2.3 C-SVM分类问题
§2.2.4 v-SVM分类问题
§2.2.5 非线性分类情况的考虑
§2.3 SVM分类算法
§2.3.1 SVM分类的基本算法
§2.3.2 Chunking算法
§2.3.3 固定样本工作集算法
§2.3.4 SMO算法
§2.3.4.1 两个Lagrange乘子的优化问题
§2.3.4.2 选择待优化Lagrange乘子的试探找点法
§2.3.4.3 最小优化后的重置工作
§2.3.4.4 SMO算法的特点和优势
§2.4 结合多层感知器的单向二叉决策树多类支撑矢量机分类
§2.4.1 基于多层感知器的多类支撑矢量机训练模型
§2.4.1.1 多层感知器结构分析
§2.4.1.2 多层感知器的BP算法
§2.4.1.3 结合多层感知器的多类支撑矢量机训练
§2.4.2 基于单向二叉决策树的多类支撑矢量机分类模型
§2.4.2.1 基本的多类支撑矢量机分类方法
§2.4.2.2 基于单向二叉决策树的多类支撑矢量机分类模型
§2.5 本章小结
参考文献
第三章 支撑矢量机纹理图像分类识别研究
§3.1 引言
§3.2 纹理图像的空域特征提取
§3.2.1 直方图特征
§3.2.2 纹理图像的自相关特征
§3.2.3 纹理图像的灰度分布统计特征
§3.3 纹理图像的DCT域特征提取
§3.3.1 离散余弦变换及其数值算法
§3.3.2 DCT域中的特征提取
§3.4 基于支撑矢量机的纹理图像分类与牌照定位
§3.4.1 纹理图像的分类
§3.4.2 分类精度、分类速度及感兴趣区域的考虑
§3.4.3 实验结果和讨论
§3.5 本章小结
参考文献
第四章 支撑矢量机字符图像分类识别研究
§4.1 引言
§4.2 基于边缘检测的字符图像特征提取
§4.2.1 基于边缘生长算法的边缘特征提取
§4.2.1.1 理论模型
§4.2.1.2 参数定义
§4.2.1.3 算法过程
§4.2.1.4 实验结果和讨论
§4.2.2 基于RGB降维模型和小波分析的边缘特征提取
§4.2.2.1 理论模型
§4.2.2.2 RGB空间的降维
§4.2.2.3 小波理论基础
§4.2.2.4 小波图像边缘检测方法
§4.2.2.5 实验结果及讨论
§4.3 基于支撑矢量机和边缘检测的字符图像分类识别
§4.3.1 字符图像的特征提取与表示
§4.3.1.1 字符图像的特征提取与表示
§4.3.1.2 字符图像的特征提取的改进
§4.3.2 支撑矢量字符分类识别
§4.3.3 实验结果与讨论
§4.4 本章小节
参考文献
第五章 实时分任务嵌入式系统的硬件设计
§5.1 引言
§5.2 实时分任务嵌入式系统的设计思想
§5.2.1 实时分任务嵌入式系统的必要性
§5.2.2 实时分任务嵌入式系统的可行性
§5.3 实时分任务嵌入式系统的硬件架构设计
§5.3.1 DSP图像处理模块的设计
§5.3.1.1 模块主要功能及基本框架
§5.3.1.2 DSP时钟频率及启动配置方案
§5.3.1.3 TMS320C6205对SAA7111的参数设置
§5.3.1.4 图像存储及控制接口的CPLD设计
§5.3.1.5 TMS320C6205与存储器的接口
§5.3.1.6 实测信号
§5.3.2 StrongARM实时控制及传输模块的设计
§5.3.2.1 模块主要功能及基本框架
§5.3.2.2 实测信号
§5.3.3 DSP与ARM的协同接口模块设计及仿真
§5.3.3.1 协同接口模块主要功能及基本框架
§5.3.3.2 协同接口模块启动配置方案
§5.3.3.3 协同接口模块启动配置流程
§5.3.3.4 协同接口模块接口设计
§5.3.3.5 异步FIFO实现不同模块之间的接口
§5.3.3.6 SDRAM控制器设计
§5.3.3.7 其他设计要点与技巧
§5.4 本章小节
参考文献
第六章 实时分任务嵌入式系统的软件设计及汽车车牌识别的实现
§6.1 引言
§6.2 DSP图像处理模块的软件设计
§6.2.1 DSP／BIOS简介
§6.2.1.1 任务调度模块(HWI／SWI／TSK)
§6.2.1.2 通讯模块(PIP／SIO)
§6.2.2 低级设备驱动(LIO)
§6.2.2.1 总体设计、设想和命名规范
§6.2.2.2 三类函数的分析
§6.2.3 DSP／BIOS环境下的数据通信
§6.2.4 DSP／BIOS内核技术
§6.2.5 DSP／BIOS开发与应用
§6.3 StrongARM实时控制及传输模块的软件设计
§6.3.1 嵌入式Linux系统研究中的热点问题
§6.3.2 嵌入式Linux系统实时性的改进
§6.3.2.1 微定时器
§6.3.2.2 双内核可抢占式体系结构
§6.3.2.3 实时调度策略
§6.3.3 嵌入式Linux系统存储管理的改进
§6.3.3.1 Linux的存储管理基础
§6.3.3.2 Linux的虚拟内存管理
§6.3.3.3 改进Linux的存储管理
§6.3.4 设备驱动程序开发
§6.3.4.1 设计步骤
§6.3.4.2 字符设备驱动程序的设计
§6.3.4.3 块设备驱动程序和网络驱动程序
§6.3 汽车车牌识别的实现
§6.3.1 代码预处理
§6.3.2 DSP图像处理的程序流程
§6.3.3 DSP程序的优化
§6.3.4 基于DSP的车牌识别流程
§6.4 本章小节
参考文献
总结与展望
致谢
攻读博士期间完成的论文和取得的成果
发布时间: 2005-04-15
参考文献
- [1].基于指数矩的车牌识别研究[D]. 王昱心.北京邮电大学2017
- [2].图像处理技术在智能交通系统中应用的研究[D]. 王国良.大连海事大学2008
- [3].智能交通雷达测速系统关键技术与应用研究[D]. 金庆江.上海大学2017