一種基于SVM的數字儀表顯示值識別方法
加入技術(shù)交流群
若ai>0，稱(chēng)相應的xi為支持向量(Support Vector)。更進(jìn)一步，若OaiC，稱(chēng)xi為邊緣(Margin)支持向量；若ai=C，稱(chēng)xi為偏差(Bias)支持向量。非線(xiàn)性支持向量機的工作原理是通過(guò)非線(xiàn)性變換φ(x)，將輸入空間變換到一個(gè)高維空間，在這個(gè)新空間中求取最優(yōu)線(xiàn)性分類(lèi)面，并引入核函數(如RBF核函數
)計算內積。在可分的情況下求解：
找出的支持向量充分描述了整個(gè)訓練數據集的特征，使得對SV集的線(xiàn)性分類(lèi)等價(jià)于對整個(gè)數據集的分類(lèi)，檢測流程圖如圖6。所示。本文引用地址：http://dyxdggzs.com/article/166179.htm
1．5 實(shí)驗結果與分析
實(shí)驗中選取了3組典型的樣本，每組樣本數200個(gè)，在PC機上進(jìn)行了試驗，結果如表1所示。每個(gè)樣本有6或5個(gè)數字，其中3或4個(gè)是表示小時(shí)和分鐘，2個(gè)表示秒鐘。
從表1可以看出，在二值化較好，數字清晰的情況下，識別率達到了100％，對有輕微點(diǎn)狀噪聲和輕微斷痕的樣本，識別率也很高，但對存在數字殘缺的樣本，識別率有所下降。就識別時(shí)間而言，整屏數字(6或5個(gè)數字)的識跗時(shí)間小于200 ms，明顯低于儀表數字的最快變化時(shí)間1 000 ms。
2 結語(yǔ)
主要研究了數字式儀表的自動(dòng)判讀方法，為儀表盤(pán)上的儀表實(shí)現自動(dòng)識別打下基礎。首先對采集到的數字式儀表進(jìn)行預處理，主要包括圖像灰度化、二值化、噪聲消除等。參考現有的數字識別算法，本文主要采用垂直投影法來(lái)分割各個(gè)字符，然后對分割后的每個(gè)字符提取分塊統計特征。最后用SVM訓練樣本實(shí)現相應數字字符識別，最終判讀出數字儀表的讀數。該方法算法簡(jiǎn)單，實(shí)時(shí)性高，可靠性好，是一種比較理想且具有一定應用價(jià)值的識別算法。
評論