摘要：一种基于多分类支持向量机的集装箱箱号识别方法，属于计算机图像处理技术领域。首先采集集装箱箱号字符图像，经二值化和归一化处理后分成字母图像集和数字图像集；然后构建两个多分类支持向量机，分别采用字母图像集和数字图像集的特征向量矩阵进行训练，训练过程中采用Adaboost算法，得到两个多分类支持向量机分类器SVC和SVN；箱号识别过程中，将待识别集装箱箱号分割成11个字符图像，经二值化和归一化处理后，将第1至第4个特征向量输入到SVC进行识别，第5至第11个特征向量输入到SVN进行识别。本发明创新性地将支持向量机和Adaboost算法结合起来应用于集装箱箱号字符识别，相比于其他同领域的技术方案具有更高的识别率和较小的计算量。

摘要：基于多分类支持向量机的集装箱箱号识别方法，属于图像处理技术领域。本发明首先采集集装箱箱号字符图像，经二值化和归一化处理后分成字母图像集和数字图像集；然后构建两个多分类支持向量机，分别采用字母图像集的特征向量矩阵和数字图像集的特征向量矩阵进行训练，得到两个多分类支持向量机分类器SVC和SVN；在箱号识别过程中，将待识别集装箱箱号分割成11个字符图像，经二值化和归一化处理后，将计算所得的第1至第4个特征向量输入到多分类支持向量机分类器SVC进行识别，第5至第11个特征向量输入到多分类支持向量机分类器SVN进行识别。本发明创新性地将支持向量机应用于集装箱箱号字符识别，相比于其他同领域的技术方案具有更高的识别率和较小的计算量。