本文采用基于支持支向量机来研究图像辨别问题。其中着重介绍了牌照识别技术在城市的智能交通治理系统中的应用。牌照识别技术是智能交通治理系统重点和核心模块，是智能交通治理系统的一个重要学习课题，在人们的日常生活中存在巨大的市场需求和研究价值。

研究框架

图像识别是在学习处理图像技术中很是重要的的钻研内容。其还涉及将自动识别图像信息技术、自动检测等多边知识的综合研究应用在生活的各个方面，带来更多的便利。目前，许多图像识别系统在长期工作中就会有耗时、错报率高等问题。本文主要使用支持向量机方式解决牌照图片区分的问题。通过对识别、牌照系统的四个主要步骤的多种方法的钻研，得出了各种重要的结论。从而通过使用相应的计算方法来减少图像数据的量并且避免不想要的数据。提取了与车牌共享的具有相似属性的区域。检测图像的边沿时使用空间滤波既运用卷积内核来检测横向和垂直方向。本文介绍的主要内容如下：

第一章：主要对图像识别系统的研究背景、研究目的和意义进行介绍，并对本文所研究的车牌识别系统主要流程、本文的主要内容与结构安排进行阐述。

第二章:支持向量机的训练计算方法的研究。SVM是机器学习领域的新热点，具有较好的解决小样本下的分类问题，避免了庞大数据量带来的复杂耗时，且具有较为完备的理论基础。阐述了SVM的理论和常用的几种SVM的训练计算方法进行阐述。

第三章：基于支持向量机的图像识别系统。第一步解释了图像识别别系统的组成模块，各个模块具体的功能和作用。进而阐述了本文的主要探究内容辨别车牌系统的结构模块。每个模块的功能及所需完成的任务。 

第四章：在开发环境matlab的平台上进行图像识别的测试实验，采集大量图片数据，进行图片中字符的定位，字符切割以及特征提取等工作。有实验数据来验证，看系统每步实现的效果并作出相应的辨析，进而总结这章节的内容。

第五章：对以上几章所阐述的内容进行分析总结和下一步的研究展望。

本文工作总结

本文着重介绍了智能运输系统中的牌照识别技术，所做的主要工作如下：主要对车牌辨别系统的研究背景、研究目的和意义、研究对象和范围以及研究方法和手段进行介绍，并对本文所研究的牌照识别系统主要流程采取了逐一介绍。

接着主要阐述了支撑向量积的有关知识，其中包括向量积原理中的线性术支持和非现行支持向量积。援用内核函数是规避耗时的高维度内积运算的好方法。然后使用内核函数来规避耗时的高维度内积运算。计算方法的庞大性与特征空间不同，有效地规避了“灾难维度”。

进而阐述了图像辨别系统的组成。进而介绍了图像辨别技术在交通系统中的实际应用即牌照识别技术。采用了区域定位和边缘相结合的方法提取车牌图像的轮廓进而由粗、细定位对目标图像进行车牌区域定位。字符切割就是对以上定位完成的车牌图像采取每个字符的准确切割并提取出来。为接下来的汽车牌照字符辨认提供识别基础，这步是车牌识别的重要部分。最后对逐个字符的轮廓像素统计进行字符识别。简而言之，它的好处重点表现在下述的几个方面：作为一个通用学习机，统计学习原理被支持向量积用于解决具体的现实问题。其本质上还是一个凸二次规划的问题。