資源描述:
《復(fù)雜背景下的汽車牌照定位》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、中文摘要汽車牌照識(shí)別技術(shù)是模式識(shí)別和圖像處理的一項(xiàng)重要應(yīng)用,可以廣泛地應(yīng)用于交通監(jiān)察和管理部門中,能夠大大提高工作的效率。作為~個(gè)綜合的實(shí)時(shí)計(jì)算機(jī)視覺(jué)系統(tǒng),汽車牌照識(shí)別技術(shù)主要包括牌照定位和牌照識(shí)別兩個(gè)部分。它的研究主要涉及到了模式識(shí)別、人工智能、計(jì)算機(jī)視覺(jué)、數(shù)字圖像處理等眾多學(xué)科領(lǐng)域。車牌的定位更是該系統(tǒng)的關(guān)鍵之一,由于圖像場(chǎng)景的復(fù)雜性以及車牌位置和圖像質(zhì)量的不可預(yù)知性,牌照定位系統(tǒng)一直都未做到令人滿意,所以牌照的定位算法一直是該領(lǐng)域的研究熱點(diǎn)。本文針對(duì)在復(fù)雜背景圖像中的汽車牌照的檢測(cè)定位的課題,通過(guò)對(duì)大量資料的搜集、整理,總結(jié)了近年來(lái)國(guó)內(nèi)外在車牌定位領(lǐng)域的最新研究成果和最新進(jìn)展,對(duì)車
2、牌區(qū)域的固有特征和目前的車牌定位分割技術(shù)進(jìn)行了系統(tǒng)的研究和探討。著重研究了牌照區(qū)域的圖像特征,提出了一種基于邊緣圖像統(tǒng)計(jì)特征和幾何形狀特征的汽車牌照檢測(cè)定位算法。在對(duì)圖像進(jìn)行預(yù)處理后,算法利用車牌區(qū)域由于字符排列的規(guī)則性而在梯度圖像上產(chǎn)生的特征,分割并提取出車牌可能存在的候選區(qū)域。數(shù)學(xué)形態(tài)學(xué)是圖像處理領(lǐng)域的一項(xiàng)新興技術(shù),經(jīng)過(guò)分割后的二值圖像上除存在一些噪聲外,還有一些明顯不會(huì)存在車牌的區(qū)域,如面積很小的區(qū)域,縱向和橫向的窄條紋等。為了簡(jiǎn)化后面的判斷工作,本文選用數(shù)學(xué)形態(tài)學(xué)中的開運(yùn)算消除這些不感興趣的區(qū)域。然后根據(jù)汽車牌照的幾何特征對(duì)每一個(gè)候選區(qū)域進(jìn)行可信度評(píng)價(jià)并按一定的合并規(guī)則將候選區(qū)域
3、進(jìn)行合并,以獲取更高的可信度,最后根據(jù)區(qū)域的可信度值的大小確定車牌的位置。算法在對(duì)具有樣本多樣性的圖像數(shù)據(jù)庫(kù)的測(cè)試中取得了比較好的效果。實(shí)驗(yàn)表明,對(duì)于圖像光照條件變化、視角變化而造成的車牌的傾斜和變形等情況該算法都具有較好的處理效果。作為車牌檢測(cè)和識(shí)別系統(tǒng)的一部分,本檢測(cè)算法為后續(xù)的識(shí)別算法提供了車牌的位置。目前本算法由于只利用了車牌區(qū)域的統(tǒng)計(jì)特征,故標(biāo)記出的是車牌的大致的位置,并不是十分精確的,對(duì)于車牌位置的精確確定,要在車牌的識(shí)別算法中,利用車牌中字符的排列特點(diǎn)等規(guī)則來(lái)進(jìn)一步確定,這有待于我們下一步的研究。關(guān)鍵詞:汽車牌照檢測(cè),直方圖均衡化,均值濾波,數(shù)學(xué)形態(tài)學(xué),可信度評(píng)價(jià)Abstr
4、aetAutomaticdetectionandrecognitionofvehiclelicenseplatesplaysallimportantroleintrafficsurveillancesystems.Suchsystems,whichareappliedinparkingareas,highways,bridgesandtunnels,Canhelpahumanoperatorandimprovetheoverallqualityofaservice.Anysituationrequiringtheautomaticcontrolofthepresenceandidenti
5、ficationofavehicleprovidedwi也alicensenumbermayrepresentapotentialapplication.Beingaspecialcomputervisionsysteminthereal-timecase,theLPRsystemmainlyincludesthesubsystemoflicenseplatedetectionandcharacterrecognition.TheLPRsysteminvolvesnumerousdisciplinedomains,suchasPatternRecognitionandArtificial
6、Intelligence,ComputerVision,DigitalImageProcessing,etc.ThedetectionoflicenseplatesisthekeyofLPRsystem.Becauseofthecomplexofimagebackground,theuncertaintyofplatepositionmadimagequality,thelocationofplatesisnotsatisfied。Therefore,thestudyonthealgorithmoflicenseplatelocationisalwaysthehotspotproblem
7、.Inthispaper,wehavesummarizedthelatestresearchachievementsanddevelopmentoflicenseplatelocationandsegmentationanddiscussedtheintrinsiccharacteristicoflicenseplate.Onthebasisofpreviouswork,firstly,westudiedtheimagecharac