低质量车牌图像自动识别关键技术研究

论文摘要

本文研究了车牌自动识别技术的设计与实现，重点研究了低质量车牌图像自动识别的关键技术，针对彩色图像的分割与车牌定位、二值图像的车牌定位和低质量图像的字符提取作了大量工作。 论文主要涉及以下内容： 1．研究了国内外当前的车牌定位系统，针对当前系统普遍存在的低质量图像识别率低的问题，表明了本课题的必要性与紧迫性。对相关基本概念与基本理论进行了概括与总结，对重要的理论与算法进行了研究，对车牌识别中经实践证明稳定有效的方法进行了实现，并将其应用在本课题中。 2．研究了基于彩色图像的车牌定位技术，提出了一种基于相异增量的图像分割算法，并将其应用在车牌定位中。方法的主要特点是不需要先验知识，利用聚类的特点，针对图像处理的特殊性，发掘像素特征、统计特征，利用向量量化手段进行颜色精减，然后使用聚类方法进行分割。论文详细说明了相异增量的定义与其优良的统计特性，并将其成功应用于彩色图像分割中。 3．针对彩色图像的分割技术的不足，研究了基于二值图像的车牌定位技术，提出了综合种子填充与模板匹配的车牌搜索算法。算法在图像预处理的基础上，直接进行阈值化操作与子物体标定，在子物体集合中寻找满足车牌基本特征的种子作为模板，进行生长操作，然后利用车牌模板的基本特征去完成匹配、筛选操作，快速高效地实现了车牌定位，同时可实现多车牌检出。 4．针对低质量车牌图像字符提取的困难，提出了基于知识导向的字符提取算法，利用VORONOI图的特点，使用简化算法，实现时间复杂度为线性的欧式距离计算方法，然后将欧式距离作为重要提取特征，运用在字符提取中，综合对比度、物体大小等其他特征，实现了对低质量车牌中字符的提取。 5．在字符分割中，对照车牌垂直投影图像中字符表现的不同形式，利用牌照统一的纹理特征，对各个部分进行删除、分裂、合并和调整大小操作，分析给出了各种类型的判别函数，实现了对字符的精确分割。 6．深入研究了图像编程的基本手段与常用算法，并分析了图像编程中遇见的问题，为方便图形图像编程，参照标准模板库STL编写了泛型图形图像处理库GIL，该库可以屏蔽图像色彩转换与类型转换等繁琐问题，可以方便用户将注意力集中于算法编程。

论文目录

• 图目录
• 表目录
• 摘要
• ABSTRACT
• 第一章 绪论
• §1.1 课题背景
• §1.2 研究现状
• §1.3 研究内容
• §1.4 主要创新点
• §1.5 组织结构
• 第二章 预备知识
• §2.1 彩色图像车牌定位相关知识
• §2.1.1 模式聚类
• §2.1.2 色彩空间
• §2.2 二值图像车牌定位相关知识
• §2.2.1 阈值操作
• §2.2.2 模板方法
• §2.2.3 种子填充
• §2.3 字符提取与分割相关知识
• §2.3.1 图像距离变换
• §2.4 字符识别相关知识
• §2.4.1 算法背景
• §2.4.2 字符特征分析
• §2.4.3 基于神经网络的字符识别
• 第三章 基于彩色图像的图像分割及车牌定位研究
• §3.1 算法背景
• §3.2 颜色精减
• §3.2.1 确定颜色数目
• §3.2.2 建立编码本
• §3.2.3 精减算法描述
• §3.3 相异增量聚类
• §3.3.1 相异增量与隔离标准
• §3.3.2 参数估计与聚类算法
• §3.4 算法描述
• §3.5 应用分析
• 第四章 基于二值图像的车牌定位研究
• §4.1 算法背景
• §4.2 预处理
• §4.3 算法思想
• §4.4 算法描述
• §4.5 结果分析
• 第五章 基于知识导向的字符提取与分割研究
• §5.1 算法背景
• §5.2 车牌字符结构分析
• §5.3 基于VORONOI的线性EDT方法
• §5.3.1 VORONOI图
• §5.3.2 算法思想
• §5.3.3 算法流程
• §5.3.4 算法复杂度分析
• §5.4 基于知识导向的字符提取方法
• §5.4.1 知识导向算法
• §5.4.2 字符提取算法
• §5.4.3 实验结果
• §5.5 字符分割
• 第六章 泛型图形图像库的构建
• §6.1 背景与目标
• §6.2 设计说明
• §6.2.1 颜色包
• §6.2.2 像素容器
• §6.2.3 容器配接器
• §6.2.4 图格
• §6.2.5 图格配接器
• §6.3 GIL库接口规格说明
• 第七章 结束语
• §7.1 工作总结
• §7.2 工作展望
• 致谢
• 攻读硕士期间发表的论文
• 参考文献