汽车牌照自动识别方法的研究

论文摘要

智能交通系统(Intelligent Transportation System, ITS)发展近20年来已经成为热点研究领域,在国内外都受到了广泛关注,车牌识别(License Plate Recognition, LPR)是其重要的组成部分。目前,该技术已经应用在公路监视、管理和出入卡口收费等领域。本文主要研究了车牌自动识别涉及到的各种技术,针对现实成像环境等特点,综合图像处理,模式识别和计算机软件工程等,在总结前人经验和工作基础上,提出了整套设计方案,具体包括以下内容：首先介绍了国内外车牌自动识别技术的研究现状及常用方法,并对相关方法进行了比较。提出了车牌精定位、动态滑动框二值化、退化字符修复和基于字符特征与核学习理论相结合的字符识别方法。在车牌定位算法研究方面,本文针对实际交通路口获得的车牌图像,综合利用边缘检测Sobel算子、行扫描和加速搜索等方法对车牌进行粗定位,提出了一种基于HSV(Hue, Saturation, Value)彩色空间结合车牌宽高比的SVR方法精确定位车牌的字符区域。该方法充分利用车牌的纹理特征,几何特征以及物理特征等信息,对粗定位的车牌剔除左右边框等干扰区域。实验结果表明,对于自然光照等条件下拍摄的运动车辆车牌,本文提出的定位方法具有定位准确,识别速度快等特点。判断车牌颜色,本文利用车牌的RGB(Red, Green, Blue)信息,分析每个分量的累积直方图,快速分析颜色。在车牌图像处理方面。提出一种动态滑动框二值化方法,通过后验评价指标对结果进行估计,然后动态变化框体大小,这种方法克服了全局阈值的片面性,解决了阴阳牌照二值化难题。在车牌字符处理方面,本文利用二值图像字符为白色,间隔为黑色的特点,进行垂直投影、分割得到单个二值字符。对于质量退化,如破碎,含噪声等字符现象,本文利用连通域分析法自适应融合破碎字符,去除干扰。在车牌字符识别方面。本文针对车牌字符的特征,即孔洞个数分类字符,对每类字符采用网格提取不同特征向量,使用最小二乘支持向量机进行分类识别。实验表明,此方法突出了易混淆及相似字符之间细微差别,减少了特征向量维数,缩短了识别时间,提高了多种字符的正确识别率。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及研究意义
• 1.2 车牌自动识别方法的国内外现状
• 1.2.1 车牌定位技术
• 1.2.2 车牌处理和字符分割
• 1.2.3 车牌字符识别技术
• 1.3 本文主要工作
• 2 车牌定位方法
• 2.1 基本定位方法
• 2.1.1 灰度图像定位技术
• 2.1.2 彩色图像定位技术
• 2.2 我国汽车牌照的基本特征
• 2.3 基于边缘检测和HSV色彩模型车牌定位
• 2.3.1 车牌粗定位
• 2.3.2 车牌精定位
• 2.4 车牌颜色
• 2.5 算法实现
• 2.6 实验及分析
• 2.7 本章小结
• 3 车牌字符处理
• 3.1 二值图像获得——动态滑动框二值化
• 3.1.1 图像二值化方法
• 3.1.2 基于大津法的动态滑动框二值化方法
• 3.2 字符分割
• 3.3 字符处理
• 3.4 本章小结
• 4 基于字符特征的车牌字符识别
• 4.1 基于特征的字符分类
• 4.2 字符特征提取
• 4.3 字符识别
• 4.4 实验及分析
• 4.5 本章小结
• 5 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢