基于特征的汽车牌照定位方法研究

论文摘要

车牌识别(LPR)系统是现代智能交通系统(ITS)的重要组成部分,其中车牌定位是车牌识别系统的前提。虽然固定成像环境下的车牌识别技术已经非常成熟,但是对于任意成像环境下,尤其是移动条件下,现有车牌识别技术还不能满足武警部队特殊的任务需求。本文提出了一种适用于多视角、各种光照等复杂成像环境的车牌定位方法。本文方法综合运用车牌的颜色、几何、结构等特征信息,由粗到细逐步缩小搜索范围,通过多种方法互补,最终实现车牌的准确定位。本方法由四部分组成:一、基于车牌颜色特征的车牌区域提取;二、基于区域目标层次分割的车牌定位;三、基于区域目标特征聚类的车牌定位;四、几何校正及水平垂直投影对车牌区域的确认。实验表明,本文方法对于各种成像环境具备较强的适应性,能够满足实际应用需求。文中详细描述了定位算法的基本原理和实现过程,并给出了实验结果和分析。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 车牌识别技术应用背景及研究意义
• 1.1.1 车牌识别系统的组成
• 1.1.2 车牌识别在武警部队中的应用
• 1.2 国内外研究状况和发展趋势
• 1.3 车牌定位技术中的常用方法
• 1.4 本文研究的主要内容
• 第二章 基于颜色特征的车牌定位算法
• 2.1 颜色模型
• 2.1.1 颜色的基本特性
• 2.1.2 HSV 颜色模型
• 2.2 车牌颜色统计分析
• 2.2.1 国内车牌颜色及分类
• 2.2.2 国内车牌的标准尺寸
• 2.2.3 车牌颜色统计分析
• 2.3 车牌区域的颜色粗定位
• 2.4 基于投影的车牌确认算法
• 2.4.1 图像几何校正
• 2.4.2 水平、垂直投影确认车牌
• 2.5 本章小结
• 第三章 基于区域目标层次分割的车牌定位算法
• 3.1 概述
• 3.2 图像预处理
• 3.2.1 对比度增强
• 3.2.2 图像平滑
• 3.3 图像层次分割
• 3.3.1 图像的灰度层次划分
• 3.3.2 逐层区域关联
• 3.4 区域目标特征提取
• 3.4.1 区域的特征描述
• 3.4.2 区域特征提取
• 3.5 L 形折线提取
• 3.5.1 目标区域L 形折线特征
• 3.5.2 区域筛选
• 3.5.3 二值图像细化
• 3.5.4 Freeman 链码检测L 形折线
• 3.6 基于L 形折线的候选区域确定及车牌确认
• 3.6.1 车牌边框L 形折线的四种类型
• 3.6.2 车牌候选区域的提取
• 3.6.3 候选区域的校正与车牌确认
• 3.7 本章小结
• 第四章 基于区域目标特征聚类的车牌定位算法
• 4.1 概述
• 4.2 图像初始化
• 4.2.1 预处理与图像层次分割
• 4.2.2 去除过大、过小区域
• 4.3 高度聚类
• 4.3.1 区域的高度直方图
• 4.3.2 目标区域高度聚类
• 4.4 邻接聚类
• 4.4.1 区域目标的邻接特征
• 4.4.2 逐类邻接聚类
• 4.5 基于模糊聚类的候选区域提取及车牌确认
• 4.5.1 候选区域提取算法分析
• 4.5.2 共线预判决
• 4.5.3 模糊C-均值聚类
• 4.5.4 FCM 聚类提取候选区域
• 4.5.5 几何校正与车牌确认
• 4.6 本章小结
• 第五章 系统实现及实验分析
• 5.1 实验系统实现
• 5.2 实验概述
• 5.3 实验结果及分析
• 5.3.1 实验结果
• 5.3.2 实验分析
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 今后研究工作的重点
• 致谢
• 参考文献
• 作者在学期间取得的学术成果