运动车牌图像恢复与识别系统设计

论文摘要

随着经济的发展,车辆数量急剧增大,交通问题日益突出,这使得智能交通系统成为一个热点研究领域,受到日益广泛的关注。车牌识别是计算机视觉与模式识别技术在智能交通领域应用的重要课题之一,是智能交通系统的重要组成部分。本文研究的对象是当前智能交通管理系统中的运动汽车牌照识别。设计了一个功能基本齐备的运动车牌图像恢复与识别系统的物理组成和逻辑结构,并对其关键技术:运动车牌图像的恢复与识别进行了深入的研究。对运动车牌图像恢复过程中,主要对当前超速监测系统中一些超速驾驶车辆行驶速度快造成图像抓拍模糊的情况,提出了一种基于卡尔曼运动模型的运动车牌图像恢复方法。这种方法针对超速汽车运动特点建立卡尔曼运动模型,并对运动模糊图像退化过程进行了分析,该方法逼近汽车实际的运动模型,实践证明,恢复效果明显,对后面的车牌定位与识别打下了良好的基础。在对车牌进行定位与识别中,采用连通域搜索与车牌候选区域投影检测相结合的方法对车牌定位,之后用基于BP神经网络的方法对车牌字符进行了识别。实验结果表明,本文的方法对超速行驶的车辆能较准确定位并进行识别。论文设计的算法对实际车牌识别系统的设计具有一定的参考、借鉴价值。本文采用C++、MATLAB编程语言进行相关的实验与应用,同时又调用了由Intel公司资助的开源计算机视觉库OPENCV（Intel（R）Open Source Computer VisionLibrary）中的相关函数对运动目标图像进行识别和处理。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 运动车辆车牌图像恢复与识别技术研究现状
• 1.2.1 图像恢复相关技术研究现状
• 1.2.2 车牌定位技术研究现状
• 1.2.3 车牌字符识别技术研究现状
• 1.3 本文主要内容及结构安排
• 第二章 运动模糊车牌图像的恢复
• 2.1 图像恢复概述
• 2.1.1 图像退化的数字模型
• 2.1.2 运动模糊图像退化模型
• 2.1.3 运动参数的估计分析
• 2.2 运动模糊图像几种恢复方法
• 2.2.1 逆滤波恢复
• 2.2.2 维纳滤波恢复
• 2.3 基于卡尔曼运动模型的运动车牌图像恢复
• 2.3.1 卡尔曼滤波的基本思想与原理
• 2.3.2 基于卡尔曼运动模型的运动模糊图像恢复
• 2.3.3 基于卡尔曼运动模型的运动车牌图像的恢复
• 2.4 本章小结
• 第三章 车牌提取
• 3.1 车辆牌照定位方法概述
• 3.2 灰度变换
• 3.2.1 RGB颜色模型
• 3.2.2 彩色图像转换成灰度图像
• 3.3 基于灰度图像的二值化
• 3.4 车牌照区域的定位
• 3.4.1 车牌区域的粗定位
• 3.4.2 车牌区域的精确定位
• 3.5 本章小结
• 第四章 车牌字符的分割与识别
• 4.1 车牌字符分割
• 4.1.1 车牌图像的倾斜校正
• 4.1.2 车牌字符分割
• 4.2 车牌字符识别
• 4.2.1 现有的车牌字符识别方法概述
• 4.3 基于BP神经网络的车牌字符识别
• 4.3.1 神经网络概述
• 4.3.2 基于BP神经网络的车牌字符识别算法
• 4.3.3 实验及结果分析
• 4.4 本章小结
• 第五章 运动车牌图像恢复与识别系统结构设计
• 5.1 运动车牌图像恢复与识别系统构成及原理
• 5.2 系统各模块工作原理
• 5.2.1 目标检测模块
• 5.2.2 运动车牌图像恢复模块
• 5.2.3 车牌定位与识别模块
• 5.2.4 控制中心模块
• 5.3 运动车牌图像恢复与识别系统实现功能与任务
• 5.4 开发及实验工具介绍
• 5.5 本章小结
• 结束语
• 致谢
• 参考文献
• 作者在学期间取得的学术成果