颜色信息在车牌识别中的应用研究

论文摘要

随着现代高科技的发展及交通事业的需求,智能交通系统已成为人们关注的热点问题。车牌识别系统作为智能交通系统的重要组成部分,在桥梁路口自动收费、停车场无人管理、违章车辆自动记录等领域都有着广泛的应用,它的实现具有巨大的经济价值和现实意义。车牌识别系统作为一个综合的实时的计算机视觉系统,其核心技术主要包括车牌定位、字符分割和字符识别三个部分。现有的车牌识别技术多数基于灰度图像特征,而颜色作为车牌特征中的重要信息,却没有得到充分的利用。本文主要针对车牌识别技术中颜色信息的应用进行研究。在分析了国内外研究现状的基础上,本文主要完成了以下四方面工作:研究了车牌识别技术中可利用的颜色信息。提出了基于DOG模型和颜色聚类的车牌定位算法。首先根据人眼的视觉野结构,利用DOG模型进行车牌灰度图像的边缘检测;再对该图像进行中值滤波和形态学运算,通过车牌的几何和结构特征对车牌进行粗定位;当利用字符和笔画特征定位失败后,利用车牌颜色特征,进行精确定位。提出了基于颜色聚类和神经网络的车牌类型识别算法。利用基于颜色分量垂直投影的K-means粗分类进行有效区域提取,以解决光照不均和车牌褪色等问题;利用颜色聚类对有效区域进行颜色特征提取;再通过两级BP神经网络进行车牌类型识别。提出了基于YCbCr空间的特殊字符粗分类算法。根据特殊字符在Cb及Cr空间中的特征对车牌首字符进行粗分类。实验表明,本文提出的基于DOG模型和颜色聚类的车牌定位算法对光照和噪声有很强的鲁棒性;基于颜色聚类和神经网络的车牌类型识别算法有较强的实用性;基于YCbCr空间特性的特殊字符分类有助于提高汉字的识别率。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 车牌识别系统的组成
• 1.3 车牌识别技术研究发展现状
• 1.3.1 车牌定位技术的发展现状
• 1.3.2 车牌字符分割技术的发展现状
• 1.3.3 车牌字符识别技术的发展现状
• 1.4 车牌识别技术的难点及有待解决的问题
• 1.5 本文的主要内容
• 1.6 本文的组织结构
• 第二章 车牌颜色特征
• 2.1 颜色视觉
• 2.2 颜色空间
• 2.2.1 RGB 颜色模型
• 2.2.2 HSI 颜色模型
• 2.2.3 YCbCr 颜色模型
• 2.3 车牌特征
• 2.3.1 基于灰度信息的特征
• 2.3.2 基于颜色信息的特征
• 第三章 基于DOG 模型和颜色聚类的车牌定位
• 3.1 车牌预处理
• 3.2 车牌字符边缘区域检测
• 3.2.1 DOG 的理论分析
• 3.2.2 字符边缘区域检测
• 3.2.3 噪声点去除
• 3.3 基于几何和结构特征的车牌粗定位
• 3.3.1 数学形态学运算
• 3.3.2 基于形态学的候选区域选取
• 3.3.3 基于几何和结构特征的候选区域筛选
• 3.4 基于字符及笔画特征的精定位
• 3.5 基于K-means 颜色聚类的车牌精定位
• 3.5.1 K-means 算法
• 3.5.2 候选区域的颜色聚类
• 3.5.3 车牌的精确定位
• 3.6 实验结果与分析
• 3.7 本章小结
• 第四章 基于颜色聚类与神经网络的车牌类型识别
• 4.1 车牌倾斜校正
• 4.2 基于颜色聚类的有效区域提取
• 4.2.1 粗分类
• 4.2.2 有效区域提取
• 4.3 基于K-means 的颜色特征提取
• 4.4 基于BP 神经网络的车牌类型识别
• 4.4.1 神经网络概述
• 4.4.2 BP 神经网络
• 4.4.3 BP 神经网络的结构设计
• 4.4.4 BP 神经网络车牌类型识别
• 4.5 实验结果与分析
• 4.6 本章小结
• 第五章 基于YCbCr 空间特性的特殊字符粗分类算法
• 5.1 特殊字符识别过程
• 5.1.1 差分二值化图像
• 5.1.2 识别判断
• 5.2 实验结果与分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 研究工作总结
• 6.2 研究工作展望
• 参考文献
• 致谢
• 攻读硕士期间公开发表的论文