低质量车牌识别中关键技术的研究

论文摘要

随着信息技术和智能技术的发展,交通管理系统的信息化、智能化是大势所趋。车牌识别系统(LPR)是智能交通系统(ITS)的核心组成部分,在现代交通管理系统中占有举足轻重的地位。本文对车牌识别系统中的车牌定位、字符分割和字符识别三个模块进行了比较全面的分析,特别对低质量车牌识别中涉及到的关键技术进行了深入的研究。在车牌定位模块中,本文提出了一种基于先验知识的车牌定位方法,主要针对各种恶劣条件下的低质量车牌的定位进行了算法研究,充分利用了车牌的尺寸、字符宽度、字符高度、字符间隔、笔画宽度等先验知识。利用离散二维小波变换的方法提取字符笔画的边缘,通过形态学结合几何特征分析的方法进行粗定位,获得候选区,最终通过笔画和字符分布特征等先验知识精确定位车牌。在字符分割模块中,本文提出了一种基于先验知识的质量退化车牌分割方法,归纳总结了车牌分割中可以利用的先验知识,使用Radon变换的方法进行倾斜矫正,利用垂直投影法进行粗分割,最终结合先验知识进行精确分割。在字符识别模块中,本文提出了一种基于SVM的车牌字符识别方法,采用“一对多”的分类方式,将多类分类问题转化为两类分类问题,同时对不同种类的字符建立不同的分类器。该方法支持小样本集,具有较快的训练识别速度和较高的识别率。实验结果表明,本文所采用的方法在车牌质量退化的情况下能达到较好的定位、分割和识别效果,具有一定的鲁棒性和实用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的研究背景
• 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 车牌定位技术的研究发展现状
• 1.3.2 车牌字符分割技术的研究发展现状
• 1.3.3 车牌字符识别技术研究发展现状
• 1.4 国内外产品的研发现状及其技术指标
• 1.5 低质量车牌识别的难点及待解决问题
• 1.6 本文研究的主要内容
• 1.7 本文的组织结构
• 第2章 基于先验知识的车牌定位方法
• 2.1 车牌定位中可利用的先验知识
• 2.2 针对各种恶劣条件的图像预处理
• 2.2.1 灰度拉伸增强对比度
• 2.2.2 中值滤波去除噪声
• 2.3 基于离散二维小波变换（DWT2）的车牌字符边缘检测
• 2.3.1 小波变换的基本概念
• 2.3.2 离散二维小波变换原理
• 2.3.3 根据先验知识构造滤波器
• 2.3.4 基于DWT2变换的字符笔画边缘提取
• 2.3.5 二值化
• 2.4 基于形态学处理的车牌区粗定位
• 2.4.1 数学形态学的基本运算
• 2.4.2 基于形态学运算的候选区域选取
• 2.4.3 基于结构特征的候选区域筛选
• 2.5 基于笔画和字符分布特征统计的车牌精定位
• 2.5.1 候选区的二值处理
• 2.5.2 车牌的精定位
• 2.6 实验结果分析
• 2.7 本章小节
• 第3章 基于先验知识的质量退化车牌分割算法
• 3.1 字符分割中可以利用的先验知识
• 3.2 基于Radon变换原理的倾斜车牌矫正
• 3.3 基于垂直投影法的车牌字符粗分割
• 3.4 粘连字符的分割
• 3.5 断裂字符的合并
• 3.6 实验结果分析
• 3.7 本章小节
• 第4章 基于SVM的车牌字符识别方法
• 4.1 字符识别中可利用的先验知识
• 4.2 统计学习理论与支撑向量机
• 4.3 SVM基本原理
• 4.4 基于SVM的车牌字符识别原理
• 4.4.1 车牌字符的预处理及特征提取
• 4.4.2 分类方法及样本集的选择
• 4.4.3 核函数及参数的选择
• 4.5 实验结果分析
• 4.6 本章小结
• 第5章 系统的设计及软件实现
• 5.1 系统的总体结构
• 5.2 系统的软件流程
• 5.3 系统运行的软硬件配置及画面采集要求
• 5.4 系统的运行界面
• 5.5 测试结果
• 结论与展望
• 参考文献
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历