车牌识别系统关键算法研究

论文摘要

进入新世纪,随着我国公路交通事业的快速发展,对智能交通系统的需求又进入新的阶段。汽车牌照是车辆最清晰、准确、唯一的标志。车牌识别技术作为一个专门的计算机视觉系统,能够自动地拍摄车辆行进的动态数据、有效地判断和提取有车牌的图像数据并实时准确的识别出车辆牌照上的字符。由此可见,车牌识别系统在智能交通领域的重要作用。一个完整的车牌识别系统由车牌定位、字符分割和字符识别等单元组成,涉及面广。由于在车牌识别系统中,因天气或拍摄角度等原因造成车牌图像模糊、倾斜和光照不均等现象,给车牌的处理带来了很大困难。本文针对这些问题,运用了相应的处理方法,高效地完成了车牌字符的预处理,方便了以后的字符分割与识别。车牌定位和字符分割在整个系统中起着关键性作用,它们的处理结果直接影响整个系统的精确度,鉴于此本文在车牌图像预处理的基础上进行了车牌定位与字符分割的方法。文中研究了两种车牌预处理方法:第一种是基于灰度图像的车牌预处理。采用了一种新的基于小波包变换的直方图均衡化的灰度车牌图像预处理算法。实验结果表明,该算法在大大降低时间复杂度的同时,达到了图像增强效果,处理结果较好。第二种是基于彩色车牌图像的预处理。传统的彩色图像增强算法一般在灰度图像空间进行,容易造成细节的丢失。同时增强图像的同时也会增强噪声。本文结合小波包分解的特点和直方图均衡化的优势,采用了基于小波包变换的彩色车牌图像增强算法。实验结果表明,该算法对于彩色车牌图像有较好的增强效果,并且时间复杂度大大降低。研究与分析了图像分割技术,对边缘检测技术和阈值分割技术进行了详细的分析并加以实现,比较其优缺点。在以上基础上,本文中研究了车牌的定位与分割方法,并实现了基于自适应阈值的边缘检测和投影法的车牌定位与分割算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.1.1 智能交通系统的发展与意义
• 1.1.2 车牌识别系统的应用范围
• 1.1.3 车牌系统的主要构成
• 1.1.4 国内外研究状况
• 1.2 论文的主要研究内容
• 第2章 图像预处理方法
• 2.1 图像灰度校正
• 2.2 图像降噪处理
• 2.2.1 空间域滤波
• 2.2.2 频域滤波
• 2.2.3 小波包变换
• 2.3 本章小结
• 第3章 车牌图像的预处理技术
• 3.1 基于灰度图像的车牌预处理技术
• 3.1.1 RGB颜色模型
• 3.1.2 彩色图像转换为灰度图像
• 3.2 基于小波包变换的直方图均衡化预处理技术
• 3.3 基于彩色图像的车牌预处理技术
• 3.4 彩色车牌的预处理技术
• 3.4.1 亮度部分增强处理
• 3.4.2 饱和度增强
• 3.4.4 结果分析
• 3.5 本章小结
• 第4章 车牌分割
• 4.1 车牌图像分割
• 4.2 基于边界的图像分割方法
• 4.2.1 基于一阶微分的图像边缘检测算法
• 4.2.2 基于二阶微分的灰度图像边缘检测算法
• 4.3 阈值分割方法
• 4.3.1 固定阈值分割运算
• 4.3.2 自适应阈值分割法
• 4.3.3 基于边缘检测的自适应阈值分割方法
• 4.4 本章小结
• 第5章 车牌定位和字符分割
• 5.1 车牌定位
• 5.2 字符分割
• 5.3 车牌定位与字符分割算法
• 5.3.1 基于颜色特征的车牌定位法
• 5.3.2 基于边缘检测分割的车牌定位方法
• 5.4 本章小结
• 第6章 结论与展望
• 参考文献
• 致谢