动态车牌识别中图像超分辨率重建技术研究

论文摘要

车牌识别是智能交通系统的重要组成部分,然而当车牌识别系统被用来识别高速行驶的车辆时,由于车辆相对摄像机的高速运动以及相机分辨率的原因,摄像机捕获的图像存在着由于各种因素引起的模糊以及分辨率较低的退化现象。为了提高车牌识别率,通常利用超分辨率重建技术对车牌图像进行增强。本文在介绍车牌增强技术以及超分辨率重建技术的基础上,回顾了车牌增强以及超分辨率重建技术的研究现状。本文的主要内容包括：首先在分析图像的退化原因的基础上建立了退化模型。分析了超分辨率重建技术存在的难点；其次,根据车牌的多纹理特性,提出利用灰度投影技术完成车牌图像的整数倍像素估计运动,然后利用泰勒级数展开完成亚像素级运动估计；再次,针对传统不规则数据融合存在的缺陷,提出一种稳健的不规则数据融合技术；最后,为了保持车牌图像的边缘信息,提出一种改进的边缘保持的图像复原技术。实验表明,本文所提的运动估计算法在估计精度和运行速度性能上都有很好的表现。整个超分辨率重建算法在模拟数据及实际环境中都有很强的鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 车牌识别技术
• 1.2 车牌增强技术
• 1.3 超分辨率重建技术
• 1.4 国内外研究现状
• 1.5 研究内容及章节安排
• 第二章 图像退化模型及图像超分辨率重建
• 2.1 图像退化模型
• 2.2 图像超分辨率重建算法难点
• 2.3 本文车牌图像超分辨率重建算法流程
• 2.4 小结
• 第三章 车牌超分辨率重建中的亚像素运动估计
• 3.1 运动估计的分类
• 3.2 超分辨率重建中的亚像素运动估计
• 3.3 小结
• 第四章 车牌超分辨率重建中数据融合及复原模型
• 4.1 不规则数据融合
• 4.2 基于正则化处理的车牌图像复原
• 4.3 小结
• 第五章 实验结果与分析
• 5.1 亚像素级运动估计分析
• 5.2 模拟图像超分辨率重建算法性能分析
• 5.3 现实车牌低分辨率图像序列重建效果分析
• 5.4 小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 应用展望
• 致谢
• 参考文献