基于商空间的车牌定位系统

论文摘要

车牌识别系统是一个涉及到图像处理、人工智能、模式识别等多个领域的研究课题。它综合运用了以上各个领域的方法和思路来解决车牌的识别这个难题。车牌识别的研究和改进离不开对以上各个领域的重要理论的研究和运用。车牌识别系统一般包括车牌定位和字符识别两大部分，其中车牌定位是车牌识别当中一个重要的关键的环节，一个定位算法的优劣决定了整个系统得性能，车牌定位方法的效率是一个系统性能提高的瓶颈，因此本文针对车牌定位问题，做出分析和改进，并实现整个过程。本文的主要工作如下：1，首先介绍了图像分割的基本理论和方法，以及他们的特性和实际的应用。介绍了车牌定位的一些常见的方法及其特点。其次，对商空间粒度计算理论作了介绍和阐述，商空间粒度计算理论给了我们认识、描述、分析、研究、解决复杂问题的一个理论基础。2，在图像预处理阶段，本文在对原始图像分析和试验的基础上，采用分段线性函数来对输入图像进行灰度拉伸，改善了输入图像的效果，然后用性能较好的模糊边缘检测算法对图像进行边缘检测，并将提取出来的边缘信息作为车牌定位算法的输入信息。3，运用商空间理论描述了车牌定位问题，在此基础上运用商空间粒度计算理论的分层思想来设计车牌定位算法，试验证明，这种方法增加了定位的准确度和适应性。4，在二值化的方法上，考虑到光照的影响，运用了一种对光照具有适应性的二值化方法，取得了比较好的效果。在车牌倾斜校正阶段，考虑到本文的车牌字符区域没有边界、字符的排列方式特殊，使得一些传统的算法难以取得很好的效果，运用基于主元分析的方法来校正车牌，取得了很好的效果。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 图像分割理论及算法
• 1.1 图像分割理论介绍
• 1.1.1 图像分割的定义
• 1.1.2 图像分割算法的分类
• 1.2 基于边界和区域的分割技术
• 1.2.1 边缘检测法
• 1.2.1.1 微分算子边缘检测
• 1.2.1.2 边缘拟合
• 1.2.2 边界闭合法
• 1.2.3 基于区域的分割方法
• 1.2.3.1 阈值法
• 1.2.3.2 聚类法
• 1.2.3.3 区域生长和分裂合并
• 1.2.3.4 连通区域标记
• 1.3 基于现有各种理论的分割技术
• 1.3.1 基于数学形态学的分割技术
• 1.3.2 基于统计模式识别的分割
• 1.3.3 基于神经网络的分割
• 1.3.4 基于模糊集合分割技术
• 1.4 图像分割评价
• 1.5 本文研究的主要内容和主要工作
• 第二章 车牌定位算法简介
• 2.1 基于灰度图像的定位方法
• 2.2 基于彩色图像的定位方法
• 第三章 商空间粒度计算理论
• 3.1 粒度与粒度计算理论
• 3.2 粒度计算的研究动机
• 3.3 基于商空间的粒度计算
• 3.3.1 商空间理论及论域划分方法
• 3.3.2 分层递阶
• 第四章 车牌定位系统设计与实现
• 4.1 系统的应用背景及组成
• 4.1.1 系统的应用背景
• 4.1.2 系统的组成
• 4.2 图像预处理
• 4.3 模糊边缘检测算法
• 4.3.1 快速模糊边缘检测算法
• 4.3.2 算法的计算步骤
• 4.3.3 去除噪声点
• 4.4 车牌定位
• 4.5 二值化方法
• 4.6 图像倾斜校正
• 4.7 基于商空间粒度计算的车牌分割
• 4.7.1 车牌分割的商空间原理
• 4.7.2 基于商空间的车牌定位算法
• 4.7.3 基于商空间分层的车牌定位算法
• 4.7.4 车牌图像特征分析和等价关系构造
• 4.7.5 图象分割的算法
• 4.8 实验结果及分析
• 4.9 本章小结
• 第五章 总结
• 5.1 本文研究的总结
• 5.2 需进一步开展的工作
• 参考文献
• 附录 A 表索引
• 附录 B 图索引
• Appendix A Table Index
• Appendix B Figure Index
• 致谢
• 攻读硕士期间科研和发表论文情况