论文摘要
车牌定位技术是实现车牌识别和车辆身份验证的关键步骤,是近年来计算机视觉和模式识别技术在智能交通领域应用中的重要研究课题之一。车牌定位其实就是在车辆图像中定位车牌牌照区域的技术。但是由于车辆图像都是采集于自然环境中,所采集的车牌和背景成像的条件都是不可控制的,随机变化的因素和复杂的背景信息给目标定位带来很大困难。本文通过对现有车牌定位方法做了详细的阐述,针对这些方法基于图像的像素定位而使得定位速度有所缓慢的缺点,结合了分类的思想,通过对车牌图像进行训练,得到能够检测车牌的分类器。车牌图像的训练中使用了车牌的Haar-like特征,这种特征分为三类,这些特征组合为特征模板。该特征经过积分图运算转化而使得获得某区域的特征值的复杂度为常数复杂度,而大大提高了运算速度。在训练过程中,经过精挑细选得到车牌的样本与复杂的背景负样本,使用样本的Haar-like特征,基于Adaboost算法从而进行循环训练,由弱分类器训练出强分类器,然后将强分类器串联成分类效果更好的级联分类器,其实核心思想就是选出能够最能代表车牌的特征、例子作为识别车牌的标准。而使用分类器定位车牌后,需要再进一步精确选取车牌位置并且要精确定位到车牌的位置,于是采用对像素的水平和垂直扫描法进行精确定位,并且同时完成了字符分割的过程,将两步合二为一更能够提高系统的速度。最后,本文将整个方法实现并且进行了测试,给出了车牌的粗定位和精确定位后的准确度和速度,通过比较本方法能够达到预期目的,实现快速车牌定位的效果,这个方法也是对车牌定位方法的一个有意义的尝试。
论文目录
摘要ABSTRACT第一章 绪论1.1 课题研究的背景与意义1.1.1 智能交通发展的背景1.1.2 智能交通的中国特色1.1.3 车牌识别在智能交通中的作用及前景1.2 车牌定位与车牌识别1.3 国内外车牌定位的研究现状1.4 本论文的体系结构第二章 车牌定位基本技术2.1 车牌定位一般过程2.2 图像预处理的基本技术2.2.1 灰度化处理技术2.2.2 直方图均衡技术2.2.3 边缘检测技术2.2.4 图像的倾斜校正2.3 常见车牌定位方法介绍2.3.1 基于灰度图的纹理特征定位法2.3.2 基于数学形态学的车牌定位法2.3.3 基于边缘检测的车牌定位法2.3.4 基于小波分析的车牌定位法2.3.5 基于颜色信息的车牌定位法2.3.6 各种方法优缺点比较2.4 本文重点研究的定位方法第三章 车牌快速定位的方法研究与实现3.1 快速定位的步骤3.2 分类器训练的基础3.2.1 样本的Haar-like特征3.2.2 Adaboost算法3.2.3 分类器训练平台3.3 分类器训练的过程3.3.1 负样本的准备3.3.2 正样本的准备3.3.3 分类器训练3.4 车牌粗定位的实现第四章 车牌的精确定位4.1 车牌候选区域4.2 车牌精确定位过程4.3 预处理4.3.1 中值滤波4.3.2 反色判断4.3.3 二值化处理4.3.4 反色处理4.4 车牌的上下边界确定4.5 车牌的左右边界确定第五章 实验结果5.1 分类器的训练5.2 车牌粗定位5.3 车牌的精确定位5.4 车牌定位的结果分析第六章 总结与展望参考文献致谢攻读学位期间发表的学术论文目录
相关论文文献
标签:智能交通系统论文; 车牌定位论文; 特征论文; 算法论文;