基于图像处理的车牌自动识别系统关键算法研究

论文摘要

目前,车牌是车辆的唯一身份标识(不包括有意伪造和调换车牌的情况),因此智能交通系统需要倚重于鲁棒性极好的智能车牌识别系统。车牌自动识别系统也从而成为诸多自动交通管理系统(如道路交通管理、路桥收费系统和停车场自动收费管理等)的关键技术,在社会生产生活的各个方面越来越显示出其不可忽视的地位和作用。本文在深入分析、全面总结当前车牌自动识别技术算法的基础上,对车牌定位算法、车牌预处理算法以及车牌字符分割算法进行了深入研究,分别针对这三部分提出了新的算法并进行了实验验证。试验结果充分表明,新算法在提高精度、速度和降低计算复杂度等方面有明显的优越性。论文充分回顾了现有的经典车牌定位方法,在此基础上提出了基于色彩分割和信息融合的车牌定位算法、基于HSV彩色分量的车牌垂直边缘搜索定位算法和灰度空间中基于车牌统计特征的定位算法。其中基于色彩分割和信息融合的车牌定位算法定位率高且运行时间短,可以满足系统实时定位要求。灰度空间中基于车牌统计特征的定位算法可以在车牌图片中有类似颜色区域的情况下进行准确定位。针对现有二值化方法不能处理车牌褪色以及光照导致的车牌背景与字符对比度低等情况,在深入研究现有二值化方法的基础上,针对车牌本身的特点提出了k均值二值化方法,基于车牌直方图特点的自适应阈值二值化方法和基于投影分析的车牌字符分割方法。实验结果充分证明了算法的准确性、高效率和鲁棒性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景
• 1.1.1 车牌识别系统的概念及应用场合
• 1.1.2 车牌识别系统的组成和工作原理
• 1.2 国内外技术现状及研究现状
• 1.2.1 技术现状
• 1.2.2 国内外研究现状
• 1.3 论文的研究任务
• 1.4 论文的结构
• 第二章 车牌自动识别系统概述
• 2.1 车牌识别简介
• 2.1.1 车牌简介
• 2.1.2 车牌区域的主要特征
• 2.2 车牌识别的关键技术
• 2.2.1 车辆牌照区域定位技术
• 2.2.2 车辆牌照字符分割技术
• 2.2.3 车辆牌照字符识别技术
• 2.3 系统组成模块
• 2.4 系统评价指标
• 第三章 车牌定位方法研究
• 3.1 现有车牌定位方法分析
• 3.2 基于色彩分割与信息融合的车牌定位方法
• 3.2.1 彩色特征的选取
• 3.2.2 车牌色彩分割算法
• 3.2.3 车牌判别基本算法与车牌辅助判别算法
• 3.2.4 实验结果
• 3.2.5 小结
• 3.3 基于彩色分量进行边缘提取的车牌定位算法
• 3.3.1 利用不同权重的HSV分量垂直边缘检测进行车牌定位的方法
• 3.3.2 利用边缘算子提取车牌区域
• 3.3.3 实验结果与分析
• 3.3.4 小结
• 3.4 灰度空间中基于统计特征的车牌定位算法
• 3.4.1 扫描窗的选取及算法简介
• 3.4.2 车牌分割流程及算法细节
• 3.4.3 实验结果及分析
• 3.5 本章小结
• 第四章 车牌预处理及字符分割方法研究
• 4.1 二值化方法概述
• 4.2 基于K均值的车牌图像二值化方法
• 4.2.1 K均值算法处理流程
• 4.2.2 K均值算法在车牌二值化中的应用研究
• 4.2.3 实验结果分析与讨论
• 4.3 基于直方图特点的车牌图像动态阈值二值化方法
• 4.3.1 灰度直方图及直方图均衡
• 4.3.2 直方图方法应用于车牌图像二值化
• 4.3.3 实验结果分析与讨论
• 4.4 基于垂直和水平投影的字符分割
• 4.4.1 车牌区域特征
• 4.4.2 字符分割常用算法
• 4.4.3 字符分割的具体算法及过宽块和过窄块的处理
• 4.4.4 图像的归一化处理
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 论文总结
• 5.2 研究方向展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文
• 学位论文评阅及答辩情况表