基于自适应形态学的车牌定位算法及字符分割的研究

基于自适应形态学的车牌定位算法及字符分割的研究

论文摘要

随着现代社会和经济的快速发展,机动车辆的普及已成为一种趋势。但是在汽车数量大大增加的同时,我国的道路交通环境却没有得到相应地提高,交通管理方式也相对滞后,这也使得城市的交通压力越来越大。为了更加有效地对城市交通进行管理,智能交通系统已成为城市交通现代化管理的主要发展方向。车牌识别作为模式识别和计算机视觉在智能交通领域内的重要技术,是智能交通系统的核心环节之一。它应用范围广泛,能够提高工作效率、节约管理成本,具有极大的研究价值和经济价值。本文在研究前人所得的基础上,对车牌定位、倾斜校正和字符分割等问题进行了系统地研究,本文的主要工作有:(1)在深入研究并总结了国内外学者的研究成果和经验以后,本文提出了一种基于自适应形态学的车牌定位算法。该算法在传统形态学定位算法的基础上加以优化和改进,充分利用车牌区域存在大量边缘点这一稳定的特征,在采用数学方法突出边缘信息之后对传统算法的定位流程进行了优化,使用连通区域分析和填充的方法去除明显的非车牌区域,再构造局部自适应形态学结构元素对图像进行形态学处理,很好地解决了传统形态学定位中结构元素选取困难的问题。(2)为了更加准确地分割车牌字符,在分割字符以前本文对车牌图像做了预处理,包括使用旋转水平投影法对车牌图像水平倾斜进行校正;去除掉车牌上下边框以及上下边框与字符之间的多余区域;使用旋转垂直投影法对车牌图像垂直倾斜进行校正;去除掉车牌左右边框以及左右边框与字符之间的多余区域等工作。(3)本文对传统的垂直投影分割字符的方法进行了一定程度上的改进,设计了一种以间隔符区域为分割起始点,垂直投影与字符特征相结合的方法,利用分割点在垂直投影中的特殊性质将车牌图像所包含的汉字、数字、字母分割出来,成为单独、清晰的字符。实验结果证明:本文所提出的基于自适应形态学的车牌定位算法能够准确地定位出车牌所在区域,并将之提取出来;对车牌图像采取的各种预处理简单有效,能够大大降低字符分割工作的难度。最后,车牌字符分割方法的设计逻辑合理,容易理解,分割效果理想,为字符识别工作奠定了坚实的基础。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 课题的研究背景与意义
  • 1.2 车牌识别系统的研究现状
  • 1.2.1 车牌定位的研究现状
  • 1.2.2 字符分割技术的研究现状
  • 1.3 本文主要研究内容
  • 1.4 论文结构
  • 2 车牌定位相关背景介绍
  • 2.1 影响车牌定位的主要因素
  • 2.2 我国机动车辆车牌特征
  • 2.3 车牌定位常用算法介绍
  • 2.4 本章小结
  • 3 基于自适应形态学算法的车牌定位系统
  • 3.1 传统的基于边缘信息和数学形态学的车牌定位算法的缺点
  • 3.2 改进的基于形态学的车牌定位算法
  • 3.3 车牌图像预处理
  • 3.3.1 车牌图像获取
  • 3.3.2 图像灰度化
  • 3.3.3 车牌图像增强
  • 3.4 车牌图像边缘检测
  • 3.4.1 常用的边缘检测算子
  • 3.4.2 本文所使用的边缘检测算子
  • 3.4.3 边缘特征处理
  • 3.5 连通区域分析与填充
  • 3.6 基于自适应形态学的定位算法
  • 3.6.1 数学形态学基础
  • 3.6.2 数学形态学算子
  • 3.6.3 构造自适应形态学结构元素
  • 3.6.4 确定车牌区域
  • 3.7 定位实验结果与分析
  • 3.7.1 定位率测试与分析
  • 3.7.2 算法鲁棒性测试与分析
  • 3.7.3 模拟应用环境下的车牌定位测试
  • 3.8 本章小结
  • 4 车牌字符分割的研究
  • 4.1 车牌图像二值化及底色统一
  • 4.1.1 车牌图像二值化
  • 4.1.2 车牌底色统一
  • 4.2 倾斜车牌的校正研究
  • 4.2.1 车牌水平倾斜校正及去除上下边框
  • 4.2.2 车牌垂直倾斜校正及去除左右边框
  • 4.3 车牌字符分割
  • 4.3.1 常用的车牌字符分割方法
  • 4.3.2 本文所设计的车牌字符分割方法
  • 4.4 本章小结
  • 5 结论和展望
  • 5.1 本文所做的主要工作
  • 5.2 工作展望
  • 致谢
  • 参考文献
  • 附录 作者在攻读学位期间发表的论文目录
  • 相关论文文献

    • [1].图像复原技术在车牌定位中的应用研究[J]. 黑龙江工业学院学报(综合版) 2020(02)
    • [2].复杂环境的车牌定位方法设计与实现[J]. 通信技术 2017(06)
    • [3].基于边缘检测和色彩空间的混合车牌定位算法[J]. 科技视界 2016(03)
    • [4].基于数学形态学的车牌定位研究[J]. 信息通信 2016(02)
    • [5].汽车车牌定位技术方法的探讨[J]. 南方农机 2015(03)
    • [6].基于数学形态学和行扫描相结合的车牌定位的研究[J]. 电子制作 2015(10)
    • [7].遗传算法在车牌定位中的应用[J]. 福建电脑 2015(07)
    • [8].车牌定位技术介绍与分析[J]. 信息技术 2013(11)
    • [9].基于改进二维离散小波变换的多车牌定位[J]. 重庆交通大学学报(自然科学版) 2020(02)
    • [10].基于像素间双通道差异值的车牌定位算法[J]. 工业仪表与自动化装置 2020(02)
    • [11].车牌定位方法综述[J]. 山西电子技术 2019(01)
    • [12].基于模板概率密度函数的车牌定位方法[J]. 控制工程 2019(05)
    • [13].基于深度学习文字检测的复杂环境车牌定位方法[J]. 现代计算机(专业版) 2017(33)
    • [14].车牌定位与车牌分割技术研究[J]. 电脑知识与技术 2018(02)
    • [15].基于低功耗嵌入式系统的车牌定位算法[J]. 微型机与应用 2017(03)
    • [16].浅析车牌定位系统中二值滤波处理[J]. 电脑知识与技术 2017(03)
    • [17].改进的去雾算法及其在车牌定位系统中的应用[J]. 北京信息科技大学学报(自然科学版) 2017(05)
    • [18].基于最大稳定极值区域的车牌定位与字符分割[J]. 计算机与数字工程 2015(12)
    • [19].基于车牌定位的汽车挡风镜定位分割方法研究[J]. 电脑知识与技术 2016(18)
    • [20].基于车尾检测和语言学颜色空间的车牌定位[J]. 计算机与数字工程 2016(07)
    • [21].基于脉冲神经网络的车牌定位算法[J]. 中国高新技术企业 2016(32)
    • [22].一种融合深度特征图和形态学的车牌定位方法[J]. 长江大学学报(自科版) 2016(28)
    • [23].车牌定位及倾斜矫正方法研究[J]. 工业控制计算机 2014(11)
    • [24].基于数学形态学和灰度跳变特征的车牌定位方法[J]. 工业控制计算机 2015(02)
    • [25].基于统计特征的启发式车牌定位新方法[J]. 计算机工程与应用 2015(06)
    • [26].融合小波变换和颜色聚类的车牌定位方法[J]. 世界科技研究与发展 2013(01)
    • [27].基于形态特征的车牌定位(英文)[J]. 电工技术学报 2015(S1)
    • [28].复杂光照下的车牌定位方法[J]. 武汉工程大学学报 2015(11)
    • [29].基于最大稳定极限区域的车牌定位[J]. 科学技术与工程 2015(31)
    • [30].基于图像分解的车牌定位算法[J]. 电子科技 2014(01)

    标签:;  ;  ;  ;  

    基于自适应形态学的车牌定位算法及字符分割的研究
    下载Doc文档

    猜你喜欢