本文關鍵詞：多特征融合的車牌檢測算法研究

  更多相關文章： 車牌檢測 特征提取 邊特征 候選車牌驗證 數(shù)據(jù)融合

【摘要】：車牌識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分,在日常生活中有許多應用,如電子收費,停車場入口管理,交通執(zhí)法等。車牌識別系統(tǒng)主要包括三部分:車牌檢測,字符分割,字符識別。其中車牌檢測是非常重要的一步,車牌檢測的好壞直接影響后續(xù)的處理及整個車牌識別系統(tǒng)的性能。自然場景中如復雜背景,部分遮擋,光照不均等因素都有可能干擾車牌檢測的效果,因此設計一個準確的車牌檢測算法仍非常具有挑戰(zhàn)性。本文重點研究了多特征融合的車牌檢測算法。主要工作分為:1、首先詳細闡述了車牌檢測技術(shù)和車牌特征的內(nèi)容。分析了基于特征的車牌檢測技術(shù)在實際應用中的可行性及優(yōu)勢,介紹了基于各種特征的車牌檢測技術(shù)并分析了各自的優(yōu)缺點。2、針對傳統(tǒng)的基于邊密度特征的車牌檢測算法存在定位率低、只能檢測固定尺寸的車牌的狀況,在多尺度物體檢測方法的基礎上,提出了一種新的算法EM-LPD。EM-LPD算法通過建立圖像金字塔的方法,在各尺度的圖像中用相同大小的窗口分別進行檢測,選取垂直邊密度較大的區(qū)域作為候選的車牌區(qū)。最后再將各個尺度的檢測結(jié)果進行合并。實驗結(jié)果表明EM-LPD算法在測試數(shù)據(jù)集上可以獲得較高的檢測率。3、針對傳統(tǒng)的基于邊特征的車牌檢測算法誤檢率高的情況,增加了候選車牌驗證步驟,以去除非車牌區(qū)域。根據(jù)車牌的字符特性,選用紋理特征來描述車牌。根據(jù)多特征物體檢測的優(yōu)勢,引入兩種紋理特征:T-HOG和MB-LBP描述子。T-HOG描述子對圖像噪聲比較敏感,而MB-LBP描述子的計算方法使得它可以很好的克服噪聲帶來的影響,故結(jié)合這兩種特征共同描述車牌特性可以兼顧兩種特征的優(yōu)點。實驗結(jié)果表明多特征結(jié)合的方法可以更好地描述車牌信息。4、應用數(shù)據(jù)融合技術(shù),提出兩種候選車牌驗證算法:DF-LPV和FF-LP V,這兩種算法結(jié)合T-HOG和MB-LBP兩種特征,分別采用決策融合和特征融合的方式,對候選車牌圖像進行分類,去除誤檢車牌區(qū)域。經(jīng)實驗驗證,采用數(shù)據(jù)融合技術(shù)可以很好地過濾掉誤檢車牌。多特征融合體現(xiàn)在兩處:一、從全局看,車牌檢測階段利用車牌的邊特征,候選車牌驗證過程利用的是車牌的紋理特征,整體上是應用了多特征融合的技術(shù);二、從局部看,在候選車牌驗證過程中,根據(jù)車牌特性,選取兩個不同的紋理特征:T-HOG和MB-LBP,以增強車牌的判別信息。各個特征在車牌檢測中的作用是互補的。實驗結(jié)果表明多特征融合的技術(shù)可以極大地提高車牌檢測的性能。
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TP391.41

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學學報(自然科學版);2007年02期

2 周靜;黃心漢;彭剛;;基于多特征融合的飛機目標識別[J];華中科技大學學報(自然科學版);2009年01期

3 杜艷明;龍丹;;多特征融合的人臉檢測[J];武漢理工大學學報;2010年23期

4 趙小英,黃鳳榮;多特征融合的目標識別與提取在空間定位中的研究[J];河北工業(yè)大學學報;2002年04期

5 張進華;莊健;杜海峰;王孫安;;一種基于視頻多特征融合的火焰識別算法[J];西安交通大學學報;2006年07期

6 王琳;李愛國;王新年;虞燕風;;基于多特征融合的早期火災煙霧檢測[J];大連海事大學學報;2014年01期

7 商飛;馬駿驍;姚立;田地;邱春玲;;基于多特征融合的科學儀器工作狀態(tài)檢測方法[J];吉林大學學報(工學版);2010年02期

8 李亮;張樹生;白曉亮;邵立;;基于遺傳算法的三維CAD模型多特征融合和檢索[J];制造業(yè)自動化;2013年03期

9 姚拓中;項志宇;劉濟林;;基于圖像多特征融合的野外水體障礙物檢測[J];浙江大學學報(工學版);2009年04期

10 馬東輝;朱斌;樊祥;任彪;;基于粒子濾波的目標圖像多特征融合跟蹤方法[J];探測與控制學報;2009年04期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 葉鋒;蔡光東;鄭子華;亓曉旭;尹鵬;;基于多特征融合的藥用植物標本識別[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 劉明華;復雜環(huán)境下基于多特征融合的目標跟蹤關鍵技術(shù)研究[D];青島科技大學;2016年

2 田綱;基于多特征融合的Mean shift目標跟蹤技術(shù)研究[D];武漢大學;2011年

3 徐志剛;基于多特征融合的路面破損圖像自動識別技術(shù)研究[D];長安大學;2012年

4 陳秀新;多特征融合視頻復制檢測關鍵技術(shù)研究[D];北京工業(yè)大學;2013年

5 初紅霞;基于均值移動和粒子濾波的目標跟蹤關鍵技術(shù)研究[D];哈爾濱工程大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標檢索技術(shù)研究[D];哈爾濱工業(yè)大學;2015年

2 計明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學;2015年

3 王慶;基于多特征融合的人體動作識別方法研究[D];上海大學;2015年

4 劉婕;復雜場景多特征融合粒子濾波目標跟蹤[D];重慶理工大學;2015年

5 崔劍;基于多特征融合的分級行人檢測方法研究[D];電子科技大學;2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學;2015年

7 肖冠;基于多特征融合的異類傳感器中段目標關聯(lián)算法研究[D];國防科學技術(shù)大學;2013年

8 王建榮;基于多特征融合的無人機航拍圖像識別研究[D];成都理工大學;2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學;2014年

10 坎啟嬌;基于多特征融合的多目標跟蹤算法[D];河北工業(yè)大學;2015年

，

本文編號：1158153