發(fā)布時間：2021-01-05 21:31

　　作為從圖像自動獲取車輛身份信息的有效手段,車牌識別在智能交通領域有著非常廣泛的應用。發(fā)展初期,車牌識別的研究主要針對高速收費站、停車場出入口等受限場景。隨著高清攝像頭的普及和社會智能化需求的增加,電子警察、天網(wǎng)監(jiān)控等非受限場景下的車牌識別逐漸成為研究熱點。然而,受背景環(huán)境、光照條件、車輛與攝像頭之間位置關系的多樣性影響,不僅采集的車輛圖像含有欄桿、建筑物、廣告牌等復雜多變的紋理背景干擾,而且車牌存在較大的平移變化、尺度變化、旋轉(zhuǎn)變化和亮度變化,直接利用現(xiàn)有方法處理,識別準確率低,對場景變化的適應性差。研究快速、準確、魯棒的非受限場景車牌識別方法仍然具有挑戰(zhàn)性。車牌識別一般包括車牌檢測、字符切分和字符識別三個部分。鑒于字符識別技術的發(fā)展已較為成熟,本文重點研究非受限場景下的車牌檢測方法和字符切分方法,主要工作歸納如下:首先,針對傳統(tǒng)車牌檢測方法中候選區(qū)域提取存在的精度低、速度慢問題,提出了一種基于邊緣密度最近鄰聚類的檢測方法。該方法以車輛邊緣圖像中的單像素寬度連通域為聚類對象、以密度局部最大的對象為聚類中心、以對象與密度更大距離最近的對象具有相同類標簽為聚類思想,來獲取車牌候選區(qū)域。其中... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：148 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本文的結構安排
2 非受限場景車牌識別研究相關問題
    2.1 非受限場景車牌識別的難點與挑戰(zhàn)
    2.2 存在的科學問題
    2.3 車牌識別研究相關數(shù)據(jù)集
    2.4 車牌識別算法評價指標
    2.5 本章小結
3 基于邊緣密度最近鄰聚類的車牌檢測方法
    3.1 引言
    3.2 基于邊緣密度特征的最近鄰聚類算法
    3.3 基于邊緣自適應聚類的車牌檢測算法
    3.4 實驗結果與對比分析
    3.5 本章小結
4 基于鄰域上下文語義深度網(wǎng)絡的車牌檢測方法
    4.1 引言
    4.2 鄰域上下文增強的語義分割損失函數(shù)
    4.3 基于語義深度網(wǎng)絡的車牌檢測算法
    4.4 實驗結果與對比分析
    4.5 本章小結
5 基于多尺度耙形模板匹配的車牌字符切分方法
    5.1 引言
    5.2 基于極值區(qū)域檢測的混合二值化算法
    5.3 多尺度耙形模板
    5.4 多準則級聯(lián)篩選機制
    5.5 實驗結果與對比分析
    5.6 本章小結
6 非受限場景車牌識別綜合性能評價
    6.1 引言
    6.2 算法框架
    6.3 綜合性能評價
    6.4 本章小結
7 總結與展望
    7.1 本文工作總結
    7.2 本文主要創(chuàng)新點
    7.3 未來工作展望
致謝
參考文獻
附錄1 攻讀學位期間發(fā)表的主要論文
附錄2 已發(fā)表學術論文與博士學位論文的關系
附錄3 博士生期間參與的課題研究情況


【參考文獻】：
期刊論文
[1]基于K-L展開式的車牌傾斜校正方法[J]. 吳一全,丁堅.  儀器儀表學報. 2008(08)
[2]一種新的基于Radon變換的車牌傾斜校正方法[J]. 賈曉丹,李文舉,王海姣.  計算機工程與應用. 2008(03)
[3]最大類間方差車牌字符分割的模板匹配算法[J]. 王興玲.  計算機工程. 2006(19)



本文編號：2959334