復雜環(huán)境下的車牌識別算法研究
發(fā)布時間：2021-09-04 11:01
由于我國汽車數(shù)量的大幅增長,交通問題日益突出,為了緩解交通壓力,提高車輛的管理效率,智能交通系統(tǒng)應運而生,而車牌識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分,所以對車牌識別技術的研究具有重要意義。雖然我國車牌識別技術在長時間的研究和努力下,取得了不錯的研究成果,能夠準確地識別出多數(shù)場景下的車牌,但在復雜環(huán)境下得到的車牌圖像往往具有多種干擾因素,如光照條件惡劣、車牌傾斜、車牌污損等,利用現(xiàn)有車牌識別技術對復雜環(huán)境下的車牌圖像進行定位與識別,取得的效果并不理想。針對這些問題,本文在現(xiàn)有車牌識別技術的基礎上做出相應改進,使車牌識別算法更適應復雜環(huán)境,主要工作有以下幾點。首先,為了避免圖像增強時紋理信息容易丟失的問題,本文采用在頻域中的同態(tài)濾波算法對車牌圖像進行增強,針對以往同態(tài)濾波的濾波器參數(shù)多,計算復雜的問題,對傳統(tǒng)的巴特沃斯濾波器進行改進,將未知參數(shù)由五個降低成兩個,實驗表明,在不影響圖像增強的同時,大大降低了算法復雜度,節(jié)省了計算時間。在車牌定位時結合光照補償,對車牌HSV顏色模型進行三通道分離,保持色調分量不變,對飽和度分量進行拉伸,利用改進的同態(tài)濾波對亮度分量進行光照補償,再結合車牌的顏色...
【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】：93 頁
【學位級別】：碩士
【部分圖文】：
車牌識別系統(tǒng)流程圖
在自然場景中，天氣條件和環(huán)境變化等因素對采集的車輛牌照圖像質量有的影響，在一定程度上降低了車牌定位的準確率。為此，本文先將車牌圖像頻域增強，以突出車牌的細節(jié)特征，使得目標區(qū)域能夠更好的被定位分割出]。1 圖像增強算法概述在數(shù)字圖像處理領域，有許多圖像增強算法，雖然這些增強算法都可以對起到增強的作用，但是不同的算法對同一圖像增強的效果卻大不相同。目前有一種通用的圖像增強算法可以實現(xiàn)任意圖像的增強，因此，對不同類型的需要試用大量增強算法進行對比實驗，選擇最合適的算法對其進行處理，以圖像細節(jié)、質量、特定信息的增強。圖像增強算法分為兩種類型：一種是空間域增強，另一種是頻域增強[27]。類算法是以不同的方式完成相同的工作，即圖像增強，只不過空間域算法是像素組成的空間中直接對像素進行調整達到圖像增強，而頻域算法是將圖像間域轉換到頻域中進行處理。圖像增強的不同算法如圖 2.1。
圖 2.4 非線性變換Fig 2.4 Nonlinear transformation處理度直方圖是反映圖像灰度的統(tǒng)計特性，它表示一幅直方圖是圖像處理中的基本信息[27]。從一幅圖像的解這幅圖像的信息特征，仔細分析可以發(fā)現(xiàn)，在明于灰度值較大的地方，同理，在暗圖像中，其直方方；對比度較高的圖像其直方圖分布相對均衡，對相對較窄。基于直方圖的增強算法常會用到直方圖均方圖均衡化的圖片對比，由圖可以發(fā)現(xiàn)，將分布較均衡化后，變成了分布均衡的高對比度圖像。
【參考文獻】：
期刊論文
[1]基于卷積神經網絡的車牌字符識別[J]. 董峻妃,鄭伯川,楊澤靜. 計算機應用. 2017(07)
[2]多尺度積角點檢測和視覺顏色特征的魯棒車牌定位算法[J]. 陳莊,楊峰,馮欣,崔少國,李博. 重慶大學學報. 2016(02)
[3]基于多尺度分塊卷積神經網絡的圖像目標識別算法[J]. 張文達,許悅雷,倪嘉成,馬時平,史鶴歡. 計算機應用. 2016(04)
[4]基于光照補償和顏色統(tǒng)計的汽車牌照定位方法[J]. 胡之惠,孟銀闊. 計算機工程與設計. 2013(10)
[5]基于OpenCV的車牌定位方法[J]. 譚同德,王三剛. 計算機工程與設計. 2013(08)
[6]基于HSV色彩空間與數(shù)學形態(tài)學的車牌定位研究[J]. 常巧紅,高滿屯. 圖學學報. 2013(04)
[7]改進的模板匹配方法在車牌識別中的應用[J]. 陳瑋,曹志廣,李劍平. 計算機工程與設計. 2013(05)
[8]基于HSV的夜間車牌識別算法[J]. 王洪亞. 智能計算機與應用. 2013(02)
[9]低秩矩陣恢復算法綜述[J]. 史加榮,鄭秀云,魏宗田,楊威. 計算機應用研究. 2013(06)
[10]一種基于紋理分析和投影法的車牌定位方法[J]. 劉軍,向軍,劉銀生. 公路工程. 2011(04)
碩士論文
[1]基于深度學習的車牌識別關鍵技術研究[D]. 李朝兵.電子科技大學 2018
[2]車牌字符識別技術的研究和實現(xiàn)[D]. 賴錕.合肥工業(yè)大學 2018
[3]基于深度學習的車牌識別算法研究[D]. 王恒.浙江工業(yè)大學 2017
[4]基于卷積神經網絡的圖像識別方法研究[D]. 段萌.鄭州大學 2017
[5]復雜場景下的交通標志識別技術研究[D]. 王昔鵬.合肥工業(yè)大學 2017
[6]復雜場景下的中國車牌識別研究[D]. 賀賽娜.哈爾濱工業(yè)大學 2017
[7]復雜背景下基于OpenCV的車牌識別系統(tǒng)研究[D]. 曾泉.廣東工業(yè)大學 2016
[8]基于同態(tài)濾波的圖像增強算法研究[D]. 程新.西安郵電大學 2016
[9]車牌圖像的可視性增強與傾斜校正研究[D]. 許超.合肥工業(yè)大學 2016
[10]復雜環(huán)境下的車牌識別系統(tǒng)關鍵技術研究[D]. 劉金陽.合肥工業(yè)大學 2016
本文編號：3383148
【文章來源】：合肥工業(yè)大學安徽省 211工程院校 教育部直屬院校
【文章頁數(shù)】：93 頁
【學位級別】：碩士
【部分圖文】：
車牌識別系統(tǒng)流程圖
在自然場景中，天氣條件和環(huán)境變化等因素對采集的車輛牌照圖像質量有的影響，在一定程度上降低了車牌定位的準確率。為此，本文先將車牌圖像頻域增強，以突出車牌的細節(jié)特征，使得目標區(qū)域能夠更好的被定位分割出]。1 圖像增強算法概述在數(shù)字圖像處理領域，有許多圖像增強算法，雖然這些增強算法都可以對起到增強的作用，但是不同的算法對同一圖像增強的效果卻大不相同。目前有一種通用的圖像增強算法可以實現(xiàn)任意圖像的增強，因此，對不同類型的需要試用大量增強算法進行對比實驗，選擇最合適的算法對其進行處理，以圖像細節(jié)、質量、特定信息的增強。圖像增強算法分為兩種類型：一種是空間域增強，另一種是頻域增強[27]。類算法是以不同的方式完成相同的工作，即圖像增強，只不過空間域算法是像素組成的空間中直接對像素進行調整達到圖像增強，而頻域算法是將圖像間域轉換到頻域中進行處理。圖像增強的不同算法如圖 2.1。
圖 2.4 非線性變換Fig 2.4 Nonlinear transformation處理度直方圖是反映圖像灰度的統(tǒng)計特性，它表示一幅直方圖是圖像處理中的基本信息[27]。從一幅圖像的解這幅圖像的信息特征，仔細分析可以發(fā)現(xiàn)，在明于灰度值較大的地方，同理，在暗圖像中，其直方方；對比度較高的圖像其直方圖分布相對均衡，對相對較窄。基于直方圖的增強算法常會用到直方圖均方圖均衡化的圖片對比，由圖可以發(fā)現(xiàn)，將分布較均衡化后，變成了分布均衡的高對比度圖像。
【參考文獻】：
期刊論文
[1]基于卷積神經網絡的車牌字符識別[J]. 董峻妃,鄭伯川,楊澤靜. 計算機應用. 2017(07)
[2]多尺度積角點檢測和視覺顏色特征的魯棒車牌定位算法[J]. 陳莊,楊峰,馮欣,崔少國,李博. 重慶大學學報. 2016(02)
[3]基于多尺度分塊卷積神經網絡的圖像目標識別算法[J]. 張文達,許悅雷,倪嘉成,馬時平,史鶴歡. 計算機應用. 2016(04)
[4]基于光照補償和顏色統(tǒng)計的汽車牌照定位方法[J]. 胡之惠,孟銀闊. 計算機工程與設計. 2013(10)
[5]基于OpenCV的車牌定位方法[J]. 譚同德,王三剛. 計算機工程與設計. 2013(08)
[6]基于HSV色彩空間與數(shù)學形態(tài)學的車牌定位研究[J]. 常巧紅,高滿屯. 圖學學報. 2013(04)
[7]改進的模板匹配方法在車牌識別中的應用[J]. 陳瑋,曹志廣,李劍平. 計算機工程與設計. 2013(05)
[8]基于HSV的夜間車牌識別算法[J]. 王洪亞. 智能計算機與應用. 2013(02)
[9]低秩矩陣恢復算法綜述[J]. 史加榮,鄭秀云,魏宗田,楊威. 計算機應用研究. 2013(06)
[10]一種基于紋理分析和投影法的車牌定位方法[J]. 劉軍,向軍,劉銀生. 公路工程. 2011(04)
碩士論文
[1]基于深度學習的車牌識別關鍵技術研究[D]. 李朝兵.電子科技大學 2018
[2]車牌字符識別技術的研究和實現(xiàn)[D]. 賴錕.合肥工業(yè)大學 2018
[3]基于深度學習的車牌識別算法研究[D]. 王恒.浙江工業(yè)大學 2017
[4]基于卷積神經網絡的圖像識別方法研究[D]. 段萌.鄭州大學 2017
[5]復雜場景下的交通標志識別技術研究[D]. 王昔鵬.合肥工業(yè)大學 2017
[6]復雜場景下的中國車牌識別研究[D]. 賀賽娜.哈爾濱工業(yè)大學 2017
[7]復雜背景下基于OpenCV的車牌識別系統(tǒng)研究[D]. 曾泉.廣東工業(yè)大學 2016
[8]基于同態(tài)濾波的圖像增強算法研究[D]. 程新.西安郵電大學 2016
[9]車牌圖像的可視性增強與傾斜校正研究[D]. 許超.合肥工業(yè)大學 2016
[10]復雜環(huán)境下的車牌識別系統(tǒng)關鍵技術研究[D]. 劉金陽.合肥工業(yè)大學 2016
本文編號：3383148
本文鏈接：http://sikaile.net/kejilunwen/daoluqiaoliang/3383148.html
