本文關(guān)鍵詞：基于暗原色原理和B樣條小波的霧霾車牌定位的研究

  更多相關(guān)文章： 車牌定位 暗原色先驗(yàn) IMF濾波 B樣條小波 邊緣檢測

【摘要】：車牌識別技術(shù)在智能交通領(lǐng)域發(fā)揮著重要作用。作為車牌識別技術(shù)的關(guān)鍵環(huán)節(jié),車牌定位一直被廣泛研究。在采集車輛視頻圖像過程中,由于周圍環(huán)境變化等不可控條件的作用,都對車牌定位產(chǎn)生很大的影響。其中霧霾圖像處理對車牌識別乃至智能交通系統(tǒng)有非常重要的意義。傳統(tǒng)圖像增強(qiáng)的方法只是單純地增強(qiáng)圖像的對比度,而對圖像的視覺效果、信息保真度等都沒有保證�？紤]到傳統(tǒng)方法難以達(dá)到滿意的效果,本文應(yīng)用圖像復(fù)原方法根據(jù)何凱明提出的暗原色先驗(yàn)原理和McCartney提出的大氣散射模型,分析霧霾對圖像產(chǎn)生影響的物理機(jī)制,提出改進(jìn)暗原色去霧的IMF濾波算法,從而消除霧霾對車牌定位的干擾。論文針對霧霾圖像的特征對車輛霧霾圖像進(jìn)行復(fù)原處理,并根據(jù)小波邊緣檢測原理對復(fù)原圖像進(jìn)行車牌定位研究,主要完成工作如下:1、研究暗原色去霧原理,應(yīng)用此原理對霧霾圖像進(jìn)行復(fù)原處理。構(gòu)建霧天成像模型,根據(jù)暗原色原理獲得反映霧霾信息的透射率圖,重構(gòu)無霧圖像。2、針對透射率圖塊效應(yīng)問題,研究了指導(dǎo)性濾波平滑透射率圖,中值濾波代替最小值濾波獲得平滑透射率圖。為改善中值濾波的過飽和現(xiàn)象,降低指導(dǎo)性濾波平滑時(shí)間復(fù)雜度,提出IMF濾波算法相對快速有效地獲得去霧圖像。3、分析車牌定位方法,應(yīng)用B樣條小波多尺度分析對復(fù)原車牌圖像進(jìn)行小波邊緣檢測,同時(shí)結(jié)合形態(tài)學(xué)處理方法粗定位出車牌候選區(qū)域.。
【關(guān)鍵詞】：車牌定位 暗原色先驗(yàn) IMF濾波 B樣條小波 邊緣檢測
【學(xué)位授予單位】：青島大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要2-3
• Abstract3-6
• 第一章 緒論6-10
• 1.1 研究背景及意義6-7
• 1.1.1 研究背景6-7
• 1.1.2 研究意義7
• 1.2 國內(nèi)外研究現(xiàn)狀7-9
• 1.2.1 車牌識別系統(tǒng)的研究現(xiàn)狀7-8
• 1.2.2 霧霾圖像處理研究現(xiàn)狀8-9
• 1.3 論文主要工作安排9-10
• 第二章 基于暗原色先驗(yàn)原理的霧霾圖像預(yù)處理10-23
• 2.1 大氣散射模型10-12
• 2.2 霧霾圖像退化模型12-13
• 2.3 暗原色先驗(yàn)的霧霾圖像處理13-18
• 2.3.1 暗原色先驗(yàn)原理13-14
• 2.3.2 暗原色霧霾圖像復(fù)原原理和算法14-16
• 2.3.3 指導(dǎo)性濾波器平滑透射率圖16-18
• 2.4 IMF算法霧霾圖像復(fù)原18-22
• 2.4.1 白邊效應(yīng)18-19
• 2.4.2 中值濾波改善時(shí)間復(fù)雜度19-20
• 2.4.3 IMF濾波20-21
• 2.4.4 基于IMF濾波的暗原色霧霾圖像復(fù)原算法21-22
• 2.5 本章小結(jié)22-23
• 第三章 基于B樣條小波圖像邊緣檢測的研究23-34
• 3.1 小波多分辨分析23-27
• 3.1.1 小波變換原理23
• 3.1.2 尺度函數(shù)和尺度空間23-24
• 3.1.3 小波函數(shù)與小波空間24-25
• 3.1.4 二尺度方程25-26
• 3.1.5 小波多分辨率分析26-27
• 3.2 小波變換模極值邊緣檢測27-29
• 3.2.1 小波邊緣檢測原理27-28
• 3.2.2 小波的選擇準(zhǔn)則28-29
• 3.2.3 小波多尺度邊緣檢測算法流程29
• 3.3 B樣條函數(shù)邊緣檢測29-32
• 3.3.1 B樣條函數(shù)的定義29-30
• 3.3.2 三階B樣條小波邊緣檢測30-31
• 3.3.3 B樣條小波邊緣檢測改進(jìn)31-32
• 3.4 本章小結(jié)32-34
• 第四章 小波邊緣檢測和形態(tài)處理車牌定位34-46
• 4.1 車牌定位的方法34-35
• 4.2 霧霾圖像預(yù)處理35-39
• 4.3 小波邊緣檢測形態(tài)學(xué)處理結(jié)合進(jìn)行車和數(shù)學(xué)牌定位39-45
• 4.3.1 小波多尺度邊緣檢測40-43
• 4.3.2 形態(tài)學(xué)處理粗定位車牌43-44
• 4.3.3 去除偽車牌候選區(qū)域的車牌細(xì)定位44-45
• 4.3.4 實(shí)驗(yàn)結(jié)果數(shù)據(jù)45
• 4.4 本章小結(jié)45-46
• 第五章 總結(jié)與展望46-47
• 參考文獻(xiàn)47-49
• 攻讀學(xué)位期間的研究成果49-50
• 致謝50-51

，

本文編號：1022403