本文關(guān)鍵詞：基于視覺信息的車牌檢測與識別方法研究

  更多相關(guān)文章： 車牌識別系統(tǒng) HSV 雙邊濾波 字符分割 混合核函數(shù)

【摘要】：車牌識別系統(tǒng)作為智能交通系統(tǒng)的關(guān)鍵技術(shù)之一,目前已經(jīng)成為一個熱門的研究課題,而且在國內(nèi)外得到了較大的發(fā)展。車牌識別技術(shù)在處理肇事車輛逃逸及違章事件、解決高速公路稅款流失等問題方面應(yīng)用廣泛,因此對車牌識別技術(shù)深入研究有著重要的現(xiàn)實意義。車牌識別系統(tǒng)主要由車牌的定位、傾斜校正、字符分割、字符識別四個部分組成。本文分別對這四個關(guān)鍵環(huán)節(jié)進(jìn)行了深入研究:車牌定位部分,本文對傳統(tǒng)的定位算法進(jìn)行了改進(jìn),采用基于HSV(Hue,Saturation,Value)顏色模型和車牌先驗知識相結(jié)合的方法,該方法能有效地排除如廣告語等非車牌區(qū)域的干擾,而且當(dāng)圖像中含有多個車牌時,能夠?qū)⒍嘬嚺茀^(qū)域準(zhǔn)確地定位出來。車牌的傾斜校正部分,針對以往車牌傾斜校正算法的校正準(zhǔn)確率低問題,本文提出了特征點提取和慣性主軸相結(jié)合的方法對上一步定位出的車牌區(qū)域進(jìn)行傾斜校正。即首先對定位出的車牌區(qū)域灰度化,并采用雙邊濾波去除噪聲,然后利用Harris角點檢測算法提取車牌區(qū)域的特征點,根據(jù)這些特征點求慣性主軸,最后根據(jù)慣性主軸與水平或垂直方向的夾角旋轉(zhuǎn)車牌,從而實現(xiàn)車牌的校正。該方法提高了校正的準(zhǔn)確率,為后續(xù)字符分割和識別準(zhǔn)確性提供了保證。車牌的字符分割部分,本文主要采用水平投影和字符的結(jié)構(gòu)特征結(jié)合的方法實現(xiàn)字符的分割。即首先通過水平投影將車牌區(qū)域分為上下兩行,然后再結(jié)合字符的結(jié)構(gòu)特征進(jìn)行單個字符的分割,該方法能有效提高雙行車牌字符分割效果。車牌的字符識別部分,本文采用基于混合核函數(shù)的支持向量機法識別字符。首先對字符進(jìn)行特征提取,然后針對字符的結(jié)構(gòu)規(guī)則設(shè)計訓(xùn)練漢字分類器、字母分類器以及數(shù)字字母混合分類器�；旌虾撕瘮�(shù)兼顧了單個核函數(shù)的優(yōu)點,提高了支持向量機的性能以及字符識別率。采用上述算法在MATLAB平臺上進(jìn)行大量仿真實驗,實驗結(jié)果證明,通過采用改進(jìn)的系統(tǒng)各部分算法,能使整個車牌識別系統(tǒng)的效率以及車牌識別的正確率得到很大提高。
【關(guān)鍵詞】：車牌識別系統(tǒng) HSV 雙邊濾波 字符分割 混合核函數(shù)
【學(xué)位授予單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要6-8
• Abstract8-13
• 第1章 緒論13-21
• 1.1 課題研究的背景和研究意義13-15
• 1.2 車牌識別技術(shù)的國內(nèi)外研究現(xiàn)狀分析15-18
• 1.2.1 國外研究現(xiàn)狀15-16
• 1.2.2 國內(nèi)研究現(xiàn)狀16-17
• 1.2.3 車牌識別技術(shù)的關(guān)鍵技術(shù)研究17-18
• 1.3 本文的研究內(nèi)容及章節(jié)安排18-20
• 1.3.1 本文研究內(nèi)容18-19
• 1.3.2 本文章節(jié)安排19-20
• 1.4 本章小結(jié)20-21
• 第2章 車牌的定位21-37
• 2.1 我國車牌的規(guī)格及特征21-24
• 2.2 常用車牌定位算法24-26
• 2.3 顏色模型基礎(chǔ)26-28
• 2.3.1 RGB顏色模型26
• 2.3.2 HSV顏色模型26-27
• 2.3.3 RGB與HSV顏色模型的轉(zhuǎn)化27-28
• 2.4 本文車牌定位算法及實驗分析28-36
• 2.4.1 基于HSV顏色模型的黃色車牌粗定位29-34
• 2.4.2 基于先驗知識的車牌細(xì)定位34-36
• 2.5 本章小結(jié)36-37
• 第3章 車牌的傾斜校正37-51
• 3.1 引言37-39
• 3.2 圖像預(yù)處理39-41
• 3.2.1 圖像灰度化39-40
• 3.2.2 雙邊濾波40-41
• 3.3 常用特征點提取算法及比較41-44
• 3.4 本文車牌傾斜校正方法及實驗分析44-50
• 3.4.1 基于雙邊濾波的Harris角點檢測算法45-47
• 3.4.2 慣性主軸的計算47-48
• 3.4.3 基于角點慣性主軸的車牌傾斜校正方法48-50
• 3.5 本章小結(jié)50-51
• 第4章 車牌的字符分割51-60
• 4.1 引言51-52
• 4.2 車牌預(yù)處理52-54
• 4.2.1 車牌圖像區(qū)域的二值化52-53
• 4.2.2 去除車牌的結(jié)構(gòu)噪聲53-54
• 4.3 本文車牌字符分割算法54-57
• 4.3.1 基于水平投影的上下行區(qū)域分割54-56
• 4.3.2 基于字符結(jié)構(gòu)特征的字符分割56-57
• 4.4 實驗結(jié)果與分析57-59
• 4.5 本章小結(jié)59-60
• 第5章 車牌的識別60-77
• 5.1 常用車牌字符識別算法60-61
• 5.2 字符特征的提取61-62
• 5.3 支持向量機的基本原理62-67
• 5.3.1 線性可分的支持向量機62-65
• 5.3.2 非線性可分的支持向量機65-66
• 5.3.3 SVM的多類分類算法66-67
• 5.4 分類模型的訓(xùn)練67-72
• 5.4.1 核函數(shù)67-70
• 5.4.2 核函數(shù)的改進(jìn)70-71
• 5.4.3 核函數(shù)參數(shù)的確定71-72
• 5.5 分類實現(xiàn)及結(jié)果分析72-74
• 5.6 車牌識別整體流程74-76
• 5.6.1 總體算法流程74
• 5.6.2 整體實驗結(jié)果74-76
• 5.7 本章小結(jié)76-77
• 結(jié)論77-79
• 參考文獻(xiàn)79-84
• 攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果84-85
• 致謝85-86

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 鄭成勇;;一種RGB顏色空間中的車牌定位新方法[J];中國圖象圖形學(xué)報;2010年11期

2 李建春;楊星;劉偉;陳璇;郭航行;;車牌傾斜校正研究綜述[J];科技創(chuàng)新導(dǎo)報;2013年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 周敏;汽車牌照自動識別技術(shù)研究[D];南京理工大學(xué);2008年

2 陳賢青;基于計算機視覺的車牌定位研究[D];天津大學(xué);2007年

3 劉明;支持向量機中Sigmoid核函數(shù)的研究[D];西安電子科技大學(xué);2009年

4 劉同焰;車牌識別系統(tǒng)的相關(guān)算法研究與實現(xiàn)[D];華南理工大學(xué);2012年

5 丁然;支持向量機多類分類算法研究[D];哈爾濱理工大學(xué);2012年

，

本文編號：897002