非受限场景车牌识别方法研究

发布时间：2021-01-05 21:31

　　作为从图像自动获取车辆身份信息的有效手段,车牌识别在智能交通领域有着非常广泛的应用。发展初期,车牌识别的研究主要针对高速收费站、停车场出入口等受限场景。随着高清摄像头的普及和社会智能化需求的增加,电子警察、天网监控等非受限场景下的车牌识别逐渐成为研究热点。然而,受背景环境、光照条件、车辆与摄像头之间位置关系的多样性影响,不仅采集的车辆图像含有栏杆、建筑物、广告牌等复杂多变的纹理背景干扰,而且车牌存在较大的平移变化、尺度变化、旋转变化和亮度变化,直接利用现有方法处理,识别准确率低,对场景变化的适应性差。研究快速、准确、鲁棒的非受限场景车牌识别方法仍然具有挑战性。车牌识别一般包括车牌检测、字符切分和字符识别三个部分。鉴于字符识别技术的发展已较为成熟,本文重点研究非受限场景下的车牌检测方法和字符切分方法,主要工作归纳如下:首先,针对传统车牌检测方法中候选区域提取存在的精度低、速度慢问题,提出了一种基于边缘密度最近邻聚类的检测方法。该方法以车辆边缘图像中的单像素宽度连通域为聚类对象、以密度局部最大的对象为聚类中心、以对象与密度更大距离最近的对象具有相同类标签为聚类思想,来获取车牌候选区域。其中... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：148 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
    1.4 本文的结构安排
2 非受限场景车牌识别研究相关问题
    2.1 非受限场景车牌识别的难点与挑战
    2.2 存在的科学问题
    2.3 车牌识别研究相关数据集
    2.4 车牌识别算法评价指标
    2.5 本章小结
3 基于边缘密度最近邻聚类的车牌检测方法
    3.1 引言
    3.2 基于边缘密度特征的最近邻聚类算法
    3.3 基于边缘自适应聚类的车牌检测算法
    3.4 实验结果与对比分析
    3.5 本章小结
4 基于邻域上下文语义深度网络的车牌检测方法
    4.1 引言
    4.2 邻域上下文增强的语义分割损失函数
    4.3 基于语义深度网络的车牌检测算法
    4.4 实验结果与对比分析
    4.5 本章小结
5 基于多尺度耙形模板匹配的车牌字符切分方法
    5.1 引言
    5.2 基于极值区域检测的混合二值化算法
    5.3 多尺度耙形模板
    5.4 多准则级联筛选机制
    5.5 实验结果与对比分析
    5.6 本章小结
6 非受限场景车牌识别综合性能评价
    6.1 引言
    6.2 算法框架
    6.3 综合性能评价
    6.4 本章小结
7 总结与展望
    7.1 本文工作总结
    7.2 本文主要创新点
    7.3 未来工作展望
致谢
参考文献
附录1 攻读学位期间发表的主要论文
附录2 已发表学术论文与博士学位论文的关系
附录3 博士生期间参与的课题研究情况


【参考文献】：
期刊论文
[1]基于K-L展开式的车牌倾斜校正方法[J]. 吴一全,丁坚.  仪器仪表学报. 2008(08)
[2]一种新的基于Radon变换的车牌倾斜校正方法[J]. 贾晓丹,李文举,王海姣.  计算机工程与应用. 2008(03)
[3]最大类间方差车牌字符分割的模板匹配算法[J]. 王兴玲.  计算机工程. 2006(19)



本文编号：2959334