基于暗原色原理和B样条小波的雾霾车牌定位的研究

发布时间：2017-10-13 02:40

  本文关键词：基于暗原色原理和B样条小波的雾霾车牌定位的研究

  更多相关文章： 车牌定位 暗原色先验 IMF滤波 B样条小波 边缘检测

【摘要】：车牌识别技术在智能交通领域发挥着重要作用。作为车牌识别技术的关键环节,车牌定位一直被广泛研究。在采集车辆视频图像过程中,由于周围环境变化等不可控条件的作用,都对车牌定位产生很大的影响。其中雾霾图像处理对车牌识别乃至智能交通系统有非常重要的意义。传统图像增强的方法只是单纯地增强图像的对比度,而对图像的视觉效果、信息保真度等都没有保证。考虑到传统方法难以达到满意的效果,本文应用图像复原方法根据何凯明提出的暗原色先验原理和McCartney提出的大气散射模型,分析雾霾对图像产生影响的物理机制,提出改进暗原色去雾的IMF滤波算法,从而消除雾霾对车牌定位的干扰。论文针对雾霾图像的特征对车辆雾霾图像进行复原处理,并根据小波边缘检测原理对复原图像进行车牌定位研究,主要完成工作如下:1、研究暗原色去雾原理,应用此原理对雾霾图像进行复原处理。构建雾天成像模型,根据暗原色原理获得反映雾霾信息的透射率图,重构无雾图像。2、针对透射率图块效应问题,研究了指导性滤波平滑透射率图,中值滤波代替最小值滤波获得平滑透射率图。为改善中值滤波的过饱和现象,降低指导性滤波平滑时间复杂度,提出IMF滤波算法相对快速有效地获得去雾图像。3、分析车牌定位方法,应用B样条小波多尺度分析对复原车牌图像进行小波边缘检测,同时结合形态学处理方法粗定位出车牌候选区域.。
【关键词】：车牌定位 暗原色先验 IMF滤波 B样条小波 边缘检测
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要2-3
• Abstract3-6
• 第一章 绪论6-10
• 1.1 研究背景及意义6-7
• 1.1.1 研究背景6-7
• 1.1.2 研究意义7
• 1.2 国内外研究现状7-9
• 1.2.1 车牌识别系统的研究现状7-8
• 1.2.2 雾霾图像处理研究现状8-9
• 1.3 论文主要工作安排9-10
• 第二章 基于暗原色先验原理的雾霾图像预处理10-23
• 2.1 大气散射模型10-12
• 2.2 雾霾图像退化模型12-13
• 2.3 暗原色先验的雾霾图像处理13-18
• 2.3.1 暗原色先验原理13-14
• 2.3.2 暗原色雾霾图像复原原理和算法14-16
• 2.3.3 指导性滤波器平滑透射率图16-18
• 2.4 IMF算法雾霾图像复原18-22
• 2.4.1 白边效应18-19
• 2.4.2 中值滤波改善时间复杂度19-20
• 2.4.3 IMF滤波20-21
• 2.4.4 基于IMF滤波的暗原色雾霾图像复原算法21-22
• 2.5 本章小结22-23
• 第三章 基于B样条小波图像边缘检测的研究23-34
• 3.1 小波多分辨分析23-27
• 3.1.1 小波变换原理23
• 3.1.2 尺度函数和尺度空间23-24
• 3.1.3 小波函数与小波空间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 小波变换模极值边缘检测27-29
• 3.2.1 小波边缘检测原理27-28
• 3.2.2 小波的选择准则28-29
• 3.2.3 小波多尺度边缘检测算法流程29
• 3.3 B样条函数边缘检测29-32
• 3.3.1 B样条函数的定义29-30
• 3.3.2 三阶B样条小波边缘检测30-31
• 3.3.3 B样条小波边缘检测改进31-32
• 3.4 本章小结32-34
• 第四章 小波边缘检测和形态处理车牌定位34-46
• 4.1 车牌定位的方法34-35
• 4.2 雾霾图像预处理35-39
• 4.3 小波边缘检测形态学处理结合进行车和数学牌定位39-45
• 4.3.1 小波多尺度边缘检测40-43
• 4.3.2 形态学处理粗定位车牌43-44
• 4.3.3 去除伪车牌候选区域的车牌细定位44-45
• 4.3.4 实验结果数据45
• 4.4 本章小结45-46
• 第五章 总结与展望46-47
• 参考文献47-49
• 攻读学位期间的研究成果49-50
• 致谢50-51

，

本文编号：1022403