基于数字图像的车辆信息识别的研究与应用

发布时间：2017-05-13 18:02

  本文关键词：基于数字图像的车辆信息识别的研究与应用，由笔耕文化传播整理发布。

【摘要】：基于数字图像的车辆信息识别系统是智能交通系统的重要组成部分,同时也是计算机视觉、图像处理和模式识别等交叉学科的研究热点,因此其相关技术的研究受到了广泛的关注。准确地获取车辆信息,为智能交通系统后续控制管理提供了重要保障,同时对协助警方打击犯罪、查处套牌车等也能提供有效依据。本文在这一背景下,对车辆信息识别技术进行了系统的研究和相关技术的实现,提出一种基于车标和车尾文字信息结合的车辆信息识别方法,主要研究内容如下：针对车标信息识别部分,本文提出了一种基于全仿射尺度不变特征转换算法(Affine Scale Invariant Feature Transform,简称ASIFT)的车标定位识别方法,实现了车标定位和识别。车标定位基于车标和车牌的位置关系这一先验知识实现,首先,通过车牌定位方法对车牌进行定位,再根据车牌和车标的对应位置关系得到车标定位初始区域；对初始定位的车标区域进行边缘检测,然后再利用数学形态学进行膨胀腐蚀处理,并根据得到的连通区域,得到精确的车标定位区域。本文利用ASIFT对车标图像进行特征提取,并利用模板匹配法进行识别,该算法的优点是对旋转、尺度缩放、亮度变化保持不变性,对拍摄视角、仿射变换、噪声、遮挡等也具有很高的稳定性。针对车尾文字识别部分,本文提出了一种基于最小核值相似区域(Smallest Univalue Segment Assimilating Nucleus,简称SUSAN)的车尾文字定位识别方法,实现了车尾文字定位和识别。车尾文字定位分为粗定位和精定位,利用车尾文字和车牌的位置关系对车尾文字区域进行初始定位,得到车尾文字区域粗定位图像；对车尾文字初始定位图像通过SUSAN边缘检测算法进行精确定位,再利用垂直积分和水平积分投影将文字区域从背景分割出来,得到车尾文字区域图像。本文中的车尾文字匹配识别创新性地使用尺度不变特征转换算法(Scale Invariant Feature Transform,简称SIFT)进行特征提取和图像匹配,搜索模板库中的对应图像,匹配点对最多的图像为识别结果,该方法是SIFT算法在新领域的应用。本文综合车标识别和车尾文字识别,提出了一种基于车标信息和车尾文字信息相结合的车辆信息识别方法,与当前国内外学者侧重于车辆外形、车标的识别不同,文章着重在车标识别的基础上,增加车尾文字信息识别以丰富车辆的提取信息,最终给出了较为完善的车辆综合识别信息。文章充分利用了应用算法的优点,实现了基于数字图像的车辆信息识别的相关处理,并通过实验验证了本文所提出方法的有效性和实用性。
【关键词】：车标定位 车标识别 车尾文字定位 特征提取 特征匹配
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-20
• 1.1 研究背景及意义11-12
• 1.2 车辆信息识别12-13
• 1.3 国内外研究现状13-18
• 1.3.1 车牌定位识别14-15
• 1.3.2 车标定位识别15-17
• 1.3.3 车型识别17-18
• 1.4 本文主要工作18-19
• 1.5 本文组织结构19-20
• 2 车辆信息识别技术的相关理论基础20-35
• 2.1 图像预处理20-26
• 2.1.1 平滑滤波20-22
• 2.1.2 边缘检测22-25
• 2.1.3 二值化25
• 2.1.4 数学形态学25-26
• 2.2 ASIFT算法原理26-31
• 2.2.1 SIFT算法26-29
• 2.2.2 ASIFT算法29-31
• 2.3 SUSAN算法原理31-34
• 2.3.1 角点检测31-32
• 2.3.2 SUSAN角点检测32-34
• 2.4 本章小结34-35
• 3 基于ASIFT的车标定位与识别方法35-48
• 3.1 车牌定位36-38
• 3.1.1 图像预处理36-37
• 3.1.2 车牌候选区域定位37
• 3.1.3 车牌区域筛选37-38
• 3.2 车标定位38-41
• 3.2.1 车标感兴趣区域检测39-40
• 3.2.2 车标区域精确定位40-41
• 3.3 车标识别41-45
• 3.3.1 基于ASIFT的车标识别41-42
• 3.3.2 特征匹配机制42-45
• 3.4 实验结果及分析45-47
• 3.5 本章小结47-48
• 4 基于SUSAN的车尾文字定位与识别方法48-59
• 4.1 车尾文字信息定位49-53
• 4.1.1 车尾文字区域粗定位50-51
• 4.1.2 车尾文字区域精定位51-53
• 4.2 车尾文字信息识别53-54
• 4.3 实验结果及分析54-58
• 4.4 本章小结58-59
• 5 车标信息与车尾文字信息相结合的车辆信息识别59-65
• 5.1 车辆信息识别方法结构与流程59-62
• 5.1.1 车辆信息识别方法结构59-61
• 5.1.2 车辆信息识别方法流程61-62
• 5.2 功能实现及界面操作62-64
• 5.3 本章小结64-65
• 6 总结和展望65-67
• 6.1 研究总结65-66
• 6.2 未来展望66-67
• 参考文献67-71
• 作者简历及攻读硕士学位期间取得的研究成果71-73
• 学位论文数据集73

【相似文献】

中国期刊全文数据库 前10条

1 王珏;;数字图像质量解析[J];美术大观;2010年01期

2 王刚;;数字图像的快速与科学识别研究[J];艺术与设计(理论);2012年12期

3 黄];杨h接，

本文编号：363215