基于视觉信息的车牌检测与识别方法研究

发布时间：2017-09-21 21:31

  本文关键词：基于视觉信息的车牌检测与识别方法研究

  更多相关文章： 车牌识别系统 HSV 双边滤波 字符分割 混合核函数

【摘要】：车牌识别系统作为智能交通系统的关键技术之一,目前已经成为一个热门的研究课题,而且在国内外得到了较大的发展。车牌识别技术在处理肇事车辆逃逸及违章事件、解决高速公路税款流失等问题方面应用广泛,因此对车牌识别技术深入研究有着重要的现实意义。车牌识别系统主要由车牌的定位、倾斜校正、字符分割、字符识别四个部分组成。本文分别对这四个关键环节进行了深入研究:车牌定位部分,本文对传统的定位算法进行了改进,采用基于HSV(Hue,Saturation,Value)颜色模型和车牌先验知识相结合的方法,该方法能有效地排除如广告语等非车牌区域的干扰,而且当图像中含有多个车牌时,能够将多车牌区域准确地定位出来。车牌的倾斜校正部分,针对以往车牌倾斜校正算法的校正准确率低问题,本文提出了特征点提取和惯性主轴相结合的方法对上一步定位出的车牌区域进行倾斜校正。即首先对定位出的车牌区域灰度化,并采用双边滤波去除噪声,然后利用Harris角点检测算法提取车牌区域的特征点,根据这些特征点求惯性主轴,最后根据惯性主轴与水平或垂直方向的夹角旋转车牌,从而实现车牌的校正。该方法提高了校正的准确率,为后续字符分割和识别准确性提供了保证。车牌的字符分割部分,本文主要采用水平投影和字符的结构特征结合的方法实现字符的分割。即首先通过水平投影将车牌区域分为上下两行,然后再结合字符的结构特征进行单个字符的分割,该方法能有效提高双行车牌字符分割效果。车牌的字符识别部分,本文采用基于混合核函数的支持向量机法识别字符。首先对字符进行特征提取,然后针对字符的结构规则设计训练汉字分类器、字母分类器以及数字字母混合分类器。混合核函数兼顾了单个核函数的优点,提高了支持向量机的性能以及字符识别率。采用上述算法在MATLAB平台上进行大量仿真实验,实验结果证明,通过采用改进的系统各部分算法,能使整个车牌识别系统的效率以及车牌识别的正确率得到很大提高。
【关键词】：车牌识别系统 HSV 双边滤波 字符分割 混合核函数
【学位授予单位】：沈阳理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要6-8
• Abstract8-13
• 第1章 绪论13-21
• 1.1 课题研究的背景和研究意义13-15
• 1.2 车牌识别技术的国内外研究现状分析15-18
• 1.2.1 国外研究现状15-16
• 1.2.2 国内研究现状16-17
• 1.2.3 车牌识别技术的关键技术研究17-18
• 1.3 本文的研究内容及章节安排18-20
• 1.3.1 本文研究内容18-19
• 1.3.2 本文章节安排19-20
• 1.4 本章小结20-21
• 第2章 车牌的定位21-37
• 2.1 我国车牌的规格及特征21-24
• 2.2 常用车牌定位算法24-26
• 2.3 颜色模型基础26-28
• 2.3.1 RGB颜色模型26
• 2.3.2 HSV颜色模型26-27
• 2.3.3 RGB与HSV颜色模型的转化27-28
• 2.4 本文车牌定位算法及实验分析28-36
• 2.4.1 基于HSV颜色模型的黄色车牌粗定位29-34
• 2.4.2 基于先验知识的车牌细定位34-36
• 2.5 本章小结36-37
• 第3章 车牌的倾斜校正37-51
• 3.1 引言37-39
• 3.2 图像预处理39-41
• 3.2.1 图像灰度化39-40
• 3.2.2 双边滤波40-41
• 3.3 常用特征点提取算法及比较41-44
• 3.4 本文车牌倾斜校正方法及实验分析44-50
• 3.4.1 基于双边滤波的Harris角点检测算法45-47
• 3.4.2 惯性主轴的计算47-48
• 3.4.3 基于角点惯性主轴的车牌倾斜校正方法48-50
• 3.5 本章小结50-51
• 第4章 车牌的字符分割51-60
• 4.1 引言51-52
• 4.2 车牌预处理52-54
• 4.2.1 车牌图像区域的二值化52-53
• 4.2.2 去除车牌的结构噪声53-54
• 4.3 本文车牌字符分割算法54-57
• 4.3.1 基于水平投影的上下行区域分割54-56
• 4.3.2 基于字符结构特征的字符分割56-57
• 4.4 实验结果与分析57-59
• 4.5 本章小结59-60
• 第5章 车牌的识别60-77
• 5.1 常用车牌字符识别算法60-61
• 5.2 字符特征的提取61-62
• 5.3 支持向量机的基本原理62-67
• 5.3.1 线性可分的支持向量机62-65
• 5.3.2 非线性可分的支持向量机65-66
• 5.3.3 SVM的多类分类算法66-67
• 5.4 分类模型的训练67-72
• 5.4.1 核函数67-70
• 5.4.2 核函数的改进70-71
• 5.4.3 核函数参数的确定71-72
• 5.5 分类实现及结果分析72-74
• 5.6 车牌识别整体流程74-76
• 5.6.1 总体算法流程74
• 5.6.2 整体实验结果74-76
• 5.7 本章小结76-77
• 结论77-79
• 参考文献79-84
• 攻读硕士学位期间发表的论文和取得的科研成果84-85
• 致谢85-86

【参考文献】

中国期刊全文数据库 前2条

1 郑成勇;;一种RGB颜色空间中的车牌定位新方法[J];中国图象图形学报;2010年11期

2 李建春;杨星;刘伟;陈璇;郭航行;;车牌倾斜校正研究综述[J];科技创新导报;2013年01期

中国硕士学位论文全文数据库 前5条

1 周敏;汽车牌照自动识别技术研究[D];南京理工大学;2008年

2 陈贤青;基于计算机视觉的车牌定位研究[D];天津大学;2007年

3 刘明;支持向量机中Sigmoid核函数的研究[D];西安电子科技大学;2009年

4 刘同焰;车牌识别系统的相关算法研究与实现[D];华南理工大学;2012年

5 丁然;支持向量机多类分类算法研究[D];哈尔滨理工大学;2012年

，

本文编号：897002