学位论文 > 优秀研究生学位论文题录展示

车体车牌定位分割算法研究

作　者: 白雁力
导　师: 潘保昌
学　校: 广东工业大学
专　业: 信号与信息处理
关键词: 车体区域定位 P氏熵灰度标准差邻域差分区域最大值
分类号: TP391.41
类　型: 硕士论文
年　份: 2006年
下　载: 172次
引　用: 2次
阅　读: 论文下载

内容摘要

随着我国国民经济的高速发展,国内高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求也日益提高,智能交通系统(ITS)已成为当前交通管理发展的重要方向,而车辆牌照识别((LPR)系统作为智能交通系统的一部分起着举足轻重的作用,它在高速公路、城市道路和停车场等项目管理中占有无可替代的重要地位,它的广泛应用必将有助于我国交通管理自动化的进程。车辆牌照识别((LPR)作为一个综合的实时计算机视觉系统主要包括牌照定位分割和牌照识别两个部分。它的研究主要涉及到模式识别、人工智能、计算机视觉、数字图像处理等众多学科领域。车牌的定位分割更是该系统的关键之一。由于图像场景的复杂性以及车牌位置和图像质量的不可预知性,牌照定位分割系统一直都未做到令人满意,所以牌照的定位分割算法一直是该领域的研究热点。本文通过对资料的搜集、整理,总结了近年来国内外在车牌定位分割领域的最新研究成果和最新进展,对目前的车牌定位流程,车牌定位分割技术进行了系统的研究和探讨。车体区域定位:本文以找车牌位置共性为目的,采用车体区域定位。研究了两种算法:基于局部P氏熵位算法和基于区域标准差算法。车牌定位:把邻域差分应用于车牌定位,研究了基于多方向邻域差分的算法。该算法通过图像区域边缘、内部的灰度变化来对复杂背景下图像的车牌进行定位。车牌分割:本文把图像P氏熵和区域最大值相结合。研究了基于区域最大值与信息熵相结合的车牌字符二值化算法。最后,通过实验的研究,证明了本文方法的可行性。

全文目录

摘要  4-5
ABSTRACT  5-7
目录  7-10
CONTENTS  10-13
第一章绪论  13-18
  1.1 课题的背景及意义  13-14
  1.2 国内外研究状况  14-15
  1.3 车牌识别系统的应用范围  15-16
  1.4 论文的主要研究内容  16-17
    1.4.1 车体区域定位算法的研究  16
    1.4.2 车牌定位方法研究  16
    1.4.3 车牌二值化方法研究  16-17
  1.5 论文结构  17-18
第二章系统概述  18-20
  2.1 系统结构  18-19
  2.2 研究难点  19-20
第三章牌照图像预处理  20-23
  3.1 牌照图像预处理方法  20-22
    3.1.1 图像灰度校正  20-21
    3.1.2 图像滤波  21-22
  3.2 本章小结  22-23
第四章基于局部P氏熵和区域标准差的车体定位  23-35
  4.1 基于局部p氏熵的车体区域定位算法  23-27
    4.1.1 信息熵  24
    4.1.2 灰度图像P氏熵  24
    4.1.3 基于局部 P氏熵的车体区域定位原理  24-25
    4.1.4 基于局部 P氏熵的车体区域定位算法实现  25-27
  4.2 基于区域标准差的车体区域定位算法原理  27-29
    4.2.1 标准差  27-28
    4.2.2 图像局部标准差  28-29
    4.2.3 图像的区域标准差  29
  4.3 基于区域标准差的车体区域定位算法实现  29-32
    4.3.1 车体区域判别函数构造原理  30
    4.3.2 横向车体定位  30-31
    4.3.3 纵向车体区域定位  31-32
  4.4 本章小结  32-35
    4.4.1 两种车体区域定位方法对比  32-34
    4.4.2 小结  34-35
第五章基于四方向邻域差分的车牌定位  35-49
  5.1 定位算法与车辆牌照的特征  35-36
  5.2 常用车牌定位算法研究  36-40
    5.2.1 基于边缘检测和霍夫变换的车牌定位  37-38
    5.2.2 基于形态处理和窗口搜索的车牌定位  38
    5.2.3 基于卷积和纹理自相关的车牌定位  38-40
  5.3 基于四方向邻域差分的车牌定位  40-48
    5.3.1 差分算子  41-42
    5.3.2 多方向邻域差分算子的实现  42-43
    5.3.3 基于四方向邻域差分算法实现  43-48
  5.4 本章小结  48-49
第六章基于区域最大值与信息熵结合的车牌分割算法  49-60
  6.1 图像分割  49-50
  6.2 图像分割算法的分类  50-54
    6.2.1 均匀性度量法  51
    6.2.2 最大熵方法  51-52
    6.2.3 最大类间方差法(OTSU法)  52-54
  6.3 基于区域最大值和信息熵结合的车牌二值化  54-59
    6.3.1 信息熵的性质  54-55
    6.3.2 车牌字符二值化  55-57
    6.3.3 利用灰度投影法实现字符分割  57-59
  6.4 本章小结  59-60
第七章实验结果  60-62
总结与展望  62-64
  创新点  62
  展望  62-64
参考文献  64-67
攻读学位期间发表论文  67-68
独创性声明  68-69
致谢  69

车体车牌定位分割算法研究

内容摘要

全文目录

相似论文