資源描述：
《復(fù)雜場(chǎng)景下車牌定位與字符切分方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類號(hào)TN929.5密級(jí)公開UDC621.39學(xué)位論文編號(hào)D-10617-308-(2016)-02028重慶郵電大學(xué)碩士學(xué)位論文中文題目復(fù)雜場(chǎng)景下車牌定位與字符切分方法研究英文題目ResearchonLicensePlateLocationandCharacterSegmentationinComplexScenes學(xué)號(hào)S130201028姓名侯永順學(xué)位類別工學(xué)碩士學(xué)科專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師周曦研究員、劉群教授完成日期2016年4月18日重慶郵電大學(xué)碩士學(xué)位論文摘要摘要車牌識(shí)別是智能交通系統(tǒng)的關(guān)鍵技術(shù)，其應(yīng)用十分廣泛。完整的車牌識(shí)別算法一般分為三個(gè)部分：車牌
2、定位，字符切分與字符識(shí)別。本文主要針對(duì)車牌定位與字符切分進(jìn)行研究。在車牌識(shí)別的實(shí)際應(yīng)用場(chǎng)景中，極易出現(xiàn)昏暗、強(qiáng)噪聲干擾、逆光、過(guò)度曝光、背景繁雜等不利情況；在這些情況下，車牌的邊緣、顏色等信息減弱，傳統(tǒng)的車牌定位方法無(wú)法同時(shí)解決這些問(wèn)題。針對(duì)字符切分的問(wèn)題，現(xiàn)有的方法都是在完整的車牌被精確定位的基礎(chǔ)上進(jìn)行的，沒(méi)有考慮到定位輸出的結(jié)果沒(méi)有完整的包含車牌字符的全部信息的情況。針對(duì)傳統(tǒng)車牌定位方法在復(fù)雜應(yīng)用場(chǎng)景中的不足，本文提出一種魯棒性強(qiáng)的車牌定位方法。首先對(duì)圖像分塊，計(jì)算每個(gè)圖像塊的灰度直方圖和邊緣密度，采用邏輯回歸判斷圖像的場(chǎng)景類型；根據(jù)判斷結(jié)果，采用特定的圖像處理
3、方法，改善圖像質(zhì)量；針對(duì)藍(lán)色車牌，采用顏色分割輔助定位；結(jié)合車牌幾何特征，利用連通組件分析獲得車牌候選區(qū)域；最后通過(guò)訓(xùn)練車牌分類器，來(lái)排除偽車牌區(qū)域。實(shí)驗(yàn)中測(cè)試了多種復(fù)雜場(chǎng)景下的車輛圖像，車牌綜合檢出率為95.66%.本文的車牌定位方法在復(fù)雜場(chǎng)景下具有較高的檢出率，對(duì)各類場(chǎng)景適應(yīng)性強(qiáng)。此外，本文對(duì)車牌字符切分的問(wèn)題進(jìn)行深入研究，并提出一種基于字符筆劃寬度變換的字符切分方法。為了保證車牌信息是完整的，正式切分前，方法對(duì)定位結(jié)果進(jìn)行擴(kuò)展；然后利用字符筆劃寬度變換查找字符候選區(qū)，然后根據(jù)候選區(qū)域的高度和水平位置聚類，保留真實(shí)的字符區(qū)域；利用直線擬合精確定位車牌邊界，并校正
4、車牌；最后采用模板匹配的方法，分割出車牌字符。實(shí)驗(yàn)結(jié)果表明，本文的方法能夠在車牌傾斜、污染、光照條件差等情況下準(zhǔn)確分割出車牌字符，是一種有效的車牌字符分割方法。關(guān)鍵詞：車牌定位，字符切分，場(chǎng)景分類，支持向量機(jī)，字符筆劃寬度變換I重慶郵電大學(xué)碩士學(xué)位論文AbstractAbstractAsthekeytechnologyofIntelligentTransportationSystem(ITS),thelicenseplaterecognition(LPR)iswidelyused.Generally,LPRiscomposedofthefollowingthreem
5、odules:licenseplatelocation(LPL),charactersegmentation(CS)andcharacterrecognition.Inthisthesis,LPLandCSwillbemainlyintroduced.InactualapplicationscenariosoftheLPR,Theexistingmethodscan’tsimultaneouslysolvebacklight,over-exposed,complexbackground,disturbanceofstrongnoise,etc.beauseofdeg
6、radationoffeaturesofedgeandcolor.AsfortheCS,traditionalmethodsextractcharacterregionsundertheconditionofconfirmingfourboundsoflicenseplateandskewcorrection,andignorethepossibilitythattheresultoftheLPLisincomplete.AimedattheshortageoftranditionalLPLincomplexapplicationscenarios,thisthes
7、ispresentsamethodoflicenseplatelocationwithgoodrobustness.Firstly,themethodblocksimage,extractshistogramandcomputesedgedensityofeveryimageblock,anddiscriminatesscenetypeoftheimagewithlogicalregressionmodel;Accordingtothetype,improvestheimagequalitywithspecialimageprocessingmethods;ge
