針對(duì)高分辨率背景復(fù)雜圖像的車(chē)牌定位算法研究.pdf

1、車(chē)牌定位是車(chē)牌識(shí)別系統(tǒng)的一部分，其定位效果會(huì)對(duì)接下來(lái)的字符分割以及字符識(shí)別產(chǎn)生直接的影響。高速公路車(chē)輛監(jiān)控拍攝是車(chē)牌識(shí)別應(yīng)用的一個(gè)重要場(chǎng)景，這種場(chǎng)景下的圖像往往背景復(fù)雜、分辨率高，本論文課題基于高速公路抓拍機(jī)這一特定場(chǎng)景的圖像展開(kāi)對(duì)車(chē)牌定位的研究。
　　針對(duì)傳統(tǒng)車(chē)牌定位算法在分辨率高、背景復(fù)雜這種特定場(chǎng)景下定位效果的不足，本論文設(shè)計(jì)并開(kāi)發(fā)了一種具有針對(duì)性的車(chē)牌定位算法，既滿足了準(zhǔn)確性，又滿足了實(shí)時(shí)性。
　　開(kāi)發(fā)的算法主要由三

2、部分內(nèi)容組成:
　　首先研究了一種描述區(qū)域特征的新特征和支撐向量機(jī)(Support VectorMachine，SVM)分類學(xué)習(xí)算法。設(shè)計(jì)了一種基于HSV空間改進(jìn)的顏色紋理直方圖，并將其作為輸入特征向量，利用SVM學(xué)習(xí)分類算法進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果表明，該特征在圖像匹配上可以取得更好的效果。
　　其次對(duì)車(chē)牌粗定位進(jìn)行研究，針對(duì)經(jīng)典的Canny和Sobel邊緣檢測(cè)算法的不足，設(shè)計(jì)了一種新的邊緣檢測(cè)算法，然后結(jié)合濾波、投影分析等技術(shù)

3、，將車(chē)牌候選區(qū)域提取出來(lái)。利用邊緣檢測(cè)進(jìn)行車(chē)牌粗定位，可以快速定位到感興趣的區(qū)域，過(guò)濾掉絕大部分無(wú)關(guān)的背景區(qū)域，大大提高了后面學(xué)習(xí)算法檢測(cè)的效率。
　　最后，本論文對(duì)車(chē)牌精確定位進(jìn)行了分析與研究。采用不斷放大的檢測(cè)框去遍歷候選水平條帶，計(jì)算檢測(cè)框內(nèi)的特征值（顏色紋理直方圖），與訓(xùn)練好的分類器進(jìn)行比較來(lái)判斷是否為車(chē)牌區(qū)域。在此基礎(chǔ)上，引入了字符擴(kuò)展、打分排序、傾斜校正等后處理技術(shù)，增加了車(chē)牌定位的精確性。通過(guò)與兩種有代表性的車(chē)牌定位