原文传递
复杂环境下的车牌识别系统关键技术研究
| 论文题名： | 复杂环境下的车牌识别系统关键技术研究 |
| 关键词： | 智能交通;车牌识别;图像增强;特征匹配 |
| 摘要： | 随着我国社会经济的快速发展，人们的收入水平正稳步提高。伴随着城镇化的进程加快，汽车像其他常用家电一样，快速普及进个人家庭生活之中，造成每年的汽车保有量快步攀升，但我国的道路及相关资源供给没有随之大幅增加，这就产生了交通拥堵、环境污染、停车难等亟需解决的社会问题，这也在一定程度上制约了我国社会经济的良性发展。在无法短时间内提供大量道路资源及辅助设施的背景下，智能交通系统应运而生。 智能交通是当下及将来交通运输系统的发展方向，能有效地解决当前面临的交通问题。车牌识别技术作为智能交通系统的重要研究课题之一，是智能交通领域的一个重要支撑点。本文主要研究复杂环境下车牌识别系统的关键技术，在总结前人研究经验和工作成果的基础上，对车牌识别系统的若干关键问题进行了深入探讨。 具体如下:首先，利用改进的基于金字塔变换的图像增强算法进行图像预处理，增强图像的局部细节特征，从而减小环境和光照等条件变化对车牌定位的干扰;接着，通过二值化和数学形态学等图像处理技术，使其形成若干可能包含车牌的候选区，在此基础上设计了一种“先周边后中心”的车牌提取算法，以准确定位出车牌位置，进而提取出车牌图像。对在不同场景与环境条件下采集的车辆图像进行算法测试，该算法的车牌定位准确率为99.2％，平均定位时间0.309s;之后，对字符投影分割法进行改进，通过设计的车牌字符模板框进行字符分割;最后，利用SURF算法提取出车牌字符与模板字符特征点的SURF特征矢量，并使之进行特征匹配，通过最近邻次近邻法进行匹配对的提纯，将匹配点最多的模板字符作为结果输出。 |
| 作者： | 刘金阳 |
| 专业： | 交通运输规划与管理 |
| 导师： | 凌翔 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
