详情

原文传递多特征融合的车牌检测算法研究

论文题名：	多特征融合的车牌检测算法研究
关键词：	智能交通;车牌检测;特征提取;数据融合
摘要：	车牌识别系统是智能交通系统的重要组成部分，在日常生活中有许多应用，如电子收费，停车场入口管理，交通执法等。车牌识别系统主要包括三部分：车牌检测，字符分割，字符识别。其中车牌检测是非常重要的一步，车牌检测的好坏直接影响后续的处理及整个车牌识别系统的性能。自然场景中如复杂背景，部分遮挡，光照不均等因素都有可能干扰车牌检测的效果，因此设计一个准确的车牌检测算法仍非常具有挑战性。　　本文重点研究了多特征融合的车牌检测算法。主要工作分为：　　1、首先详细阐述了车牌检测技术和车牌特征的内容。分析了基于特征的车牌检测技术在实际应用中的可行性及优势，介绍了基于各种特征的车牌检测技术并分析了各自的优缺点。　　2、针对传统的基于边密度特征的车牌检测算法存在定位率低、只能检测固定尺寸的车牌的状况，在多尺度物体检测方法的基础上，提出了一种新的算法EM-LPD。EM-LPD算法通过建立图像金字塔的方法，在各尺度的图像中用相同大小的窗口分别进行检测，选取垂直边密度较大的区域作为候选的车牌区。最后再将各个尺度的检测结果进行合并。实验结果表明E M-LPD算法在测试数据集上可以获得较高的检测率。　　3、针对传统的基于边特征的车牌检测算法误检率高的情况，增加了候选车牌验证步骤，以去除非车牌区域。根据车牌的字符特性，选用纹理特征来描述车牌。根据多特征物体检测的优势，引入两种纹理特征：T-HOG和MB-LBP描述子。T-HOG描述子对图像噪声比较敏感，而MB-LBP描述子的计算方法使得它可以很好的克服噪声带来的影响，故结合这两种特征共同描述车牌特性可以兼顾两种特征的优点。实验结果表明多特征结合的方法可以更好地描述车牌信息。　　4、应用数据融合技术，提出两种候选车牌验证算法：DF-LPV和FF-LPV，这两种算法结合T-HOG和MB-LBP两种特征，分别采用决策融合和特征融合的方式，对候选车牌图像进行分类，去除误检车牌区域。经实验验证，采用数据融合技术可以很好地过滤掉误检车牌。　　多特征融合体现在两处：一、从全局看，车牌检测阶段利用车牌的边特征，候选车牌验证过程利用的是车牌的纹理特征，整体上是应用了多特征融合的技术；二、从局部看，在候选车牌验证过程中，根据车牌特性，选取两个不同的纹理特征：T-HOG和MB-LBP，以增强车牌的判别信息。各个特征在车牌检测中的作用是互补的。实验结果表明多特征融合的技术可以极大地提高车牌检测的性能。
作者：	高慧萍
专业：	计算机科学与技术
导师：	刘宁钟
授予学位：	硕士
授予学位单位：	南京航空航天大学
学位年度：	2016
正文语种：	中文