详情

原文传递非限制场景车牌分层序贯识别方法研究

论文题名：	非限制场景车牌分层序贯识别方法研究
关键词：	非限制场景;车牌识别;分层序贯;字符分割;特征融合
摘要：	作为现代智能交通系统的关键技术之一，自动车牌识别的应用场景越来越广泛。现有的车牌识别方法在公路卡口和停车收费等外界光照条件良好、车辆位置相对固定的条件下具有较高的识别率，可以满足实际应用的要求。然而，在违章检测、道路稽查以及天网系统等非限制场景中，拍摄位置、角度、光照及背景纹理不同，车牌图像的几何形态、灰度和纹理特征将出现不一致的变化，很难得到车牌区域图像完整的不变特征矢量。因此，在非限制应用场景下，现有方法的车牌识别率低，对环境变化适应性差，不能满足现代智能交通系统应用的需求。　　为了提高非限制场景中车牌识别的精确性与适应性，本文提出了一种分层序贯的车牌检测与识别方法，首先，利用像素和基元的几何和灰度变化不变特征，来抑制灰度均匀的区域和非车牌字符纹理，检测和定位车牌候选区域，并估计其几何形态以及灰度特征；然后，利用车牌区域图像的几何、灰度、结构和纹理等显著不变特征，对候选区域进行筛选和识别，并进一步提取车牌区域和识别车牌号码。因此，本文提出的方法能够克服光照和几何变化不同引起的目标多种特征变化的不一致性，提高非限制场景下车牌检测与识别的精确性和适应性。本文的主要研究工作及贡献包括：　　第一，提出了一种基于字符多特征分层序贯融合的车牌定位方法。首先，根据车牌字符笔画特殊的局部纹理特征，利用ORB关键点的检测和匹配排除场景图像中大量的背景像素点，快速准确的缩小了感兴趣区域的搜索范围；其次，结合关键点的空间位置信息和其局部邻域内的颜色对特征，对匹配后的关键点进行聚类分析以形成较准确的车牌候选区域；最后，根据车牌图像特征的可分性和计算速度，依次利用纹理特征、颜色特征和结构特征对车牌候选区域进行筛选和识别，并提取车牌区域图像。实验表明，该方法对车牌的位置、角度、尺度和灰度变化有较好的适应性，并能够有效的排除不同背景中相似目标的干扰。　　第二，提出了一种基于变长模板和最短路径的车牌字符分割方法。首先，利用目标二值图像中水平方向上灰度变化的次数来确定字符的水平界限；然后，根据车牌图像的显著结构特征，设计了一种变长模板用于搜索车牌字符的初始分割位置，克服了车牌图像几何畸变造成的车牌模板尺寸估计不准问题；最后，将车牌字符的精确分割问题转化为从车牌顶部到底部分割点的最短路径求解问题，从而有效地降低了字符笔画断裂和粘连对字符分割的影响。实验表明，该方法不仅能够克服几何畸变对车牌字符分割的影响，而且，可以提高车牌字符分割对光照变化和噪声污染的适应性。　　第三，提出了一种基于字符多纹理特征融合的车牌字符识别方法。首先，去除车牌字符二值图像中的孤立背景和多余边界，并根据字符笔画的像素密度进行弹性分块，获取区域的纹理特征，降低笔画偏移对识别结果的影响；其次，为了增强字符全局纹理的表征能力，根据车牌字符的结构特点，分别提出了低维周边方向贡献度LPDC和多尺度局部二值模式MALBP两种图像局部纹理特征描述算子；最后，将不同车牌字符纹理特征进行特征级融合，使得字符特征的分类能力得到了进一步增强。实验表明，此算法在噪声、灰度、位移和尺度发生改变时仍然具有很强的特征分类能力。　　综上所述，本文提出的车牌分层序贯识别方法，从像素、基元、区域和目标不同层次上，分层建立几何和灰度不变的多种车牌特征表述和识别模型，提高车牌检测与识别对背景纹理干扰的抑制能力，增强对光照和几何变化的适应性，为非限制场景下目标识别方法研究提供了一种新的思路，具有很好的应用前景和重要的理论价值。
作者：	王然
专业：	控制科学与工程
导师：	刘建国;汪国有
授予学位：	博士
授予学位单位：	华中科技大学
学位年度：	2015
正文语种：	中文