详情

原文传递数字图像处理在车牌识别中的若干应用

论文题名：	数字图像处理在车牌识别中的若干应用
关键词：	图像处理;车牌识别;运动检测;模板匹配;模糊集理论
摘要：	本文应用若干数学方法，重点研究了图像去噪、图像超分辨率分析、视频运动物体检测和图像字符识别等图像处理技术，并开展了车牌识别系统相关方面的研发。　　第一章主要介绍了本文选题来源、研究意义、相关内容综述和研究的主要内容。　　第二章针对图像复原中非线性扩散Perona-Malik模型的数值计算，提出了一种新的有限差分格式。基于两个相互正交的方向导数，它可以适应性地确定出等度线的切线方向，从而使得噪声沿着边缘进行扩散。为了提高格式数值计算的稳健性并使其满足相容性、稳定性和收敛性，我们改进了Perona-Malik模型的一个典型边缘停止函数。实验结果表明，无论图像中噪声严重与否，我们的格式所对应的算法都能极有效地进行去噪。　　第三章对一种新的图像超分辨率分析方法进行了研究。众所周知，如何高效地获得高质量的高分辨率图像是一大难题，并引起广泛的关注。基于勒让德多项式的性质，我们首先建立分段双线性多项式小波系，并用于关于灰度值的图像函数的逼近。对这些小波进行等距离散化与格拉姆施密特正交化处理，从而在离散域上采用的线性逼近精确地表达出数字图像。然后对它们进行更高密度的离散化处理，并通过线性组合生成超分辨率图像。进而，由多向交错重构获得更高质量的超分辨率图像。最后，引入矩阵运算以近乎实时地生成我们所期望的图像。与若干优秀的技术相比较，计算机实验的数值和视觉结果表明，我们的方法能够以高分辨率形式更如实地再现低分辨率图像。　　第四章结合图像空间的多尺度剖分与3-帧间差分法，提出了复杂交通场景下的高清晰数字视频中运动物体的检测模型。首先，每次间隔一定的帧数提取视频图像作为检测的关键帧。其次，多尺度地对关键帧灰度图像空间进行剖分。基于每个剖分小窗口的平均灰度值，我们采用3-帧间差分法对图像同一剖分尺度下运动物体的窗口区域进行检测，进而再融合不同尺度的检测结果。然后，在计算机上通过矩阵运算方法进行实现，以完成交通视频中运动物体的实时性检测。最后，采集不同环境、不同场景下的交通视频，并在Matlab上编程进行测试。结果表明，我们所提出的模型确实能够实时且出色地完成复杂场景下的检测任务。　　第五章为了更加高效地利用模板匹配的方法实现对车牌字符图像的识别，结合数学形态学和模糊集理论，提出基于数学形态学的模糊模板匹配方法。首先，对于二值图像的每个像素点及其8-邻域，以赋权的方式刻画中心像素点隶属于字符的程度；其次，加4×4窗口选取代表点，并有重叠地遍历整个字符图像，以构造字符图像的模糊隶属度矩阵；进而运用海明贴近度计算待识别字符的归类，实现对字符的识别；最后，使用Matlab对模糊模板匹配方法进行编程，并在实际字符图像中测试识别效果。与传统模板匹配方法相比较，测试的结果表明，车牌字符的识别准确率得到了显著的提高。　　第六章在前面章节的研究基础上，对相关技术进行整合，并在Matlab上对车牌识别图形用户界面进行研制，并注重于用户与计算机之间的交互作用进行界面的设计。主要实现了视频读取、检测参数设置、运动车辆检测与车牌模糊识别、结果保存等功能。
作者：	阮志毅
专业：	数学
导师：	沈有建
授予学位：	硕士
授予学位单位：	海南师范大学
学位年度：	2016
正文语种：	中文