原文传递
智能交通系统中车牌识别的关键技术研究
| 论文题名： | 智能交通系统中车牌识别的关键技术研究 |
| 关键词： | 智能交通系统;车牌识别技术;字符分割;Lab颜色模型;K均值聚类方法 |
| 摘要： | 车牌识别技术(LPR，License Plate Recognition)是计算机视觉，模式识别和数据挖掘技术在智能交通领域的重要研究课题之一，它在交通管理中占有重要的地位，应用于电子警察，卡口等治安关键部分。 智能交通中的车牌识别关键技术包括车牌定位、车牌字符分割和车牌字符识别三个部分。本文的主要研究工作如下: (1)提出了一种基于Lab颜色模型的显著性车牌定位方法。对图像预处理，利用查找表将RGB图像转换为Lab图像，利用b分量得到蓝黄车牌区域，L分量得到黑白车牌区域。利用车牌的颜色显著性和纹理显著性，采用相对阈值的方法，克服光照不均和有雾环境下的车牌定位。结合车牌的形状特点，定位出车牌区域。 (2)实现了字符分割与HOG特征提取。字符分割主要以车牌后五个连续字符具有相同高度和等间隔的特征进行分割。针对车牌字符区域存在丰富的边缘特征，选用了HOG方法，对图像中局部的小单元格操作，可以保证图像的光照不变性和几何的不变性。HOG方法能很好的描述图像的边缘信息，适用于车牌字符的目标检测和特征提取。 (3)提出了样本的二次筛选方法。采用动态聚类方法中经典的K均值聚类方法，对初始的样本进行第一次筛选，筛选的结果作为候选样本。考虑到经过第一次筛选，可能存在一个类中个别簇的全部样本都偏离了标准样本的情况，需要对候选样本进行第二次筛选，得到最终的经典样本。 (4)给出了快速KNN算法的字符识别方法。根据同一类字符的特征向量空间分布比较集中，不同类字符之间的字符特征向量空间分布比较离散的性质，只需要从字符特征的空间分布域上计算k个近邻，从而大大减少计算量。 (5)给出了光学字符识别(OCR，Optical Character Recognition)中相似字符的二次识别方法。对相似字符进行了二次识别，找出了容易识别失误的相似字符，对相似字符的差异区域进行了对比分析，提取差异区域内的字符特征，进行二次识别。 |
| 作者： | 陈晨 |
| 专业： | 模式识别与智能系统 |
| 导师： | 任明武 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
