車牌識(shí)別中的超分辨率算法的研究.pdf

1、在車牌識(shí)別系統(tǒng)中,由于拍攝的自然條件和成像系統(tǒng)自身的局限性等因素的影響,使得車牌圖像在一定程度上發(fā)生降質(zhì),從而影響車牌系統(tǒng)的識(shí)別率。本文針對(duì)車牌圖像降質(zhì)這一問(wèn)題,提出采用序列圖像的超分辨率重建技術(shù)來(lái)提高車牌圖像的分辨率。序列圖像的超分辨率重建,就是利用視序列圖像之間的互補(bǔ)信息,恢復(fù)圖像在采集和傳輸過(guò)程中丟失的細(xì)節(jié)信息,從而提高視頻圖像的分辨率。超分辨率圖像重建一般由兩部分組成:圖像配準(zhǔn)和圖像重建。
　　 本文結(jié)合車牌圖像的特點(diǎn),

2、采用基于SIFT的特征配準(zhǔn)方法進(jìn)行圖像配準(zhǔn)。SIFT算法對(duì)圖像進(jìn)行配準(zhǔn)時(shí),要在尺度空間上提取大量的特征點(diǎn)并進(jìn)行計(jì)算,在配準(zhǔn)的過(guò)程中常常會(huì)出現(xiàn)誤匹配,通常都是采用歐氏距離的方法來(lái)消除誤匹配。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn),這種方法在對(duì)圖像序列進(jìn)行配準(zhǔn)時(shí)并不能很好的消除誤匹配點(diǎn),針對(duì)這一問(wèn)題,本文在此基礎(chǔ)上引入了RANSAC算法,這種方法消除特征點(diǎn)誤匹配的能力比較強(qiáng),而且還具有較強(qiáng)的魯棒性。加入RANSAC算法后能夠很好的消除誤匹配點(diǎn),獲得更好的配準(zhǔn)效果。<

3、br>　　 本文在圖像重建部分采用的是凸集投影的方法,這種方法有個(gè)突出的特點(diǎn)就是先驗(yàn)知識(shí)的包含能力特別強(qiáng),根據(jù)圖像所包含的先驗(yàn)知識(shí),建立一系列相應(yīng)的約束凸集,約束了重建后的圖像的平滑和數(shù)據(jù)可靠等特性。通過(guò)對(duì)幾種常用的算法重建效果的比較發(fā)現(xiàn),POCS算法可以很好的保持圖像邊緣和細(xì)節(jié)信息,滿足車牌圖像重建的要求。但是該算法的收斂穩(wěn)定性和降噪能力都不好,導(dǎo)致重建后的圖像邊緣出現(xiàn)鋸齒狀的振鈴現(xiàn)象。本文在標(biāo)準(zhǔn)的POCS算法中加入了正則化的方法來(lái)