復(fù)雜環(huán)境下車牌定位于字符分割方法的研究與實(shí)現(xiàn).pdf

1、隨著我國公路交通事業(yè)的迅速發(fā)展，智能交通管理系統(tǒng)已成為了人們關(guān)注的焦點(diǎn)問題。車輛牌照識(shí)別系統(tǒng)作為智能交通管理系統(tǒng)的一部分在橋梁路口自動(dòng)收費(fèi)、停車場(chǎng)自動(dòng)管理及違章車輛自動(dòng)記錄等領(lǐng)域都有著廣泛的應(yīng)用。 車輛牌照識(shí)別系統(tǒng)作為一個(gè)綜合的實(shí)時(shí)計(jì)算機(jī)視覺系統(tǒng)主要包括車牌照定位分割和車牌照字符識(shí)別兩個(gè)部分。它的研究主要涉及模式識(shí)別、人工智能、計(jì)算機(jī)視覺、數(shù)字圖像處理等眾多學(xué)科領(lǐng)域。車牌照的定位與分割是該系統(tǒng)的關(guān)鍵步驟之一，由于圖像場(chǎng)景的復(fù)雜性

2、以及車牌位置和圖像質(zhì)量的不可預(yù)知性，牌照定位分割系統(tǒng)一直都未能做到令人滿意的程度，所以車牌照的定位分割算法一直是該領(lǐng)域的研究熱點(diǎn)。 本文主要對(duì)車輛牌照識(shí)別系統(tǒng)中的車牌定位與字符分割技術(shù)進(jìn)行研究。在討論了國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，本文主要完成了以下四方面的工作： 1．提出了一種車流圖像預(yù)處理方法。該方法首先利用彩色邊緣算子ColorPrewitt提取了圖像的水平邊緣，然后利用全局閾值法對(duì)梯度圖像進(jìn)行二值化，最后對(duì)二值梯度圖像

3、進(jìn)行形態(tài)學(xué)水平膨脹。通過上述操作，車牌區(qū)域得到很好的突出。 2．在車牌定位階段，本文提出了基于連通區(qū)域水平聚類的車牌粗定位方法。該方法充分考慮了梯度圖像中車牌字符的水平相關(guān)特征，實(shí)驗(yàn)中得到了很高的車牌召回率。此外，本文還利用了車牌區(qū)域的梯度形態(tài)特征和配色特征完成了車牌精確定位，得到了滿意的定位結(jié)果。 3．在車牌字符分割階段，本文采用一種基于多尺度模板匹配的車牌字符分割方法。該方法充分考慮了我國車牌的結(jié)構(gòu)特征，具有魯棒性強(qiáng)