学位论文 > 优秀研究生学位论文题录展示

运动模糊车牌图像的恢复、定位、校正及分割方法研究

作　者: 付晓莉
导　师: 吴一全
学　校: 南京航空航天大学
专　业: 信号与信息处理
关键词: 车牌自动识别运动模糊恢复 PSF估计模糊支持向量回归混沌遗传角点检测二维最小交叉熵
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 92次
引　用: 0次
阅　读: 论文下载

内容摘要

随着数字图像处理技术的发展,车牌自动识别技术己成为智能交通系统的重要组成部分。现有的车牌自动识别技术的研究已很广泛,但多是基于车辆图像质量良好的假设。在智能交通系统中,图像采集设备采集到的车辆图像有时会因运动而模糊,因此针对运动模糊车辆图像的车牌自动识别技术的研究有很现实的意义。本文主要讨论运动模糊车牌图像的恢复、定位、校正及分割方法,在总结近年来国内外最新研究的基础上,对有关算法进行了改进或给出新的算法。首先在分析了现有的运动模糊恢复算法的基础上,给出了两种运动模糊恢复的算法:第一种方法是基于PSF估计和空域参数自适应正则化的运动模糊恢复算法,根据模糊图像估计出运动模糊的方向和长度,用改进的参数自适应的空域正则化恢复算法对模糊图像进行恢复;第二种恢复方法是基于模糊支持向量回归的恢复算法,根据由模糊图像训练得到的回归模型来实现图像的恢复。实验结果表明,本文提出的方法均能较好地实现运动模糊车辆图像的恢复。在车牌定位阶段,考虑到运动模糊恢复后的图像质量与理想图像仍有一定差距,传统的定位方法的准确率将受影响,文中实现了一种基于混沌遗传的车牌定位方法。该方法利用混沌遗传算法进行全局寻最优,从而实现车牌定位。实验结果表明,文中方法在图像分辨率低、图像质量差等情况下仍有较好的定位效果,适应能力强。在倾斜校正方面,文中提出了一种基于角点检测和惯性主轴的车牌水平倾斜校正方法,并在算法复杂度等方面与现有校正方法进行了比较,从实验结果中可看出该方法速度快、精度高。在字符分割阶段,给出了一种二维最小交叉熵阈值分割的快速迭代算法,这种阈值分割方法能快速准确地实现车牌图像的二值化,随后用投影方法实现了字符的分割。

全文目录

摘要  4-5
ABSTRACT  5-14
第一章绪论  14-20
  1.1 课题的研究背景和意义  14
  1.2 车牌自动识别系统的概述  14-17
    1.2.1 车牌自动识别系统的原理  15
    1.2.2 现有的车牌自动识别系统  15-16
    1.2.3 车牌自动识别技术发展概况  16-17
  1.3 高速运动下车牌自动识别的一些新问题  17
  1.4 课题主要研究任务  17
  1.5 本文章节安排  17-18
  1.6 本文的主要创新点  18-20
第二章基于PSF 估计和空域参数自适应正则化的运动模糊恢复方法  20-33
  2.1 运动模糊图像的退化模型  20
  2.2 运动模糊恢复算法概述  20-21
  2.3 点扩展函数的估计  21-26
    2.3.1 RADON 变换的原理  22-23
    2.3.2 基于RADON 变换的运动模糊方向的鉴别  23
    2.3.3 基于模糊集的运动模糊长度的鉴别  23-26
  2.4 基于空域参数自适应正则化的运动模糊恢复  26-28
    2.4.1 正则化图像恢复的基本模型  26
    2.4.2 参数自适应的正则化  26-27
    2.4.3 基于空域参数自适应的正则化恢复算法的流程  27-28
  2.5 实验结果及分析  28-32
    2.5.1 PSF 估计的实验结果分析  28-30
    2.5.2 空域参数自适应正则化恢复方法的结果分析  30-32
  2.6 本章小结  32-33
第三章基于模糊支持向量回归的模糊恢复方法  33-40
  3.1 算法形成的背景  33
  3.2 基于模糊支持向量回归的恢复方法  33-37
    3.2.1 支持向量回归的原理  33-35
    3.2.2 模糊支持向量回归的原理  35-36
    3.2.3 模糊支持向量回归隶属度函数的确定  36
    3.2.4 基于模糊支持向量回归的图像恢复  36-37
  3.3 实验结果及分析  37-39
  3.4 本章小结  39-40
第四章基于混沌遗传的车牌定位  40-49
  4.1 车牌定位方法的发展概况  40-41
    4.1.1 基于灰度图像的车牌定位算法简介  40-41
    4.1.2 基于彩色图像的车牌定位算法简介  41
  4.2 基于混沌遗传的车牌定位方法  41-45
    4.2.1 算法的形成  41-42
    4.2.2 混沌遗传算法的原理  42-43
    4.2.3 混沌遗传算法的步骤  43
    4.2.4 车牌定位的适应度函数的确定  43-44
    4.2.5 混沌遗传车牌定位方法的步骤  44-45
    4.2.6 混沌遗传车牌定位方法的主要参数设置  45
  4.3 实验结果及分析  45-48
  4.4 本章小结  48-49
第五章车牌倾斜校正  49-62
  5.1 车牌的倾斜模式及校正步骤  49-50
    5.1.1 倾斜模式  49-50
    5.1.2 校正步骤  50
  5.2 传统的水平倾斜校正方法  50-53
    5.2.1 HOUGH 变换法  50-52
    5.2.2 旋转投影法  52-53
    5.2.3 主成分分析法  53
  5.3 基于角点检测和惯性主轴的车牌水平倾斜校正方法  53-56
    5.3.1 算法的形成和基本思想  53
    5.3.2 基于HARRIS 角点检测的角点信息提取  53-54
    5.3.3 改进的HARRIS 角点检测  54-55
    5.3.4 基于角点惯性主轴的倾斜检测与校正  55-56
  5.4 车牌水平校正结果分析及比较  56-59
    5.4.1 水平校正结果  56-58
    5.4.2 算法复杂度分析与运算时间的比较  58-59
  5.5 车牌的后续校正  59-61
    5.5.1 车牌字符区上下边界的划定  59-60
    5.5.2 车牌垂直倾斜校正  60
    5.5.3 车牌左右边界的划定  60-61
  5.6 车牌后续校正结果及分析  61
  5.7 本章小结  61-62
第六章车牌字符分割  62-72
  6.1 车牌图像的二值化  62-64
    6.1.1 二值化基础  62
    6.1.2 最小交叉熵阈值分割方法  62-64
  6.2 基于二维最小交叉熵阈值分割的快速迭代算法  64-67
    6.2.1 二维直方图  64-65
    6.2.2 二维最小交叉熵阈值分割的快速迭代算法  65-67
  6.3 本文二值化方法的结果分析  67-68
  6.4 反色操作  68
  6.5 图像滤波去噪  68-70
  6.6 车牌字符分割及结果  70-71
  6.7 本章小结  71-72
第七章总结与展望  72-74
  7.1 本文的主要工作  72-73
  7.2 进一步研究的展望  73-74
参考文献  74-79
致谢  79-80
在学期间的研究成果及发表的学术论文  80
在读期间参加的项目  80

运动模糊车牌图像的恢复、定位、校正及分割方法研究

内容摘要

全文目录

相似论文