光照、几何偏转鲁棒的车牌定位方法研究

摘要

车牌识别是现代智能交通系统的重要组成部分，有着广泛的应用价值，而车牌定位是车牌识别系统的首要环节，为精确高效地实现车牌识别奠定了重要的基础。本文针对复杂光照和几何偏转两种不同的挑战性环境，提出了两种不同的车牌定位方法。实验结果表明，这两种方法在其对应的环境中均表现出较好的鲁棒性。
　　本研究提出一种基于改进尺度不变特征变换（SIFT）的车牌定位方法。首先，选取国内各省、直辖市的标准车牌建立模板库，并利用改进的SIFT算法与模板库中的模板作特征点匹配；然后，通过匹配点提纯算法和随机抽样一致性（RANSAC）算法剔除错误的匹配点；最后，使用透视变换实现车牌的精确定位。本文基于Visual Studio2010平台对提出的方法作了验证，实验结果表明该方法在强光、弱光以及光照不均时均有较好的定位效果，与基于基础SIFT的车牌定位方法相比，定位的准确率有了显著提高。为了解决几何偏转条件下的车牌定位问题，提出一种多特征结合的车牌定位方法。首先，提取颜色特征产生初级候选车牌区域；接着，将最大稳定极值区域（MSER）和边缘特征相结合产生相应的候选车牌区域；然后，利用大样本训练产生的支持向量机（SVM）分类器对获得的候选区域作判定，剔除非车牌区域，从而实现车牌的精确定位。通过在多幅几何偏转特性的车牌图像上测试，本方法具有较好的定位效果，特别是当车牌与车身颜色相近时，依然可以实现车牌的精确定位。

目录

声明

1 绪论

1.1 课题研究背景和意义

1.2 车牌定位方法的研究现状

1.3 本文的结构安排

2 自然场景中的车牌定位方法

2.1 基于视觉特征的车牌定位方法

2.2 基于机器学习的车牌定位方法

2.3 现有车牌定位方法的不足

2.4 本文的车牌定位方法

2.5本章小结

3 光照鲁棒的车牌定位方法

3.1 尺度不变特征变换(SIFT)算法

3.2 基于改进的SIFT的车牌定位算法

3.3 实验结果与分析

3.4本章小结

4 几何偏转鲁棒的车牌定位方法

4.1 提取候选车牌区域

4.2 基于SVM的车牌判定

4.3实验结果与分析

4.4本章小结

5 总结与展望

5.1总结

5.2展望

致谢

参考文献

攻读硕士期间科研成果