基于演化算法的运动模糊图像识别算法研究

摘要

近年来,随着全国人民生活水平的不断提高,汽车数量的不断增加,与此同时政府也加快了建设基础设施的步伐。目前立交桥、停车场、高速公路越来越多,但是却缺乏合理有效的车辆管理措施。为了规划交通方面的管理,提高交通设施的使用效率,相继出现了一些相应的智能交通系统。车牌自动识别系统则是智能交通系统的重要组成部分,目前车牌自动识别技术已经得到了广泛的应用,但大多还是在车辆图像质量较好的基础上。在实际应用中,采集到的图像会因为车辆的高速运动而产生模糊的情况,因此自动识别出高速运动状态下的车牌具有实际意义和应用价值。
　　本文主要讨论了高速运动模糊车辆图像的恢复、车牌定位、倾斜校正、字符分割、字符识别等方法,总结讨论了前人的研究内容,改进了已有的相关算法,还提出了一些新的算法。主要内容和创新点如下:
　　(1)在运动模糊车辆图像恢复方面,首先介绍了运动模糊图像的退化模型,提出了一种基于演化算法的运动车辆图像的恢复,根据运动模糊图像的退化模型来确定适应值函数,然后进行选择、交叉、变异等演化操作。实验结果显示,与盲恢复方法相比,演化算法能提高运动模糊图像的复原能力。
　　(2)在车牌定位方面,本文提出了一种基于混沌演化算法的车牌定位方法。该方法采用混沌原理生成初始种群,在演化过程中,对选择出的个体进行混沌优化,根据混沌演化算法的全局寻优性来实现车牌的定位。实验结果表明,该方法有较好的定位效果,适应能力较强。
　　(3)在字符分割方面,本文提出了一种基于演化算法的二值化算法,采用Otsu方法来确定适应值函数。实验表明,演化算法能快速准确的得到二值化阈值,从而很好地实现车牌图像的二值化。
　　(4)在字符识别方面,提出了一种基于演化算法和BP神经网络的车牌字符识别方法。首先由演化算法在整个取值范围内寻优,将范围缩小之后,即得到较好的初始权值和偏置量之后,再利用BP算法进行精确寻优。通过实验表明,结合两种方法能得到较高的字符识别概率。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 车牌自动识别系统的概述

1.3 演化算法概论

1.4 运动模糊图像识别的难点

1.5 论文主要研究内容

1.6 论文结构安排

1.7 论文主要创新点

第二章 运动模糊车辆图像的恢复

2.1 运动模糊图像的退化模型

2.2 图像复原方法概述

2.3 点扩展函数的估计

2.4 基于演化算法的运动模糊车辆图像的恢复

2.5 实验结果分析

2.6 本章小结

第三章 车牌定位及倾斜校正

3.1 车牌定位方法的简介

3.2 基于混沌演化算法的车牌定位方法

3.3 车牌定位的结果与分析

3.4 车牌的倾斜模式

3.5 传统的水平倾斜校正方法

3.6 本文使用的方法

3.7 本章小结

第四章 车牌字符分割

4.1 车牌图像的二值化

4.2 图像滤波去噪

4.3 车牌字符分割及结果

4.4 本章小结

第五章 基于演化算法和神经网络的车牌字符识别

5.1 演化算法简介

5.2 BP神经网络概述

5.3 基于演化算法和BP神经网络的车牌字符识别

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果

声明