本文關(guān)鍵詞：多特征融合的車牌檢測(cè)算法研究

  更多相關(guān)文章： 車牌檢測(cè) 特征提取 邊特征 候選車牌驗(yàn)證 數(shù)據(jù)融合

【摘要】：車牌識(shí)別系統(tǒng)是智能交通系統(tǒng)的重要組成部分,在日常生活中有許多應(yīng)用,如電子收費(fèi),停車場(chǎng)入口管理,交通執(zhí)法等。車牌識(shí)別系統(tǒng)主要包括三部分:車牌檢測(cè),字符分割,字符識(shí)別。其中車牌檢測(cè)是非常重要的一步,車牌檢測(cè)的好壞直接影響后續(xù)的處理及整個(gè)車牌識(shí)別系統(tǒng)的性能。自然場(chǎng)景中如復(fù)雜背景,部分遮擋,光照不均等因素都有可能干擾車牌檢測(cè)的效果,因此設(shè)計(jì)一個(gè)準(zhǔn)確的車牌檢測(cè)算法仍非常具有挑戰(zhàn)性。本文重點(diǎn)研究了多特征融合的車牌檢測(cè)算法。主要工作分為:1、首先詳細(xì)闡述了車牌檢測(cè)技術(shù)和車牌特征的內(nèi)容。分析了基于特征的車牌檢測(cè)技術(shù)在實(shí)際應(yīng)用中的可行性及優(yōu)勢(shì),介紹了基于各種特征的車牌檢測(cè)技術(shù)并分析了各自的優(yōu)缺點(diǎn)。2、針對(duì)傳統(tǒng)的基于邊密度特征的車牌檢測(cè)算法存在定位率低、只能檢測(cè)固定尺寸的車牌的狀況,在多尺度物體檢測(cè)方法的基礎(chǔ)上,提出了一種新的算法EM-LPD。EM-LPD算法通過(guò)建立圖像金字塔的方法,在各尺度的圖像中用相同大小的窗口分別進(jìn)行檢測(cè),選取垂直邊密度較大的區(qū)域作為候選的車牌區(qū)。最后再將各個(gè)尺度的檢測(cè)結(jié)果進(jìn)行合并。實(shí)驗(yàn)結(jié)果表明EM-LPD算法在測(cè)試數(shù)據(jù)集上可以獲得較高的檢測(cè)率。3、針對(duì)傳統(tǒng)的基于邊特征的車牌檢測(cè)算法誤檢率高的情況,增加了候選車牌驗(yàn)證步驟,以去除非車牌區(qū)域。根據(jù)車牌的字符特性,選用紋理特征來(lái)描述車牌。根據(jù)多特征物體檢測(cè)的優(yōu)勢(shì),引入兩種紋理特征:T-HOG和MB-LBP描述子。T-HOG描述子對(duì)圖像噪聲比較敏感,而MB-LBP描述子的計(jì)算方法使得它可以很好的克服噪聲帶來(lái)的影響,故結(jié)合這兩種特征共同描述車牌特性可以兼顧兩種特征的優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明多特征結(jié)合的方法可以更好地描述車牌信息。4、應(yīng)用數(shù)據(jù)融合技術(shù),提出兩種候選車牌驗(yàn)證算法:DF-LPV和FF-LP V,這兩種算法結(jié)合T-HOG和MB-LBP兩種特征,分別采用決策融合和特征融合的方式,對(duì)候選車牌圖像進(jìn)行分類,去除誤檢車牌區(qū)域。經(jīng)實(shí)驗(yàn)驗(yàn)證,采用數(shù)據(jù)融合技術(shù)可以很好地過(guò)濾掉誤檢車牌。多特征融合體現(xiàn)在兩處:一、從全局看,車牌檢測(cè)階段利用車牌的邊特征,候選車牌驗(yàn)證過(guò)程利用的是車牌的紋理特征,整體上是應(yīng)用了多特征融合的技術(shù);二、從局部看,在候選車牌驗(yàn)證過(guò)程中,根據(jù)車牌特性,選取兩個(gè)不同的紋理特征:T-HOG和MB-LBP,以增強(qiáng)車牌的判別信息。各個(gè)特征在車牌檢測(cè)中的作用是互補(bǔ)的。實(shí)驗(yàn)結(jié)果表明多特征融合的技術(shù)可以極大地提高車牌檢測(cè)的性能。
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495;TP391.41

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識(shí)別算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

2 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識(shí)別[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

3 杜艷明;龍丹;;多特征融合的人臉檢測(cè)[J];武漢理工大學(xué)學(xué)報(bào);2010年23期

4 趙小英,黃鳳榮;多特征融合的目標(biāo)識(shí)別與提取在空間定位中的研究[J];河北工業(yè)大學(xué)學(xué)報(bào);2002年04期

5 張進(jìn)華;莊健;杜海峰;王孫安;;一種基于視頻多特征融合的火焰識(shí)別算法[J];西安交通大學(xué)學(xué)報(bào);2006年07期

6 王琳;李愛(ài)國(guó);王新年;虞燕風(fēng);;基于多特征融合的早期火災(zāi)煙霧檢測(cè)[J];大連海事大學(xué)學(xué)報(bào);2014年01期

7 商飛;馬駿驍;姚立;田地;邱春玲;;基于多特征融合的科學(xué)儀器工作狀態(tài)檢測(cè)方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2010年02期

8 李亮;張樹生;白曉亮;邵立;;基于遺傳算法的三維CAD模型多特征融合和檢索[J];制造業(yè)自動(dòng)化;2013年03期

9 姚拓中;項(xiàng)志宇;劉濟(jì)林;;基于圖像多特征融合的野外水體障礙物檢測(cè)[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2009年04期

10 馬東輝;朱斌;樊祥;任彪;;基于粒子濾波的目標(biāo)圖像多特征融合跟蹤方法[J];探測(cè)與控制學(xué)報(bào);2009年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識(shí)別[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

2 段其昌;季長(zhǎng)有;;基于多特征融合的快速人臉檢測(cè)[A];第十七屆全國(guó)測(cè)控計(jì)量?jī)x器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 劉明華;復(fù)雜環(huán)境下基于多特征融合的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];青島科技大學(xué);2016年

2 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

3 徐志剛;基于多特征融合的路面破損圖像自動(dòng)識(shí)別技術(shù)研究[D];長(zhǎng)安大學(xué);2012年

4 陳秀新;多特征融合視頻復(fù)制檢測(cè)關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

5 初紅霞;基于均值移動(dòng)和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計(jì)明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動(dòng)作識(shí)別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場(chǎng)景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級(jí)行人檢測(cè)方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無(wú)人機(jī)航拍圖像識(shí)別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 坎啟嬌;基于多特征融合的多目標(biāo)跟蹤算法[D];河北工業(yè)大學(xué);2015年

，

本文編號(hào)：1158153