發(fā)布時間：2020-11-11 11:24

　　 本論文題目為變造車牌圖像的特征分析與識別研究�！白冊臁�,是指非修改權(quán)利人,通過涂改、挖補(bǔ)、拼接等手段改變相關(guān)文件物品的真實(shí)內(nèi)容,扭曲事實(shí)真相,冒充原件的真實(shí)內(nèi)容。變造車牌圖像將偽造車牌磁鐵粘附在原車牌對原車牌數(shù)字、字母進(jìn)行篡改,違法者以此來逃避違章等行為。本課題借助數(shù)字圖像處理技術(shù),對變造車牌圖像進(jìn)行識別。變造車牌圖像的識別由:圖像預(yù)處理、圖像特征提取、分類識別三個主要部分構(gòu)成。針對變造車牌圖像預(yù)處理部分,分析對比了幾種圖像去噪與圖像增強(qiáng)算法,根據(jù)變造車牌圖像識別的需求,需要對圖像的細(xì)節(jié)特征盡量保留,使用雙邊濾波對圖像進(jìn)行去噪,圖像的增強(qiáng)采用直方圖增強(qiáng)算法。針對變造車牌圖像的特征提取部分,分別從圖像的全局特征與局部特征展開研究。在顏色特征的提取上,根據(jù)變造車牌圖像篡改部分與其他區(qū)域之間顏色飽和度不同的這個特點(diǎn),將圖像轉(zhuǎn)換到HSV顏色空間,提取了圖像的S通道下直方圖灰度差以及三個顏色矩作為圖像顏色特征,在顏色特征提取的同時,還對樣本車牌圖像進(jìn)行了邊界直方圖、SIFT特征描述子、以及顏色與邊界混合特征進(jìn)行了提取,通過不同的特征數(shù)據(jù),綜合對比識別準(zhǔn)確率。針對變造車牌圖像的識別部分,分析了三種模式識別算法包括BP神經(jīng)網(wǎng)絡(luò)、歐式距離、以及支持向量機(jī),針對本實(shí)驗(yàn)樣本數(shù)量小,以及二分類的特點(diǎn)選取了SVM作為特征分類器。通過每種特征數(shù)據(jù)與不同的核函數(shù)進(jìn)行組合識別,驗(yàn)證不同核函數(shù)的識別準(zhǔn)確率,并對實(shí)驗(yàn)結(jié)果進(jìn)行了匯總。
【學(xué)位單位】：沈陽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP183;TP391.41;U495
【部分圖文】：

理的必要步驟是因?yàn)閳D像在拍攝過程中并非總是處于理想狀態(tài)容易受到天、光照、拍攝設(shè)備等客觀因素的影響，導(dǎo)致圖像質(zhì)量下降，影響后續(xù)的處理。??預(yù)處理可以盡可能消除圖像中的噪聲干擾，同時增強(qiáng)圖像中的有用信息，到更好的識別效果，并且提高圖像的處理效率，因此圖像預(yù)處理是一項(xiàng)必的操作。??據(jù)本課題的實(shí)際情況，通常的對車牌圖像的拍攝幾乎都是在室外完成，免不了環(huán)境、天氣、人為因素等對車牌圖像獲取結(jié)果的影響，以對車牌處理顯得尤為關(guān)鍵。本章將對基本的數(shù)字圖像預(yù)處理的幾個＿段進(jìn)行分圖像的灰度化、圖像去燥、圖像增強(qiáng)。并通過上述算法對變造車牌圖像進(jìn)實(shí)驗(yàn)。??變造車牌圖像的獲取??章針對變造車牌圖像進(jìn)行預(yù)處理操作，首先需要集采變造車牌圖像。車是通過一塊偽造磁鐵吸附在原車車牌上，偽造磁鐵的外觀如下圖所示：??＋??

圖２．２變造車牌圖像??Ｆｉｇ．２．２?Ａｌｔｅｒａｔｉｏｎ?ｏｆ?ｔｈｅ?ｌｉｃｅｎｓｅ?ｐｌａｔｅ??２．?２變造車牌圖像灰度化??

過這種方式逃避交通違章的處罰。本課題通過偽造車牌磁鐵對項(xiàng)目組教師的機(jī)動??車進(jìn)行黏貼，獲取變造車牌圖像。變造車牌圖像如圖所示：??圖２．２變造車牌圖像??Ｆｉｇ．２．２?Ａｌｔｅｒａｔｉｏｎ?ｏｆ?ｔｈｅ?ｌｉｃｅｎｓｅ?ｐｌａｔｅ??２．?２變造車牌圖像灰度化??圖像灰度化是圖像處理過程中常用的預(yù)處理手段，。在提取圖像的邊緣輪廓、??形狀、紋理等特征時必須要對圖像進(jìn)行灰度化處理，即將彩色圖像變換為灰度圖??像。本文對變造車牌樣本圖像進(jìn)行灰度化是為了對圖像進(jìn)行輪廓提取，由于圖像??處理算法通常需要較高維度的計(jì)算量，使用灰度圖像可以極大降低計(jì)圖像處理過??程中的計(jì)算量，提高計(jì)算速度。圖像的灰度化就是在ＲＧＢ顏色系統(tǒng)中，使三個分??量Ｒ＝Ｂ＝Ｇ的過程。通�；叶然腥N方法：??（１）
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉娟;樊東燕;;傾斜車牌圖像邊緣模糊特征識別方法研究[J];計(jì)算機(jī)仿真;2017年01期

2 張曉娟;;雨天霧氣干擾下的車牌圖像識別技術(shù)仿真[J];計(jì)算機(jī)仿真;2015年12期

3 李耀華;楊連賀;;車牌圖像傾斜的校正實(shí)現(xiàn)[J];儀器儀表用戶;2008年06期

4 闕大順,劉明慧;基于小波變換的車牌圖像檢測定位算法研究[J];交通科技;2005年02期

5 王明華;;一種基于模糊聚類的車牌圖像分割方法[J];黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

6 張建華;趙靜;;基于改進(jìn)小生境遺傳算法的車牌圖像分割[J];福建電腦;2010年03期

7 段其昌;宋娜;;一種微光下車牌圖像的去噪和定位方法[J];機(jī)床與液壓;2010年14期

8 李正峰,侯杰;基于改進(jìn)遺傳算法的車牌圖像分割[J];計(jì)算機(jī)工程與設(shè)計(jì);2005年09期

9 鄭曉東,黃心漢,王敏;基于小波分解的車牌圖像分割[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

10 許珊珊;;車牌圖像傾斜校正算法的研究[J];內(nèi)江科技;2018年05期

相關(guān)碩士學(xué)位論文 前10條

1 宋迪;變造車牌圖像的特征分析與識別研究[D];沈陽理工大學(xué);2019年

2 唐盈;PDE模型和Crinimisi算法在污損車牌圖像修復(fù)中的應(yīng)用及改進(jìn)[D];云南大學(xué);2018年

3 李曉龍;基于四旋翼無人機(jī)的車輛違停檢測取證[D];武漢理工大學(xué);2018年

4 毛勇;模糊車牌圖像的盲去模糊算法研究[D];杭州電子科技大學(xué);2018年

5 承昱東;交通監(jiān)控視頻中車牌圖像質(zhì)量評價關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2018年

6 鞠美玉;復(fù)雜環(huán)境下車牌圖像處理方法的研究與實(shí)現(xiàn)[D];東北林業(yè)大學(xué);2017年

7 李超群;監(jiān)控視頻中模糊車牌圖像識別關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2017年

8 陳娜;面向車牌圖像增強(qiáng)的多幅圖像超分辨率技術(shù)研究[D];長春理工大學(xué);2012年

9 王鵬;基于學(xué)習(xí)的車牌圖像超分辨重建技術(shù)研究[D];北京交通大學(xué);2012年

10 張憲;運(yùn)動車牌圖像恢復(fù)與識別系統(tǒng)設(shè)計(jì)[D];國防科學(xué)技術(shù)大學(xué);2008年

本文編號：2879120