數(shù)字圖像處理在車牌識別中的若干應用.pdf

1、本文應用若干數(shù)學方法，重點研究了圖像去噪、圖像超分辨率分析、視頻運動物體檢測和圖像字符識別等圖像處理技術(shù)，并開展了車牌識別系統(tǒng)相關(guān)方面的研發(fā)。
　　第一章主要介紹了本文選題來源、研究意義、相關(guān)內(nèi)容綜述和研究的主要內(nèi)容。
　　第二章針對圖像復原中非線性擴散Perona-Malik模型的數(shù)值計算，提出了一種新的有限差分格式?；趦蓚€相互正交的方向?qū)?shù)，它可以適應性地確定出等度線的切線方向，從而使得噪聲沿著邊緣進行擴散。為了提高格

2、式數(shù)值計算的穩(wěn)健性并使其滿足相容性、穩(wěn)定性和收斂性，我們改進了Perona-Malik模型的一個典型邊緣停止函數(shù)。實驗結(jié)果表明，無論圖像中噪聲嚴重與否，我們的格式所對應的算法都能極有效地進行去噪。
　　第三章對一種新的圖像超分辨率分析方法進行了研究。眾所周知，如何高效地獲得高質(zhì)量的高分辨率圖像是一大難題，并引起廣泛的關(guān)注?；诶兆尩露囗検降男再|(zhì)，我們首先建立分段雙線性多項式小波系，并用于關(guān)于灰度值的圖像函數(shù)的逼近。對這些小波進行等

3、距離散化與格拉姆施密特正交化處理，從而在離散域上采用的線性逼近精確地表達出數(shù)字圖像。然后對它們進行更高密度的離散化處理，并通過線性組合生成超分辨率圖像。進而，由多向交錯重構(gòu)獲得更高質(zhì)量的超分辨率圖像。最后，引入矩陣運算以近乎實時地生成我們所期望的圖像。與若干優(yōu)秀的技術(shù)相比較，計算機實驗的數(shù)值和視覺結(jié)果表明，我們的方法能夠以高分辨率形式更如實地再現(xiàn)低分辨率圖像。
　　第四章結(jié)合圖像空間的多尺度剖分與3-幀間差分法，提出了復雜交通場景

4、下的高清晰數(shù)字視頻中運動物體的檢測模型。首先，每次間隔一定的幀數(shù)提取視頻圖像作為檢測的關(guān)鍵幀。其次，多尺度地對關(guān)鍵幀灰度圖像空間進行剖分。基于每個剖分小窗口的平均灰度值，我們采用3-幀間差分法對圖像同一剖分尺度下運動物體的窗口區(qū)域進行檢測，進而再融合不同尺度的檢測結(jié)果。然后，在計算機上通過矩陣運算方法進行實現(xiàn)，以完成交通視頻中運動物體的實時性檢測。最后，采集不同環(huán)境、不同場景下的交通視頻，并在Matlab上編程進行測試。結(jié)果表明，我們所

5、提出的模型確實能夠?qū)崟r且出色地完成復雜場景下的檢測任務。
　　第五章為了更加高效地利用模板匹配的方法實現(xiàn)對車牌字符圖像的識別，結(jié)合數(shù)學形態(tài)學和模糊集理論，提出基于數(shù)學形態(tài)學的模糊模板匹配方法。首先，對于二值圖像的每個像素點及其8-鄰域，以賦權(quán)的方式刻畫中心像素點隸屬于字符的程度；其次，加4×4窗口選取代表點，并有重疊地遍歷整個字符圖像，以構(gòu)造字符圖像的模糊隸屬度矩陣；進而運用海明貼近度計算待識別字符的歸類，實現(xiàn)對字符的識別；最后，