基于數(shù)字圖像的車輛信息識(shí)別的研究與應(yīng)用.pdf

1、基于數(shù)字圖像的車輛信息識(shí)別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，同時(shí)也是計(jì)算機(jī)視覺(jué)、圖像處理和模式識(shí)別等交叉學(xué)科的研究熱點(diǎn)，因此其相關(guān)技術(shù)的研究受到了廣泛的關(guān)注。準(zhǔn)確地獲取車輛信息，為智能交通系統(tǒng)后續(xù)控制管理提供了重要保障，同時(shí)對(duì)協(xié)助警方打擊犯罪、查處套牌車等也能提供有效依據(jù)。本文在這一背景下，對(duì)車輛信息識(shí)別技術(shù)進(jìn)行了系統(tǒng)的研究和相關(guān)技術(shù)的實(shí)現(xiàn)，提出一種基于車標(biāo)和車尾文字信息結(jié)合的車輛信息識(shí)別方法，主要研究?jī)?nèi)容如下:
　　針對(duì)車標(biāo)信息

2、識(shí)別部分，本文提出了一種基于全仿射尺度不變特征轉(zhuǎn)換算法(Affine Scale Invariant Feature Transform，簡(jiǎn)稱ASIFT)的車標(biāo)定位識(shí)別方法，實(shí)現(xiàn)了車標(biāo)定位和識(shí)別。車標(biāo)定位基于車標(biāo)和車牌的位置關(guān)系這一先驗(yàn)知識(shí)實(shí)現(xiàn)，首先，通過(guò)車牌定位方法對(duì)車牌進(jìn)行定位，再根據(jù)車牌和車標(biāo)的對(duì)應(yīng)位置關(guān)系得到車標(biāo)定位初始區(qū)域;對(duì)初始定位的車標(biāo)區(qū)域進(jìn)行邊緣檢測(cè)，然后再利用數(shù)學(xué)形態(tài)學(xué)進(jìn)行膨脹腐蝕處理，并根據(jù)得到的連通區(qū)域，得到精確的

3、車標(biāo)定位區(qū)域。本文利用ASIFT對(duì)車標(biāo)圖像進(jìn)行特征提取，并利用模板匹配法進(jìn)行識(shí)別，該算法的優(yōu)點(diǎn)是對(duì)旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對(duì)拍攝視角、仿射變換、噪聲、遮擋等也具有很高的穩(wěn)定性。
　　針對(duì)車尾文字識(shí)別部分，本文提出了一種基于最小核值相似區(qū)域(SmallestUnivalue Segment Assimilating Nucleus，簡(jiǎn)稱SUSAN)的車尾文字定位識(shí)別方法，實(shí)現(xiàn)了車尾文字定位和識(shí)別。車尾文字定位分為粗定位和

4、精定位，利用車尾文字和車牌的位置關(guān)系對(duì)車尾文字區(qū)域進(jìn)行初始定位，得到車尾文字區(qū)域粗定位圖像;對(duì)車尾文字初始定位圖像通過(guò)SUSAN邊緣檢測(cè)算法進(jìn)行精確定位，再利用垂直積分和水平積分投影將文字區(qū)域從背景分割出來(lái)，得到車尾文字區(qū)域圖像。本文中的車尾文字匹配識(shí)別創(chuàng)新性地使用尺度不變特征轉(zhuǎn)換算法(Scale Invariant FeatureTransform，簡(jiǎn)稱SIFT)進(jìn)行特征提取和圖像匹配，搜索模板庫(kù)中的對(duì)應(yīng)圖像，匹配點(diǎn)對(duì)最多的圖像為識(shí)別