多尺度低質(zhì)量車牌字符分割的研究與實(shí)現(xiàn).pdf

1、隨著國(guó)民經(jīng)濟(jì)的迅速發(fā)展，我國(guó)汽車的數(shù)量迅速增加，致使公路交通的負(fù)擔(dān)越來越重。智能交通系統(tǒng)(IntelligentTransportationSystem，ITS)可以科學(xué)、高效地利用好現(xiàn)有交通基礎(chǔ)資源，逐漸成為進(jìn)一步挖掘我國(guó)城市交通能力的有效途徑。車牌識(shí)別技術(shù)是計(jì)算機(jī)模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。典型的車牌識(shí)別系統(tǒng)主要包括以下三個(gè)步驟:車牌定位、車牌字符分割和字符識(shí)別。
　　 本文主要研究多尺度低質(zhì)量的車牌圖

2、像的字符分割。首先簡(jiǎn)要地闡述了車牌字符分割的研究現(xiàn)狀，針對(duì)當(dāng)前算法不能精確分割車牌字符粘連區(qū)域，不能從待選區(qū)域中準(zhǔn)確篩選出車牌字符區(qū)域的缺點(diǎn)，提出了一種多尺度的基于先驗(yàn)知識(shí)的分割算法。實(shí)驗(yàn)表明該算法能夠?qū)Υ侄ㄎ缓蟮能嚺谱址M(jìn)行精確分割。
　　 在車牌二值化的研究中，全局閾值法處理后的圖像，噪點(diǎn)區(qū)域和粘連區(qū)域比較少，更易于字符的分割，但該方法無法處理光照不均勻的車牌;局部閾值法可以處理光照不均勻等復(fù)雜背景下的車牌，但處理正常光照下

3、拍攝到的車牌會(huì)出現(xiàn)噪點(diǎn)區(qū)域多等問題。本文綜合全局閾值法和局部與閾值法的優(yōu)缺點(diǎn)，提出了一種自適應(yīng)的二值化算法。
　　 在車牌分割方法的研究中，本文采用基于連通區(qū)域生成的分割策略。在粘連字符分割的研究中，針對(duì)現(xiàn)有分割算法的不足提出了改進(jìn)的滴水算法;在基于連通區(qū)域的字符區(qū)域篩選研究中，根據(jù)我國(guó)車牌的特征，提出了一種基于貝葉斯置信網(wǎng)絡(luò)的先驗(yàn)知識(shí)嵌入的方法，對(duì)車牌字符區(qū)域進(jìn)行篩選。對(duì)于給定的車牌，通過對(duì)車牌字符各候選區(qū)域進(jìn)行概率編碼，構(gòu)建