針對高分辨率背景復(fù)雜圖像的車牌定位算法研究.pdf

1、車牌定位是車牌識別系統(tǒng)的一部分，其定位效果會對接下來的字符分割以及字符識別產(chǎn)生直接的影響。高速公路車輛監(jiān)控拍攝是車牌識別應(yīng)用的一個重要場景，這種場景下的圖像往往背景復(fù)雜、分辨率高，本論文課題基于高速公路抓拍機這一特定場景的圖像展開對車牌定位的研究。
　　針對傳統(tǒng)車牌定位算法在分辨率高、背景復(fù)雜這種特定場景下定位效果的不足，本論文設(shè)計并開發(fā)了一種具有針對性的車牌定位算法，既滿足了準確性，又滿足了實時性。
　　開發(fā)的算法主要由三

2、部分內(nèi)容組成:
　　首先研究了一種描述區(qū)域特征的新特征和支撐向量機(Support VectorMachine，SVM)分類學(xué)習(xí)算法。設(shè)計了一種基于HSV空間改進的顏色紋理直方圖，并將其作為輸入特征向量，利用SVM學(xué)習(xí)分類算法進行訓(xùn)練。實驗結(jié)果表明，該特征在圖像匹配上可以取得更好的效果。
　　其次對車牌粗定位進行研究，針對經(jīng)典的Canny和Sobel邊緣檢測算法的不足，設(shè)計了一種新的邊緣檢測算法，然后結(jié)合濾波、投影分析等技術(shù)

3、，將車牌候選區(qū)域提取出來。利用邊緣檢測進行車牌粗定位，可以快速定位到感興趣的區(qū)域，過濾掉絕大部分無關(guān)的背景區(qū)域，大大提高了后面學(xué)習(xí)算法檢測的效率。
　　最后，本論文對車牌精確定位進行了分析與研究。采用不斷放大的檢測框去遍歷候選水平條帶，計算檢測框內(nèi)的特征值（顏色紋理直方圖），與訓(xùn)練好的分類器進行比較來判斷是否為車牌區(qū)域。在此基礎(chǔ)上，引入了字符擴展、打分排序、傾斜校正等后處理技術(shù)，增加了車牌定位的精確性。通過與兩種有代表性的車牌定位