基于判別式K-SVD的車標識別方法研究.pdf

1、隨著現(xiàn)代化智能城市的發(fā)展，車輛在現(xiàn)代化的生活中扮演著重要的角色。車輛自動識別系統(tǒng)作為智能交通系統(tǒng)和智能住宅小區(qū)系統(tǒng)的重要組成部分，引起了國內外研究工作者的廣泛關注，而車牌識別和車標識別是其重要組成部分。本文重點對車標識別進行研究，內容包括車標定位與識別。由于車標的多樣性以及目標區(qū)域小，車標定位仍然是一個技術難點，目前尚無成熟的應用系統(tǒng)，對它的研究有重要的科學和應用價值。
　　稀疏表示具有最簡潔的表示信號能力，本文在對稀疏表示理論深

2、入研究的基礎上，提出了基于稀疏表示的車標識別算法，該算法包括車標定位和車標識別兩個模塊內容，主要針對國內道路行駛的中小型車輛，研究了車標自動識別系統(tǒng)的關鍵技術，在保證車標識別速度的同時提高了車標識別的可靠性，最后提出有效的解決方案。本文主要內容如下:
　　(1)首先對圖像進行預處理，主要目的是對車牌進行定位以及排除車標背景的干擾。預處理包括:圖像的灰度化、二值化處理、圖像形態(tài)學以及邊緣檢測等技術。
　　(2)實現(xiàn)車牌定位和車

3、標定位，首先結合利用車牌的幾何特征和顏色信息對車牌區(qū)域進行定位，再從車標與車牌的位置關系出發(fā)，根據(jù)統(tǒng)計信息確定車標可能出現(xiàn)的區(qū)域，取該區(qū)域作為車標粗定位的輸出。通過二值化處理后，對圖像分別做水平、垂直方向投影，并對投影進行分析，根據(jù)統(tǒng)計特性完成對車標的精確定位。
　　(3)在對各種車標識別方法的研究基礎上，提出了基于判別式KSVD的車標識別方法。該方法通過訓練樣本學習得到一個過完備字典，測試圖像可由訓練樣本中的多個原子線性組合而成