论文部分内容阅读
车牌识别技术广泛应用于交通监控、智能收费系统、小区车辆管理等领域,是智能交通管理系统的核心部分。通常一个完整的车牌识别系统通常由四个部分组成,即图像采集部分、车牌定位单元、字符分割模块和字符识别单元。其中,通过图像采集模块获得的车牌图像的清晰度与后续车牌定位环节息息相关,进而影响到系统识别的正确性。因此,对车牌图像采集和定位算法进行研究意义重大,本论文针对这两个模块展开了以下研究。通过对比CCD和CMOS两种图像传感器,选择了CCD作为车牌图像采集部分的摄像单元采集车辆图像,然后进一步研究了图像采集系统的前端触发拍照模块和后端图像输出至上位机的通信模块。在车牌定位方面,本文是一种建立在HSV彩色模型、车牌灰度跳变特征和边缘纹理特征上的方法。本文的车牌定位包含三个部分,分别是车牌预处理、车牌二次定位和车牌倾斜矫正。其中,HSV彩色模型主要应用于车牌定位的预处理过程,二次定位和车牌倾斜矫正部分则利用了车牌灰度跳变特征、边缘纹理特征。(1)车牌预处理过程,首先设计了基于HSV彩色模型的预处理算法并成功实现了该算法,其次考虑到HSV彩图中H、S、V三通道具有相互独立这一特点,进而利用该特性对图像进行相应的如亮度、灰度化等处理;(2)二次定位过程,采用基于边缘检测和投影法的定位算法,首先采用新的Canny算子进行粗定位,然后再采用投影法和行扫描相结合的方法进行精确定位;(3)车牌图像倾斜矫正过程,通过对比分析基于Hough变换和基于Radon变换的两种车牌倾斜矫正方法,本文选择Radon变换法。最后,本文在Matlab平台下实现了车牌定位算法。将由CCD摄像机在不同场景下拍摄的300幅车辆图片分为两组进行实验,第一组由200幅没有明显倾斜的车辆图像组成,结果显示本文算法准确率达到了98%;第二组是由100幅存在明显水平倾斜的车辆图像组成,采用本文的定位和倾斜矫正算法得到了96%的准确定位