基于特征匹配的彩色車牌定位算法研究.pdf

1、車牌識別系統(tǒng)是智能交通系統(tǒng)的核心組成部分，已廣泛應用于交通管理領域。該系統(tǒng)主要包括車牌圖像采集、車牌圖像預處理、車牌定位、車牌字符分割、車牌字符識別等五部分組成。本文總結了近年來國內(nèi)外在車牌定位技術上的最新研究成果，并在此基礎上對邊緣檢測技術、彩色車牌定位等問題進行深入研究探討。本文研究的主要工作和成果如下:
　　 1)對當前國內(nèi)外幾種典型的車牌定位方法進行闡述與分析，同時對不同定位方法進行了比較和評價。
　　 2)車牌

2、圖像的邊緣檢測。分析對比常用的邊緣檢測算子，并在研究分析相關文獻的基礎上，利用形態(tài)學開閉運算具有良好的邊緣抗噪性能這一優(yōu)點對形態(tài)學邊緣檢測算子進行了改進，實驗結果表明，改進的灰度形態(tài)學算子在邊緣檢測精度和抗噪性能上能取得很好的平衡。
　　 3)車牌初定位方法。引入CIELab彩色模型，利用Lab顏色空間中b通道藍、黃二色分別占據(jù)數(shù)軸二端的分離特性實現(xiàn)藍、黃車牌區(qū)域提取，并在灰度空間利用車牌區(qū)域豐富的紋理特性結合形態(tài)學技術實現(xiàn)車牌

3、區(qū)域的提取，然后對二種方法得到的目標區(qū)域按融合規(guī)則實現(xiàn)區(qū)域融合，提高了車牌區(qū)域初始定位的準確度。實驗結果表明，本文融合算法克服單獨使用某一特征定位的局限性，提高了準確度。
　　 4)車牌精確定位方法。對候選車牌區(qū)域按照基于SURF特征匹配方法進行篩選識別，通過候選區(qū)域與車牌漢字庫模板之間的匹配度大小來確定最終車牌，并根據(jù)最佳匹配點對求出參數(shù)變化矩陣，實現(xiàn)待測坐標系向參考坐標系的變換，從而實現(xiàn)了傾斜校正。最后運用水平投影法去除邊框