基于圖像配準的車標識別算法研究.pdf

1、在智能交通系統(tǒng)(ITS)中，車輛特征檢測包括車牌檢測、車標檢測、車型和車臉檢測。目前，車牌識別技術(shù)已經(jīng)在各個國家發(fā)展地相當成熟，并且已經(jīng)投入廣泛的應(yīng)用。車標識別作為智能交通系統(tǒng)(ITS)的一項重要研究領(lǐng)域，可以輔助車牌識別進行各種道路布控、停車場管理、高速公路電子收費等。它對于科技的進步和經(jīng)濟的發(fā)展有著重要的意義。
　　隨著計算機視覺和模式識別技術(shù)的不斷發(fā)展，以圖像理解為基礎(chǔ)的智能交通系統(tǒng)逐步得到實際應(yīng)用。計算機視覺通過計算機來模

2、擬人眼視覺，提取圖像中的有用信息，并對提取到的信息進行處理和理解，從而實現(xiàn)系統(tǒng)的實際檢測、控制和測量等功能。作為智能交通系統(tǒng)(ITS)的一個具體應(yīng)用，圖像處理技術(shù)在智能交通系統(tǒng)(ITS)中的應(yīng)用領(lǐng)域非常廣闊。
　　本文主要針對智能交通系統(tǒng)中的車標識別技術(shù)展開研究和探討。算法總體分為三部分:圖像預(yù)處理，車標定位，車標識別。其中車標定位部分是整個流程的關(guān)鍵階段，包括粗定位和精定位。它利用車牌與車標相對位置的先驗知識確定車標所在的大致區(qū)

3、域，然后使用Sobel算子邊緣檢測得到車標的輪廓，采用大津法(OTSU)對輪廓圖進行二值化，通過計算二值圖中前景像素的占比判斷車標周圍干擾條紋的類型。接著對車標二值圖進行形態(tài)學(xué)濾波得到滿足一定條件的聯(lián)通域。最后對連通域進行垂直水平投影，通過設(shè)定像素個數(shù)閾值得到車標的上下左右邊界，從而對車標精確定位;而基于特征描述匹配的車標識別，大致分為特征點檢測、特征描述和特征匹配三個階段，它首先建立模板圖像庫，然后對待識別車標和所有的模板圖像提取尺度

4、不變特征變換SIFT(Scale-invariant FeatureTransform)特征點，再使用本文改進的快速視網(wǎng)膜特征FREAK(Fast RetinaKeypoint)描述子進行特征點描述，通過計算模板和待識別車標描述向量之間的距離，使用最近鄰匹配結(jié)合最近鄰和次近鄰的比值以及RANSAC方法進行快速匹配和優(yōu)化，實現(xiàn)車標的配準識別。
　　本文在車標定位階段，加入了Sobel算子±45°方向卷積，通過判定車標的紋理類型進行不

5、同方向的梯度卷積，在提取車標邊緣的同時濾除周圍的干擾條紋;在車標識別階段，提出了SIFT特征點檢測和FREAK特征描述相結(jié)合的方法，不僅能夠獲得較多的車標特征信息，還使特征描述和匹配的時間大大縮短;對原有FREAK算法添加長距離點對，設(shè)定閾值Dmin，只利用關(guān)鍵點采樣模式中距離較遠的點來生成特征點的角度信息，這樣算法更適用于車標旋轉(zhuǎn)尺度變化較大的環(huán)境;對Hamming距離進行加權(quán)。對每一個關(guān)鍵點，在為了生成描述子選擇點對時，對訓(xùn)練數(shù)據(jù)(