图像处理技术在汽车类型自动识别中的应用研究

图像处理技术在汽车类型自动识别中的应用研究

王振峰[1]2000年在《图像处理技术在汽车类型自动识别中的应用研究》文中进行了进一步梳理本文分析总结了国内外车辆类型自动识别的诸多方法,设计了一个基于图像处理技术的车辆类型自动识别系统。文中阐明该系统的总体结构和工作流程,选取了系统的图像处理设备——CCD摄象机和图像采集卡。系统使用基于模板匹配理论的Robinson边缘检测算子进行边缘检测运算,并对该算子进行改进,提高了边缘检测的运算速度,得到车辆的边缘灰度图像。为滤除二值图像中的噪声点,使用图像形态学滤波方法对车辆二值边缘图像进行滤波处理。通过映射方法,求得车辆外形参数值。根据模式识别理论中的几何分类法,设计出以车辆长、宽尺寸为参数的分类器。结果表明,以上方法相结合设计出的车辆类型自动识别系统,可以快速求取车辆的边缘图像,获得车辆的外形参数值,实现车辆分类,满足车辆类型自动识别的要求。

汪敬华[2]2004年在《图像分割及其在车牌识别中的应用》文中研究说明图像分割作为数字图像处理技术基础而重要的环节,有着广阔的应用和研究前景。从图像技术的角度来看,它处于图像处理和图像分析之间的层次,它不同于一般意义的图像处理过程(比如图像采集、图像变换、图像增强等),又作为图像分析的一个关键的底层环节,具有其显著的重要性,因此成为当前图像技术领域的一个研究热点。 本文主要围绕图像分割,回顾和总结了研究生阶段的工作。本论文主要的研究工作包括: 1.通过大量的文献阅读,对图像分割算法和图像分割质量的评价有了全面而系统的了解,对经典的图像分割算法——最大类间法和最大熵——的基本原理和推广,作了详细的研究和总结。 2.提出了基于判决域自动约束(VSAR)的二维Otsu阈值分割算法。该算法,通过一个经验公式,自动确定判决域的大小,从而进一步减少了算法的运算量,并具有较强的实用性。 3.提出了基于判决域自动约束(VSAR)的二维最大熵阈值分割算法。该算法,通过一个经验公式,自动确定判决域的大小,从而进一步减少了算法的运算量,具有较强的实用性。 4.在汽车牌照识别研究中,针对车牌的定位,提出了一种简单实用的车牌定位方法——基于边缘跳变统计的车牌定位方法,在应用的仿真中,取得了良好的效果。

邵玉芹[3]2007年在《图像处理技术在车牌识别中的应用研究》文中研究表明随着计算机技术的快速发展,基于计算机的图像处理和分析技术也获得了飞速的进步。图像处理技术已进入了各个不同的领域,得到更加深入和广泛的应用。但是在具体工程实践应用中,由于具体问题的不同,图像处理技术目前尚没有统一的算法来解决实际问题,所以其运用仍存在着一定的限制。因此对具体问题的研究和解决方案的提出仍然是一个及其具有挑战性的课题。目前,图像处理技术的应用研究已经成为科学界的一个重要研究领域。本文在分析图像处理技术理论的基础上,以车辆牌照为研究对象,主要研究如何通过图像的预处理、车牌的定位、车牌字符切分和字符识别等一系列过程,以完成汽车牌照的识别。本文的主要工作是分析了车辆图像处理的方法,对现有的各种牌照预处理算法和定位算法进行了深入的分析和比较,并在此基础上采用了一种根据字符竖向纹理特征的牌照定位算法,实现了牌照的准确、快速定位;研究了车牌图像二值化、图像的边缘检测、图像分割、图像平滑和图像增强标准化算法,对带有倾斜的牌照采用边缘检测和Hough变换相结合的方法有效的区分了不同种类的车辆牌照,并利用投影法结合牌照先验知识给各个字符区域进行了标号;引入字符窄区域概念,将字符区域进行分类处理,提高了分割的准确性;利用特征匹配法,通过分析字符的结构特征或各种统计特征,来设计各种分类器,对切割出的车牌字符进行识别。本文使用在各种实际交通环境下拍摄的车牌图片对上述算法进行了试验,试验结果表明本文设计的车牌处理算法一方面提高的车牌处理的正确性,另一方面在一定程度上减少了车牌处理时间,因此更加适合应用于实际的车牌识别系统中。

厉旭[4]2002年在《基于神经网络的车牌识别系统的研究与设计》文中指出随着我国经济的发展、汽车拥有量的急剧增加,公路交通成为我国重要的交通运输途径,是国家大力发展的基础设施。日益拥堵的城市交通需要用更先进、更有效的交通管理、控制。利用电子信息技术来提高管理效率、交通效率和安全的智能交通系统ITS已成为当前交通管理发展的主要方向。 车牌识别LPR是智能交通中关键技术之一。以自动的车牌号码识别为基础,可以对车辆进行自动登记、验证、监视、报警,进而可以应用在多种场合,如高速公路收费系统:道路、卡口监控系统;小区、停车场收费、监控系统;车流统计、引导系统等。 本论文是基于图像处理的相关理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了较深入的研究和分析。第一章论述了汽车牌照识别的主要几种应用技术和现阶段的发展动向。在第二章中,分别对车牌识别系统的硬件设计和软件设计进行了简要的介绍。第三章对图像分割的各种方法及特点进行了讨论。第四章分析了字符识别中特征量的提取方法,并对神经网络的构成以及相关的理论进行了讨论,着重分析了神经网络的理论原理和在字符识别中的应用方法。第五章是在前两章的理论基础上,详细介绍了车牌识别系统软件设计的实现方法和实验结果,应用图像分割的理论对车牌进行边缘检测和提取,利用轮廓和投影的方法提取字符的特征,最后用神经网络的方法对所得字符进行识别。 由试验所得的结果,本系统能较准确定位、分割车牌并进行识别,系统的性能良好。从中可看出:多种预处理与识别技术有机结合能提高系统识别能力,在有效、实用的原则下将神经网络与人工智能技术相结合将成为模式识别研究的两个重要发展趋势。

佚名[5]2011年在《自动化技术、计算机技术》文中提出TP112011011954一般成本环境下分散式多工厂资源调度/陈胜峰,蔚承建(南京工业大学信息科学与工程学院)//信息与控制.―2010,39(5).―640~645.研究多工厂一般成本结构特征,即工厂含有固定成本和单位成本,提出了一种分散式多工厂资源调度方法,该方法使用基于连续双向拍卖市场机制的ZI2策略。ZI2策略是一种包含价格和数量的二维报价策略,agent采用该策略在给定价格范围内随机提交报价。模拟实验结果验证了ZI2策略可以实现较高的调度效率,整体平均效率达到90%。图2表8参10

刘宏炜[6]2008年在《车牌的定位与识别》文中指出车辆牌照自动识别系统是近几年发展起来的基于图形图像处理和字符识别术的智能化交通管理系统的一个核心组成部分,是目前世界范围内模式识别研究领域的一个热点。本文对车辆牌照定位及识别系统中的图像预处理、字符分割和字符识别等技术所涉及的新算法、新设计做了一个比较详细的论述。本文在图像预处理中采用了灰度图像二值化的算法和基于数学形态学的图像去除噪声的方法。基于数学形态学的图像去除噪声是通过对图像的开、闭操作有选择的去噪。可以去除直径小于字符笔划半径的孤立噪声点。本文在研究了车牌定位及分割的一些经典方法的基础上,采用基投影法的定位方法实现车牌的定位,利用了灰度投影法和连通域分析综合方法最终较好地实现了车牌字符的分割。本文重点对基于BP神经网络的车辆牌照识别技术进行了深入的研究和分析。首先介绍了汽车牌照识别系统的现状;其次对神经网络的构成以及相关的理论进行了讨论,着重分析了神经网络的理论原理和在字符识别中的应用方法并给出了实验结果。本论文结论如下:1、研究了车牌区域定位模块所涉及到一些预处理方法。针对车牌图象对比度增强的特点,设计了一段灰度变换函数,探讨了车牌图像定位模块所涉及到的车牌图像二值化技术。2、对车牌定位分割的一些经典方法进行了分类归纳,设计并实现了基于投影法的定位分割方法,设计的方法具有分割比较准确、运算简单的优点,适合实际使用。3、本论文利用神经网络技术,对车牌自动识别系统进行研究。在所拍摄的车牌照片中,先获取车牌位置,再把车牌的各个字符分割,提取出各个字符的特征,再利用BP神经网络进行识别,从而获取车牌号码。

何奕飞[7]2007年在《智能交通系统中车辆检测与识别技术的研究》文中研究表明随着经济的发展,智能交通系统受到人们广泛的关注。本课题是基于视频的车辆图像研究,主要实现了图像采集、图像预处理、车辆检测与车辆识别等功能。本文首先介绍了智能交通系统中车辆图像采集系统的设计。利用Visual C++6.0集成开发工具对天敏视讯科技公司的SDK2000图像采集卡进行了二次开发,编写了包含设备设置、视频设置、视频保存、视频压缩、视频传输等功能的图像采集模块的软件。对实际采集的图像进行图像去噪、对比度增强等预处理,从而有利于图像的进一步分析处理。在车辆检测算法研究中,针对经典的背景差法和帧差法漏检率较高的缺点,提出了一种基于背景差法和帧差法相融合的车辆检测方法。实验结果表明,该方法检测精度较高,大大减小了误检率;并且在检测过程中研究了阴影的去除算法,进一步排除了干扰,提高检测精度。对于车辆识别,采用常用的边缘检测算法进行车辆轮廓提取时,不能得到平滑连续的轮廓线。因此本文引入了数学形态学方法,能较好的进行车辆轮廓提取,进而计算车辆的参数特征。最后用Fisher分类器进行判别,实现了大车、小车及超长车三种类型的识别。

佚名[8]2010年在《自动化技术、计算机技术》文中研究表明TP11 2010021966离散网络化群体系统一致性H∞控制/李向舜,方华京(华中科技大学控制科学与工程系)//应用科学学报.―2009,27(5).―525~531.针对网络化群体的一致性问题给出了状态反馈H∞控制器存在的条件。通过状态分解将系统状态进行适当的分解,在此基础上结合线性矩阵不等

张红星[9]2008年在《汽车车型自动识别系统》文中研究表明车辆识别系统主要是由汽车牌照识别和汽车类型识别两大核心技术构成,它在智能交通领域中有着广泛的应用,同时也是计算机视觉、图像处理和模式识别等交叉学科研究的热门课题,因此对相关技术的研究正受到普遍关注。本文主要侧重于对汽车外形和汽车标志的定位和识别进行研究,提出了解决以上技术中相应问题的理论方法,并在实验中验证了其有效性。本文分五部分进行介绍:(1)图像处理及目标识别技术简介:图像预处理在整个系统的中的作用是非常关键的,处理结果的好坏直接影响到后续的目标定位和识别。目标的分类识别技术是整个识别系统的核心。在此我们介绍了一些图像预处理中用到的技术以及目前应用较为广泛的识别技术。(2)车辆外形的分类检测:对车辆外形、大小的识别技术也是车辆车型精确识别系统中较为重要的技术问题。本文采用对背景图像和实际汽车的侧面图像进行差分运算去除背景干扰;用边缘检测技术得到汽车的轮廓。根据车辆的统计特性判断车辆的大小类型。(3)车牌定位算法:本系统采用的是基于先验知识在车牌定位基础上的车标初定位算法,所以车牌定位的结果直接影响到下一步的处理,也是提高车标定位准确率的关键。本文采用的是基于边缘投影的车牌定位算法,实验结果显示该算法能满足实时处理系统的需要。(4)汽车标志定位及识别:鉴于大部分标志由一些不同规格的圆或者椭圆等基本图形组成,本文在车牌定位的基础上基于先验知识确定车牌的候选区域,然后用定义好的一些简单图形模版,采用基于Hausdorff距离的模版匹配算法实现车标精确定位。对于较为复杂结构的车标,也可以直接采用制作好的车标模版进行匹配定位,这样一方面实现了车标精确定位,另一方法匹配的结果也可以作为初次识别的判断依据。然后我们采用车标边缘特性进行二次识别。(5)汽车其他特征标识的识别研究:目前对车牌车标识别的研究较多,但是对不同品牌车辆更细的型号及排气量等特殊标识的识别研究较少,本文最后对这些标识的识别作了初步的探讨。

蔡俊伟[10]2007年在《车牌识别方法及其在智能车辆安检系统中的应用研究》文中认为车牌识别是一项涉及到数字图像处理、计算机视觉、模式识别、人工智能等多门学科的技术,它在智能交通系统中占有很重要的地位,在智能车辆安检系统中也有其用武之地。车牌识别一般可以分为图像预处理、车牌定位、字符分割和字符识别四个主要组成部分。针对目前车牌识别技术存在的一些问题,本文着重研究了车牌识别的各项关键技术,在分析了近年来一些典型的车牌识别算法的基础上,最终确定一系列有效的算法对车牌进行识别。首先分析了车牌识别的研究现状和发展趋势,并介绍了用到的数字图像处理相关知识。在车牌定位技术上提出了一种基于Canny边缘检测算子和水平扫描线相结合的新方法,取得了很好的定位效果。在分析了常用的几种分割方法后采用回扫法对车牌字符进行分割,能有效分割出字符区域。最后将数字图像处理中的虚光蒙版技术应用到字符识别中,增强了图像的有效信息,并利用改进的匹配模板提高了字符识别率,取得了很好的识别效果。最后本文研究了车牌识别技术在智能车辆安检系统中的应用,并给出了系统结构和关键技术。本文研究的内容经过实验证明确实有效,对车牌识别方法及其在智能车辆安检系统中的应用提供了切实可行的解决方案,具有很好的理论与实际意义。

参考文献:

[1]. 图像处理技术在汽车类型自动识别中的应用研究[D]. 王振峰. 中国农业大学. 2000

[2]. 图像分割及其在车牌识别中的应用[D]. 汪敬华. 浙江大学. 2004

[3]. 图像处理技术在车牌识别中的应用研究[D]. 邵玉芹. 合肥工业大学. 2007

[4]. 基于神经网络的车牌识别系统的研究与设计[D]. 厉旭. 武汉理工大学. 2002

[5]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2011

[6]. 车牌的定位与识别[D]. 刘宏炜. 吉林大学. 2008

[7]. 智能交通系统中车辆检测与识别技术的研究[D]. 何奕飞. 南京理工大学. 2007

[8]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2010

[9]. 汽车车型自动识别系统[D]. 张红星. 中国地质大学(北京). 2008

[10]. 车牌识别方法及其在智能车辆安检系统中的应用研究[D]. 蔡俊伟. 湖南大学. 2007

标签:;  ;  ;  ;  ;  ;  

图像处理技术在汽车类型自动识别中的应用研究
下载Doc文档

猜你喜欢