王永明[1]2005年在《交通标志自动分割与识别算法及数学模型研究》文中研究指明随着经济的快速发展,我国迅速步入汽车社会,交通安全和通畅成为社会普遍关注的问题。在这种情况下,人们开始投入智能交通系统(ITS)的研究中,智能交通系统(ITS)包括智能基础设施和智能车辆,其核心技术涉及模式识别、图像处理、数字信号处理、人工智能、电子技术、信息技术、通信技术和系统工程技术等,是一门综合性学科。 道路交通标志识别(RSR)系统是智能车辆的重要组成部分,它在车辆行驶过程中对出现的交通标志信息进行采集和识别,可及时地向驾驶员做出指示或警告,或者直接控制车辆的操作,以保持交通通畅和预防事故的发生。交通标志的自动分割和识别是智能车辆的重要软件支撑,具有重要的理论意义和实用价值。交通标志识别的研究对计算机视觉中的目标静止相机运动(MCOS)类视觉问题的解决起到积极的推动作用。 在我国,由于智能车辆的研究起步较晚,因而目前作为成果应用的道路交通标志识别(RSR)系统还没有。但汽车牌照自动识别系统,集装箱型号识别系统,以及类似的一些自动识别系统已经投入使用并产生了较好的效益。可喜的是国内一些研究机构、大专院校也已经开始关注,并且着手研究道路交通标志识别系统(RSR),并且已经有一些初步成果。交通标志的自动分割和识别系统处理的对象是具有复杂背景的交通标志图像,而且存在交通标志的光照、褪色、变形、污损等问题。所以RSR系统的研究中,有若干关键问题需要深入研究。 本文的研究主要内容包括:基于颜色的图像分割方法(一级分类法):速度快、效率高的形状分类方法(二级分类法)、基于Laplace核统计分类器的细分方法(叁级分类法)。在基于颜色的图像分割的研究中,通过对交通标志色彩特征的研究,提出了不受光照影响的基于HSV模型的交通标志分割方法,H(色度)表示不同的色调;S(饱和度)表示颜色的深浅;V(亮度)表示颜色的明暗程度。该方法对采集到图像受光照影响大、有褪色等情况有较好的适应性。不同类的交通标志有不同的形状,所以其形状信息是交通标志除颜色之外的又一核心信息,在形状分析部分我们提出了一种速度快,效率高的形状分类方法。Laplace核统计分类器是基于Bayes分类模型的非参数分类器,它与其它分类模型的分类器相比有着很大的优势:此模型具有自学习和容易扩展的特点,它对交通标志的旋转、变形、污损、遮挡等现实中可能的情况有较好的适应能力。将之用于交通标志模式的识别是合适的。最后,我们把系统作了实现,其中包括文中所研究的图象分割,形状分类,Laplace核统计分类器的学习和分类等算法。
谢志鹏[2]2001年在《汽车牌照，道路交通标志的自动分割和识别》文中认为汽车牌照，道路交通标志的自动分割和识别（Plate License＆＆Road SignAutomatic Extraction and Recognition）是智能交通系统（ITS）的重要软件支撑，具有广泛的应用前景。 文章分为两部分，第一部分为汽车牌照的自动分割和识别；第二部分为道路交通标志的自动分割和识别。 牌照部分的分割和识别策略：本文采用数学形态学运算，使用不同尺度和形状的结构元素来去除复杂背景的水平高频干扰分量，并使汽车牌照区域聚集成长条状，而后利用种子搜索区域测量法来提取牌照区域，接着用Hough直线检测来计算牌照的倾斜角度，在牌照倾斜矫正后，利用水平的高频分量分析和投影法对牌照的边框和铆钉进行去除，而后采用轮廓投影法分离出单个可供识别的车牌字符，在对单个车牌字符进行细化并膨胀后，获取其骨架特征点并组成一特征点向量；并对每个字符图象进行小波分解，以获得横向，纵向和斜向的笔画边沿图象，然后计算每个边沿图象的不变矩，获得叁个不变矩向量；最后，将上述四个向量作为特征参数输入BP神经网络进行牌照号码训练学习和识别。 路标部分的分割和识别策略：本文首先采用基于HIS彩色模型的分割方法来提取出类似于路标颜色的物体，然后利用基于统计的灰度共生矩阵纹理分析，将表面纹理粗糙的物体过滤掉，留下表面纹理平滑的路标。然后利用傅立叶描述子提取出矩形，圆形，叁角形的路标。而后对叁角形，矩形和在直径方向上带长条形粗禁令标志的圆形路标，进行旋转矫正并规格化后，计算各子区域墒，组成一墒向量，而后对上述路标和直径方向上不带长条形粗禁令标志的圆形路标，计算其不变矩，组成一不变矩向量，利用上述的两个向量，在路标图案的特征库中利用最小欧氏距离法进行查找匹配。 本系统的特点是可对不同复杂背景下的牌照和路标进行较准确的提取，达到较快的的分割和识别要求。
李红林[3]2007年在《基于视频图像的汽车标志定位算法研究》文中进行了进一步梳理车标识别系统是智能交通系统的重要组成部分,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,因此对车标识别领域相关技术的研究正受到普遍关注。车标是车辆的标志性图像,不仅包含了车型信息,还包含了生产厂家的信息,更重要的是它难以更换。如果将车标信息与车牌信息相结合,会极大的提高车辆识别的可靠性。车标识别技术可广泛应用于交通事故处理、违章车辆自动监控、自动收费、机场、港口、停车场、小区等车辆的自动安全管理、打击车辆犯罪等领域,因此车标识别对智能交通中车辆识别技术的完善和发展具有重要的理论意义和应用价值。在车标识别系统中,车标定位是至关重要的环节,其定位的速度和准确程度直接影响到车标识别系统的性能。本论文结合目前中国的车牌、车标的特征,对如何准确的提取车牌与车标进行了深入的研究,主要研究工作如下:(1)提出了一个改进的HSV颜色模型。因为V与图像中像素的灰度等级相对应,所以本文的V是取灰度化后的亮度值,实验证明,改进的新模型更能有效地提取车牌颜色均值对像素。(2)提出了基于边缘颜色均值对的车牌分割的新方法。此方法充分利用车牌的底色与车牌字符颜色的固定搭配,在RGB颜色空间中求取相邻像素的RGB各分量的均值,然后转换到HSV颜色空间,如果出现符合颜色搭配的则认为是车牌的候选区域。(3)提出了基于投影和几何特征相结合的车牌定位方法。对图像进行水平投影,然后计算各个连通区域的面积;最后根据车牌的宽、高、及宽高比等几何特征约束等,进一步去除不符合车牌特征的区域,实现车牌定位。(4)提出了根据几何位置、差分、投影和面积相结合的车标粗定位。利用车牌所处的位置和车牌大小,以及车牌与车头之间的相对位置和大小,确定车头位置;结合车标区域的纹理比较丰富的特点,利用差分、投影及连通区域面积的方法进行车标粗定位。(5)提出了基于间隔差分与对称性检测相结合的车标精定位。根据车标区域纹理比较丰富的特点,对车标候选区域进行间隔像素差分,差分后有的图像中还存在几个连通区域,利用对称性检测的方法找到区域的中心对称轴。只有经过中心对称轴的连通区域才认为是车标所在的区域,实现车标精定位。实验表明:本文所采用的车牌定位方法定位准确率高,速度也较快。车标定位的方法效果也比较好,当车标不在车牌的正上方时也能够找到车标的正确位置,有效的克服了传统的利用车牌定位车标的不足之处,基本能满足实际运用的需要。
曹刚[4]2004年在《运动车辆识别技术研究》文中提出基于视频图像的运动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。本文正是在这一背景下,对运动车辆识别技术进行了系统的研究。在车牌识别技术中,本文着重对车牌定位和车牌字符识别等关键技术所涉及的难点进行了深入的研究。在车型识别技术中,与当前国内外学者侧重于研究车辆外形、大小的识别不同,本文主要侧重对汽车标志的定位和识别进行研究。本文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,同时这些研究内容对于解决一般的目标识别系统中普遍存在的光照、噪声、尺度、形状相似、部分遮挡等情况的识别问题有着更为深远的理论意义。本文研究的主要内容和创新点有:(1)目标识别中特征提取和识别算法的研究:运动车辆识别系统是一种典型的目标自动识别系统,而特征提取和识别算法是目标识别研究的核心问题。本文在概括和分析当前特征提取和识别算法的基础上,重点对小波隐马尔可夫模型进行了研究。小波隐马尔可夫模型是小波变换与隐马尔可夫模型相结合的一种小波域随机信号的统计模型,它有机地融合了小波变换的局部分析性、多尺度性和隐马尔可夫模型的上下文相关性,不仅能多尺度地精确刻画目标的局部特征,还能准确地反映目标的整体分布信息,从而成为解决目标识别(如车辆识别系统)中受噪声、形状相似、部分遮挡等问题的最有力的工具之一。所以本文对它进行了深入的研究,并对有关的识别和训练算法进行了优化。小波隐马尔可夫模型通常分为树状和链状两种模型,本文不仅提出了一种改进的树状模型,有效地增强它对目标纹理特征的分割能力,还在链状模型中提出<WP=4>了几种仿射不变小波描述子来构造观察序列,从而使得它在目标识别中有着更广泛的应用。(2)汽车牌照定位算法的研究: 在检测和捕获到的汽车图像上进行车牌自动定位是车牌识别技术的关键前提,其技术难点是由于受其它干扰源的影响,常规方法的分割阈值难以调节,从而造成车牌的误定位和漏定位。本文在分析汽车牌照纹理特征的基础上,提出了一种自适应能量滤波和小波隐马尔可夫树状模型相结合的快速车牌定位算法。它先用设置了初始阈值的能量滤波将图像中的车牌候选区域快速分割出来,然后根据小波隐马尔可夫树状模型对车牌纹理特征的精确描述来对候选区域进行判别,最后由判别结果决定是否得到真实车牌区域或对能量滤波阈值进行自动调节来重新分割车牌候选区域。大量实验结果证明了该方法是一种快速、鲁棒性强和定位正确率高的车牌定位算法。(3)汽车牌照字符识别算法的研究: 在识别车牌字符时,由于字符常存在噪声、笔画断裂、模糊等问题,常规的字符识别方法(如模板匹配)容易导致车牌字符的错误识别,因此必须发展新的车牌字符识别算法来提高识别率。本文提出了一种包括特征点匹配和小波隐马尔可夫链状模型的多级车牌字符分类器。它主要将模板匹配方法作为初级识别器快速得到候选类别,然后再用候选类别对应的特征点模型和小波隐马尔可夫链状模型分别对字母、数字与汉字进行二次匹配得到最终的识别结果。实验结果证明了该方法能有效地提高车牌字符的识别率。(4)汽车标志定位算法的研究: 汽车牌照具有较鲜明的纹理特征和规则的形状,而各种汽车标志的纹理特征和形状、大小都不相同,采用常规的相关匹配定位算法会消耗大量的计算时间,因此汽车标志的定位问题已成为车标识别技术在实时系统中应用的瓶颈。本文从人眼的视觉特性出发,提出了一种实用的从粗到精的车标定位算法,即先根据先验知识确定车标的大致范围,再运用图像处理中的边缘检测和形态算子确定较准确的车标位置,最后在极小的范围内用相关匹配算子得到车标的精确位置。实验结果证明了该方法的快速性和有效性。(5)汽车标志识别算法的研究: 车标定位后,车标识别就成为2D形状的识别问题。但是由于受光照、噪声、形状相似、部分遮挡的影响,常规的2D<WP=5>形状识别算法难以达到满意结果。在模板匹配初级识别的基础上,本文分别提出了基于边缘方向直方图和基于小波隐马尔可夫链状模型的两种二次车标识别算法。边缘方向直方图可快速提取车标形状的全局特征,虽然在一定程度能弥补模板匹配的不足,但仍不能很好地解决形状相似车标的识别问题。而小波隐马尔可夫链状模型通过小波观察序列提取车标形状的局部特征,并由其隐马尔可夫特性来描述各局部特征的相关性,从而有效地消除了车标识别中受上述情况的影响。实验结果证明了以上方法具有较高的识别率。(6)运动车辆识别系统中其它几类技术问题的探讨:本文还就运动车辆识别系统中其它几类较为重要的技术问题如基于视频的运动车辆检测技术、车辆外形、大小、颜色的识别技术进行了探讨,对与之有关的技术难点和解决方法予以介绍。(7)有关专用工具软件的开发: 针对以上研究中涉及的各种算法,本文采用VC并嵌套MATLAB工具箱开发了一套用于实验的专用工具软件。该软件主要集成了位图、图像处理、车牌识别、车标识别、视频捕获等几个基本的功能模块,具有很高的研究和实用价值
张旭[5]2013年在《基于DDMCMC的车牌定位算法研究》文中进行了进一步梳理汽车牌照自动识别系统(License Plate Recognition, LPR)是实现交通智能化管理的核心环节,同时也是以计算机视觉为基础,并综合了图像处理、模式识别以及人工智能等多领域技术的重要研究课题。目前,在国内外已经有部分车辆牌照识别系统被成功地应用于高速公路和桥梁的自动收费、小区和重要部门车辆出入管理、智能停车场管理和城市道路违章检测等方面。作为LPR的首要环节,车牌自动定位在整个系统中有着至关重要的作用。系统后续模块的性能,甚至整个LPR系统,在很大程度上都依赖于其定位结果的精准性。一般车牌定位方法,使用车牌的单一特征,如车牌颜色特征、车牌字符特征、或车牌形状特征等,单一特征不能形成对车牌的完整描述,因此在不同环境下难于稳定地准确定位车牌,并且定位精度较低。本文吸取了不同算法的优点,通过对车牌的固有特征的分析,针对交通路口不同环境下车牌精确定位问题,提出了本文的技术路线：通过基于图像投影方法粗定位车牌,获得车牌大概区域,然后通过基于DDMCMC (Data Driven Markov Chain Monte Carlo)的车牌定位算法精确定位车牌。本文算法有以下优点：车牌定位使用先粗后精的方法,大大提高了算法的效率,与定位的准确率与精度；DDMCMC优化算法是由MCMC (Markov Chain Monte Carlo)优化算法改进而来,该算法以贝叶斯概率理论为框架,融合了车牌的颜色、形状与字符叁个特征,完整地描述了车牌,使定位结果更精确；提出了一种基于几何特征的数据驱动模型,完成了对MCMC优化算法的改进,使Markov链的收敛速度大大提高,并且该数据模型具有一定的通用性,可直接用于图像处理的其他领域,检测矩形物体；在粗定位车牌时,特别设计了一种直线线性滤波器,用于减小车牌图像中非车牌区域边缘的干扰,突出车牌区域；考虑到算法实时性的要求,分别使用积分图像,以及车牌颜色预测的方法对算法加速。为验证算法有效,共设计四组实验,首先使用我国交通路口的车牌图像数据库,该数据库包含天气、光照、车牌遮挡、车牌颜色等不同情况下的车牌图像,最后在95%的覆盖率下得到了97.4%的检测查全率与93.85%的检测正确率,实验结果表明该算法适用于不同环境,并且可以同时保证较高的准确率与定位精度；通过与MCMC优化算法对比,表明使用数据驱动模型改进的DDMCMC优化算法更高效；其次使用公共车牌数据库,与不同车牌定位算法对比,表明本文提出的定位算法在保证较高的定位精度的同时,可以得到更高的车牌检测准确率；最后两组实验分别为交通标志检测与门检测,这两组实验都使用公共数据库,实验表明本文提出的数据驱动模型具有通用性。
肖学钢[6]2008年在《序列图像中交通标志定位检测技术研究》文中研究说明交通标志自动检测系统是现代智能交通管理的一个重要组成部分,具有极大的研究价值。本文从交通标志的颜色信息和形状特征出发,对交通标志的定位方面进行了以下研究。首先,提出了多通道融合的交通标志定位方法。该方法首先对HIS通道中的饱和度分量进行阈值分割,粗略地提取出交通标志区域,抑制光照水平的影响;再利用RGB通道中叁颜色分量的相关性来解决阈值分割所造成的信息缺失问题。利用序列图像的前后相关性,在前一帧定位的基础上,对交通标志位置做出预估计。实验表明:多通道融合的方法能够快速、有效地从视频序列图像中定位出交通标志。其次,通过对交通标志形状特征进行分析,提出了在水平、垂直投影的基础上,利用基于曲线拟合的最小二乘法来判断交通标志具体形状的方法。实验表明利用该方法不仅能够获得交通标志的形状和内部图案、字符信息,还可以有效地抑制噪声的干扰。最后,利用信息熵具有平移、缩放、旋转不变的特性,构建了基于熵矢量的检测置信度评价函数。并结合序列图像中交通标志的位置分布规律对该标准做出了修正。实验表明利用该方法能有效地从检测结果中排除一些在颜色、形状特征上与交通标志相类似的干扰物体。
周欣[7]2013年在《圆形和叁角形交通标志分割与识别算法研究》文中研究表明随着经济的发展,汽车在人类日常生活中扮演了越来越重要的角色。随之而来的是交通堵塞与交通事故频发等问题。相关学者对这些问题的解决提出了诸多思路,其中智能驾驶的概念已经得到广泛的关注。而交通标志的智能识别是其中的重要一环,它对未来汽车电子的发展方向有着重要的现实意义。交通标志分割与识别系统有重要的理论意义和实用价值,其主要解决两个问题,即交通标志分割与识别,分割即怎样把自然场景下的照片分割出独立的交通标志,识别即把分割出的交通标志进行辨识和分类。本文主要针对圆形和叁角形的交通标志,对它们的分割方法,分割后图像的特征提取,以及后续分类识别等关键性技术进行了深入研究,其主要包括：1.对交通标志识别系统的框架进行了分析,对图像滤波,颜色分割,边缘链的提取存储等前期预处理算法进行研究。对相关学者提出的分割与识别算法进行了分析。2.根据圆形标志的形状特征,提出了基于二层Hough变换的圆形交通标志的分割方法。第一层确定出圆形标志的圆心及半径范围,第二层对随机Hough变换算法进行了改进,确定出圆形标志的精确区域。3.根据叁角形标志的形状特征,提出了多特征融合的叁角形标志的分割方法。Hough变换检测直线,构建基于极限学习机的顶点判决器,同时将叁角形几何特征融入算法,用于筛选叁角形边缘,确定叁角形标志的精确区域。4.综合小波不变矩和仿射不变矩的优点,提出了结合两者优点的组合不变矩,此组合不变矩有平移,旋转,缩放不变性,将其应用于交通标志的特征提取。相对应传统的单纯提取Hu矩,本组合不变矩区分可靠度更大,提高了识别准确度。5.选取20组交通标志,对极限学习机算法进行研究,将此算法用于交通标志的识别,取得了良好的识别效果,同时与BP神经网络对比的结果表明,本算法提高了识别速度。
李晨[8]2006年在《车牌识别技术的研究及其在智能交通系统中的应用》文中研究说明交通和通信是当前社会经济发展的两大支柱,其中交通问题日益引起广泛的重视。随着社会经济的不断发展和人们生活水平的日益提高,整个社会对交通运输的需求不断增大,智能交通系统的应用势在必行。车牌自动识别系统作为智能交通系统中的一个分支,在大型停车场的管理系统、公共安全、交通管理及有关军事部门有着特别重要的实际运用价值,正日益受到人们的重视。 本文运用图像识别的方法,分为车牌区域定位、车牌图像二值化处理、字符分割及字符识别四个模块对车牌自动识别系统进行分析研究,实现了车牌识别的研究目标,并完成了车牌识别的实时算法。 论文首先介绍了车牌自动识别系统的发展和现状、车牌识别的意义和难点所在。然后研究了现有的基于数学形态学的车牌定位方法,找到其不适于车牌定位的原因,并针对车牌区域的特点,使用基于投影法和模糊边缘检测的车牌定位方法,该方法采用了改进的八方向Sobel算子,充分利用了车牌的纹理和几何特征,较好地实现了对车牌的准确定位。随后通过对现有车牌二值化方法的分析,指出它们用于车牌图像二值化所存在的问题和不足,从而采用了基于Lorentz信息测度的二值化算法,并针对车牌可能存在的几何失真对车牌进行了几何校正。接着结合传统的字符分割方法,采用基于连通体检测和投影法的字符分割方法对车牌字符群进行分割,并对分割后的字符进行了归一化处理。论文最后具体研究了用于数字、英文字母识别的特征提取方法及识别方法。
夏青华[9]2011年在《模糊图像车辆与车牌识别算法的研究和实现》文中研究表明随着经济的发展，城市车辆数量急剧增大，交通问题日益突出，如何获得准确的城市交通流量已经成为智能交通系统的一个热点研究领域，受到日益广泛的关注。公安320工程旨在对城市行驶的车辆进行管控，车辆牌照特别是模糊车辆牌照的自动识别系统就成为智能交通和智能监控系统的核心科研项目之一。模糊图像车辆检测和车牌照识别系统是智能交通和智能监控的关键技术。本文针对目前实际城市道路监控图像质量差，着重研究了模糊车辆检测和车牌识别等关键技术，在分析近年来一些典型的模糊图像处理和车牌识别算法的基础上，改进一种利用序列视频图像增强算法有效地解决模糊图像车辆检测和车牌照识别。本文首先在模糊图像预处理阶段，对常用的滤波法，Richardson-Lucy算法，维纳滤波法的优缺点进行了简单分析，最后利用序列视频图像增强算法和改进的Z变换离散递推算法，进行图像恢复，使其在车牌识别的后续过程中达到基本要求。然后进行车辆检测，运动目标检测与跟踪的一些常用方法包括基于光流场的方法、基于帧间差分的方法和基于背景差分的方法，并对各种方法进行了比较，讨论其优缺点及适用范围。通过对这些方法的分析比较，采用叁帧差分法的方法检测运动车辆。在车牌定位方面，分析比较了基于边缘检测的方法，基于灰度特征的方法，以及基于颜色特征的多种车牌定位的方法，并利用了基于边缘点区域连通定位的车牌定位方法。在字符分割方面，分析了牌照图像二值化与标准归一化以及几何校正的各种算法，最后采用连通区域分割法，实现字符的分割。在字符识别方面，分析比较了常用的字符识别方法，利用基于结构特征和统计特征的模板匹配法。实验结果证明，本文采用的方法是有效的。
瓮升霞, 陈一平[10]2016年在《基于移动激光点云的交通标志牌特征提取》文中认为针对有效采集到的道路两旁高密度点云数据,基于移动激光测量技术,提出了一种户外交通标志牌的自动检测方法.主要是利用交通标志牌在点云中的反射强度与其他地物目标区别较为明显的特性进行目标提取.结合基于交通标志牌的形状特征检测方法,通过提取杆状物并分析杆状物中非杆状部分的维度特征,提取出具有面状维度特征的目标物作为所要检测的交通标志牌.综合检测结果可知,有效检测到点云数据中的交通标志牌,且召回率优于常用的基于反射率的方法,实验表明该方法能够取得好的提取结果.
参考文献：
[1]. 交通标志自动分割与识别算法及数学模型研究[D]. 王永明. 云南师范大学. 2005
[2]. 汽车牌照，道路交通标志的自动分割和识别[D]. 谢志鹏. 华侨大学. 2001
[3]. 基于视频图像的汽车标志定位算法研究[D]. 李红林. 云南师范大学. 2007
[4]. 运动车辆识别技术研究[D]. 曹刚. 四川大学. 2004
[5]. 基于DDMCMC的车牌定位算法研究[D]. 张旭. 东北大学. 2013
[6]. 序列图像中交通标志定位检测技术研究[D]. 肖学钢. 中南大学. 2008
[7]. 圆形和叁角形交通标志分割与识别算法研究[D]. 周欣. 华东理工大学. 2013
[8]. 车牌识别技术的研究及其在智能交通系统中的应用[D]. 李晨. 西北工业大学. 2006
[9]. 模糊图像车辆与车牌识别算法的研究和实现[D]. 夏青华. 南京邮电大学. 2011
[10]. 基于移动激光点云的交通标志牌特征提取[J]. 瓮升霞, 陈一平. 厦门大学学报(自然科学版). 2016
标签：计算机软件及计算机应用论文; 道路交通标志论文; 车牌识别系统论文; 图像分割论文; 交通标志论文; 车牌论文; 特征提取论文; 图像融合论文;