基于EMD的车牌识别方法及应用

论文摘要

智能交通系统(Intelligent Transportation System, ITS)是道路交通管理体系发展的必然趋势,车牌识别技术是ITS的关键技术之一。经验模式分解(Empirical Mode Decomposition, EMD)方法是一种不依懒于基函数的数据驱动的自适应分解方法,它完全从信号自身的尺度特征出发将一个复杂信号分解为若干个固有模态函数(Intrinsic Mode Function, IMF)和剩余项的和。本文将EMD方法运用到车牌识别,这既为发展已经比较成熟的车牌识别技术注入了新的血液,又进一步扩展了EMD的应用范围,具有一定的理论意义和实际价值。本文主要工作如下:(1)在简要介绍传统非平稳信号分析法的基础上,详细讨论了经验模式分解原理及算法。(2)针对现有车牌定位方法在复杂背景和不同光照条件下很难快速准确地定位汽车牌照位置问题,提出了一种基于纹理分析和投影法的车牌定位改进方法。(3)在车牌字符分割中由于泥尘、边框、铆钉和车牌倾斜等因素影响,字符分割往往不准确甚至错误,针对这些问题提出了一种基于投影特征和先验知识的车牌字符分割改进方法。(4)分割后的字符因受噪声干扰并非标准字符,根据噪声通常为高频信息和IMF自身的特点,对字符的积分投影波进行EMD分解并将分解后的高频信息作为去噪特征向量,最后对向量进行Gabor滤波去噪后重构字符。(5)字符的层次轮廓较好地反映了字符的复杂空间结构特征,利用EMD的时频局部化分析能力,对字符层次轮廓序列进行EMD分解并将得到的IMF作为字符的特征向量,最后采用最小距离分类器实现字符识别。最后,给出了车牌识别原型系统并将车牌识别技术应用到高速公路超载检测,有利于提高超载管理智能化水平。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究及发展现状
• 1.2.1 车牌识别系统
• 1.2.2 EMD 发展现状
• 1.3 本文的主要内容与结构
• 第二章 经验模式分解
• 2.1 非平稳信号分析法
• 2.1.1 短时Fourier 变换
• 2.1.2 小波分析法
• 2.1.3 Wigner-Ville 分布
• 2.2 经验模式分解方法
• 2.2.1 经验模式分解理论
• 2.2.2 一维经验模式分解方法
• 2.2.3 二维经验模式分解方法
• 2.3 本章小结
• 第三章 车牌定位与字符分割方法研究
• 3.1 现有车牌定位方法分析
• 3.2 基于纹理分析和投影法的车牌定位方法
• 3.2.1 纹理分析算法
• 3.2.2 基于扫描行的车牌粗定位
• 3.2.3 基于投影特征的车牌精定位
• 3.2.4 实验结果及分析
• 3.3 现有字符分割方法分析
• 3.4 基于投影特征和先验知识的车牌字符分割方法
• 3.4.1 复杂条件下字符分割问题
• 3.4.2 积分投影
• 3.4.3 中值滤波
• 3.4.4 字符分割方法的实现
• 3.4.5 实验结果及分析
• 3.5 本章小结
• 第四章 基于 EMD 的车牌字符识别方法
• 4.1 基于EMD 和GABOR 变换的车牌字符去噪与校准
• 4.1.1 Gabor 滤波器
• 4.1.2 算法描述
• 4.1.3 实验结果
• 4.2 基于EMD 的车牌字符识别
• 4.2.1 层次轮廓特征
• 4.2.2 特征提取及识别
• 4.2.3 实验结果及分析
• 4.3 本章小结
• 第五章 车牌识别原型系统
• 5.1 车牌识别系统框架
• 5.2 车牌图像预处理
• 5.3 车牌定位
• 5.4 车牌字符分割与识别
• 第六章 车牌识别在高速公路超载检测系统中的应用
• 6.1 系统概述
• 6.2 系统框架结构
• 6.3 系统工作流程
• 6.4 高速动态预检系统
• 6.5 低速高精度称重系统
• 6.6 本章小结
• 总结和展望
• 参考文献
• 致谢
• 附录 A （攻读学位期间所发表的学术论文）
• 摘要
• ABSTRACT