车辆牌照图像的多尺度去噪与修复

论文摘要

智能交通管理系统已成为二十一世纪世界道路交通管理的发展趋势。正确辨识车辆牌照，不但可以查询和统计交通流量、测定和管理道路负荷，还可以对肇事车辆、走私车辆、丢失车辆进行辨识和追查，而在利用摄像机拍摄的汽车图像中，图像的质量与光照的好坏密切相关，车辆牌照光照的不均匀程度与不同的光照条件与角度都会对图像质量产生重大的影响。在不同的时间、不同的气候条件下，车牌区域的亮度特征取决于车牌的反光程度。由于计算机技术领域的不断进步和完善，车牌图像处理问题也就得到了愈来愈多的研究和关注。本篇论文主要考虑结合多重网格方法来构造多尺度反演算法，对模糊的图像进行去噪及修复，使得多尺度反演方法既能识别原有图像的特征，又能极大地减少数值计算的工作量。本文首先将采集到的车辆牌照转换成灰度图像，由于得到的灰度图像目标与背景亮度相近，我们必须对图像进行灰度拉伸，传统的拉伸方法是线性化拉伸和硬阈值处理，本文将对图像进行多尺度拉伸，并基于模糊数学进行软阈值处理，在保留原有图像特征的同时，能够去除图像中的噪声，恢复图像的原有信息。本文使用真实的车辆牌照进行了数值模拟，实验结果表明多重网格方法在一定的条件下能够有效地进行图像去噪与修复。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 车辆牌照识别的背景
• 1.2 图像噪声的现状
• 1.2.1 噪声的模型
• 1.2.2 噪声的分类
• 1.3 常用的去噪方法
• 1.3.1 空间域滤波降噪
• 1.3.2 频率域滤波降噪
• 1.4 图像增强研究的现状
• 1.4.1 傅里叶变换
• 1.4.2 离散傅里叶变换
• 1.5 本文的主要工作
• 第2章 图像去噪与修复的基础理论
• 2.1 车辆牌照图像预处理的理论基础
• 2.1.1 彩色图像转化为灰度图像
• 2.1.2 灰度直方图均衡化方法
• 2.1.3 图像的灰度拉伸
• 2.1.4 图像的二值化
• 2.1.5 图像的梯度锐化
• 2.2 多重网格相关基础理论
• 2.2.1 多重网格方法的引入
• 2.2.2 多重网格方法的基本思想
• 2.2.3 多重网格方法的应用原则
• 2.3 多重网格的迭代性
• 2.4 本章小结
• 第3章 图像去噪与修复的研究内容
• 3.1 图像进行离散化及精度分析
• 3.2 对图像在单尺度下进行增强处理
• 3.2.1 线性灰度拉伸
• 3.2.2 分段线性灰度拉伸
• 3.2.3 非线性灰度拉伸
• 3.2.4 改进的非线性灰度拉伸方法
• 3.3 对图像在多尺度下进行离散及增强处理
• 3.4 本章小结
• 第4章 数值模拟
• 4.1 单尺度下的图像数值模拟
• 4.2 多尺度下的图像数值模拟
• 4.3 本章小结
• 第5章 结论与展望
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢