车标定位技术研究

论文摘要

车标识别是基于视觉的车辆识别技术中的重要研究领域,具有重要的理论意义和实际价值,应用前景十分广阔。车标识别系统包括车标定位和车标识别两个关键环节。车标定位是车标识别的第一步,其结果直接影响后续车标识别的准确率,因此车标定位技术是车标识别系统中的关键技术。本文详尽分析了车标定位技术的发展现状和有待解决的难点问题,提出了两种实用的车标定位方法。提出了一种基于模板匹配和边缘检测的车标定位方法。首先利用Radon变换进行车辆图像的倾斜校正;然后通过三绝对值最大梯度方法定位出车灯带区域,再利用车标与车牌、车灯的位置先验知识进行车标粗定位;最后根据车标背景纹理特征利用模板匹配和边缘检测方法进行车标精定位。实验结果表明,该方法既适用于倾斜的车辆图像又适用于多种车标背景纹理,具有很好的车标定位效果。提出了一种基于先验知识的车标定位方法。首先进行车灯带定位,然后在车灯带上方搜索车标,如果未找到车标,则在车灯带上两个车灯之间定位车标。当车标位于车灯带上方时,首先利用车标的位置先验知识进行车标粗定位;然后利用数学形态学方法进行车标精定位。当车标位于车灯带上的两个车灯之间时,则在利用车标的位置先验知识粗定位车标后,根据车标背景的纹理先验知识进行车标精定位。其具体方法是,对车标背景具有水平或垂直纹理的图像应用边缘检测和数学形态学技术进行车标精定位,而对车标背景具有网状纹理的图像则应用模板匹配和边缘检测相结合的方法进行车标精定位。实验结果表明,该方法既不受车标位置限制,又不受车标背景纹理限制,具有实际应用价值。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的研究背景和意义
• 1.2 车标定位技术的发展现状
• 1.2.1 车标识别系统概述
• 1.2.2 车标定位技术的发展现状
• 1.2.3 车标定位技术的难点以及有待解决的问题
• 1.3 本文的主要内容
• 1.4 本文的结构安排
• 2 车标定位的理论基础
• 2.1 图像的灰度化
• 2.2 Radon 变换
• 2.3 边缘检测
• 2.3.1 差分边缘检测
• 2.3.2 Roberts 边缘检测算子
• 2.3.3 Sobel 边缘检测算子
• 2.3.4 Prewitt 边缘检测算子
• 2.3.5 Laplace 边缘检测算子
• 2.4 形态学滤波
• 2.4.1 腐蚀
• 2.4.2 膨胀
• 2.4.3 开运算
• 2.4.4 闭运算
• 2.5 模板匹配
• 2.5.1 相似性测度
• 2.5.2 模板匹配算法
• 3 基于模板匹配和边缘检测的车标定位方法
• 3.1 车辆倾斜校正
• 3.2 基于车灯带的车标粗定位
• 3.3 车标精定位
• 3.3.1 基于模板匹配的车标左右边界精定位
• 3.3.2 基于边缘检测的车标上下边界精定位
• 3.4 实验结果分析
• 3.5 本章小结
• 4 基于先验知识的车标定位方法
• 4.1 车标的先验知识
• 4.1.1 车标的位置先验知识
• 4.1.2 车标的背景纹理先验知识
• 4.2 车灯带定位
• 4.3 车标位于车灯带上方时的车标定位
• 4.4 车标位于车灯带上时的车标定位
• 4.4.1 背景为水平或垂直纹理时的车标定位
• 4.4.2 背景为网状纹理时的车标定位
• 4.5 实验结果与分析
• 4.6 本章小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 攻读硕士学位期间发表的学术论文情况及参加的科研项目
• 致谢