畢業(yè)論文（設(shè)計(jì)）運(yùn)動(dòng)模糊車牌識(shí)別關(guān)鍵技術(shù)研究

1、the research of key techniques of motion blurlicense plate recognitionthesis submitted to nanjing university of posts andtelecommunications for the degree ofmaster of engineeringbyshi hailingsupervisor: prof. qiu xiao huimay 2015南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。 盡我所知，除了文中特別加以標(biāo)注和致

2、謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過 的研究成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。 與我一同工作的同志對木研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)一切相關(guān)的法律責(zé)任。研究生簽名：口期：南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可以保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子文 檔；允許論文被查閱和借閱；可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索； 可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì) 論文的內(nèi)容相一致。論文的公布（包括刊

3、登）授權(quán)南京郵電大學(xué)研究牛院辦理。涉密學(xué)位論文在解密后適用木授權(quán)書。研究生簽名：導(dǎo)師簽名：日期：摘要目前，車牌識(shí)別系統(tǒng)（lprs）已廣泛應(yīng)用于高速公路收費(fèi)管理、城市交通路口車輛違章 監(jiān)控、停車場管理等領(lǐng)域，成為智能交通系統(tǒng)（its）的重要組成部分。本文針對相對運(yùn)動(dòng)造成 的模糊車輛圖像，研究其復(fù)原、定位、傾斜校正、字符分割及字符識(shí)別等關(guān)鍵技術(shù)，在分析 近年來國內(nèi)外最新研究的基礎(chǔ)上，對有關(guān)算法進(jìn)行了改進(jìn)。首先在分析了現(xiàn)有的運(yùn)動(dòng)模糊圖像復(fù)原算法的基礎(chǔ)上，提出了一種基于點(diǎn)擴(kuò)展函數(shù) （psf）估計(jì)和耦合梯度保真項(xiàng)的白適應(yīng)全變分算法的運(yùn)動(dòng)模糊圖像復(fù)原算法。利用改進(jìn)的 radon變換和雙譜模型估計(jì)出運(yùn)動(dòng)模糊

4、的方向和長度，再用基于耦合梯度保真項(xiàng)的自適應(yīng)全 變分算法對模糊圖像進(jìn)行復(fù)原。實(shí)驗(yàn)結(jié)果表明，木文提出的方法能較好地實(shí)現(xiàn)運(yùn)動(dòng)模糊車輛 圖像的復(fù)原。在車牌定位階段，考慮到運(yùn)動(dòng)模糊復(fù)原后的車輛圖像質(zhì)量與原始圖像仍有一定差距，傳 統(tǒng)定位方法的準(zhǔn)確率會(huì)受到影響，本文提出了一種結(jié)合混沌優(yōu)化和自適應(yīng)遺傳算法的車牌定 位算法。實(shí)驗(yàn)結(jié)果表明，該方法在圖像質(zhì)量較差的情況下仍有較好的定位效果，適應(yīng)能力強(qiáng)。在傾斜校正方面，由于垂直傾斜校正對于字符分割的影響更大，所以對其采用精度較高 的旋轉(zhuǎn)投影法，而對于水平傾斜校正則采用了簡單快速的radon變換法，在不影響精度的情 況下減少了字符傾斜校正的時(shí)間。在字符分割階段，首先用

5、投影法將字符初步劃分矩形區(qū)域，提取標(biāo)準(zhǔn)符，然后對矩形區(qū) 域采用連通標(biāo)記和生長法來進(jìn)一步分割字直到分割出所有的字符。在字符識(shí)別階段，木文采用基于小波核函數(shù)的ls-svm方法，結(jié)合字符和字符識(shí)別的特 征，分析小波函數(shù)作為核函數(shù)的可行性，最后通過實(shí)驗(yàn)結(jié)果橫向、縱向?qū)Ρ?，得岀了小波?函數(shù)的優(yōu)勢。關(guān)鍵詞：車牌識(shí)別，運(yùn)動(dòng)模糊，車牌定位，傾斜校正，字符分割，字符識(shí)別abstractat present, the license plate recognition system (lprs) has been widely used in highways' toll and speed monit

6、oring management, peccancy monitoring of urban traffic intersection, parking management and many other areas, it becomes an important part of intelligent transportation system (its). this paper mainly researches motion blur license plate image restoration and locating, tilt correction,character segm

7、entation and character recognition on the basis of analying the latest research at home and abroad in recent years, and the relevant algorithms are improved.first of all, on the basis of the analysis of the existing motion blur image restoration algorithm, a motion blur image restoration algorithm b

8、ased on psf estimation and tv regularization is proposed. we estimate the motion blur direction and length according to the fuzzy image, then realize blurred image restoration using tv regularization restoration algorithm. the experimental results show that the proposed method can well realize the r

9、ecovery of the motion blur vehicle image.in license plate locating phase, considering the image quality after recovery still has certain gap with the ideal image, which is likely to affect the accuracy in the traditional positioning method.this paper implements a license plate location method based

10、on chaos genetic. the method uses the chaos genetic algorithm in global search optimal, so as to realize the license plate localization. the experimental results show that the proposed method still has good positioning effect, strong ability to adapt under the condition of low image resolution, and

11、poor image quality.in tilt correction stage, due to the influence of vertical tilt for character segmentation is bigger, so the high precision rotation projection method is used for vertical tilt coitection, while rapid radon transformation method is used for horizontal tilt correction. the results

12、show that it reduces the tilt correction time while does not affect the precision.in character segmentation stage, we first differentiate characters preliminary rectangular area and extract the standard using the projection method, then use the method of connecting markers and growth to further char

13、acter segmentation until all of the characters are segmented.in character recognition stage, this article uses the ls-svm method based on wavelet kernel function.according to the characteristics of the character and character recognition,we analyze the feasibility of the wavelet function as the kern

14、el function, and the experimental results show the advantage of wavelet kernel by the lateral, longitudinal comparison.key words: license plate recognition, motion blur, license plate location, tilt correction, character segmentation, character recognition目錄第一章緒論11課題研究背景與意義錯(cuò)誤!未定義書簽。1.2車牌識(shí)別系統(tǒng)概述21.2.1

15、車牌識(shí)別系統(tǒng)原理概述21.2.2車牌識(shí)別系統(tǒng)的國內(nèi)外研究現(xiàn)狀31.3運(yùn)動(dòng)模糊車牌識(shí)別技術(shù)的一些新問題41.4論文的結(jié)構(gòu)與框架4第二章運(yùn)動(dòng)模糊車輛圖像復(fù)原錯(cuò)誤!未定義書簽。2.1章內(nèi)標(biāo)題2.162.1章內(nèi)標(biāo)題2.1.172.1.2章內(nèi)標(biāo)題2.1.272.2章內(nèi)標(biāo)題2.27221章內(nèi)標(biāo)題2.282.2.2章內(nèi)標(biāo)題2.2.2 82.3章內(nèi)標(biāo)題2.38231章內(nèi)標(biāo)題2.382.3.2章內(nèi)標(biāo)題2.3.282.4本章小結(jié)8第三章研究點(diǎn)193.1章內(nèi)標(biāo)題393章內(nèi)標(biāo)題3丄193.1.2章內(nèi)標(biāo)題3.1.293.2章內(nèi)標(biāo)題3.293.2.1章內(nèi)標(biāo)題32193.2.2章內(nèi)標(biāo)題32293.3章內(nèi)標(biāo)題3.393.3.

16、1章內(nèi)標(biāo)題331103.3.2 章內(nèi)標(biāo)題 3.3.2103.4本章小結(jié)10第四章研究點(diǎn)2114.1章內(nèi)標(biāo)題4114.1.1章內(nèi)標(biāo)題4丄1114.1.2章內(nèi)標(biāo)題4.2114.2章內(nèi)標(biāo)題4.211421章內(nèi)標(biāo)題4.2114.2.2 章內(nèi)標(biāo)題 4.2.2114.3章內(nèi)標(biāo)題4.3114.3章內(nèi)標(biāo)題4.3124.3.2 章內(nèi)標(biāo)題 4.3.2124.4本章小結(jié)12第五章 研究點(diǎn)3135.1章內(nèi)標(biāo)題5135.1章內(nèi)標(biāo)題5135.1.2 章內(nèi)標(biāo)題5.1.2135.2章內(nèi)標(biāo)題5.2135.2.1章內(nèi)標(biāo)題521135.2.2章內(nèi)標(biāo)題522135.3章內(nèi)標(biāo)題5.3135.3.1 章內(nèi)標(biāo)題 5.3.1145.3.2

17、章內(nèi)標(biāo)題 5.3.2145.4本章小結(jié)14第六章總結(jié)與展望15參考文獻(xiàn)16附錄1攻讀碩士學(xué)位期間撰寫的論文18致謝21$用術(shù)語注釋表符號(hào)說明:bd多普勒擴(kuò)展5(/)多普勒功率譜專用術(shù)語注釋表absadaptive binary splittingaesadvanced encryption standardamsadaptive multi-tree searchaqsadaptive query splittingarapanonymous rfidauthentication protocolascallocated slot counterbscttabi-slotted collisi

18、on tracking tree algorithmi4qtimproved 4-ary query treeiamsimproved adaptive multi-tree search縮略詞說明:木部分內(nèi)容非強(qiáng)制性要求，如果論文中所用符號(hào)不多,自適應(yīng)二叉樹分割高級加密標(biāo)準(zhǔn)自適應(yīng)多叉樹自適應(yīng)查詢分割樹匿名rfid認(rèn)證協(xié)議分配計(jì)數(shù)器雙時(shí)隙碰撞跟蹤樹算法改進(jìn)型四叉查詢樹 改進(jìn)型自適應(yīng)多叉樹可以省略專用術(shù)語注釋表。第一章緒論1.1課題研究背景與意義近年來，我國經(jīng)濟(jì)高速發(fā)展，車輛數(shù)量和交通設(shè)施不斷增加，隨z而來的就是交通擁堵, 違章車輛變多，交通事故頻發(fā)，車輛管理壓力變?nèi)说葐栴}。因此，如何有效地提高

19、對車輛交 通的管理和監(jiān)控能力受到了政府及相關(guān)部門越來越多的重視。這時(shí)，一種交通道路實(shí)時(shí)監(jiān)控 及管理系統(tǒng)，即智能交通系統(tǒng)(its),便產(chǎn)生了。這種系統(tǒng)綜合利用了人工智能技術(shù)、信息 技術(shù)、通信傳輸技術(shù)、計(jì)算機(jī)處理技術(shù)以及自動(dòng)控制技術(shù)等，并將之應(yīng)用于整個(gè)交通體系中, 提高了道路的通行能力和安全系數(shù)、增強(qiáng)了交通管理部門對車輛的監(jiān)控、指揮、管理能力。在智能交通系統(tǒng)基礎(chǔ)上發(fā)展起來的午牌識(shí)別系統(tǒng)(license plate recognition system, lprs)是its的重要組成部分。這種系統(tǒng)綜合利用了模式識(shí)別、圖像處理、人工智能等技術(shù)。 其廣泛應(yīng)用于車輛車速監(jiān)測管理系統(tǒng)，違章車輛管理系統(tǒng)，高速

20、路口、停車場等收費(fèi)站點(diǎn)自 動(dòng)收費(fèi)管理系統(tǒng)，企業(yè)、政府部門、居民住宅區(qū)車輛安全管理系統(tǒng)等多個(gè)領(lǐng)域山。對交通擁 堵的緩解，車輛交通安全的管理和城市治安的維護(hù)等起到了重要的作用。因此，對車牌識(shí)別 系統(tǒng)的相關(guān)技術(shù)進(jìn)行研究具有非常人的現(xiàn)實(shí)意義和發(fā)展前景。目前已有很多學(xué)者、機(jī)構(gòu)對車牌識(shí)別技術(shù)進(jìn)行研究，但大多是基于假設(shè)采集到的車輛圖 像較為理想。而在實(shí)際的智能交通系統(tǒng)中，圖像采集設(shè)備采集到的車輛圖像由于受到不均勻 光照、天氣干擾、復(fù)雜的外界背景干擾、相對運(yùn)動(dòng)等因素的影響而質(zhì)量各異，從而影響了車 牌識(shí)別的準(zhǔn)確率。針對上述的退化車輛圖像，已有相關(guān)文獻(xiàn)針對其屮某種影響因素對現(xiàn)有的 車牌識(shí)別技術(shù)進(jìn)行了改進(jìn)。女口，文

21、獻(xiàn)針對復(fù)雜背景下車牌區(qū)域所占比例較小，圖像中干擾 區(qū)域較多的問題，提出了一種基于邊緣檢測、數(shù)學(xué)形態(tài)學(xué)濾波和顏色特征的車牌定位算法； 文獻(xiàn)針對霧霾等惡劣天氣以及鏡頭失焦、車速過快造成的退化車輛圖像，分別研究了霧化 車輛圖像、離焦模糊和運(yùn)動(dòng)模糊車輛圖像的復(fù)原算法。本文主要針對相對運(yùn)動(dòng)引起的運(yùn)動(dòng)模 糊車輛圖像，對運(yùn)動(dòng)模糊車輛圖像的復(fù)原、車牌的定位、校正及字符分割、識(shí)別等關(guān)鍵技術(shù) 做一些研究。1.1.1章內(nèi)標(biāo)題1丄1正文x x x x x(1) 正文內(nèi)一級序號(hào)(首行不縮進(jìn))正文x x x x x(a) 正文內(nèi)二級序號(hào)(b) 正文內(nèi)二級序號(hào)(2) 正文內(nèi)一級序號(hào)(首行不縮進(jìn))正文x x x x x(a)

22、 正文內(nèi)二級序號(hào)(b) 止文內(nèi)二級序號(hào)1.2車牌識(shí)別系統(tǒng)概述車牌識(shí)別系統(tǒng)是以車輛牌照為目標(biāo)的專用計(jì)算機(jī)視覺系統(tǒng)，它是計(jì)算機(jī)視覺與模式識(shí)別 技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題乞一，是實(shí)現(xiàn)交通智能化管理的重要環(huán)節(jié)。它能從 一幅車輛圖像中定位出車牌，進(jìn)而分割車牌字符，最后對字符進(jìn)行識(shí)別從而得到車牌號(hào)碼。1.2.1車牌識(shí)別系統(tǒng)原理概典型的車牌識(shí)別系統(tǒng)主要由以下模塊組成：圖像采集模塊、圖像預(yù)處理模塊、車牌定位 模塊、字符分割模塊以及字符識(shí)別模塊等。其工作流程如圖1所示：圖1.1典型車牌識(shí)別系統(tǒng)的工作流程圖(1) 圖像釆集：圖像采集一般由攝像機(jī)和車輛感應(yīng)器完成。當(dāng)車輛檢測器(如紅外線、地 感線圈)檢測到

23、車倆進(jìn)入拍攝范圍時(shí)，車倆感應(yīng)器發(fā)送信號(hào)觸發(fā)圖像采集系統(tǒng)中與攝像機(jī)光 快門相連接的光電傳感器，這時(shí)在車輛不同位置、不同角度的攝像機(jī)將同時(shí)拍攝車輛，由此 便采集得到當(dāng)前車輛的圖像。一般而言攝像機(jī)拍攝的角度不是正對著車輛的，因此很多情況 下車輛圖像中的車牌是傾斜的。當(dāng)傾斜度達(dá)到一定值時(shí)，會(huì)影響車牌識(shí)別的準(zhǔn)確性，這就必 須在字符分割之前對車牌進(jìn)行傾斜校正處理，這部分內(nèi)容將在后面的章節(jié)中予以分析解決。(2) 圖像預(yù)處理：車輛圖像在采集時(shí)，由于受光照、系統(tǒng)噪聲、相對運(yùn)動(dòng)、環(huán)境干擾等各種 因素的影響，采集到的圖像與原始圖像之間會(huì)有某種差異，如過亮、過暗、有噪聲或者模糊 等，這種差異稱為降質(zhì)或退化，這種退化會(huì)

24、增加后續(xù)的車牌定位、字符分割及識(shí)別的難度， 且影響車牌識(shí)別的準(zhǔn)確度。因此，需對采集到的車倆圖像進(jìn)行預(yù)處理$6, 般包括灰度化、 中值濾波、圖像校正、對比度增強(qiáng)、二值化、形態(tài)學(xué)處理等。本文主要針對運(yùn)動(dòng)模糊車輛圖 像進(jìn)行復(fù)原處理。（3）車牌定位：車牌定位實(shí)際上就是基于圖像處理、模式識(shí)別等技術(shù)，根據(jù)車牌區(qū)域特有的 特征，如：紋理特征、幾何特征等，在整個(gè)車輛圖像中尋找最符合車牌特征的區(qū)域的過程。 車牌定位是整個(gè)車牌識(shí)別過程的關(guān)鍵，其定位結(jié)果的準(zhǔn)確率直接關(guān)系到字符分割和識(shí)別的準(zhǔn) 確率，并影響著車牌識(shí)別系統(tǒng)的效率。（4）車牌字符分割：字符分割即對定位校正后的車牌區(qū)域進(jìn)行去邊框等處理，將車牌區(qū)域分 割成單個(gè)

25、字符（漢字、英文字母和數(shù)字等）。字符分割是字符識(shí)別的基礎(chǔ)，如果分割出的字符 出現(xiàn)斷裂，粘連等現(xiàn)象，將會(huì)影響后續(xù)字符識(shí)別過程的準(zhǔn)確性。（5）車牌字符識(shí)別：這是車牌識(shí)別系統(tǒng)的最后一個(gè)模塊，也是該系統(tǒng)的最終目標(biāo)。該過程以 字符分割的結(jié)果為基礎(chǔ)，識(shí)別并輸出車牌字符識(shí)別的結(jié)果。能否得到正確的識(shí)別結(jié)果是衡量 整個(gè)車牌識(shí)別系統(tǒng)有效與否的最終衡量標(biāo)準(zhǔn)。1.2.2車牌識(shí)別系統(tǒng)的國內(nèi)外研究現(xiàn)狀早在20世紀(jì)80年代，就有一些學(xué)者對車牌識(shí)別進(jìn)行研究，但當(dāng)時(shí)的研究只是針對某個(gè) 部分或某個(gè)階段，對整個(gè)系統(tǒng)的整體研究還未出現(xiàn)。而且其識(shí)別過程自主性較差，需要人工 的參與，同時(shí)會(huì)受到外界環(huán)境的嚴(yán)重影響，總體來說還處于試驗(yàn)階段，

26、硏究成果并不成熟。到了 90年代，隨著計(jì)算機(jī)cpu處理速度的很大提高和圖像處理技術(shù)、視覺技術(shù)等的不 斷發(fā)展，人們便逐漸開始了對車牌識(shí)別的系統(tǒng)化研究。在車牌識(shí)別系統(tǒng)的研究發(fā)展過程中， 許多車牌識(shí)別技術(shù)被提出，如模糊數(shù)學(xué)理論、神經(jīng)網(wǎng)絡(luò)、遺傳算法、小波變換等技術(shù)。國外研究人員對車牌識(shí)別系統(tǒng)的研究起步較早，其中比較具有代表性的有：robertson提 出的基于dft變換頻域的分析方法；barroso提出的基于niblack二值化算法及自適應(yīng)便捷 搜索的分析方法叫r.parisi提出的利用dsp和神經(jīng)網(wǎng)絡(luò)的分析方法切等。隨著數(shù)學(xué)工具的引 入，mi-ae ko. young-mo kim提出了基于權(quán)重模板

27、匹配的分析方法，后來又出現(xiàn)了基于 動(dòng)態(tài)投影翹曲的分析方法、基于形態(tài)學(xué)和投影的分析方法、基于小波變換的分析方法等。在國外，一些研究機(jī)構(gòu)和公司已開發(fā)出了一些較為成熟的車牌識(shí)別系統(tǒng)的產(chǎn)品，如口兒 由以色列hi-tech公司開發(fā)的see/car system系列產(chǎn)品，由新加坡optasia公司開發(fā)的 vlprs產(chǎn)品等。特別是以色列的see/car system系列產(chǎn)品，hi-tech公司針對每個(gè)國家分別南京郵電大學(xué)碩上研究生學(xué)位論文 第一章緒論 研制出了不同的see/car system產(chǎn)品，其中專門針對中國研制的see/car chinese系統(tǒng)除 不能對漢字進(jìn)行識(shí)別外，其它字符都可以止確識(shí)別。而其

28、他國家都是根據(jù)本國車牌的特征信 息開發(fā)相應(yīng)的識(shí)別系統(tǒng)，其識(shí)別系統(tǒng)只適用于本國車牌格式。我國對車牌識(shí)別系統(tǒng)的研究起步晚于國外，直至20世紀(jì)90年代初，隨著經(jīng)濟(jì)的快速發(fā) 展，我國的現(xiàn)代化交通得以飛速發(fā)展，從而對車牌識(shí)別系統(tǒng)的需求也越來越大。而此時(shí)漢字 的識(shí)別技術(shù)也己得到了完善，我國的眾多學(xué)者開始投身于車牌識(shí)別技術(shù)的深入研究之中，并 且獲得了很多成果。當(dāng)前，我國車牌識(shí)別技術(shù)發(fā)展的困難主要體現(xiàn)在：復(fù)雜的外界背景干擾、 多樣性的車牌樣式、車牌污損、由于車速過快等原因造成的車輛圖像模糊等情況。如何使車 牌識(shí)別系統(tǒng)在復(fù)雜環(huán)境和車輛圖像質(zhì)量各異的情況下有較好的魯棒性，成為車牌識(shí)別技術(shù)的 重點(diǎn)研究問題。在我國，

29、比較成熟的車牌識(shí)別系統(tǒng)產(chǎn)品有"叫由隸屬于中科院自動(dòng)化研究所的漢王公司 研制的“漢王眼”，由浙江大學(xué)研制的“車牌通”等。另外，隸屬于位于沈陽的中科院自動(dòng)化 研究的聚徳公司，中智交通電子有限公司（中國信息產(chǎn)業(yè)部下屬公司）等單位也先后研制出 了自己的產(chǎn)品。除此z外，清華大學(xué)的人工智能國家重點(diǎn)實(shí)驗(yàn)室、上海交通大學(xué)的圖像研究 所以及浙江大學(xué)的自動(dòng)化系等也先后對此領(lǐng)域進(jìn)行了研究。目前，以上這些國內(nèi)研制的識(shí)別 產(chǎn)品的識(shí)別率可達(dá)90%以上，但這些產(chǎn)品大多是針對某一種環(huán)境可以達(dá)到較高的識(shí)別率，一 旦環(huán)境改變，這些產(chǎn)品的識(shí)別率會(huì)大大降低甚至無法識(shí)別。所以考慮到我國車牌識(shí)別的復(fù)雜 性，冃前對車牌識(shí)別技術(shù)的

30、研究還有很多工作要做。1.3運(yùn)動(dòng)模糊車牌識(shí)別技術(shù)的一些新問題目前，已有很多學(xué)者對不同影響因素造成的退化車輛圖像的車牌識(shí)別技術(shù)進(jìn)行了研究。 本文針對相對運(yùn)動(dòng)引起的的運(yùn)動(dòng)模糊車輛圖像的車牌識(shí)別技術(shù)進(jìn)行了深入研究，首先對運(yùn)動(dòng) 模糊車輛圖像進(jìn)行復(fù)原處理，通過模糊圖像來建立退化模型，再利用退化模型完成圖像的復(fù) 原，最終得到相對清晰的車輛圖像以供車牌識(shí)別系統(tǒng)的后續(xù)處理。其需要解決的一些問題有:（1）運(yùn)動(dòng)模糊圖像退化過程估計(jì)的準(zhǔn)確性、振鈴效應(yīng)、噪聲等對運(yùn)動(dòng)模糊圖像復(fù)原算法的影 響。尤其是圖像退化過程的估計(jì)，其估計(jì)的準(zhǔn)確性直接影響著圖像復(fù)原的效果。如何有效地 去除噪聲而又不影響運(yùn)動(dòng)模糊圖像退化參數(shù)的估計(jì)也需要

31、繼續(xù)深入研究。（2）現(xiàn)有的人多數(shù)車牌定位方法要求車輛圖像質(zhì)量較高，而經(jīng)過運(yùn)動(dòng)模糊復(fù)原處理后的車輛 圖像質(zhì)量雖然有一定的改進(jìn)，但是與原始的清晰圖像相比仍有差距，這就需要對現(xiàn)有的車牌 定位方法進(jìn)行改進(jìn)，以更加適應(yīng)運(yùn)動(dòng)模糊復(fù)原處理后的車輛圖像，提高定位的準(zhǔn)確率。南京郵電大學(xué)碩上研究生學(xué)位論文 第一章緒論1.4論文的結(jié)構(gòu)與框架本文主要是對運(yùn)動(dòng)模糊車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行研究。研究的主要內(nèi)容是運(yùn)動(dòng)模糊 車輛圖像的復(fù)原、車牌定位、傾斜校正、字符分割、字符識(shí)別等關(guān)鍵技術(shù)。全文章節(jié)安排如 下：第一章緒論。介紹了課題的研究背景與意義，概述了車牌識(shí)別系統(tǒng)的原理及其國內(nèi)外研 究現(xiàn)狀及發(fā)展趨勢，分析了運(yùn)動(dòng)模糊車牌識(shí)

32、別技術(shù)的一些難點(diǎn)，最后詳述了本文的主要研究 內(nèi)容和章節(jié)安排。第二章運(yùn)動(dòng)模糊車輛圖像復(fù)原。首先闡述了運(yùn)動(dòng)模糊圖像的形成原因及其退化模型，然 后分別介紹了常見的幾種運(yùn)動(dòng)模糊圖像處理算法，另外還從主客觀的角度闡述了圖像質(zhì)量評 價(jià)方法；最后提出了一種基于psf估計(jì)和tv正則化的運(yùn)動(dòng)模糊圖像復(fù)原算法應(yīng)用于運(yùn)動(dòng)模 糊車牌圖像的去模糊處理中，并對復(fù)原效果進(jìn)行了分析。第三章車牌定位。首先介紹了我國車輛牌照的特點(diǎn)，然后分別分析了幾種常用的車牌定 位方法，比較其優(yōu)缺點(diǎn)，最后針對運(yùn)動(dòng)模糊復(fù)原后的車牌圖像提出了一種基于基于混沌遺傳 的車牌定位方法，并通過仿真實(shí)驗(yàn)比較分析了該算法和傳統(tǒng)定位算法的定位準(zhǔn)確率。第四章車牌傾

33、斜校止。首先介紹了傾斜的原因及常見情況，然后分別分析了兒種常用的 傾斜校正方法，比較其優(yōu)缺點(diǎn)，最后提出了一種radon變換和旋轉(zhuǎn)投影結(jié)合的傾斜校正算法, 并通過仿真實(shí)驗(yàn)比較分析了該算法和傳統(tǒng)傾斜校正算法的校正效果。第五章車牌字符分割。首先介紹了字符分割的主要流程，然后分別分析了幾種常用的字 符分割算法，比較其優(yōu)缺點(diǎn)，最后提出了一種基于改進(jìn)的連通域字符二次分割算法進(jìn)行字符 分割。并通過仿真實(shí)驗(yàn)比較分析了該算法和傳統(tǒng)字符分割算法的分割效果。第六章車牌字符識(shí)別。首先介紹了車牌字符的特點(diǎn)，然后分別分析了幾種常用的字符識(shí) 別算法，比較其優(yōu)缺點(diǎn)，最后本文釆用了基于小波核函數(shù)的ls-svm算法，并通過仿真實(shí)

34、驗(yàn) 驗(yàn)證了該算法的可行性。第七章總結(jié)與展望。對本文的研究內(nèi)容進(jìn)行總結(jié)，并指出不足之處，在此基礎(chǔ)上對今后 的工作和研究方向進(jìn)行了展望。第二章運(yùn)動(dòng)模糊車輛圖像復(fù)原在實(shí)際的智能交通系統(tǒng)中，由于車輛與攝像機(jī)的相對運(yùn)動(dòng)，且曝光時(shí)間有限，采集到的 車輛圖像往往是運(yùn)動(dòng)模糊的。這將會(huì)導(dǎo)致后續(xù)的車牌定位、字符分割、字符識(shí)別等步驟出現(xiàn) 問題，最終導(dǎo)致識(shí)別出的結(jié)果是錯(cuò)誤的甚至識(shí)別不出車牌。因此，在車牌識(shí)別系統(tǒng)中，對運(yùn) 動(dòng)模糊車輛圖像的復(fù)原方法進(jìn)行研究很有現(xiàn)實(shí)意義。圖像復(fù)原有兩個(gè)關(guān)鍵問題，一是獲取圖 像退化過程的先驗(yàn)知識(shí)，而是采用什么方法對模糊圖像進(jìn)行反卷積推導(dǎo)。2運(yùn)動(dòng)模糊圖像的退化模型正文x x x x xpra(

35、x) = -e 2a2, x>0公式(2)正文x x x x xn-1力0,/)=工(/)(一乙)公式(2.2)n=0正文x x x x x圖2.1圖的名稱正文x x x x x表2.1表的名稱正文x x x x x止文x x x x x平坦慢衰落!平坦快衰落ii頻率選擇性丨頻率選擇性快衰落 !; 慢衰落i頻率選擇性j頻率選擇性平坦快衰落丨平坦慢衰落發(fā)送信號(hào)符號(hào)周期發(fā)送基帶信號(hào)帶寬圖2. 2 圖的名稱正文x x x x x表2. 2 表的名稱正文x x x x x止文x x x x x2.1.1章內(nèi)標(biāo)題211正文x x x x x22章內(nèi)標(biāo)題2.1.2正文x x x x x2.2章內(nèi)標(biāo)題

36、222.2.1章內(nèi)標(biāo)題221正文x x x x x2.2.2章內(nèi)標(biāo)題222正文x x x x x2.3章內(nèi)標(biāo)題2.3正文x x x x x2.3.1章內(nèi)標(biāo)題231正文x x x x x2.3.2章內(nèi)標(biāo)題232正文x x x x x2.4本章小結(jié)正文x x x x x第三章研究點(diǎn)1正文x x x x x3.1章內(nèi)標(biāo)題3.1正文x x x x x3.1.1章內(nèi)標(biāo)題3.1.1正文x x x x x3.1.2章內(nèi)標(biāo)題3.1.2正文x x x x x3.2章內(nèi)標(biāo)題3.2正文x x x x x3.2.1章內(nèi)標(biāo)題321正文x x x x x3.2.2章內(nèi)標(biāo)題3.2.2正文x x x x x3.3.1章內(nèi)標(biāo)題

37、331正文x x x x x3.3.2章內(nèi)標(biāo)題正文x x x x x3.4本章小結(jié)正文x x x x x第四章研究點(diǎn)2正文x x x x x4.1章內(nèi)標(biāo)題4.1正文x x x x x4.1.1章內(nèi)標(biāo)題4.1.1正文x x x x x4.1.2章內(nèi)標(biāo)題4.1.2正文x x x x x4.2章內(nèi)標(biāo)題4.2正文x x x x x4.2.1章內(nèi)標(biāo)題4.2.1正文x x x x x4.2.2章內(nèi)標(biāo)題4.2.2正文x x x x x4.3.1章內(nèi)標(biāo)題4.3.1正文x x x x x4.3.2章內(nèi)標(biāo)題4.3.2正文x x x x x4.4本章小結(jié)正文x x x x x第五章研究點(diǎn)3正文x x x x x5.

38、1章內(nèi)標(biāo)題5.1正文x x x x x5.1.1章內(nèi)標(biāo)題5.1.1正文x x x x x5.1.2章內(nèi)標(biāo)題5.1.2正文x x x x x5.2章內(nèi)標(biāo)題5.2正文x x x x x5.2.1章內(nèi)標(biāo)題521正文x x x x x522章內(nèi)標(biāo)題522正文x x x x x5.3.1章內(nèi)標(biāo)題531正文x x x x x532章內(nèi)標(biāo)題532正文x x x x x5.4本章小結(jié)正文x x x x x第六章總結(jié)與展望正文x x x x x正文x x x x x參考文獻(xiàn)1 godard d n. self-recovering equalization and carrier-tracking in two-dimensional data communication systemsj. ieee transactions on communications, 1980, com-28(no.l 1): 1867-1875.2 張賢達(dá)，保錚.通信信號(hào)處理m.北京:國防工業(yè)出版社,2000: 30-50.3 larimore m, treichler j. convergence behavior of the constant modulus algorithmfc. ieee international conference on ica