基于数字图像处理的车牌号码识别 外文文献.doc

河 北 农 业 大 学 毕业设计(论文)外文资料翻译 院（系）： 现代科技学院 专 　　业： 电子信息科学与技术 姓 名： 李蓬阁 学 号： 2007614140209 外文出处： ?Recognizing Cars? Louka Dlagnekov, Serge Belongie 附 件： 1.外文资料翻译译文；2.外文原文。 完成日期： 二零一一 年 四 月二十日 《汽车识别》 作者：罗卡戴朗科，塞尔贝朗克计算机系科学与工程专业美国加州大学圣地亚哥分校，加州92093号 摘要：车牌号码识别（LPR）的研究是一个相当重要的问题，这一系统已经是商业运作系统的几个重要组成部分之一。然而许多类似系统需要复杂的视频采集硬件并且需要与红外闪光灯利用技术相结合，用以形成大尺寸车牌在某些区域和（人工）字符鉴别。在本文中，我们描述了一个车牌识别系统，这一系统实现了高质量的视频信号分辨，具备较高的识别率而且不需要昂贵的硬件。我们也探讨了汽车制造和模式识别问题，其目的在于搜寻用于部分车牌号码监控并与录像档案馆联合一些汽车视觉描述系统。我们的提出的方法将提供给民间基础设施宝贵的信息，并提供以各种情境为执法对象的信息。 1简介 车牌识别问题（LPR）被广泛认为是与许多系统急待解决的问题之一。一些较为著名的是为伦敦交通拥挤而设置的收费系统，以及为美国海关边境巡逻任务开发的系统，还有在加拿大和美国的部分收费公路用于执法的收费系统 。虽然向公众发布了一些关于商业的准确性细节，但是部署的车牌识别系统仅仅在可操作的条件下才能正常工作。因而，他们有两个主要缺点是我们可以解决的： 首先，他们需要高解析度成像，需要有专门的硬件。大多数的学术研究在这方面也需要高清晰度图像或依赖于特殊地理位置的车牌，并考虑下到这些地区的人和实物因素，甚至是一些常见的误读字符和特殊字符。 其次，具有一定性质的LPR系统可以当作是汽车的指纹车牌。换句话说，确定车辆的身份完全基于附带的车牌。可以想见，这种情况下需要考虑两个板块从完全不同的品牌和型号的汽车被调换的情况，在这种情况下，这些系统将无法发现这一问题。我们作为分辨者也不太会容易分辨汽车的车牌号码，除非汽车很接近我们的。我们也不能非常容易的记忆所有字符。然而，我们能够识别和记忆的汽车外观，，即使当汽车正在加速离开我们。事实上，信息记忆表现出这样了一种迹象，首先是汽车的品牌和型号，只有那么它的车牌号码，有时甚至不是一个完整的号码。因此，考虑到汽车的外观描述和部分车牌号，当局应该能够查询他们对类似的车辆监控系统和检索时，该车辆失踪与当时存档的录像资料以及时间记号。 在本文中，我们描述了一个车牌识别方法，执行良好，而且不需要使用昂贵的成像硬件，同时可以用于探索汽车制造商和型号识别（MMR）。由于车牌的互补性和品牌和型号的信息不同，使用时需要考虑分辨能力，不仅具备高精度文字分辨能力，而且具备更强能力的汽车监控系统。 1.1车牌识别系统采用了角落的匹配如[11]模板的检测方法和变换[12] [27]各种直方图为基础的方法相结合。金等人。 [13]采的色彩和韩国车牌（例如绿色的背景上的白色字符）质地的优势，支持向量机（SVM）来进行检测。的车牌图像的尺寸范围从79 × 38 390 × 185像素，而他们的报表处理低分辨率输入图像（320 × 240）在超过一个3 800MHz）12秒，97.4％的检出率和9.4％率。更简单的方法，如用字符输入整个图像自适应二值化后的定位，内藤等所。 [15]和[3]，但很少用于设置背景杂波有可能不是很。最常见的习惯做法现有的LPR光学字符识别系统所使用的相关模板匹配[16]，有时做了一组字符[6]有时相关是通过主成分分析（PCA）[9]。其他[22]适用于二值化图像分割成分分析的特点，尽量减少自定义模板人物之间距离措施。分段字符分类也可以通过利用神经网络[17]良好的效果。不是明确分段检测板，阿米特等字符。 [2]使车牌两个字符识别检测和粗到方法。目前他们的高识别率，车牌图像高清晰度，而且目前尚不清楚们的方法在我们的数据集低清晰度的图像。据我们所知，是未开发的问题。各项工作一直在对汽车街景图像[10] [21] [19]和空中拍摄的照片进行检测 [20]。 Dorko和Schmid [7]使用尺度不变性特征来侦测与50％的平均背景图片的汽车。阿加瓦尔等 [1]创建汽车，