一种基于内容检索的多车牌定位方法-论文.pdf

《一种基于内容检索的多车牌定位方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Newn一种基于内容检索的多车牌定位方法口钟钰扬州大学信息工程学院【摘要】本文提出了一种基于图像内容查询(CBIR)的多车牌定位方法。该方法利用SIFT算法对车牌字符的局部不变特征进行检测、提取与描述，再与特征数据库中已设计好的模版的SIFT特征向量进行匹配，而从得到众多匹配点对，然后用K-means聚类算法将匹配点对自适应划分为多个区域，对每个区域用RANSAC算法去除误匹点后，用仿射变换进行初步定位，最后用线性回归的方法进行二次倾斜矫正。实验表明，该方法对各种复杂环境具有鲁棒性，并且可以实现多车牌的定位。【关键词】CBIR技术多车牌定位K-

2、means聚类算法二次倾斜矫正CBIR技术很早就在车牌检索技术中得到应用并且结果列表；第二，检索过程中，用户可以不断的提供反馈已经取得了一些成果，因为车牌本身包含丰富且独特的信息，从而对检索方式进行修正，构成一个交互式过程，特征信息。图像内容大致可以分为三个语义层次，底层是从而提高检索的准确度。第三、整个检索过程中完全无需最基本的视觉信息包括颜色、纹理等；中层是对象空间关人工参与，全部由计算机自动完成，这就克服了人工描述系，一般表现为图像的局部特征信息；高层是图像的抽象的主观性问题，提高了系统的自动化程度，从而提高了检特征。目前CBIR在车牌检

3、索技术中的应用还停留在图像索效率。的底层特征。1-2SIFT特征匹配目前车牌识别技术面临车牌多样性与环境复杂性的SIFT特征匹配是CBIR中常用到的技术，具体步骤如问题。已有的车牌检索方法大多基于图像内容的底层特下：征，这类特征只适用于简单环境中标准车牌的检索，而面(1)特征点的检测与提取。SIFT将DOG金字塔检测对车牌自身的倾斜、旋转，遮挡和模糊等状况以及环境中出的空间极值点作为特征点。光照、雨雪和伪车牌(斑马线、广告牌和树木等)等影响缺DOG的处理流程如下：①图像利用高斯卷积模版做乏适应性。因此人们开始把注意力转移到图像内容的第平滑，然后

4、组合计算相邻的平滑后图像，得到高斯差分图二层语义特征上，即局部不变特征。局部不变特征包括角像。②在得到的差分图像中找寻尺度和空间上的极值，并点、边缘、区域和blob等。其中SIFI"算子是众多局部不变利用二次迭代以及非极大值抑制对检测到的特征位置做特征描述子中的佼佼者，它的特征描述信息量充足，对旋筛选并精确定位。③因为拉普拉斯对边缘有较强的响应，转、尺度变化、亮度、噪声和遮挡等干扰具备极好的鲁棒所以用Hessian矩阵特征值地相对强弱去除边缘点。性，本文将用其提取车牌字符特征。(2)特征点的过滤与精确定位。车牌识别的标准步骤有四个，它们是车牌图

5、像预处用DOG函数的二阶泰勒(Taylor)展开式B(x)插值得理、车牌定位、字符分割和字符识别。其中车牌定位一直到尺度坐标的精确值以及特征点的位置。是车牌识别系统中最重要的一个环节，它的定准率直接(3)特征点的方向分配影响到系统是否能正确识别出车牌信息。车牌定位也是为了使得检测特征点具备旋转不变性，利用关键点最容易受到干扰的一个步骤，复杂的路况、恶劣的天气、邻域像素地梯度方向为每个关键点设定方向参数。用图多样的拍摄角度以及车牌自身的不确定性都会对其产生像梯度的方法来求局部结构的稳定方向。影响。因此SIFT算法在这一环节更能凸显其优势，本文选择

6、主峰的值做检测特征点的主方向，再选峰值超就提出一种利用SIFT算法进行特征匹配，并结合过主峰值80％的局部峰值为辅助方向，如此一个特征点K—means聚类算法实现的多车牌定位方法。具有多方向，能增强匹配鲁棒性。一(4)生成特征描述符、CBIR技术与SIF．r特征匹配1．1基于内容的图像检索技术(CBIR)上述三个步骤获取了每个检测特征点的尺度、位置20世纪90年代初基于内容的图像检索技术(CBIR)和方向信息，我们要将这些信息描述成一个特征向量，步作为一种新的图像检索技术应运而生。与传统的文字检骤如下：①将坐标轴旋转到检测特征点的主方向，来保证

7、索技术相比较，CBIR突破了对图像进行文字标注描述的生成特征向量的旋转不变性；②计算以检测特征点为中局限，直接分析图像的内容，从中提取特征并建立索引。心的16X16邻域窗口内所有像素点的梯度方向和模值；因此其具备了如下特点。第一，CBIR是一种近似匹配而③将16X16的矩形窗口均匀划分为16个4X4个子区非传统的精确匹配，它在数据库中找出与查询图像相似域。然后采用高斯加权使离特征点越近的邻域权重值增的图像，系统根据查询结果的相似度进行排序，然后返回加，越远地邻域权重值减少。最后计算每个区域中8个方57新观察WObservation向的梯度力‘阳

8、方网，绘制出梯度的累加值；④根据②、心，以某网心到离其最近圆心距离的一半为半径做圆，如⑧获得4×4×8=128维的描述符。此就将多个车牌候选区域粗定位