基于視頻的車牌定位和增強(qiáng).pdf

1、隨著時代的發(fā)展，智能交通監(jiān)控系統(tǒng)已經(jīng)被廣泛的使用，通過交通監(jiān)控視頻可以了解交通系統(tǒng)的各方面信息，但是當(dāng)視頻的分辨率較小時，對驗證車輛身份起決定作用的車牌通常會變得模糊，不易辨識。本文針對這個問題，提出了一種基于交通監(jiān)控視頻的車牌定位和超分辨率增強(qiáng)系統(tǒng)，從視頻中提取出一個車牌序列，并對其進(jìn)行超分辨率重建和增強(qiáng)，使得車牌圖像的分辨率得到提高，便于識別。
　　 首先利用混合高斯模型對視頻進(jìn)行背景建模，使用背景差法提取出視頻中的運動車輛

2、區(qū)域，移除車輛周圍的景物，使得車牌定位更有針對性。
　　 然后針對車牌區(qū)域邊緣信息豐富的特點，首先使用二階Sobel算子對圖像進(jìn)行邊緣檢測，然后利用形態(tài)學(xué)閉運算使得彼此靠近的邊緣連接成一個連通域，最后對連通域的面積，外接矩形的長寬比等特征進(jìn)行分析，從而對最新進(jìn)入視頻場景的運動車輛區(qū)域進(jìn)行車牌檢測和定位。對于后續(xù)出現(xiàn)的相應(yīng)車牌區(qū)域，以前一幀定位得到車牌圖像為模板，前一幀車牌位置附近區(qū)域為搜索區(qū)域，使用模板匹配的方法對當(dāng)前幀進(jìn)行車牌

3、定位。最終得到一個低分辨率的車牌圖像序列。
　　 實現(xiàn)超分辨率算法的前提是得到低分辨率圖像序列之間的配準(zhǔn)參數(shù)。由于車牌序列的分辨率是逐漸減小的，圖像之間存在著明顯的縮放變換，因此利用基于仿射變換模型的光流法對車牌序列進(jìn)行配準(zhǔn)，得到它們之間的仿射變換參數(shù)。
　　 分別使用基于凸集投影和基于自適應(yīng)維納濾波器的超分辨率方法，對車牌圖像序列進(jìn)行重建和增強(qiáng)，并對兩種算法進(jìn)行比較，探討了車牌序列分辨率逐漸減小的特點對重建效果產(chǎn)生的影