压缩感知在车牌识别系统中的应用研究.pdfVIP

Vol. 12 No. 19 Jul. 2012 科学技术与工程 第 12 卷第19 期 2012 年7 月 1671--1815(2012)19-4797-07 Science Technology and Engineering @ 2012 Sci. Tech. Engrg. 中晓磊周武能 (东华大学信息科学与技术学院.上海 201620) 摘要 分析车牌识别系统的数据采集过程，提出关于压缩感知理论的车牌识别系统的数据采集方法。对采集的车牌图像 进行小波变换，将车牌图像变换成易传输，数据量较小的图像数据，使用正交匹配追踪算法以及小波逆变换对来自传输设备 的车牌图像进行重建，并实现原始图像精确和近似重构。由仿真可知，压缩感知理论应用于车牌识别系统的数据采集传输过 程，降低了传输数据量大小，并易于图像数据传输，且能以较小误差实现车牌图像的重构，同时有相应的硬件使用环境。 关键词车牌识别系统 压缩感知 OMP 算法 小波变换 图像处理 中图法分类号 TN91 1. 73; 文献标志码 A 进行变换压缩编码，最后在解码端进行解压缩和反 车牌识别系统在现代智能交通中占据着重要 变换，得到重构的信号，如图 1 所示。传统的编解码 的作用，随着城市交通事业的高速发展，机动车数 方法中由于信号的采样频率不得低于信号带宽的2 量与日剧增，车牌识别技术(以下称车牌识别)越来 倍，使得相应的硬件设备也面临着很大的采样压 越受到重视。尤其是在每日公共交通系统中，高速 力，而且这种高速采样后再压缩的过程也很浪费采 摄像机对车牌进行拍照，随后进行图像数据的处 样资源。 理，每天要拍摄成千上万的车牌，要传输大量的车 于是 Candes ， Terres 和 Tao[3] 在压缩感知理论 牌图像数据到终端系统巾，在终端系统中进行图像 中提出新的压缩理论框架:如图 2 所示。目前己成 的重构，因此每天处理的数据量是巨大的，怎样减 功运用到语音与数据信号的压缩与重构中(4 ，抖。该 少数据量的传输以及在终端系统中实现图像的精 理论指出如果信号是可压缩的或者在某个变换域 确重构是一个研究的热点问题。针对目前存在的 问题，通过将压缩感知理论与小披变换[11 结合起来 上具有稀疏性，就能够用一个与变换基不相关的测 量矩阵将稀疏变换后的高维信号投影到一个低维 应用到车牌识别中的图像数据采集传输系统中，在 空间上，然后通过求解优化问题就可以从这些少量 图像数据传输过程中，减少传输的图像数据量的大 的低维投影中精确或近似地重构原始信号。 小，并在终端系统中实现图像的精确重构，以利于 后续的车牌识别，并结合仿真给出实验结果。 可压缩信号 高速采样