臺灣博碩士論文加值系統

車牌辨識系統發展已有很長的一段時間，除了學術研究發展外，也陸續有許多實體的車牌辨識系統產生，現行警察局所使用的車牌辨識系統雖有極高的辨識率，但攝影機必須固定在一定的角度下也就是須在背景固定的情況下產生高效能。當車子出現在畫面角落或超過偵測範圍時，即無法有效的定位，並非全畫面皆可偵測。
為了讓車牌辨識系統有更高的實用性，本文提出一個可以不限環境及天候、背景、車色等，具良好車牌定位結果的方法。早期許多研究皆使用邊緣偵測方式，藉由車牌固定的長寬比定位，但當邊緣輪廓不明顯時，例如淺色車，往往導致定位失敗，因此如何做到高效能並不受限於任何環境條件的車牌定位，正是本研究的重點。
本研究使用連通標示法，把影像分區塊處理，藉由所設定條件排除掉非車牌區域，再由文字間的黑白變化，找出完整的車牌資訊。實驗顯示不論白天、黑夜、深色車、淺色車、非固定背景下，我們的方法可達到96%以上的正確率。

Vehicle license plate (V.L.P.) recognition system is an interesting but complicated research topic. The problem has gained more and more attention not only in the academic but also in the industrial research for the past two decades. Although many experiment results show that their rates of correct recognition are high (over 90%), the results for the real world test (or road test) of those systems are not significant (less than 70%). In other words, the previous methods in the past two decades cannot fit the requirement of real applications. The major reason lies in that the environments of real world are complicated however the previous approaches only work on many constraints or in restricted environments such as fix background.
It is well known that localization is the key factor for V.L.P. recognition system. Based on some constraints such as fix background, localization becomes much easier than without any constraint. In this thesis, a new approach for license plate localization without any environment constraint is proposed. The proposed method combines connected component labeling, Sobel edge detection, and heuristics together. The new method is implemented and tested on different conditions such as day, night, sunny, raining, light colored vehicles, dark colored vehicles, and variable background. Experiment results show the excellent correction rate (≧96%) for the proposed approach. In other words, our approach not only has academic but also application values.

摘要
目錄
圖目錄
表目錄
第一章緒論
1.1 研究動機
1.2 研究目的
1.3 論文架構
第二章文獻探討
2.1 空間域處理
2.1.1 車牌固定的長寬比定位
2.1.2 灰階值變化
2.1.3 顏色定位
2.1.4 投影法定位
2.1.5 連通標示法
2.1.6 適應性分群法
2.2 頻率域處理
2.2.1 傅利葉轉換
2.2.2 小波轉換
第三章研究方法
3.1 灰階轉換
3.2 Sobel邊緣偵測
3.3 二值化
3.4 中值化濾波
3.5 連通標示法
3.6 判定車牌區塊
3.7 定位與校正
第四章實驗結果與分析
4.1 實驗環境
4.2 實驗資料
4.3 實際測試
4.4 結果分析
第五章結論與未來方向
參考文獻

[1] 陳伯岳， 梁忠瑋， 「一個抗背景雜訊的車牌定位技術」 第三屆離島資訊技術與應用研討會， 2003。
[2] 周世育，「非固定大小車牌定位系統」，樹德科技大學,資訊工程研究所碩士論文，2008。
[3] 陳麗奾，「在未設限環境下車牌的定位與辨識」，國立臺灣師範大學資訊教育研究所，1999。
[4] 詹志明，「頻率域濾波器於車輛牌照定位之應用」，輔仁大學，電子工程學系，碩士論文，2005。
[5] 陳伯岳, 蔡銘鑫, 梁忠瑋, 「離散小波轉換應用於車牌定位及車牌切割之研究」 第三屆離島資訊技術與應用研討會, June 27, 2003.
[6] 井上誠喜、八木伸行、林正樹、中須英輔、三谷公二、奧井誠人，"C語言數位影像處理"，全華圖書股份有限公司，2010年1月。
[7] 葉本源，「適用於台灣各種車輛之車牌辨識系統」，中原大學電子工程學系，碩士論文，2006。
[8] 邱智國，「車牌辨識系統的研製」，國立臺灣科技大學，電機工程系，碩士論文，2007。
[9] 陳志成，「自動贓車偵測系統」，國立臺灣師範大學，資訊工程研究所，碩士論文2008。
[10] 高孔君，「應用於自動監控系統中的車牌偵測技術」，私立玄奘大學，資訊管理研究所，碩士論文，2010。
[11] 莊家龍，「車輛偵測與車牌辨識系統」，國立中正大學，機電光整合工程研究所，碩士論文，2005。
[12] 陳翔傑，「自動化車牌辨識系統設計」，國立中央大學，電機工程研究所，碩士論文，2005。
[13] 張正佳，「多視角車牌影像融合技術之評估」，國立交通大學，資訊科學與工程研究所，碩士論文，2006。
[14] 王中山，「使用小波轉換於車牌偵測」，國立中山大學，機械與機電工程學系，碩士論文，2004。
[15] 吳建忠，「於未設限環境中車牌辨識系統模擬與分析」，國立台灣科技大學，電機工程系，碩士論文，2006。
[16] G. Cao, J. Chen, and J. Jiang, “An Adaptive Approach to Vehicle License Plate Localization,” 2003. IECON '03. The 29th Annual Conference of the IEEE Industrial Electronics Society, Vol.2, pp. 1786-1791, 2003.
[17] Yassin M. Y. Hasan and Lina J. Karam, “Morphological Text Extraction From Image,” IEEE Transactions On Image Processing, Vol. 9,No.11 November 2000.
[18] M. Sonka, V. Hilavac, R.Boyle, Image Processing, Analysis, and Machine Vision, PWS Publishing, 1998.