40、基于智能数据处理与预测算法的低分辨率车牌识别

基于智能数据处理与预测算法的低分辨率车牌识别

1. 低分辨率车牌数字图像的定义

要获取车牌的数字矩阵，需对模拟车牌图像进行采样，构建数据，并按照采样点的相对位置将数据排列成数据矩阵，随后对每个元素的幅度进行量化。矩阵中的元素被称作像素。

假设原点的坐标值为(1, 1)，那么一个M×N大小的数字图像f(x, y)可以用如下矩阵表示：
[
f(x, y) =
\begin{bmatrix}
f(1, 1) & f(1, 2) & \cdots & f(1, N) \
f(2, 1) & f(2, 2) & \cdots & f(2, N) \
\vdots & \vdots & \ddots & \vdots \
f(M, 1) & f(M, 2) & \cdots & f(M, N)
\end{bmatrix}
]

由此可知，数字图像I1(x, y)可以用二维矩阵来表示。设I1(x, y)表示待配准图像在点(x, y)处的灰度值，I2(x, y)表示参考图像在点(x, y)处的灰度值，那么参考图像与待配准图像之间的配准关系可表示为：
[
I2(x, y) = g(I1(f(x, y)))
]
其中，f是二维几何变换函数，g是一维灰度变换函数。图像配准可看作是两幅图像在灰度和空间几何上的匹配，其主要目的是找到最佳的灰度变换关系和空间变换关系。

2. 基于智能数据处理的车牌图像配准算法

2.1 SIFT算法概述