運(yùn)動(dòng)模糊車牌識(shí)別系統(tǒng)關(guān)鍵技術(shù)的研究.pdf

1、科技進(jìn)步推動(dòng)了交通運(yùn)輸?shù)陌l(fā)展，使得智能交通系統(tǒng)應(yīng)運(yùn)而生。車牌識(shí)別作為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，對(duì)于推進(jìn)交通智能化進(jìn)程有著重要意義。在實(shí)際生活中，由于車輛高速運(yùn)動(dòng)，拍攝的車牌圖像經(jīng)常會(huì)產(chǎn)生運(yùn)動(dòng)模糊。運(yùn)動(dòng)模糊圖像給車牌識(shí)別帶來(lái)很大困難。運(yùn)動(dòng)模糊車牌識(shí)別系統(tǒng)可以有效的識(shí)別運(yùn)動(dòng)模糊車牌圖像。隨著交通壓力的增大，人們急需一款識(shí)別率較高的運(yùn)動(dòng)模糊車牌識(shí)別系統(tǒng)。為解決上述問(wèn)題，本文針對(duì)運(yùn)動(dòng)模糊車牌識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)進(jìn)行研究，主要研究工作如下:

2、>　　首先，研究運(yùn)動(dòng)模糊車牌圖像的復(fù)原方法。本文采用維納濾波復(fù)原方法。維納濾波復(fù)原圖像的關(guān)鍵是求取K值及點(diǎn)擴(kuò)散函數(shù)的參數(shù)。本文采用基于頻域特征和基于空域特征相結(jié)合的方法求取退化函數(shù)的參數(shù)。先通過(guò)Hough變換檢測(cè)運(yùn)動(dòng)模糊角度，然后利用微分自相關(guān)函數(shù)曲線估計(jì)運(yùn)動(dòng)模糊長(zhǎng)度。對(duì)于K值的求取，本文提出了一種自動(dòng)估計(jì)K值的算法。
　　其次，利用PSO-BP神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)原后的車牌圖像進(jìn)行識(shí)別。車牌識(shí)別部分包括車牌定位，車牌分割，車牌識(shí)別。在車

3、牌定位環(huán)節(jié)，本文采用了一種基于像素投影，邊緣檢測(cè)及數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。車牌定位后，采用Radon變換實(shí)現(xiàn)車牌圖像的傾斜矯正。在車牌分割環(huán)節(jié)，本文采用投影法先去除車牌的邊框及分割符。接下來(lái)針對(duì)車牌分割中出現(xiàn)的字符連通及粘連等問(wèn)題，提出一種連通域法，投影法與及模板匹配法相結(jié)合的車牌分割方法。在車牌識(shí)別環(huán)節(jié)，本文提出用PSO-BP神經(jīng)網(wǎng)絡(luò)進(jìn)行車牌識(shí)別，該方法較好的解決了BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)出現(xiàn)收斂速度慢的問(wèn)題，并且提高了系統(tǒng)的識(shí)別率。<