基于演化算法的運動模糊圖像識別算法研究.pdf

1、近年來,隨著全國人民生活水平的不斷提高,汽車數(shù)量的不斷增加,與此同時政府也加快了建設基礎設施的步伐。目前立交橋、停車場、高速公路越來越多,但是卻缺乏合理有效的車輛管理措施。為了規(guī)劃交通方面的管理,提高交通設施的使用效率,相繼出現(xiàn)了一些相應的智能交通系統(tǒng)。車牌自動識別系統(tǒng)則是智能交通系統(tǒng)的重要組成部分,目前車牌自動識別技術已經(jīng)得到了廣泛的應用,但大多還是在車輛圖像質量較好的基礎上。在實際應用中,采集到的圖像會因為車輛的高速運動而產(chǎn)生模糊的

2、情況,因此自動識別出高速運動狀態(tài)下的車牌具有實際意義和應用價值。
　　本文主要討論了高速運動模糊車輛圖像的恢復、車牌定位、傾斜校正、字符分割、字符識別等方法,總結討論了前人的研究內(nèi)容,改進了已有的相關算法,還提出了一些新的算法。主要內(nèi)容和創(chuàng)新點如下:
　　(1)在運動模糊車輛圖像恢復方面,首先介紹了運動模糊圖像的退化模型,提出了一種基于演化算法的運動車輛圖像的恢復,根據(jù)運動模糊圖像的退化模型來確定適應值函數(shù),然后進行選擇、交

3、叉、變異等演化操作。實驗結果顯示,與盲恢復方法相比,演化算法能提高運動模糊圖像的復原能力。
　　(2)在車牌定位方面,本文提出了一種基于混沌演化算法的車牌定位方法。該方法采用混沌原理生成初始種群,在演化過程中,對選擇出的個體進行混沌優(yōu)化,根據(jù)混沌演化算法的全局尋優(yōu)性來實現(xiàn)車牌的定位。實驗結果表明,該方法有較好的定位效果,適應能力較強。
　　(3)在字符分割方面,本文提出了一種基于演化算法的二值化算法,采用Otsu方法來確定適