基于特殊環(huán)境下的車牌識別研究.pdf

1、21世紀(jì)以來我國經(jīng)濟(jì)的快速發(fā)展及社會環(huán)境的變化，使得交通管理系統(tǒng)中車牌識別技術(shù)在我們?nèi)粘Ｉ钪邢破鹆死顺薄＼嚺谱R別技術(shù)需要處理各種條件下的車牌圖像，尤其對于特殊環(huán)境下采集的圖像需要我們更加深入的研究，如現(xiàn)在的霧霾天氣的持續(xù)增加，不能清晰的識別車牌號碼；傍晚時由于光線變暗不能清楚識別車牌圖像等難題，環(huán)境的復(fù)雜性及所需處理車牌圖像的多樣性，需要我們研究出更加實(shí)用的車牌識別技術(shù)在交通系統(tǒng)中得到應(yīng)用，以對日益嚴(yán)重的交通問題得到緩解。
　　

2、日益嚴(yán)重的霧霾天氣、黃昏天氣拍攝到的車牌圖片清晰度很差，甚至導(dǎo)致顏色信息丟失，造成我們對車牌圖像的識別率極度下降，針對以上兩種特殊環(huán)境下的車牌圖像對圖像進(jìn)行了以下深入研究：
　　1）針對深度霧霾、黃昏環(huán)境下的車牌圖像清晰度非常差的問題，提出了改進(jìn)的Retinex算法（五尺度 Retinex算法）對圖像進(jìn)行增強(qiáng)。首先用傳統(tǒng)的Retinex算法對車牌圖像進(jìn)行處理，針對傳統(tǒng)算法的缺點(diǎn)，創(chuàng)新性的提出了五尺度Retinex算法，并將該算法中

3、的中心函數(shù)加以改進(jìn)，實(shí)現(xiàn)了車牌圖像的顏色恢復(fù)，減少了圖像的處理時間及運(yùn)算的復(fù)雜度和運(yùn)算量。
　　2）針對改進(jìn)的Retinex算法不能很好的完成圖像的邊緣增強(qiáng)效果，首先創(chuàng)新性的提出了改進(jìn)的Retinex算法與雙邊濾波及冪函數(shù)相結(jié)合的圖像增強(qiáng)算法，利用三者的邊緣保持特性，對車牌圖像進(jìn)行了顏色增強(qiáng)及邊緣保持，達(dá)到了比較理想的效果，但是雙邊濾波對圖像處理時間比較長，然后創(chuàng)新性的提出引導(dǎo)濾波與改進(jìn)的Retinex算法相結(jié)合對圖像進(jìn)行預(yù)處理，

4、創(chuàng)新性的結(jié)合，節(jié)省了處理時間，并且邊緣信息得到了一定程度的提高，對特殊環(huán)境（霧霾、黃昏）下的車牌圖像有了較強(qiáng)的增強(qiáng)效果，為接下來的車牌定位技術(shù)做好鋪墊。
　　3）針對車牌定位問題，首先創(chuàng)新性的使用Adaboost算法與顏色特征相結(jié)合的車牌檢測方法，能夠精確的定位出車牌區(qū)域，但是Adaboost算法處理時間太長，實(shí)用性比較差，然后創(chuàng)新性的采用了基于小波模極大值灰度跳變算法進(jìn)行車牌定位，對車牌定位處理時間大大降低，并且還能夠精確的定位