復(fù)雜條件下的車牌識別技術(shù)研究.pdf

1、在如今的交通管理體系中車牌識別系統(tǒng)越來越突顯其重要性。然而，隨著交通環(huán)境的不斷復(fù)雜化，現(xiàn)有的車牌識別系統(tǒng)漸漸不能滿足人們的要求。尤其是針對夜晚超速車輛的抓拍，成像設(shè)備采集到的車輛圖像清晰度很差，同時車速過快導(dǎo)致圖像模糊，大大降低了車牌識別的準(zhǔn)確率。因此，有必要開展針對夜晚超速違章車輛的車牌識別的研究。
　　夜晚超速車輛圖像退化的成因主要為低照度清晰度差、顏色信息丟失和運動模糊三種類型，對這三類退化圖像復(fù)原的問題開展了以下研究：

2、r>　　1)針對低照度環(huán)境下車牌顏色信息丟失以及含大量噪聲的問題，提出了改進(jìn)的自適應(yīng)小波閾值增強算法。首先創(chuàng)新性的加入了Retinex理論進(jìn)行顏色增強，然后利用小波閾值函數(shù)進(jìn)行圖像恢復(fù)，針對軟硬閾值函數(shù)存在的缺陷，提出了一種改進(jìn)的閾值函數(shù)，實現(xiàn)了各小波尺度的圖像進(jìn)行自適應(yīng)性增強。實驗結(jié)果表明，改進(jìn)的增強算法對低照度情況下車輛圖像有很好的增強效果。
　　2)針對超速車輛會出現(xiàn)拖影模糊的問題，提出了改進(jìn)的迭代盲反卷積復(fù)原算法，改善了傳

3、統(tǒng)去模糊算法恢復(fù)過程中會放大噪聲、使恢復(fù)結(jié)果誤差增大的問題。改進(jìn)算法不需有模糊參數(shù)的先驗知識，并且結(jié)合了噪聲信號的最小二乘估計，同時恢復(fù)模糊圖像的點擴(kuò)撒函數(shù)和模糊圖像本身，實驗結(jié)果表明，改進(jìn)算法的處理結(jié)果具有更高的信噪比，去模糊效果更好。
　　3)顏色信息丟失的問題，針對傳統(tǒng)車牌定位算法主要依據(jù)顏色信息的局限性，提出了改進(jìn)的AdaBoost機器學(xué)習(xí)的車牌定位算法。傳統(tǒng)只依靠機器算法進(jìn)行車牌定位準(zhǔn)確率較低，因此加入了基于圖像邊緣信息

4、的車牌粗定位，然后利用車牌圖像Haar-like特征訓(xùn)練AdaBoost分類器，通過多次迭代更新樣本權(quán)值，得到弱分類器，將每次獲得的弱分類器聯(lián)合為強分類器來定位車牌區(qū)域。實驗結(jié)果表明，結(jié)合邊緣信息的粗定位的引入大大提高了算法效率和準(zhǔn)確率，并且利用AdaBoost分類器能準(zhǔn)確的將車牌區(qū)域從車輛圖像中提取出來。
　　利用改進(jìn)算法進(jìn)行預(yù)處理及車牌定位后，采用簡單、高效的模板匹配法進(jìn)行字符識別。實驗證明，相較于普通預(yù)處理和定位過程，結(jié)合了