復(fù)雜條件下的車牌識(shí)別技術(shù)研究.pdf

1、在如今的交通管理體系中車牌識(shí)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(shí)別系統(tǒng)漸漸不能滿足人們的要求。尤其是針對(duì)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(shí)車速過快導(dǎo)致圖像模糊，大大降低了車牌識(shí)別的準(zhǔn)確率。因此，有必要開展針對(duì)夜晚超速違章車輛的車牌識(shí)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(yùn)動(dòng)模糊三種類型，對(duì)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(duì)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(qiáng)算法。首先創(chuàng)新性的加入了Retinex理論進(jìn)行顏色增強(qiáng)，然后利用小波閾值函數(shù)進(jìn)行圖像恢復(fù)，針對(duì)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(shí)現(xiàn)了各小波尺度的圖像進(jìn)行自適應(yīng)性增強(qiáng)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)的增強(qiáng)算法對(duì)低照度情況下車輛圖像有很好的增強(qiáng)效果。
　　2)針對(duì)超速車輛會(huì)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(huì)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(yàn)知識(shí)，并且結(jié)合了噪聲信號(hào)的最小二乘估計(jì)，同時(shí)恢復(fù)模糊圖像的點(diǎn)擴(kuò)撒函數(shù)和模糊圖像本身，實(shí)驗(yàn)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(duì)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(jī)器學(xué)習(xí)的車牌定位算法。傳統(tǒng)只依靠機(jī)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(qiáng)分類器來定位車牌區(qū)域。實(shí)驗(yàn)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(shí)別。實(shí)驗(yàn)證明，相較于普通預(yù)處理和定位過程，結(jié)合了