弱光照度環(huán)境下車牌定位算法的研究.pdf

1、本文先分析研究了目前國內(nèi)外已有的車牌定位算法研究成果及現(xiàn)狀，再結(jié)合中國汽車牌照自身的特點，設(shè)計了一個三級定位的方案。分為圖像預(yù)處理、車牌區(qū)域粗定位、車牌區(qū)域精確定位三個步驟。針對彩色圖像像素點過多導(dǎo)致的運算量大和光線不足時圖像噪聲較大的問題，對采集到的車牌圖像做灰度化和去噪等預(yù)處理，達到圖像銳化和增強的目的。在對車牌進行粗定位的時候，鑒于車牌區(qū)域具有豐富邊緣的特征，使用Robert算子對圖像做邊緣檢測，再利用數(shù)學(xué)形態(tài)學(xué)的方法獲取車輛牌照

2、的候選區(qū)域。在對候選區(qū)域中偽車牌部分進行剔除的時候，考慮到中國汽車牌照首字符為漢字，在多尺度空間下存在豐富的尺度不變特征點，而偽車牌部分不具有這個特點，利用尺度不變特征轉(zhuǎn)換算法——SIFT(Scale-invariantfeaturetransform)對篩選出來的車輛牌照區(qū)域進行特征匹配，達到精確定位車牌的目的。
　　在三級定位方案的基礎(chǔ)上，本文又提出一種基于簡化的PCNN(PulseCoupledNeuralNetwork)模

3、型和行掃描、垂直投影相結(jié)合的車牌定位算法。針對汽車高速運動帶來的圖像模糊，采用一種簡化的PCNN模型對車牌原圖像做PCNN圖像增強和PCNN圖像分離的處理。在圖像得到增強后，針對車牌區(qū)域具有豐富紋理特征的特點，采用行掃描和垂直投影的方式將車輛牌照的上下、左右邊界分別精確定位。
　　本文的算法在Matlab2009的編程環(huán)境下使用200張隨機拍攝的圖片進行試驗，并與其他文獻中的算法在同一個運行環(huán)境下做對比分析實驗，實驗采用的圖片分辨