基于模糊理論的汽車(chē)牌照自動(dòng)識(shí)別技術(shù)研究.pdf

1、智能交通系統(tǒng)(ITS)是近年隨著電子計(jì)算機(jī)、人工智能及圖像處理技術(shù)快速發(fā)展而誕生的新興研究領(lǐng)域。而車(chē)牌識(shí)別技術(shù)(LPR)作為ITS中極為重要的部分，已成為目前國(guó)際上引人注目、研究發(fā)展神速的熱門(mén)課題。 車(chē)牌自動(dòng)識(shí)別技術(shù)是建立在數(shù)字圖像獲取設(shè)備與計(jì)算機(jī)信息系統(tǒng)等軟硬件平臺(tái)的基礎(chǔ)之上的，主要包括圖像信息的獲取、圖像的預(yù)處理、車(chē)牌圖像提取及矯正和光學(xué)字符的分割、識(shí)別等步驟。本文著重介紹的是車(chē)牌圖像的預(yù)處理、車(chē)牌圖像的提取、車(chē)牌圖像的矯正

2、及字符圖像的分割和識(shí)別方法。 圖像的預(yù)處理過(guò)程主要是針對(duì)可能存在的光照不均，對(duì)彩色圖像進(jìn)行灰度化處理以及對(duì)灰度圖像進(jìn)行二值化處理，本文提出的是一種基于Otsu法的圖像分塊多閾值二值化處理方法，獲得了較好的處理結(jié)果；車(chē)牌圖像的提取包括粗定位和提取兩個(gè)子步驟，這是車(chē)牌識(shí)別技術(shù)中的難點(diǎn)，本文提出的方法試圖應(yīng)用混沌理論對(duì)可能的車(chē)牌區(qū)域進(jìn)行匹配運(yùn)算，以獲得較為準(zhǔn)確的車(chē)牌圖像區(qū)域；在車(chē)牌圖像的矯正過(guò)程中，以二值化后的圖像為基礎(chǔ)，使用并比較分

3、析了兩種算法對(duì)存在的車(chē)牌圖像的整體傾斜與扭曲進(jìn)行矯正，一種算法是Radon變換結(jié)合最大全零列判決法，另一種是雙線(xiàn)性變換法；由于前面步驟獲得了優(yōu)良的識(shí)別樣本，之后進(jìn)行的光學(xué)字符圖像識(shí)別在進(jìn)行字符圖像分割提取時(shí)，使用了較為簡(jiǎn)單的模糊分類(lèi)器后就可以達(dá)到很好的識(shí)別效果。 本文所使用的圖像原始樣本的來(lái)源包括以下兩個(gè)方面：一是由數(shù)碼相機(jī)或者普通CCD攝像頭在路口或者停車(chē)場(chǎng)等地拍攝下來(lái)的各類(lèi)汽車(chē)的靜止和低速運(yùn)動(dòng)的彩色圖像；二是在網(wǎng)絡(luò)上搜索到的