霧霾環(huán)境下車牌圖像預(yù)處理及識(shí)別算法研究.pdf

1、隨著智能交通系統(tǒng)的發(fā)展，車牌自動(dòng)識(shí)別技術(shù)越來(lái)越廣泛地應(yīng)用于生活中的各種場(chǎng)景。但是由于現(xiàn)今霧霾天氣的增多，傳統(tǒng)的車牌識(shí)別算法在霧霾天氣下的準(zhǔn)確率會(huì)大幅度下降，很難滿足人們的需求。這就急需在車牌自動(dòng)識(shí)別過(guò)程中加入去霧算法，提高霧霾條件下的車牌自動(dòng)識(shí)別準(zhǔn)確率。
　　本文在車牌自動(dòng)識(shí)別算法中引入暗原色先驗(yàn)去霧算法，同時(shí)利用指導(dǎo)濾波對(duì)暗原色先驗(yàn)去霧算法中透射率優(yōu)化的方法進(jìn)行改進(jìn)，在保證去霧效果的同時(shí)縮短了去霧過(guò)程的時(shí)間，提高了去霧算法的實(shí)時(shí)

2、性。
　　對(duì)去霧后得到的圖像，先進(jìn)行灰度化處理，然后進(jìn)行區(qū)域增強(qiáng)，最后利用邊緣檢測(cè)的方法來(lái)確定車牌的上下邊界。接著，利用基于先驗(yàn)知識(shí)的方法確定車牌的左右邊界，完成車牌的定位。
　　對(duì)得到的定位后的車牌圖像先進(jìn)行二值化處理，再利用垂直投影法，通過(guò)垂直方向的像素累計(jì)圖進(jìn)行字符分割，然后對(duì)分割后的車牌圖像進(jìn)行歸一化處理，最后將歸一化的圖像轉(zhuǎn)化為粗特征矩陣，以便進(jìn)行車牌識(shí)別。
　　由于BP神經(jīng)網(wǎng)絡(luò)抗干擾性差，其在識(shí)別去霧后的字

3、符圖像時(shí)準(zhǔn)確率下降，本文選用魯棒性強(qiáng)的徑向基函數(shù)(Radial Basis Function，RBF)神經(jīng)網(wǎng)絡(luò)對(duì)去霧字符圖像進(jìn)行識(shí)別。但RBF神經(jīng)網(wǎng)絡(luò)參數(shù)確定較為復(fù)雜，偶然性大，故選用粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)對(duì)其參數(shù)進(jìn)行優(yōu)化。實(shí)驗(yàn)證明，利用基于粒子群算法優(yōu)化的徑向基函數(shù)(Radial Basis Function Optimized by Particle Swarm Optimi