復(fù)雜光照下的車牌識(shí)別系統(tǒng)研究.pdf

1、車牌識(shí)別技術(shù)作為智能交通系統(tǒng)的重要組成部分，因其具有認(rèn)知車輛唯一性的能力，所以在實(shí)時(shí)、準(zhǔn)確、高效地管理運(yùn)輸系統(tǒng)中起著重要的作用，也是目前交通管理研究的主要方向。
　　車牌識(shí)別系統(tǒng)的定位檢測(cè)方法受到系統(tǒng)所處環(huán)境等多方面的影響，尤其是在光照過(guò)強(qiáng)或光照不足的情況下，采集到的車輛圖像質(zhì)量較低，往往直接影響車牌定位的結(jié)果，不利于車牌識(shí)別。因此，本文設(shè)計(jì)了復(fù)雜光照下的車牌識(shí)別系統(tǒng)，該系統(tǒng)基于計(jì)算機(jī)視覺識(shí)別技術(shù)，分別對(duì)車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行

2、研究和改進(jìn)，如:圖像增強(qiáng)、圖像分割、車牌二值化算法、字符分割、字符識(shí)別等。
　　本文重點(diǎn)研究了對(duì)關(guān)照不均下采集到的車牌圖像的預(yù)處理以及車牌定位的方法，系統(tǒng)主要模塊及其主要功能如下:
　　圖像預(yù)處理模塊,由于復(fù)雜光照（光照過(guò)強(qiáng)、光照不足或光異常反射等）的影響導(dǎo)致采集到的車牌圖像質(zhì)量偏低，若直接對(duì)其進(jìn)行二值化處理效果往往不太理想。本文用改進(jìn)后的高低帽變換對(duì)傳統(tǒng)的固定閾值二值化算法進(jìn)行了優(yōu)化，并將其運(yùn)用到了車牌圖像的二值化算法中，

3、改善了不均勻光照對(duì)車牌圖像的影響。
　　車牌定位模塊，根據(jù)車牌圖像失真的情況，確定定位方法，顏色失真不嚴(yán)重的圖像，采用基于自適應(yīng)維納濾波的模糊化車牌定位方法對(duì)其進(jìn)行定位檢測(cè)，即利用HSV空間，提取車牌圖像的飽和層，然后調(diào)節(jié)自適應(yīng)維納濾波器的濾波窗口，使圖像中的非車牌區(qū)域模糊化，突出車牌區(qū)域，然后采用形態(tài)學(xué)處理等方法實(shí)現(xiàn)車牌的最終定位。對(duì)于復(fù)雜光照下采集到的低質(zhì)量圖像，采用基于灰度圖像的車牌識(shí)別方法，在獲得較清晰的二值圖像的基礎(chǔ)上，

4、運(yùn)用形態(tài)學(xué)處理的方法得到車牌區(qū)域。
　　字符分割模塊，針對(duì)由復(fù)雜光照造成的圖像字符不清的情況，本文融合投影特征及嵌入車牌字符分割的先驗(yàn)知識(shí)對(duì)垂直投影法進(jìn)行改進(jìn)，首先用水平差分投影對(duì)圖像進(jìn)行傾斜校正，同時(shí)對(duì)圖像進(jìn)行水平精確定位，這樣不僅降低了算法的復(fù)雜度而且提高了水平定位的精度。再采用基于連通域的直方圖投影法，通過(guò)尋找車牌的優(yōu)割字符對(duì)車牌區(qū)域進(jìn)行垂直分割。該方法有效地降低了夜間光照不均勻?qū)ψ址指畹挠绊?，同時(shí)對(duì)字符粘連、斷裂等問題的

5、處理較為理想，具有較高的魯棒性和自適應(yīng)能力。
　　字符識(shí)別模塊，目前較為常用的方法有模板匹配法、基于數(shù)理統(tǒng)計(jì)法以及人工智能技術(shù)。針對(duì)復(fù)雜光照對(duì)車牌的影響，本文采用基于粗網(wǎng)格特征提取和BP神經(jīng)網(wǎng)絡(luò)提取相結(jié)合的人工神經(jīng)網(wǎng)絡(luò)車牌字符分類識(shí)別方法，通過(guò)選取字符的粗網(wǎng)格特征訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，再用其識(shí)別待識(shí)別車牌字符。該方法對(duì)字符識(shí)別的準(zhǔn)確率高，適應(yīng)性強(qiáng)，對(duì)光線不均、扭曲或傾斜嚴(yán)重的車牌字符有較高的識(shí)別率。
　　在MATLAB平臺(tái)上編程