惡劣條件下車牌識別關(guān)鍵技術(shù)研究.pdf

1、目前,車牌識別(VLPR)系統(tǒng)已廣泛應(yīng)用于高速公路收費管理與超速監(jiān)控、城市路口車輛違章監(jiān)測、停車場管理、小區(qū)車輛管理等許多領(lǐng)域,是智能交通系統(tǒng)(ITS)的重要組成部分。然而,在霧霾等惡劣天氣條件下,成像設(shè)備采集到的車輛圖像模糊不清,以及鏡頭失焦、車速過快導(dǎo)致的圖像降質(zhì),都會降低車牌識別系統(tǒng)的識別精度,給交通管理帶來不便的同時,也給安防工作帶來隱患。因此,有必要開展對惡劣條件下車牌識別系統(tǒng)的研究。
　　將車牌識別系統(tǒng)中經(jīng)常發(fā)生的車輛

2、圖像退化的成因分類為霧化降質(zhì)、離焦模糊和運動模糊三種類型,并對這三類退化圖像復(fù)原的問題開展了以下研究:
　　針對霧化圖像,分析了圖像退化模型與退化圖像特征,提出了圖像霧化程度的分類方法。針對圖像中不同景深物體霧化程度不同的特點,提出了一種基于大氣透射率的限制對比度自適應(yīng)直方圖均衡化(CLAHE)算法剪裁閾值自適應(yīng)選擇方法。最后,比較了常用單幅圖像去霧算法恢復(fù)(增強)交通監(jiān)視圖像的性能,充分利用各去霧算法的優(yōu)點,設(shè)計了對不同霧化程度

3、的車輛圖像自適應(yīng)去霧的實現(xiàn)流程。
　　針對離焦、運動模糊圖像,由退化圖像在頻域和空域中的特征入手,介紹了衡量圖像模糊程度的圖像功率譜斜度測度,以及圖像梯度雙高斯分布標準差測度,并提出了基于該測度的車輛圖像模糊區(qū)域檢測算法。為了對檢測出的模糊區(qū)域進行模糊類型的分類,提出了基于倒譜的離焦、運動模糊分類算法。之后,采用基于微分圖像自相關(guān)的離焦模糊PSF鑒別算法估計離焦模糊PSF的半徑參數(shù),采用基于倒譜分析的運動模糊PSF鑒別算法估計運動

4、模糊PSF的方向和尺度參數(shù)。最后,為提高對車輛監(jiān)控系統(tǒng)采集到的含噪聲運動模糊圖像 PSF參數(shù)鑒別的準確度,提出了一種基于小波重構(gòu)和脊波變換的圖像頻譜增強預(yù)處理算法,實驗結(jié)果表明,該方法可有效增強有噪運動模糊圖像頻譜中平行暗條紋的清晰度,以預(yù)處理后的頻譜計算倒譜,可提高PSF參數(shù)鑒別的準確度。
　　此外,完成了圖像霧化、離焦、運動模糊等惡劣條件下車牌識別系統(tǒng)的設(shè)計與實現(xiàn),該系統(tǒng)可自動判別待識別車輛圖像是否發(fā)生退化以及退化的原因,并根