霧霾環(huán)境下車牌圖像預(yù)處理及識別算法研究.pdf

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

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

3、符圖像時準(zhǔn)確率下降，本文選用魯棒性強的徑向基函數(shù)(Radial Basis Function，RBF)神經(jīng)網(wǎng)絡(luò)對去霧字符圖像進行識別。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)對其參數(shù)進行優(yōu)化。實驗證明，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