惡劣條件下車牌識(shí)別關(guān)鍵技術(shù)研究.pdf

1、目前,車牌識(shí)別(VLPR)系統(tǒng)已廣泛應(yīng)用于高速公路收費(fèi)管理與超速監(jiān)控、城市路口車輛違章監(jiān)測(cè)、停車場(chǎng)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(huì)降低車牌識(shí)別系統(tǒng)的識(shí)別精度,給交通管理帶來不便的同時(shí),也給安防工作帶來隱患。因此,有必要開展對(duì)惡劣條件下車牌識(shí)別系統(tǒng)的研究。
　　將車牌識(shí)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(yùn)動(dòng)模糊三種類型,并對(duì)這三類退化圖像復(fù)原的問題開展了以下研究:
　　針對(duì)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(duì)圖像中不同景深物體霧化程度不同的特點(diǎn),提出了一種基于大氣透射率的限制對(duì)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(qiáng))交通監(jiān)視圖像的性能,充分利用各去霧算法的優(yōu)點(diǎn),設(shè)計(jì)了對(duì)不同霧化程度

3、的車輛圖像自適應(yīng)去霧的實(shí)現(xiàn)流程。
　　針對(duì)離焦、運(yùn)動(dòng)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(cè)度,以及圖像梯度雙高斯分布標(biāo)準(zhǔn)差測(cè)度,并提出了基于該測(cè)度的車輛圖像模糊區(qū)域檢測(cè)算法。為了對(duì)檢測(cè)出的模糊區(qū)域進(jìn)行模糊類型的分類,提出了基于倒譜的離焦、運(yùn)動(dòng)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(jì)離焦模糊PSF的半徑參數(shù),采用基于倒譜分析的運(yùn)動(dòng)模糊PSF鑒別算法估計(jì)運(yùn)動(dòng)

4、模糊PSF的方向和尺度參數(shù)。最后,為提高對(duì)車輛監(jiān)控系統(tǒng)采集到的含噪聲運(yùn)動(dòng)模糊圖像 PSF參數(shù)鑒別的準(zhǔn)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(qiáng)預(yù)處理算法,實(shí)驗(yàn)結(jié)果表明,該方法可有效增強(qiáng)有噪運(yùn)動(dòng)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(jì)算倒譜,可提高PSF參數(shù)鑒別的準(zhǔn)確度。
　　此外,完成了圖像霧化、離焦、運(yùn)動(dòng)模糊等惡劣條件下車牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn),該系統(tǒng)可自動(dòng)判別待識(shí)別車輛圖像是否發(fā)生退化以及退化的原因,并根