基于模糊圖像的車牌識別技術研究.pdf

1、車牌自動識別系統(tǒng)利用計算機對車輛圖像進行處理分析并識別出車牌號碼信息，作為交通運輸管理中必不可少的一個環(huán)節(jié)而具有特別廣泛的應用場景，對智能和信息化的交通管理起到非常重要的作用。目前對于車牌自動識別技術的研究已經取得了較好的成果，現(xiàn)有系統(tǒng)正確識別率可以達到90％以上。但是在某些特殊情況下，比如圖像采集設備和車輛之間的相對高速運動導致不能抓取到車輛的清晰圖像，致使車輛圖像中運動模糊現(xiàn)象的產生，此種現(xiàn)象對車牌識別帶來嚴重的負面影響以致于正確識

2、別率降低。本文重點是對具有運動模糊現(xiàn)象的車牌識別方法進行研究并做出適當改進，主要組成部分有運動模糊圖像的復原、復原圖像預處理和車牌定位、車牌圖像二值化、字符分割和字符識別等步驟。
　　本研究主要內容包括：⑴對運動模糊車輛圖像進行復原，運動模糊圖像可以看作是原始清晰圖像和一個退化函數卷積的結果，所以對其進行復原時首要工作就是預估退化函數。只有準確估計出退化函數的參數（模糊角度和模糊長度）才能建立比較精確的退化函數，然后選擇合適的復原

3、方法對模糊圖像進行復原處理。估計模糊角度時首先對運動模糊圖像進行傅里葉變換得出頻譜圖，然后對頻譜圖像利用Hough變換檢測模糊方向的直線，從而確定出模糊方向角度。對模糊長度估計時采用的方式是將運動模糊圖像按照運動模糊角度旋轉至水平方向，然后對旋轉后的模糊圖像求微分自相關函數來計算模糊長度，這樣就得出了退化函數的兩個必要參數，最后根據得出的退化函數利用維納濾波法將運動模糊圖像進行復原。⑵對車輛復原圖像進行車牌的定位，在進行定位之前需要先對

4、模糊復原圖像進行預處理，包括圖像的對比度增強和平滑濾波等操作，其目的是提高運動模糊復原圖像的質量以增加定位的準確性。在車牌定位時首先根據車牌區(qū)域邊緣信息較豐富的特點對圖像利用Sobel算子邊緣檢測，然后經過一系列的膨脹運算、腐蝕運算和開閉運算等數學形態(tài)學處理準確定位出車牌的位置。在模糊復原圖像上對已經確定位置的車牌進行分割提取，得到單獨的車牌圖像后對其進行Otsu閾值算法二值化并去除多余邊框和小圓點等無用信息。下面是對車牌的二值化圖像進

5、行字符分割和歸一化，其中字符分割采取垂直投影加上字符寬度閡值限制的方法準確分割出互相獨立的單個字符并歸一化保存以待識別。⑶對歸一化保存的字符進行識別，本課題采用模板匹配法和BP神經網絡法兩種識別方式進行識別并對結果比較分析。模板匹配法采用改進的特征值提取方式依次對標準模板字符圖像和待識別字符圖像進行比對，匹配程度最高的即為對應識別結果;BP神經網絡識別法需先對構建好的網絡進行大量樣本訓練，直至神經網絡訓練成熟達到應用要求，兩種識別方式的