復(fù)雜背景下車牌識(shí)別算法的研究.pdf

1、隨著經(jīng)濟(jì)和科技的日益發(fā)展，車輛數(shù)目逐步增長，這使得交通問題日益突出，所以智能城市和智能交通等技術(shù)漸漸進(jìn)入人們視野中，成為一個(gè)研究熱點(diǎn)，而車牌識(shí)別作為其中最為重要的組成部分之一，也顯得越來越重要。
　　車牌識(shí)別的過程主要包括五大步驟:車牌圖像預(yù)處理、車牌定位、車牌傾斜校正、車牌字符分割、車牌字符識(shí)別?，F(xiàn)有的車牌識(shí)別算法在這些步驟中都有一些問題，比如當(dāng)圖像中有運(yùn)動(dòng)模糊現(xiàn)象時(shí)或者在復(fù)雜背景中，車牌定位、校正和字符分割等效果不理想，另外，

2、漢字的識(shí)別準(zhǔn)確率相對較低。本文將針對這些問題進(jìn)行深入研究。
　　(1)車輛行駛過快時(shí)會(huì)導(dǎo)致獲取的圖像中有運(yùn)動(dòng)模糊現(xiàn)象，因此本文深入地研究了運(yùn)動(dòng)模糊的退化模型，并對其進(jìn)行分析和推理，發(fā)現(xiàn)了其在頻域的規(guī)律，并根據(jù)這個(gè)規(guī)律提出了基于兩次傅里葉變換的計(jì)算運(yùn)動(dòng)模糊核函數(shù)的方法，這種方法需要對模糊圖像進(jìn)行兩次傅里葉變換，然后檢測直線就可以得到運(yùn)動(dòng)模糊角度，獲取運(yùn)動(dòng)模糊角度后，對第一次傅里葉變換結(jié)果進(jìn)行局部自適應(yīng)二值化，再旋轉(zhuǎn)投影經(jīng)過計(jì)算獲取運(yùn)

3、動(dòng)模糊長度，這樣就獲取了運(yùn)動(dòng)模糊的核函數(shù)。然后使用改進(jìn)的Lucy-Richardson方法對圖像進(jìn)行恢復(fù)得到較為清晰的圖像。實(shí)驗(yàn)表明本文的方法不但能夠準(zhǔn)確計(jì)算出模糊核函數(shù)，而且改進(jìn)的Lucy-Richardson方法也可以抑制振鈴現(xiàn)象并得到清晰的圖像。
　　(2)實(shí)際中遇到不同光線強(qiáng)度、有類似車牌區(qū)域的其它標(biāo)牌等復(fù)雜環(huán)境時(shí)，車牌定位效果不理想，本文使用兩次顏色標(biāo)記和連通域分析相結(jié)合的方法來定位車牌。實(shí)驗(yàn)證實(shí)，這種方法不但適應(yīng)各種復(fù)

4、雜環(huán)境還提高了車牌定位準(zhǔn)確率。
　　(3)文中利用連通域分析的方法求取車牌的水平傾斜角度，然后對其進(jìn)行旋轉(zhuǎn)，旋轉(zhuǎn)以后再用旋轉(zhuǎn)投影的方法求取垂直校正角度并做錯(cuò)切操作進(jìn)行校正，在前面校正過程中也需要對連通域的外接矩形做相應(yīng)的旋轉(zhuǎn)錯(cuò)切等變換，使得校正后字符依舊在各自的連通域外接矩形內(nèi)，所以這個(gè)時(shí)候只用對各個(gè)字符的外接矩形進(jìn)行一些處理就可以直接得到車牌分割結(jié)果，這樣節(jié)省了大量的時(shí)間，而且實(shí)驗(yàn)表明這種方法的準(zhǔn)確率也較高。
　　(4)傳