復雜背景下車牌識別算法的研究.pdf

1、隨著經(jīng)濟和科技的日益發(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)漸漸進入人們視野中，成為一個研究熱點，而車牌識別作為其中最為重要的組成部分之一，也顯得越來越重要。
　　車牌識別的過程主要包括五大步驟:車牌圖像預處理、車牌定位、車牌傾斜校正、車牌字符分割、車牌字符識別。現(xiàn)有的車牌識別算法在這些步驟中都有一些問題，比如當圖像中有運動模糊現(xiàn)象時或者在復雜背景中，車牌定位、校正和字符分割等效果不理想，另外，

2、漢字的識別準確率相對較低。本文將針對這些問題進行深入研究。
　　(1)車輛行駛過快時會導致獲取的圖像中有運動模糊現(xiàn)象，因此本文深入地研究了運動模糊的退化模型，并對其進行分析和推理，發(fā)現(xiàn)了其在頻域的規(guī)律，并根據(jù)這個規(guī)律提出了基于兩次傅里葉變換的計算運動模糊核函數(shù)的方法，這種方法需要對模糊圖像進行兩次傅里葉變換，然后檢測直線就可以得到運動模糊角度，獲取運動模糊角度后，對第一次傅里葉變換結(jié)果進行局部自適應二值化，再旋轉(zhuǎn)投影經(jīng)過計算獲取運

3、動模糊長度，這樣就獲取了運動模糊的核函數(shù)。然后使用改進的Lucy-Richardson方法對圖像進行恢復得到較為清晰的圖像。實驗表明本文的方法不但能夠準確計算出模糊核函數(shù)，而且改進的Lucy-Richardson方法也可以抑制振鈴現(xiàn)象并得到清晰的圖像。
　　(2)實際中遇到不同光線強度、有類似車牌區(qū)域的其它標牌等復雜環(huán)境時，車牌定位效果不理想，本文使用兩次顏色標記和連通域分析相結(jié)合的方法來定位車牌。實驗證實，這種方法不但適應各種復

4、雜環(huán)境還提高了車牌定位準確率。
　　(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切操作進行校正，在前面校正過程中也需要對連通域的外接矩形做相應的旋轉(zhuǎn)錯切等變換，使得校正后字符依舊在各自的連通域外接矩形內(nèi)，所以這個時候只用對各個字符的外接矩形進行一些處理就可以直接得到車牌分割結(jié)果，這樣節(jié)省了大量的時間，而且實驗表明這種方法的準確率也較高。
　　(4)傳