復雜光照下的車牌識別系統(tǒng)研究.pdf

1、車牌識別技術(shù)作為智能交通系統(tǒng)的重要組成部分，因其具有認知車輛唯一性的能力，所以在實時、準確、高效地管理運輸系統(tǒng)中起著重要的作用，也是目前交通管理研究的主要方向。
　　車牌識別系統(tǒng)的定位檢測方法受到系統(tǒng)所處環(huán)境等多方面的影響，尤其是在光照過強或光照不足的情況下，采集到的車輛圖像質(zhì)量較低，往往直接影響車牌定位的結(jié)果，不利于車牌識別。因此，本文設計了復雜光照下的車牌識別系統(tǒng)，該系統(tǒng)基于計算機視覺識別技術(shù)，分別對車牌識別系統(tǒng)的關(guān)鍵技術(shù)進行

2、研究和改進，如:圖像增強、圖像分割、車牌二值化算法、字符分割、字符識別等。
　　本文重點研究了對關(guān)照不均下采集到的車牌圖像的預處理以及車牌定位的方法，系統(tǒng)主要模塊及其主要功能如下:
　　圖像預處理模塊,由于復雜光照（光照過強、光照不足或光異常反射等）的影響導致采集到的車牌圖像質(zhì)量偏低，若直接對其進行二值化處理效果往往不太理想。本文用改進后的高低帽變換對傳統(tǒng)的固定閾值二值化算法進行了優(yōu)化，并將其運用到了車牌圖像的二值化算法中，

3、改善了不均勻光照對車牌圖像的影響。
　　車牌定位模塊，根據(jù)車牌圖像失真的情況，確定定位方法，顏色失真不嚴重的圖像，采用基于自適應維納濾波的模糊化車牌定位方法對其進行定位檢測，即利用HSV空間，提取車牌圖像的飽和層，然后調(diào)節(jié)自適應維納濾波器的濾波窗口，使圖像中的非車牌區(qū)域模糊化，突出車牌區(qū)域，然后采用形態(tài)學處理等方法實現(xiàn)車牌的最終定位。對于復雜光照下采集到的低質(zhì)量圖像，采用基于灰度圖像的車牌識別方法，在獲得較清晰的二值圖像的基礎上，

4、運用形態(tài)學處理的方法得到車牌區(qū)域。
　　字符分割模塊，針對由復雜光照造成的圖像字符不清的情況，本文融合投影特征及嵌入車牌字符分割的先驗知識對垂直投影法進行改進，首先用水平差分投影對圖像進行傾斜校正，同時對圖像進行水平精確定位，這樣不僅降低了算法的復雜度而且提高了水平定位的精度。再采用基于連通域的直方圖投影法，通過尋找車牌的優(yōu)割字符對車牌區(qū)域進行垂直分割。該方法有效地降低了夜間光照不均勻?qū)ψ址指畹挠绊?，同時對字符粘連、斷裂等問題的

5、處理較為理想，具有較高的魯棒性和自適應能力。
　　字符識別模塊，目前較為常用的方法有模板匹配法、基于數(shù)理統(tǒng)計法以及人工智能技術(shù)。針對復雜光照對車牌的影響，本文采用基于粗網(wǎng)格特征提取和BP神經(jīng)網(wǎng)絡提取相結(jié)合的人工神經(jīng)網(wǎng)絡車牌字符分類識別方法，通過選取字符的粗網(wǎng)格特征訓練BP神經(jīng)網(wǎng)絡，再用其識別待識別車牌字符。該方法對字符識別的準確率高，適應性強，對光線不均、扭曲或傾斜嚴重的車牌字符有較高的識別率。
　　在MATLAB平臺上編程