復雜天氣情況下的多車牌定位技術研究.pdf

1、汽車牌照自動識別系統(tǒng)(LPR)是實現交通智能化管理的核心環(huán)節(jié)，同時也是以計算機視覺為基礎、并綜合了圖像處理、模式識別以及人工智能等多領域技術的重要研究課題。同時，車牌識別系統(tǒng)本身就可被看作一個獨立的智能化系統(tǒng)。它通過攝像頭捕獲實際場景中的車輛圖像，并在不影響車輛正常行駛的情況下自動完成車輛牌照的識別。正是這一特征使得汽車牌照自動識別系統(tǒng)在未來的交通管理智能化過程中有著巨大的應用市場。目前，在國內外已經有部分車輛牌照識別系統(tǒng)被成功地應用于

2、高速公路和橋梁的自動收費、小區(qū)和重要部門車輛出入管理、智能停車場管理和城市道路違章檢測等方面。
　　 LPR主要包括車輛圖像采集、車牌自動定位、車牌字符分割、車牌字符識別等功能模塊。本文的研究重點是復雜天氣情況下的車牌自動定位技術。作為LPR的首要環(huán)節(jié)，車牌自動定位在整個系統(tǒng)中有著至關重要的作用。系統(tǒng)后續(xù)模塊的性能，甚至整個LPR系統(tǒng)，在很大程度上都依賴于其定位結果的精準性。而目前大部分的車牌定位技術都只是針對光照條件良好的情況

3、，而忽略了實際中的車輛圖像大部分拍攝于戶外自然場景中。在自然場景中，天氣的變化和全天候光照強度的改變對車牌定位帶了很大的麻煩。針對這一問題，本文對復雜天氣情況下的車牌定位技術展開了系統(tǒng)的研究與探討。
　　 本文首先對圖像去霧技術進行研究。在霧天情況下，大氣散射作用導致攝像頭捕獲的車輛圖像的對比度和清晰度均降低。以此問題為出發(fā)點，本文提出一種基于暗色圖的簡單方法用以判斷圖像是否受到霧的干擾。同時，本文對He的基于暗原色先驗的單幅圖

4、像去霧算法進行改進，提出一種更加高效的去霧方法。實驗證明新方法不僅保持了原方法的去霧效果，同時將去霧算法的時間消耗減少為原方法的三十分之一。
　　 另外，本文提出一種基于小波分解和顏色聚類的車牌定位算法。該算法從紋理、顏色及形態(tài)角度出發(fā)充分利用了我國車牌的固有特征?？傮w來說，該算法主要分為兩步。首先以車牌的紋理和幾何特征為依據，通過小波分解技術實現車牌的初定位。在初定位階段，為了克服復雜的天氣情況對車牌定位的影響，本文同時利用了

5、小波分解后的低頻子帶和垂直高頻子帶，并針對兩個子帶的特點分別采用不同的二值化方法，最后綜合兩個子帶提供的車牌位置信息并結合車牌的幾何特征實現車牌初定位。由于車燈等非車牌區(qū)域擁有與車牌相似的紋理特征，因此在初定位的車牌候選區(qū)域中包含少量的車燈等非車牌區(qū)域。針對這一問題，車牌定位算法的第二步的主要工作是利用我國車牌特有的顏色特征排除車燈等非車牌區(qū)域的干擾。
　　 實驗證明，本文所提出的車牌定位算法簡單、高效，對不同天氣情況下的車輛圖