運(yùn)動(dòng)模糊車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、科學(xué)技術(shù)飛速發(fā)展的同時(shí)也帶動(dòng)了交通運(yùn)輸?shù)陌l(fā)展，使得智能交通運(yùn)輸系統(tǒng)也應(yīng)運(yùn)而生，同時(shí)對(duì)智能交通系統(tǒng)的要求也越來(lái)越高。車(chē)牌識(shí)別是智能交通系統(tǒng)中的重要環(huán)節(jié)，是實(shí)現(xiàn)交通管理智能化的關(guān)鍵因素，有著廣泛的應(yīng)用前景。
　　在交通監(jiān)控系統(tǒng)中，由于車(chē)輛高速運(yùn)動(dòng)，拍攝的車(chē)牌圖像經(jīng)常會(huì)發(fā)生運(yùn)動(dòng)模糊，運(yùn)動(dòng)模糊圖像給后續(xù)的車(chē)牌識(shí)別帶來(lái)很大困難。因此，本文研究運(yùn)動(dòng)模糊車(chē)牌圖像的復(fù)原以及車(chē)牌識(shí)別方法，主要的研究工作如下:
　　首先，研究運(yùn)動(dòng)模糊圖像的復(fù)原

2、方法。運(yùn)動(dòng)模糊圖像復(fù)原的關(guān)鍵是確定模糊退化函數(shù)，但實(shí)際拍攝的運(yùn)動(dòng)模糊圖像的模糊退化函數(shù)是未知的，因此先對(duì)模糊退化函數(shù)的參數(shù)進(jìn)行估計(jì)才能實(shí)現(xiàn)圖像復(fù)原。本系統(tǒng)首先通過(guò)Hough變換檢測(cè)運(yùn)動(dòng)模糊角度，然后利用微分自相關(guān)函數(shù)曲線(xiàn)估計(jì)運(yùn)動(dòng)模糊長(zhǎng)度，最后采用Lucy-Richardson復(fù)原方法對(duì)運(yùn)動(dòng)模糊圖像復(fù)進(jìn)行復(fù)原，圖像復(fù)原效果良好。
　　其次，基于BP神經(jīng)網(wǎng)絡(luò)對(duì)復(fù)原后的車(chē)牌進(jìn)行識(shí)別。車(chē)牌識(shí)別部分包括車(chē)牌定位提取、字符分割和字符識(shí)別。本系

3、統(tǒng)基于車(chē)牌顏色信息實(shí)現(xiàn)車(chē)牌定位，使用Radon算法實(shí)現(xiàn)車(chē)牌的傾斜矯正，利用投影法去除車(chē)牌的邊框，使用垂直投影法分割車(chē)牌字符，最后基于BP神經(jīng)網(wǎng)絡(luò)和模板匹配方法實(shí)現(xiàn)車(chē)牌字符識(shí)別。為了保證識(shí)別準(zhǔn)確率和識(shí)別效率，本文采用筆劃穿越和能量值密度提取漢字、字母和數(shù)字的關(guān)鍵特征，并將字母和數(shù)字統(tǒng)一進(jìn)行識(shí)別。經(jīng)驗(yàn)證，本系統(tǒng)采用的方法識(shí)別效果良好。
　　最后，本文詳細(xì)介紹了運(yùn)動(dòng)模糊車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)技術(shù)，并對(duì)系統(tǒng)進(jìn)行了性能測(cè)試和分析。該系統(tǒng)采