基于復雜環境的車牌識別研究.pdf

1、車牌識別系統作為智能交通系統的重要部分，在近年來越來越重要。在實際的情境中，監控采集到的圖像并不都是理想環境下的圖像，對這樣的圖像進行車牌識別處理更加困難，容易造成識別失敗。由于車牌識別系統相比較其他圖像識別系統對實時性與準確性的要求更高，雖然國內外學者做了大量研究，但是目前對于復雜環境的車牌識別技術仍不是很理想。
　　實際情況中，拍攝到的圖像出現降質的情況多數是由于霧天環境造成的，本文針對霧化圖像作出了重點處理，然后對車牌識別的

2、各個環節做出了大量研究，實現復雜環境下的車牌識別。在圖像去霧環節首先分析了霧天圖像退化降質的原因，根據對圖像恢復方法的研究，采取暗原色先驗的方法對圖像進行去霧，重點對算法的不足進行了分析并進行改進，其中在消除Halo現象上提出了用周圍像素點的透射率優化中心點透射率的方法;在改善顏色失真上，提出容差機制，用容差參數對透射率進行改進，并根據實驗得到參數的最佳值。在車牌定位環節，對車牌進行了初步定位與精定位處理，其中初步定位階段根據車牌背景顏

3、色在RGB分量的取值，結合車牌紋理先驗知識，采取像素統計的方法對車牌進行了初步定位;在精定位階段，為降低后續處理的復雜度，首先對車牌進行了傾斜校正，然后采取數學形態學操作結合像素統計的方法進行了精定位，排除了上下邊框與鉚釘等的干擾。車牌字符分割環節，結合車牌固有特征，采用基于垂直投影的方法實現了對字符的分割。在字符識別環節，根據BP神經網絡的方法，提出用不同網絡對不同位置的字符進行針對識別的方法;對各網絡的參數進行了設計，對于部分參數，