復雜背景下的車牌識別算法研究.pdf

1、近年來，隨著國內機動車輛的大幅度增加，車牌識別系統的研究與開發顯得越來越重要。對于車牌識別技術，人們已經提出許多新的算法與設計思想，但是還存在不少技術上的難點。例如:隨機拍攝的圖像由于高速運動造成的圖像模糊恢復，復雜背景下的車牌定位與分割，傾斜車牌的矯正，污損字符及易混淆字符的識別等。論文針對這些難點問題，在理論和方法上進行探索與突破，提出一些切實可行的算法。
　　論文主要就運動模糊車牌的復原、車牌定位、字符分割、字符識別進行了算

2、法研究，具體工作如下:
　　1)運動模糊車牌圖像的復原。運動模糊使車牌圖像信息的提取變得困難。論文提出一種改進的運動模糊復原算法，利用高通濾波算法判定運動模糊方向，提出一種變步長快速算法;利用邊緣檢測算法計算模糊尺度，最后通過參變維納濾波對模糊圖像進行恢復，對K值自動估計提出一種新的算法。
　　2)汽車牌照區域的定位。提出一種基于數學形態學與自動行掃描相結合的算法，對低質量車牌能夠較好的定位。首先對圖像進行邊緣檢測，然后進行

3、形態學運算，形成連通區域，按車牌長寬比進行粗定位;最后利用行掃描法按黑自像素點變換次數進行精確定位。利用Hough變換對傾斜車牌進行校正。
　　3)字符分割。首先將定位后的圖像去除邊框并歸一化，這簡化了車牌字符分割工作。結合車牌特點，計算歸一化后圖像中字符及字符間距的尺寸，確定每個字符的分割點。此算法不受環境因素的影響，分割率高。
　　4)字符識別。采用BP神經網絡，將分割出的字符直接輸入網絡，由網絡自主提取特征，將訓練好的