復(fù)雜背景下的車(chē)牌圖像增強(qiáng)與字符識(shí)別研究.pdf

1、隨著交通智能化進(jìn)程的推廣，車(chē)牌識(shí)別系統(tǒng)在整個(gè)體系中有著越來(lái)越重要的地位。目前該技術(shù)有一定的成熟度，但是由于天氣、光照、速度等不可控制因素，復(fù)雜背景車(chē)牌圖像的識(shí)別依然有提升的空間。本文以前人研究成果為基礎(chǔ)，對(duì)圖像增強(qiáng)以及字符識(shí)別進(jìn)行深入研究，提高車(chē)牌識(shí)別率。
　　 針對(duì)夜晚或霧天拍照的車(chē)輛圖像，直接對(duì)其進(jìn)行二值化，輪廓檢測(cè)等操作，效果不佳。對(duì)此，本文提出一種基于小波分解和分?jǐn)?shù)階微分相結(jié)合的圖像增強(qiáng)方法，分解圖像層的高低頻成分，結(jié)合

2、分?jǐn)?shù)階微分掩膜算子，重構(gòu)圖像。該方法增強(qiáng)高頻邊緣輪廓特征，保留圖像平滑區(qū)的低頻特征，抑制較大噪聲，改善復(fù)雜背景下的車(chē)輛圖像質(zhì)量。
　　 鑒于車(chē)牌定位的常用方法，采用基于邊緣檢測(cè)與形態(tài)學(xué)相結(jié)合的車(chē)牌定位方法，進(jìn)行車(chē)牌定位。經(jīng)過(guò)灰度化、圖像增強(qiáng)、二值化等處理，結(jié)合形態(tài)學(xué)和邊緣檢測(cè)技術(shù)，確定車(chē)牌區(qū)域，并截取出車(chē)牌圖像，進(jìn)行車(chē)牌粗定位。
　　 采用基于Radon變換的傾斜校正方法，計(jì)算車(chē)牌傾斜角度，對(duì)車(chē)牌進(jìn)行旋轉(zhuǎn)，從而達(dá)到校正效

3、果。利用水平和垂直投影，對(duì)圖像的邊框和鉚釘進(jìn)行去除，從而得到車(chē)牌的精定位圖像。利用垂直投影和字符的幾何特征，通過(guò)編程得到分割字符的坐標(biāo)位置，準(zhǔn)確的對(duì)車(chē)牌字符進(jìn)行分割。
　　 對(duì)已分割的字符進(jìn)行歸一化和平滑化處理，采用模板匹配法和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)字符識(shí)別，分析兩種方法優(yōu)缺點(diǎn)。BP網(wǎng)絡(luò)設(shè)計(jì)對(duì)不同的字符進(jìn)行分類(lèi)，即漢字、字母及字母數(shù)字混合的三種分類(lèi)器，完成對(duì)字符識(shí)別的過(guò)程。在MATLAB上對(duì)各個(gè)階段的功能進(jìn)行仿真，實(shí)驗(yàn)結(jié)果顯