雾霾条件下的车牌识别技术研究

发布时间：2021-10-05 15:58

　　车牌自动识别技术是智能交通系统的重要组成部分,目前车牌自动识别多采用对车牌图像进行处理的方式来获取车牌信息。近年来,由于环境的破坏,全国各地的雾霾天气逐渐增多,在雾霾天气条件下,由于大气中微小颗粒物的作用,摄像机拍摄的车牌图像会产生退化现象,最终导致车牌识别的准确性降低。为提高在雾霾环境下车牌识别的准确性,本文对车牌识别中图像去雾、车牌定位、车牌分割和车牌识别等多个识别步骤进行分析,在此基础上,对车牌识别的过程进行了整体优化,提出一种优化的车牌识别算法,解决了在雾霾天气环境下车牌识别效果与准确率不高等问题。本文主要研究内容如下:1.在暗原色先验去雾算法的指导下,提出了一种利用自适应中值滤波对传统暗原色去雾算法中透射率进行优化的改进手段,提升了去雾算法的实时性;2.提出一种边缘检测与机器学习相结合的车牌定位方法,首先对雾化图像进行灰度化处理,然后利用边缘检测的方式确定车牌的上下边框,通过先验知识算法划分车牌的左右边框,最终确定车牌位置;3.对处理后的图像使用二值化方法进行处理,然后再用垂直投影法分割字符,并做归一化处理,将其转为粗特征矩阵;4.选用径向基函数神经网络进行识别,同时为了进一... 

【文章来源】：西北大学陕西省 211工程院校

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

不同分块的透射率图

不同分块的局部去雾效果图

（c）子块 15*15 的去雾图像图 2.3 不同分块的去雾效果图1可知，当图像划分的子块较大时，如图2.1 (c)图所示的子块尺有所优化，图像细节在一定程度上可以模糊的呈现，但仍可而且复原出来的图像，如图 2.3(a)所示在某些局部区域也可像划分的子块较小时，如图 2.1(d)图所示的子块尺寸为 3*3晰地展现出来，图中的鸭子与大树的边缘都得到了细化，层也已经不太明显，如图图 2.3(b)所示的去雾图像可以看到，图比图图 2.2 可以清晰地看到，图 2.2(a)中的块很明显，而图见。由于划分的子块越小，子块的数量就会越多，程序运行 3 与 30 之间的数值 15*15，通过图 2.2(c)中效果图发现，采，与 3*3 尺寸分块效果相差无几，但由于相较于 3*3 尺寸分块够避免程序运行的时间过长，因此，本文针对车牌图像采用

【参考文献】：
期刊论文
[1]基于Retinex的汽车牌照图像去雾研究[J]. 王小霞,黄颖雯,谭庭均,詹洪润,钟导峰,叶词福.  内蒙古农业大学学报(自然科学版). 2018(01)
[2]基于图像处理的车牌识别系统的分析与设计[J]. 索静.  信息技术与信息化. 2017(12)
[3]车牌识别系统方案研究[J]. 许雪松.  电脑知识与技术. 2017(32)
[4]基于PSO-RBF神经网络的雾霾车牌识别算法研究[J]. 毛晓波,张群,梁静,刘艳红.  郑州大学学报(工学版). 2017(04)
[5]基于暗原色先验算法的雨雾天图片清晰化[J]. 徐春雨,司宇航.  科技广场. 2017(05)
[6]车牌识别中的图像分割技术研究[J]. 刘丽丽.  科技通报. 2017(04)
[7]改进的自适应中值滤波算法及其应用[J]. 刘鹏宇,哈睿,贾克斌.  北京工业大学学报. 2017(04)
[8]雾霾天气下的车牌识别方法探讨[J]. 徐继弘,刘号.  电子科学技术. 2017(02)
[9]恶劣天气下车牌识别系统及MATLAB GUI实现[J]. 程雅琼,蔡亮,张忠林.  自动化与仪器仪表. 2017(02)
[10]一种改进的神经网络车牌识别算法研究[J]. 司朋举,胡伟.  电子测量技术. 2016(10)

硕士论文
[1]基于复杂环境下的模糊车牌识别系统的设计[D]. 曹立.贵州大学 2018
[2]融合去除雾霾的车牌识别方法与技术研究[D]. 栗智.燕山大学 2018
[3]复杂场景的车牌识别算法研究[D]. 杨柳风.大连海事大学 2018
[4]基于暗原色先验原理的图像去雾算法研究及FPGA设计[D]. 伏文生.西安理工大学 2017
[5]雾约束下的车牌识别方法研究与实现[D]. 刘振发.南昌航空大学 2017
[6]雾霾环境下车牌图像预处理及识别算法研究[D]. 张群.郑州大学 2017
[7]大倾斜角度下的加油站车牌识别系统的研究与设计[D]. 李慧.东北林业大学 2017
[8]基于卷积神经网络的车牌识别技术研究[D]. 霍祥湖.电子科技大学 2017
[9]复杂背景下车牌识别算法的研究与实现[D]. 徐凯.电子科技大学 2017
[10]基于深度学习的车牌识别系统[D]. 杨珏吉.浙江大学 2017



本文编号：3420074