基于数字图像处理的雾天车牌识别技术研究

摘要

近年来，随着人民生活水平的提高，汽车成为家庭的重要交通工具，智能交通管理是城市管理的重要内容。另外，由于经济发展迅速，大气污染导致雾霾天气时常发生。雾霾的存在给智能交通管理中的车牌识别带来了困难，因此研究雾天车牌识别问题具有重要价值。
　　本文主要从图像去雾、车牌定位、车牌字符分割与识别三个方面进行研究。
　　图像去雾:研究了暗原色先验、禹晶方法去雾。针对两种方法处理雾天图像偏暗以及采集图像光照不均的问题，提出将小波分解重构与同态滤波算法结合解决此问题。首先，利用暗原色先验算法对图像初步复原;然后，使用小波变换提取低频分量;其次，使用同态滤波对低频分量增强;最后，利用小波重构图像。实验结果显示，融合之后的算法能够增强图像细节以及亮度，具有一定的精确性及实用价值。
　　图像定位:介绍了车牌定位前一系列预处理。对车牌预处理主要研究了车牌增强方法、边缘检测方法、二值化、车牌去噪。着重对比了各种阈值下的小波以及中值滤波去除高斯噪声的效果。研究了基于数学形态学、投影、区域合并的车牌定位方法。首先，图像灰度化;然后，对灰度图像进行增强特殊预处理;其次，利用数学形态学创建矩形结构，并运用相关运算排除非车牌区域干扰;最后，利用投影方法粗略估计车牌可能存在的区域，并合并相关区域，根据长宽比例阈值找出车牌区域。实验结果表明，该方法取得了良好的定位效果。
　　车牌字符分割与识别:研究了车牌校正以及字符分割方法，阐述了SVM的相关理论，研究了车牌特征提取的方法以及基于ECOC与SVM车牌识别的方法。字符特征提取研究了基于Hog特征提取的方法。将提取的特征代入ECOC与SVM分类模型中训练及预测。
　　最后，采用本文方法针对雾天以及晴天环境进行车牌识别，并与其他方法进行了对比。仿真结果表明，本文方法取得了较好的识别率。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 研究目的

1．3 国内外研究现状

1．3．1 图像去雾研究现状

1．3．2 车牌识别研究现状

1．4 本文的主要工作

2 雾天图像预处理相关理论与方法

2．1 雾霾的成因及机制

2．2 图像去雾理论

2．2．1 暗原色先验去雾理论

2．2．2 禹晶方法去雾

2．3 同态滤波算法理论

2．4 小波分解与重构理论

2．5 本文算法

2．6 实验结果评价方法与分析

2．6．1 定量评价方法

2．6．2 定性评价方法

2．7 本章小结

3 车牌图像定位

3．1 车牌固定特征

3．2 车牌定位前处理

3．2．1 车牌增强

3．2．2 边缘检测

3．2．3 二值化

3．2．4 车牌图像去噪

3．3 车牌定位

3．3．1 常用定位算法

3．3．2 数学形态学理论

3．3．3 形态学、投影、区域合并方法定位

3．4 本章小结

4 车牌字符分割与识别

4．1 车牌倾斜校正

4．1．1 Hough变换校正

4．1．2 最小二乘法校正

4．2 车牌字符分割

4．3 车牌字符识别

4．3．1 SVM的相关理论

4．3．2 车牌图像Hog特征提取

4．3．3 结合ECOC与SVM的字符识别

4．4 本章小结

5 仿真与分析

5．1 常用去雾方法仿真与结果分析

5．1．1 暗原色先验方法去雾仿真

5．1．2 禹晶方法去雾仿真

5．1．3 本文方法去雾仿真

5．1．4 去雾仿真结果评价

5．2 车牌去噪仿真

5．2．1 小波阈值降噪

5．2．2 中值滤波降噪

5．3 车牌识别仿真与实验结果分析

5．4 本章小结

6 总结与展望

参考文献

致谢

作者简介及读研期间主要科研成果