復(fù)雜環(huán)境下的車牌定位算法.pdf

1、車牌識(shí)別技術(shù)是車輛自動(dòng)識(shí)別應(yīng)用的核心技術(shù)之一，也是智能交通系統(tǒng)能否自動(dòng)化運(yùn)行的關(guān)鍵，被廣泛應(yīng)用在如重要關(guān)卡車輛登記、違章抓拍、停車場收費(fèi)與管理等交通場合。車牌定位是車牌識(shí)別的關(guān)鍵環(huán)節(jié)，直接影響車牌識(shí)別的準(zhǔn)確率，因此對車牌識(shí)別技術(shù)中的車牌定位的研究具有重大的意義。
　　 論文主要研究復(fù)雜環(huán)境下車牌定位的相關(guān)算法，并以此為基礎(chǔ)提高復(fù)雜環(huán)境下車牌的定位率，以及將車牌定位的模塊應(yīng)用于車牌照自動(dòng)識(shí)別系統(tǒng)。主要工作有如下幾點(diǎn):
　　

2、 (1)系統(tǒng)地研究復(fù)雜環(huán)境下車牌圖像過濾和光照處理算法。首先，提出用一種自適應(yīng)中值濾波算法對圖像進(jìn)行濾波;然后，對圖像進(jìn)行明暗度分析，通過將同態(tài)濾波與分段線性變換相結(jié)合對圖像進(jìn)行增強(qiáng)處理。實(shí)驗(yàn)結(jié)果表明，在復(fù)雜環(huán)境下，本文提出的過濾和光照處理算法具有較好的預(yù)處理效果。
　　 (2)二值化算法在車牌識(shí)別的許多階段都會(huì)用到，一個(gè)好的二值化算法能提高車牌定位率。但是通常情況下，二值化算法適應(yīng)性比較差，即在不同的環(huán)境中二值化效果不同。針對

3、這種情況，本文提出一種自適應(yīng)局部二值化算法:首先，依據(jù)圖像本身的特征，將圖像劃分為若干大小合適的子圖像;其次，通過一種改進(jìn)的二值化方法確定每個(gè)子圖像的閾值;最后，將本文提出的自適應(yīng)局部二值化算法和Otsu算法、Niblack算法分別對車牌圖像二值化。實(shí)驗(yàn)結(jié)果表明，本文提出的自適應(yīng)局部二值化算法抗干擾強(qiáng)，適用性較好，提高了車牌定位率。
　　 (3)針對復(fù)雜環(huán)境下車牌定位算法適應(yīng)性不好，車牌定位率低的特點(diǎn)，提出一種基于小波變換和色度

4、直方圖特征相結(jié)合的車牌定位算法。本文提出的車牌定位主要分為兩部分:車牌粗定位和車牌細(xì)定位。車牌粗定位:首先，對圖像進(jìn)行小波邊緣檢測;然后，對檢測后的圖像進(jìn)行自適應(yīng)局部二值化處理;再次，對二值化后的圖像進(jìn)行形態(tài)學(xué)處理;最后，進(jìn)行連通域搜索，得出候選車牌區(qū)域。車牌細(xì)定位:它是基于色度的二次定位，即是對車牌粗定位后的區(qū)域進(jìn)一步進(jìn)行篩選，車牌細(xì)定位能減少計(jì)算量，提高效率。本文將提出的基于小波變換和色度直方圖特征相結(jié)合的車牌定位算法用在各種復(fù)雜的