復(fù)雜天氣情況下的多車牌定位技術(shù)研究.pdf

1、汽車牌照自動(dòng)識(shí)別系統(tǒng)(LPR)是實(shí)現(xiàn)交通智能化管理的核心環(huán)節(jié)，同時(shí)也是以計(jì)算機(jī)視覺為基礎(chǔ)、并綜合了圖像處理、模式識(shí)別以及人工智能等多領(lǐng)域技術(shù)的重要研究課題。同時(shí)，車牌識(shí)別系統(tǒng)本身就可被看作一個(gè)獨(dú)立的智能化系統(tǒng)。它通過攝像頭捕獲實(shí)際場(chǎng)景中的車輛圖像，并在不影響車輛正常行駛的情況下自動(dòng)完成車輛牌照的識(shí)別。正是這一特征使得汽車牌照自動(dòng)識(shí)別系統(tǒng)在未來的交通管理智能化過程中有著巨大的應(yīng)用市場(chǎng)。目前，在國內(nèi)外已經(jīng)有部分車輛牌照識(shí)別系統(tǒng)被成功地應(yīng)用于

2、高速公路和橋梁的自動(dòng)收費(fèi)、小區(qū)和重要部門車輛出入管理、智能停車場(chǎng)管理和城市道路違章檢測(cè)等方面。
　　 LPR主要包括車輛圖像采集、車牌自動(dòng)定位、車牌字符分割、車牌字符識(shí)別等功能模塊。本文的研究重點(diǎn)是復(fù)雜天氣情況下的車牌自動(dòng)定位技術(shù)。作為L(zhǎng)PR的首要環(huán)節(jié)，車牌自動(dòng)定位在整個(gè)系統(tǒng)中有著至關(guān)重要的作用。系統(tǒng)后續(xù)模塊的性能，甚至整個(gè)LPR系統(tǒng)，在很大程度上都依賴于其定位結(jié)果的精準(zhǔn)性。而目前大部分的車牌定位技術(shù)都只是針對(duì)光照條件良好的情況

3、，而忽略了實(shí)際中的車輛圖像大部分拍攝于戶外自然場(chǎng)景中。在自然場(chǎng)景中，天氣的變化和全天候光照強(qiáng)度的改變對(duì)車牌定位帶了很大的麻煩。針對(duì)這一問題，本文對(duì)復(fù)雜天氣情況下的車牌定位技術(shù)展開了系統(tǒng)的研究與探討。
　　 本文首先對(duì)圖像去霧技術(shù)進(jìn)行研究。在霧天情況下，大氣散射作用導(dǎo)致攝像頭捕獲的車輛圖像的對(duì)比度和清晰度均降低。以此問題為出發(fā)點(diǎn)，本文提出一種基于暗色圖的簡(jiǎn)單方法用以判斷圖像是否受到霧的干擾。同時(shí)，本文對(duì)He的基于暗原色先驗(yàn)的單幅圖

4、像去霧算法進(jìn)行改進(jìn)，提出一種更加高效的去霧方法。實(shí)驗(yàn)證明新方法不僅保持了原方法的去霧效果，同時(shí)將去霧算法的時(shí)間消耗減少為原方法的三十分之一。
　　 另外，本文提出一種基于小波分解和顏色聚類的車牌定位算法。該算法從紋理、顏色及形態(tài)角度出發(fā)充分利用了我國車牌的固有特征。總體來說，該算法主要分為兩步。首先以車牌的紋理和幾何特征為依據(jù)，通過小波分解技術(shù)實(shí)現(xiàn)車牌的初定位。在初定位階段，為了克服復(fù)雜的天氣情況對(duì)車牌定位的影響，本文同時(shí)利用了

5、小波分解后的低頻子帶和垂直高頻子帶，并針對(duì)兩個(gè)子帶的特點(diǎn)分別采用不同的二值化方法，最后綜合兩個(gè)子帶提供的車牌位置信息并結(jié)合車牌的幾何特征實(shí)現(xiàn)車牌初定位。由于車燈等非車牌區(qū)域擁有與車牌相似的紋理特征，因此在初定位的車牌候選區(qū)域中包含少量的車燈等非車牌區(qū)域。針對(duì)這一問題，車牌定位算法的第二步的主要工作是利用我國車牌特有的顏色特征排除車燈等非車牌區(qū)域的干擾。
　　 實(shí)驗(yàn)證明，本文所提出的車牌定位算法簡(jiǎn)單、高效，對(duì)不同天氣情況下的車輛圖