運(yùn)動(dòng)模糊車牌自動(dòng)識(shí)別算法研究與實(shí)現(xiàn).pdf

1、隨著科技的不斷進(jìn)步,車輛越來越多的進(jìn)入人們的生活,人們對(duì)交通控制、交通安全管理的要求也日漸提高,車牌自動(dòng)識(shí)別系統(tǒng)作為智能交通領(lǐng)域中一個(gè)重要的組成部分起著越來越重要的作用。
　　 運(yùn)動(dòng)模糊車牌自動(dòng)識(shí)別系統(tǒng)包括運(yùn)動(dòng)模糊車輛圖像復(fù)原、車牌定位與分割、車牌字符識(shí)別三大主要部分。本文應(yīng)用運(yùn)動(dòng)模糊方向和長(zhǎng)度自動(dòng)辨識(shí)算法、車牌定位算法、傾斜校正與字符分割算法、BP神經(jīng)網(wǎng)絡(luò)識(shí)別算法等來解決運(yùn)動(dòng)模糊車牌識(shí)別問題。根據(jù)運(yùn)動(dòng)模糊車牌識(shí)別各個(gè)環(huán)節(jié)的要求

2、來實(shí)現(xiàn)功能,篩選方法和算法,通過實(shí)驗(yàn)對(duì)關(guān)鍵環(huán)節(jié)和算法進(jìn)行分析并得到最終的識(shí)別結(jié)果。
　　 1.通過對(duì)退化圖像頻譜的分析,運(yùn)用Radon變換自動(dòng)辨識(shí)運(yùn)動(dòng)模糊圖像的模糊角度。對(duì)沿運(yùn)動(dòng)方向微分后的圖像求自相關(guān)函數(shù),并利用已經(jīng)得到的模糊角度自動(dòng)辨識(shí)運(yùn)動(dòng)模糊圖像的模糊長(zhǎng)度,利用辨識(shí)出的參數(shù)構(gòu)建PSF,最后采用維納濾波的方法實(shí)現(xiàn)模糊車輛圖像的復(fù)原。經(jīng)過實(shí)驗(yàn)仿真驗(yàn)證,可以實(shí)現(xiàn)退化圖像的自動(dòng)復(fù)原,具有一定的抗噪性,復(fù)原效果明顯。
　　

3、2.針對(duì)已經(jīng)經(jīng)過復(fù)原處理的車輛圖像的特點(diǎn),對(duì)車輛圖像進(jìn)行車牌的定位與分割處理。主要利用基于混合特征的車牌定位方法,對(duì)車牌區(qū)域進(jìn)行準(zhǔn)確的定位與分割。經(jīng)過對(duì)多幅車輛圖像的處理,表明所采用的方法對(duì)圖像的適應(yīng)能力很強(qiáng),既能處理較理想的圖像,也能處理質(zhì)量不太好的圖像,對(duì)于維納濾波復(fù)原時(shí)產(chǎn)生的振鈴效應(yīng)也有一定適應(yīng)性。使用慣量橢圓的方法進(jìn)行求得傾斜角,與Hough變換的方法相比,抗干擾能力較強(qiáng),更加適用于車牌圖像的傾斜校正處理。在車牌字符分割之前,對(duì)

4、車牌圖像進(jìn)行了二值化處理,采用大津法,效果較好。在傳統(tǒng)的基于垂直投影的字符分割的算法基礎(chǔ)上做了一點(diǎn)改進(jìn),對(duì)于不連通的字符分割效果較好,有利于后續(xù)的字符識(shí)別過程。
　　 3.在字符識(shí)別部分,采用三層的BP神經(jīng)網(wǎng)絡(luò),設(shè)定網(wǎng)絡(luò)參數(shù),經(jīng)過大量樣本訓(xùn)練,最后將字符的細(xì)網(wǎng)格特征轉(zhuǎn)換為一維數(shù)組作為網(wǎng)絡(luò)的輸入,輸出采用“M中取一”方式進(jìn)行標(biāo)識(shí),最終完成識(shí)別,取得了一定的效果。
　　 4.基于Labview開發(fā)平臺(tái)完成系統(tǒng)的實(shí)現(xiàn),應(yīng)用圖形