運動模糊車牌圖像的恢復、定位、校正及分割方法研究.pdf

1、隨著數(shù)字圖像處理技術的發(fā)展，車牌自動識別技術己成為智能交通系統(tǒng)的重要組成部分。現(xiàn)有的車牌自動識別技術的研究已很廣泛，但多是基于車輛圖像質(zhì)量良好的假設。在智能交通系統(tǒng)中，圖像采集設備采集到的車輛圖像有時會因運動而模糊，因此針對運動模糊車輛圖像的車牌自動識別技術的研究有很現(xiàn)實的意義。本文主要討論運動模糊車牌圖像的恢復、定位、校正及分割方法，在總結(jié)近年來國內(nèi)外最新研究的基礎上，對有關算法進行了改進或給出新的算法。
　　 首先在分析了現(xiàn)

2、有的運動模糊恢復算法的基礎上，給出了兩種運動模糊恢復的算法：第一種方法是基于PSF 估計和空域參數(shù)自適應正則化的運動模糊恢復算法，根據(jù)模糊圖像估計出運動模糊的方向和長度，用改進的參數(shù)自適應的空域正則化恢復算法對模糊圖像進行恢復；第二種恢復方法是基于模糊支持向量回歸的恢復算法，根據(jù)由模糊圖像訓練得到的回歸模型來實現(xiàn)圖像的恢復。實驗結(jié)果表明，本文提出的方法均能較好地實現(xiàn)運動模糊車輛圖像的恢復。在車牌定位階段，考慮到運動模糊恢復后的圖像質(zhì)量與

3、理想圖像仍有一定差距，傳統(tǒng)的定位方法的準確率將受影響，文中實現(xiàn)了一種基于混沌遺傳的車牌定位方法。該方法利用混沌遺傳算法進行全局尋最優(yōu)，從而實現(xiàn)車牌定位。實驗結(jié)果表明，文中方法在圖像分辨率低、圖像質(zhì)量差等情況下仍有較好的定位效果，適應能力強。在傾斜校正方面，文中提出了一種基于角點檢測和慣性主軸的車牌水平傾斜校正方法，并在算法復雜度等方面與現(xiàn)有校正方法進行了比較，從實驗結(jié)果中可看出該方法速度快、精度高。在字符分割階段，給出了一種二維最小交叉