復(fù)雜光照條件下的通用車牌定位系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、近年來隨著全球經(jīng)濟(jì)的迅猛增長和汽車保有量的逐年增加，人們與交通的聯(lián)系越發(fā)緊密，隨之而來的一系列交通問題都急需車牌識(shí)別系統(tǒng)的支持，這無疑給車牌識(shí)別系統(tǒng)帶來更廣闊的市場(chǎng)需求和經(jīng)濟(jì)效益。而車牌定位作為車牌識(shí)別的前提和基礎(chǔ)，定位的準(zhǔn)確率直接影響車牌識(shí)別率的高低。然而目前已有的車牌定位算法仍然有許多不足之處，尤其是在光照不理想、背景復(fù)雜以及車牌自身存在褪色、污損等情形時(shí)定位率很低。因此，本文對(duì)復(fù)雜光照條件和復(fù)雜場(chǎng)景下的快速通用的車牌定位算法進(jìn)行深

2、入研究，主要的研究成果如下：
　　1．應(yīng)用一種基于核函數(shù)的加權(quán)模糊C-均值聚類（KWFCM）算法對(duì)二維色度直方圖進(jìn)行聚類；此外，提出了一種可分性判據(jù)的類內(nèi)類間距離算法對(duì)聚類結(jié)果進(jìn)行分析，并據(jù)此判斷圖像光照條件是明亮型或昏暗型。
　　2．提出了一套自適應(yīng)的光照強(qiáng)度分類算法，結(jié)合二維色度直方圖的聚類結(jié)果和一系列灰度特征將源圖像按光照強(qiáng)度類型分為白天強(qiáng)光型、白天正常型、白天弱光型、夜晚強(qiáng)光型、夜晚正常型、夜晚弱光型六種類型圖像。<

3、br>　　3．提出了一套自適應(yīng)的光照增強(qiáng)方案，針對(duì)不同光照下的圖像的特點(diǎn)，提出了四種光照增強(qiáng)算法，分別對(duì)由自適應(yīng)光照分類算法得到的四種光照不理想情形下的圖像進(jìn)行相應(yīng)的增強(qiáng)。
　　4．應(yīng)用十字形中值濾波和雙邊濾波相配合的濾波算法，對(duì)增強(qiáng)后的灰度圖像在盡可能保留字符豎直邊緣紋理的同時(shí)濾除噪聲。提出了一種對(duì)邊緣圖像進(jìn)行粗過濾結(jié)合精確去噪的預(yù)處理算法，并對(duì)預(yù)處理后的邊緣圖像提出一種邊緣灰度能量聚類算法進(jìn)一步去除偽車牌邊緣。
　　5．