復(fù)雜背景下的車牌圖像增強與字符識別研究.pdf

1、隨著交通智能化進程的推廣，車牌識別系統(tǒng)在整個體系中有著越來越重要的地位。目前該技術(shù)有一定的成熟度，但是由于天氣、光照、速度等不可控制因素，復(fù)雜背景車牌圖像的識別依然有提升的空間。本文以前人研究成果為基礎(chǔ)，對圖像增強以及字符識別進行深入研究，提高車牌識別率。
　　 針對夜晚或霧天拍照的車輛圖像，直接對其進行二值化，輪廓檢測等操作，效果不佳。對此，本文提出一種基于小波分解和分數(shù)階微分相結(jié)合的圖像增強方法，分解圖像層的高低頻成分，結(jié)合

2、分數(shù)階微分掩膜算子，重構(gòu)圖像。該方法增強高頻邊緣輪廓特征，保留圖像平滑區(qū)的低頻特征，抑制較大噪聲，改善復(fù)雜背景下的車輛圖像質(zhì)量。
　　 鑒于車牌定位的常用方法，采用基于邊緣檢測與形態(tài)學(xué)相結(jié)合的車牌定位方法，進行車牌定位。經(jīng)過灰度化、圖像增強、二值化等處理，結(jié)合形態(tài)學(xué)和邊緣檢測技術(shù)，確定車牌區(qū)域，并截取出車牌圖像，進行車牌粗定位。
　　 采用基于Radon變換的傾斜校正方法，計算車牌傾斜角度，對車牌進行旋轉(zhuǎn)，從而達到校正效

3、果。利用水平和垂直投影，對圖像的邊框和鉚釘進行去除，從而得到車牌的精定位圖像。利用垂直投影和字符的幾何特征，通過編程得到分割字符的坐標位置，準確的對車牌字符進行分割。
　　 對已分割的字符進行歸一化和平滑化處理，采用模板匹配法和改進的BP神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)字符識別，分析兩種方法優(yōu)缺點。BP網(wǎng)絡(luò)設(shè)計對不同的字符進行分類，即漢字、字母及字母數(shù)字混合的三種分類器，完成對字符識別的過程。在MATLAB上對各個階段的功能進行仿真，實驗結(jié)果顯