車(chē)牌自動(dòng)識(shí)別技術(shù)是智能交通系統(tǒng)的重要組成部分,目前車(chē)牌自動(dòng)識(shí)別多采用對(duì)車(chē)牌圖像進(jìn)行處理的方式來(lái)獲取車(chē)牌信息。近年來(lái),由于環(huán)境的破壞,全國(guó)各地的霧霾天氣逐漸增多,在霧霾天氣條件下,由于大氣中微小顆粒物的作用,攝像機(jī)拍攝的車(chē)牌圖像會(huì)產(chǎn)生退化現(xiàn)象,最終導(dǎo)致車(chē)牌識(shí)別的準(zhǔn)確性降低。為提高在霧霾環(huán)境下車(chē)牌識(shí)別的準(zhǔn)確性,本文對(duì)車(chē)牌識(shí)別中圖像去霧、車(chē)牌定位、車(chē)牌分割和車(chē)牌識(shí)別等多個(gè)識(shí)別步驟進(jìn)行分析,在此基礎(chǔ)上,對(duì)車(chē)牌識(shí)別的過(guò)程進(jìn)行了整體優(yōu)化,提出一種優(yōu)化的車(chē)牌識(shí)別算法,解決了在霧霾天氣環(huán)境下車(chē)牌識(shí)別效果與準(zhǔn)確率不高等問(wèn)題。本文主要研究?jī)?nèi)容如下:1.在暗原色先驗(yàn)去霧算法的指導(dǎo)下,提出了一種利用自適應(yīng)中值濾波對(duì)傳統(tǒng)暗原色去霧算法中透射率進(jìn)行優(yōu)化的改進(jìn)手段,提升了去霧算法的實(shí)時(shí)性;2.提出一種邊緣檢測(cè)與機(jī)器學(xué)習(xí)相結(jié)合的車(chē)牌定位方法,首先對(duì)霧化圖像進(jìn)行灰度化處理,然后利用邊緣檢測(cè)的方式確定車(chē)牌的上下邊框,通過(guò)先驗(yàn)知識(shí)算法劃分車(chē)牌的左右邊框,最終確定車(chē)牌位置;3.對(duì)處理后的圖像使用二值化方法進(jìn)行處理,然后再用垂直投影法分割字符,并做歸一化處理,將其轉(zhuǎn)為粗特征矩陣;4.選用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別,同時(shí)為了進(jìn)一... 

【文章來(lái)源】：西北大學(xué)陜西省 211工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同分塊的透射率圖

不同分塊的局部去霧效果圖

（c）子塊 15*15 的去霧圖像圖 2.3 不同分塊的去霧效果圖1可知，當(dāng)圖像劃分的子塊較大時(shí)，如圖2.1 (c)圖所示的子塊尺有所優(yōu)化，圖像細(xì)節(jié)在一定程度上可以模糊的呈現(xiàn)，但仍可而且復(fù)原出來(lái)的圖像，如圖 2.3(a)所示在某些局部區(qū)域也可像劃分的子塊較小時(shí)，如圖 2.1(d)圖所示的子塊尺寸為 3*3晰地展現(xiàn)出來(lái)，圖中的鴨子與大樹(shù)的邊緣都得到了細(xì)化，層也已經(jīng)不太明顯，如圖圖 2.3(b)所示的去霧圖像可以看到，圖比圖圖 2.2 可以清晰地看到，圖 2.2(a)中的塊很明顯，而圖見(jiàn)。由于劃分的子塊越小，子塊的數(shù)量就會(huì)越多，程序運(yùn)行 3 與 30 之間的數(shù)值 15*15，通過(guò)圖 2.2(c)中效果圖發(fā)現(xiàn)，采，與 3*3 尺寸分塊效果相差無(wú)幾，但由于相較于 3*3 尺寸分塊夠避免程序運(yùn)行的時(shí)間過(guò)長(zhǎng)，因此，本文針對(duì)車(chē)牌圖像采用

【參考文獻(xiàn)】：
期刊論文
[1]基于Retinex的汽車(chē)牌照?qǐng)D像去霧研究[J]. 王小霞,黃穎雯,譚庭均,詹洪潤(rùn),鐘導(dǎo)峰,葉詞福.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]基于圖像處理的車(chē)牌識(shí)別系統(tǒng)的分析與設(shè)計(jì)[J]. 索靜.  信息技術(shù)與信息化. 2017(12)
[3]車(chē)牌識(shí)別系統(tǒng)方案研究[J]. 許雪松.  電腦知識(shí)與技術(shù). 2017(32)
[4]基于PSO-RBF神經(jīng)網(wǎng)絡(luò)的霧霾車(chē)牌識(shí)別算法研究[J]. 毛曉波,張群,梁靜,劉艷紅.  鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2017(04)
[5]基于暗原色先驗(yàn)算法的雨霧天圖片清晰化[J]. 徐春雨,司宇航.  科技廣場(chǎng). 2017(05)
[6]車(chē)牌識(shí)別中的圖像分割技術(shù)研究[J]. 劉麗麗.  科技通報(bào). 2017(04)
[7]改進(jìn)的自適應(yīng)中值濾波算法及其應(yīng)用[J]. 劉鵬宇,哈睿,賈克斌.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(04)
[8]霧霾天氣下的車(chē)牌識(shí)別方法探討[J]. 徐繼弘,劉號(hào).  電子科學(xué)技術(shù). 2017(02)
[9]惡劣天氣下車(chē)牌識(shí)別系統(tǒng)及MATLAB GUI實(shí)現(xiàn)[J]. 程雅瓊,蔡亮,張忠林.  自動(dòng)化與儀器儀表. 2017(02)
[10]一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)車(chē)牌識(shí)別算法研究[J]. 司朋舉,胡偉.  電子測(cè)量技術(shù). 2016(10)

碩士論文
[1]基于復(fù)雜環(huán)境下的模糊車(chē)牌識(shí)別系統(tǒng)的設(shè)計(jì)[D]. 曹立.貴州大學(xué) 2018
[2]融合去除霧霾的車(chē)牌識(shí)別方法與技術(shù)研究[D]. 栗智.燕山大學(xué) 2018
[3]復(fù)雜場(chǎng)景的車(chē)牌識(shí)別算法研究[D]. 楊柳風(fēng).大連海事大學(xué) 2018
[4]基于暗原色先驗(yàn)原理的圖像去霧算法研究及FPGA設(shè)計(jì)[D]. 伏文生.西安理工大學(xué) 2017
[5]霧約束下的車(chē)牌識(shí)別方法研究與實(shí)現(xiàn)[D]. 劉振發(fā).南昌航空大學(xué) 2017
[6]霧霾環(huán)境下車(chē)牌圖像預(yù)處理及識(shí)別算法研究[D]. 張群.鄭州大學(xué) 2017
[7]大傾斜角度下的加油站車(chē)牌識(shí)別系統(tǒng)的研究與設(shè)計(jì)[D]. 李慧.東北林業(yè)大學(xué) 2017
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的車(chē)牌識(shí)別技術(shù)研究[D]. 霍祥湖.電子科技大學(xué) 2017
[9]復(fù)雜背景下車(chē)牌識(shí)別算法的研究與實(shí)現(xiàn)[D]. 徐凱.電子科技大學(xué) 2017
[10]基于深度學(xué)習(xí)的車(chē)牌識(shí)別系統(tǒng)[D]. 楊玨吉.浙江大學(xué) 2017



本文編號(hào)：3420074