论文部分内容阅读
随着科技的不断进步,车辆越来越多的进入人们的生活,人们对交通控制、交通安全管理的要求也日渐提高,车牌自动识别系统作为智能交通领域中一个重要的组成部分起着越来越重要的作用。运动模糊车牌自动识别系统包括运动模糊车辆图像复原、车牌定位与分割、车牌字符识别三大主要部分。本文应用运动模糊方向和长度自动辨识算法、车牌定位算法、倾斜校正与字符分割算法、BP神经网络识别算法等来解决运动模糊车牌识别问题。根据运动模糊车牌识别各个环节的要求来实现功能,筛选方法和算法,通过实验对关键环节和算法进行分析并得到最终的识别结果。1.通过对退化图像频谱的分析,运用Radon变换自动辨识运动模糊图像的模糊角度。对沿运动方向微分后的图像求自相关函数,并利用已经得到的模糊角度自动辨识运动模糊图像的模糊长度,利用辨识出的参数构建PSF,最后采用维纳滤波的方法实现模糊车辆图像的复原。经过实验仿真验证,可以实现退化图像的自动复原,具有一定的抗噪性,复原效果明显。2.针对已经经过复原处理的车辆图像的特点,对车辆图像进行车牌的定位与分割处理。主要利用基于混合特征的车牌定位方法,对车牌区域进行准确的定位与分割。经过对多幅车辆图像的处理,表明所采用的方法对图像的适应能力很强,既能处理较理想的图像,也能处理质量不太好的图像,对于维纳滤波复原时产生的振铃效应也有一定适应性。使用惯量椭圆的方法进行求得倾斜角,与Hough变换的方法相比,抗干扰能力较强,更加适用于车牌图像的倾斜校正处理。在车牌字符分割之前,对车牌图像进行了二值化处理,采用大津法,效果较好。在传统的基于垂直投影的字符分割的算法基础上做了一点改进,对于不连通的字符分割效果较好,有利于后续的字符识别过程。3.在字符识别部分,采用三层的BP神经网络,设定网络参数,经过大量样本训练,最后将字符的细网格特征转换为一维数组作为网络的输入,输出采用“M中取一”方式进行标识,最终完成识别,取得了一定的效果。4.基于Labview开发平台完成系统的实现,应用图形化编程语言开发,系统的结构简单易懂。