原文传递
运动模糊车牌识别系统关键技术的研究
| 论文题名： | 运动模糊车牌识别系统关键技术的研究 |
| 关键词： | 智能交通;车牌识别;图像复原;图像分割 |
| 摘要： | 科技进步推动了交通运输的发展，使得智能交通系统应运而生。车牌识别作为智能交通系统中的关键技术，对于推进交通智能化进程有着重要意义。在实际生活中，由于车辆高速运动，拍摄的车牌图像经常会产生运动模糊。运动模糊图像给车牌识别带来很大困难。运动模糊车牌识别系统可以有效的识别运动模糊车牌图像。随着交通压力的增大，人们急需一款识别率较高的运动模糊车牌识别系统。为解决上述问题，本文针对运动模糊车牌识别系统中的关键技术进行研究，主要研究工作如下: 首先，研究运动模糊车牌图像的复原方法。本文采用维纳滤波复原方法。维纳滤波复原图像的关键是求取K值及点扩散函数的参数。本文采用基于频域特征和基于空域特征相结合的方法求取退化函数的参数。先通过Hough变换检测运动模糊角度，然后利用微分自相关函数曲线估计运动模糊长度。对于K值的求取，本文提出了一种自动估计K值的算法。 其次，利用PSO-BP神经网络对复原后的车牌图像进行识别。车牌识别部分包括车牌定位，车牌分割，车牌识别。在车牌定位环节，本文采用了一种基于像素投影，边缘检测及数学形态学相结合的定位方法。车牌定位后，采用Radon变换实现车牌图像的倾斜矫正。在车牌分割环节，本文采用投影法先去除车牌的边框及分割符。接下来针对车牌分割中出现的字符连通及粘连等问题，提出一种连通域法，投影法与及模板匹配法相结合的车牌分割方法。在车牌识别环节，本文提出用PSO-BP神经网络进行车牌识别，该方法较好的解决了BP神经网络训练时出现收敛速度慢的问题，并且提高了系统的识别率。 最后，本文对运动模糊车牌识别系统的关键技术进行仿真，并对改进的算法进行详细分析和说明。仿真结果表明，本文提出的算法能较好的复原运动模糊车牌图像。同时，提升了整个系统车牌识别率。本文提出的算法有一定的社会应用价值。 |
| 作者： | 温伟 |
| 专业： | 控制科学与工程 |
| 导师： | 姚善化 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽理工大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
