恶劣条件下车牌识别关键技术研究-计算机技术专业论文.docx

苏州大学学位论文使用授权声明 {足mh』寸/本用适后刀于h相用月年在口文 {足 mh 』寸/ 本 用 适 后 刀于 h相用 月 年 在 口 文 论 密 涉 属 文 论 位 w字 本 口文 口 文 论 密 涉 非 论文作者签名: /fb 日 期 :ìI {4. G.1.岭 导师签名: ! irz 日期:k1午 Jμ 恶劣条件下车牌识别关键技术研究 中文摘要 目前，车牌识别(VLPR)系统已广泛应用于高速公路收费管理与超速监控、城市路 口车辆违章监测、停车场管理、小区车辆管理等许多领域，是智能交通系统(ITS)的重 要组成部分。然而，在雾霾等恶劣天气条件下，成像设备采集到的车辆图像模糊不清， 以及镜头失焦、车速过快导致的图像降质，都会降低车牌识别系统的识别精度，给交 通管理带来不便的同时，也给安防工作带来隐患。因此，有必要开展对恶劣条件下车 牌识别系统的研究。 将车牌识别系统中经常发生的车辆图像退化的成因分类为雾化降质、离焦模糊和 运动模糊三种类型，并对这三类退化图像复原的问题开展了以下研究： 针对雾化图像，分析了图像退化模型与退化图像特征，提出了图像雾化程度的分 类方法。针对图像中不同景深物体雾化程度不同的特点，提出了一种基于大气透射率 的限制对比度自适应直方图均衡化(CLAHE)算法剪裁阈值自适应选择方法。最后，比 较了常用单幅图像去雾算法恢复（增强）交通监视图像的性能，充分利用各去雾算法 的优点，设计了对不同雾化程度的车辆图像自适应去雾的实现流程。 针对离焦、运动模糊图像，由退化图像在频域和空域中的特征入手，介绍了衡量 图像模糊程度的图像功率谱斜度测度，以及图像梯度双高斯分布标准差测度，并提出 了基于该测度的车辆图像模糊区域检测算法。为了对检测出的模糊区域进行模糊类型 的分类，提出了基于倒谱的离焦、运动模糊分类算法。之后，采用基于微分图像自相 关的离焦模糊 PSF 鉴别算法估计离焦模糊 PSF 的半径参数，采用基于倒谱分析的运 动模糊 PSF 鉴别算法估计运动模糊 PSF 的方向和尺度参数。最后，为提高对车辆监 控系统采集到的含噪声运动模糊图像 PSF 参数鉴别的准确度，提出了一种基于小波 重构和脊波变换的图像频谱增强预处理算法，实验结果表明，该方法可有效增强有噪 运动模糊图像频谱中平行暗条纹的清晰度，以预处理后的频谱计算倒谱，可提高 PSF 参数鉴别的准确度。 此外，完成了图像雾化、离焦、运动模糊等恶劣条件下车牌识别系统的设计与实 现，该系统可自动判别待识别车辆图像是否发生退化以及退化的原因，并根据检测出 的退化类型实施相对应的图像复原算法，实现车辆图像的清晰化预处理，从而提高恶 劣条件下系统车牌识别模块的识别成功率。 关键词：车牌识别；去雾；离焦模糊；运动模糊 作 者： 兰希 指导老师： 徐汀荣 教授 Research on Key Technologies of Vehicle License Plate Recognition System on Complex Conditions Abstract In recent years, the Vehicle License Plate Recognition (VLPR) System has been widely used in highway toll management and over speed monitoring, urban intersection traffic vio- lation monitoring, car park management, residential vehicle management, and is a significant component of the Intelligent Transportation Systems (ITS). However, an advance weather condition, such as fog or haze, can usually result in low contracts of the images captured by imaging devices. Moreover, an inaccurate lens focusing, or the high speed of vehicles, may also cause the images blurred. Since the image degradations, the identification accuracy of the VLPR System decreases, which not only brings many inconveniences to the traffic ma