發(fā)布時(shí)間：2020-11-17 09:28

　　 在霧霾天氣下,由于大氣的散射作用導(dǎo)致反射光減弱光線變暗,以及大氣的光參與成像導(dǎo)致戶(hù)外相機(jī)拍攝的車(chē)牌圖像產(chǎn)生顏色失真、模糊不清以及圖像偏移等現(xiàn)象,從而導(dǎo)致車(chē)牌識(shí)別系統(tǒng)的識(shí)別率降低,無(wú)法達(dá)到工程應(yīng)用的標(biāo)準(zhǔn),嚴(yán)重影響道路交通管理。為解決霧霾天氣車(chē)牌識(shí)別率低的問(wèn)題,本文以霧霾天氣為基礎(chǔ),對(duì)車(chē)牌識(shí)別算法進(jìn)行了研究,主要內(nèi)容包括:車(chē)牌圖像預(yù)處理:霧霾天氣會(huì)使車(chē)牌識(shí)別系統(tǒng)出現(xiàn)不能正確識(shí)別字符信息的現(xiàn)象,本文對(duì)傳統(tǒng)Retinex算法求解照度分量的方法進(jìn)行改進(jìn),使其更適用于車(chē)牌識(shí)別系統(tǒng)中圖像的恢復(fù)與增強(qiáng)。該算法有效降低霧霾天氣下圖像退化帶來(lái)的圖像色彩失真和細(xì)節(jié)信息缺失的影響,進(jìn)而有利于車(chē)牌識(shí)別系統(tǒng)中車(chē)牌定位,字符分割和識(shí)別。實(shí)驗(yàn)結(jié)果從主觀和客觀兩個(gè)方面表明,改進(jìn)后的算法在增強(qiáng)圖像的同時(shí)能夠保留更多的細(xì)節(jié)信息,能有效提高霧霾天氣下車(chē)牌的識(shí)別率。車(chē)牌定位實(shí)現(xiàn):在上一步的基礎(chǔ)上,將獲得的車(chē)牌圖像進(jìn)行定位。由于霧霾天氣下獲得的圖像清晰度較差,所以本文對(duì)常用的車(chē)牌定位的算法進(jìn)行了改進(jìn)。首先通過(guò)處理速度快Canny邊緣檢測(cè)算子結(jié)合形態(tài)學(xué)與迭代融合處理進(jìn)行車(chē)牌粗定位,再利用簡(jiǎn)化后的Alex Net卷積神經(jīng)網(wǎng)絡(luò)模型去除偽車(chē)牌進(jìn)行車(chē)牌精定位。該方案解決了目前車(chē)牌定位技術(shù)在霧霾天氣下定位準(zhǔn)確率低且花費(fèi)時(shí)間長(zhǎng)的缺點(diǎn)。車(chē)牌識(shí)別:為了提高霧霾天氣下車(chē)牌字符識(shí)別率,本文對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)的字符識(shí)別算法進(jìn)行改進(jìn),通過(guò)參數(shù)的調(diào)整和網(wǎng)絡(luò)層數(shù)的設(shè)計(jì),簡(jiǎn)化網(wǎng)絡(luò)復(fù)雜度。然后改進(jìn)網(wǎng)絡(luò)訓(xùn)練方式,在訓(xùn)練集中增加識(shí)別準(zhǔn)確但網(wǎng)絡(luò)輸出不確定性高的樣本,組成新的訓(xùn)練集,進(jìn)行再次測(cè)試,這樣既減小了網(wǎng)絡(luò)訓(xùn)練所需的樣本,也能保證分類(lèi)器性能。此方法在提高車(chē)牌識(shí)別準(zhǔn)確率的同時(shí)解決了收集大量樣本的難度。最后通過(guò)系統(tǒng)測(cè)試對(duì)本文算法進(jìn)行綜合評(píng)估,并對(duì)測(cè)試結(jié)果進(jìn)行分析總結(jié)。
【學(xué)位單位】：東北林業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：U495;TP391.41
【部分圖文】：

?法??圖１－１去霧方法分類(lèi)??圖１－１是對(duì)圖像去霧方法的總結(jié)，總體上可以分為兩類(lèi)：??（１）基于圖像處理的增強(qiáng)方法［７】。在原圖處理的基礎(chǔ)上提高圖像對(duì)比度，對(duì)圖像??進(jìn)行增強(qiáng)突出細(xì)節(jié)改善圖像質(zhì)量。好處是可以直接應(yīng)用現(xiàn)有的已經(jīng)成熟的圖像處理方法??進(jìn)行改善，方便實(shí)用、易于實(shí)現(xiàn)。缺點(diǎn)是無(wú)法預(yù)測(cè)霧霾天氣的復(fù)雜景深，不能很好的恢??復(fù)圖像，處理后的圖像會(huì)有信息缺失或者失真。國(guó)內(nèi)外學(xué)者對(duì)此做出了很多研究，??Ｅｄｗｈ＾Ｌａｎｄ?（埃德溫？蘭德）提出一種被稱(chēng)為色彩的理論［８］，并在顏色恒常性的基礎(chǔ)上提??出的一種圖像增強(qiáng)方法，該方法對(duì)光照不均的導(dǎo)致對(duì)比度低的圖像有很好的恢復(fù)效果，??近年來(lái)這種算法受到廣大研宄者的青睞。Ｊ．Ｙ．ＫＩＭ等［９］人提出子塊部分重疊直方圖均衡??算法，該算法局部細(xì)節(jié)處理很好，算法思路與直方圖均衡化算法思路大體相似。另外，??Ｚｉｍｍｅｒｍａｎ等人想出了插值直方圖均等化算法，只對(duì)均衡化處理后的固定區(qū)域進(jìn)行處??理

圖１－２技術(shù)路線??－６?－??

?２車(chē)牌識(shí)別系統(tǒng)搭建與樣本采集???２車(chē)牌識(shí)別系統(tǒng)搭建與樣本采集??２．１硬件系統(tǒng)關(guān)鍵設(shè)備的選擇及特點(diǎn)??２．１．１嵌入式工控機(jī)??智能監(jiān)測(cè)控制主機(jī)是車(chē)牌識(shí)別系統(tǒng)的核心部分，其主要設(shè)備為嵌入式工控機(jī)，如圖??２－１所示。車(chē)牌識(shí)別的算法全部通過(guò)嵌入式工控機(jī)運(yùn)行。包括檢測(cè)車(chē)輛，抓拍控制，以??及全部的車(chē)牌識(shí)別過(guò)程。然后完成各個(gè)網(wǎng)絡(luò)單元的通信和傳輸。為了保證采集圖像的清??晰度，本系統(tǒng)采用工業(yè)級(jí)設(shè)備。其優(yōu)勢(shì)主要體現(xiàn)在：抗電源波動(dòng)性強(qiáng)、性能可靠、價(jià)格??低廉。在加油站復(fù)雜條件下，工控機(jī)的全封閉機(jī)箱不但可以阻絕塵埃，更減少了安全隱??
【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 王洪元;劉忠杰;劉愛(ài)萍;;基于多特征組合的車(chē)牌識(shí)別算法[J];常州大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

2 齊鑫;;基于膨脹腐蝕算法的數(shù)字信號(hào)處理技術(shù)[J];自動(dòng)化技術(shù)與應(yīng)用;2010年10期

相關(guān)碩士學(xué)位論文 前10條

1 顧李云;基于圖像處理的車(chē)牌識(shí)別算法的研究與設(shè)計(jì)[D];南京郵電大學(xué);2018年

2 胡志峰;基于小波變換圖像去噪及邊緣檢測(cè)研究[D];東華理工大學(xué);2018年

3 余承波;基于支持向量機(jī)（SVM）的車(chē)牌識(shí)別[D];安徽理工大學(xué);2018年

4 馬曼曼;基于經(jīng)驗(yàn)曲波變換的斷口圖像處理方法研究[D];南昌航空大學(xué);2018年

5 潘晨;圖像和視頻去霧算法研究與實(shí)現(xiàn)[D];西安科技大學(xué);2018年

6 李佩倫;基于機(jī)器學(xué)習(xí)的車(chē)牌識(shí)別算法研究[D];電子科技大學(xué);2018年

7 唐智強(qiáng);基于圖像的車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

8 侯麗圓;基于馬爾科夫隨機(jī)場(chǎng)和模糊集理論的場(chǎng)景分類(lèi)算法研究[D];大連海事大學(xué);2018年

9 石琪;基于卷積神經(jīng)網(wǎng)絡(luò)圖像分類(lèi)優(yōu)化算法的研究與驗(yàn)證[D];北京交通大學(xué);2017年

10 高源;模糊車(chē)牌的分割與識(shí)別方法研究[D];廈門(mén)大學(xué);2017年

本文編號(hào)：2887337