霧約束下的車牌識別方法研究與實現(xiàn).pdf

1、智能交通系統(tǒng)是交通管理的有效方法，它以簡單的工作方式實時監(jiān)控交通狀況，不僅減少工作人員數(shù)量，還能提高交通管理質(zhì)量。歷經(jīng)二十多年的發(fā)展，車牌識別技術(shù)作為智能交通系統(tǒng)的重要組成部分愈發(fā)受到業(yè)界的重視，并且廣泛應用到交通智能監(jiān)控、小區(qū)門禁、不停車自動收費等場合中。雖然車牌識別技術(shù)能夠在多數(shù)情況下發(fā)揮重要作用，但是在霧天環(huán)境中卻會因受到大氣光的干擾而造成識別率下降，這使得智能交通無法在霧天情況下正常工作。圖像去霧算法是一種可以去除霧氣干擾、恢復

2、清晰圖像的方法，本文擬從圖像去霧算法消除霧的干擾入手然后再識別霧約束下車牌，具體研究內(nèi)容如下：
　　在圖像去霧階段，本文首先介紹圖像退化模型，然后詳細闡述兩種基于退化模型的圖像去霧方法——暗通道先驗法和非局部圖像去霧法。針對非局部圖像去霧算法復原圖像時某些明亮區(qū)域出現(xiàn)顏色失真的問題，本文通過大氣光值與暗通道值作差取絕對值的方式判斷明亮區(qū)域，并對明亮區(qū)域的透射率進行修改。本文通過大量實驗發(fā)現(xiàn)，透射率平滑公式中的調(diào)節(jié)因子對圖像的復原結(jié)

3、果有一定影響，因此研究試圖運用一種自適應調(diào)節(jié)因子的方式對透射率圖進行平滑。
　　在車牌定位階段，本文利用車牌顏色特征和邊緣特征相結(jié)合的方法提取車牌候選區(qū)域并調(diào)整所有候選車牌達到大小一致，然后根據(jù)車牌的面積、長寬比等特征對候選車牌進行初步篩選，再通過對篩選的車牌進行水平和垂直偏斜矯正處理，最后運用訓練好的SVM分類器對矯正后的候選車牌進行分類，得到所需的車牌。
　　在車牌識別階段，本文首先使用連通區(qū)域提取法和垂直投影法將車牌圖

4、像分割為七個單一的字符并將字符大小調(diào)整到24*24，然后通過改進的LeNet-5卷積神經(jīng)網(wǎng)絡模型進行識別；改進的卷積神經(jīng)網(wǎng)絡模型的參數(shù)有上百萬之多，為了加快模型收斂速度，本研究在第一層卷積層和第二層卷積層添加數(shù)據(jù)歸一化層；然而模型能否收斂及收斂速度還受到學習率更新策略的影響，因此本文細致的分析學習率的變化趨勢與迭代次數(shù)的關(guān)系，進而選擇inv方法對學習率進行更新；最終得到模型在收斂時驗證集上的最好字符識別率為98.7％。本課題設計的霧約束