论文部分内容阅读
随着人们生活的现代化,汽车成为人们普遍使用的交通工具,为了合理智能的管理汽车,智能化的车牌识别系统也应运而生。如今,车牌识别系统被运用到各种各样的场合,如停车场管理、高速公路监控系统等。虽然,车牌识别系统的技术已经日趋成熟,但是由于天气、光照等条件的影响还是会导致识别准确率不高的情况。因此,对于车牌识别系统的研究仍然是学术界研究的热门课题之一。本文首先对车牌识别系统的研究背景与发展现状进行了综述,然后借助于图像处理技术对整个车牌识别的过程进行了详细的研究。本文分别在图像平滑、边缘提取和二值化阶段提出了三种改进方法以实现车牌的识别,具体研究内容如下:(1)在图像平滑阶段,本文提出了传统的中值滤波与高斯滤波相结合的图像平滑方法,首先对图像进行高斯滤波,去除类似高斯噪声的噪声部分,然后采用中值滤波进行图像平滑。仿真结果表明,改进后的图像平滑方法可以明显改善传统方法在光照不良特别是夜间图像处理的不足,滤波后的信噪比更高,去噪效果更好。(2)在图像边缘提取阶段,基于Mallat小波快速分解算法,本文提出了一种新的车牌边缘提取算法。新算法的核心思想是利用Mallat小波变换多分辨率分析的特点,将车辆牌照区域作为高频部分提取出来。经过与传统的利用Sobel算子进行边缘提取算法的仿真结果的比较可以发现,本文提出的Mallat算法可以更完整的提取出牌照区域。(3)在二值化阶段,本文在传统的二值化算法的基础上提出了改进的Otsu二值化算法。利用传统的Otsu算法求出相应的二值化阈值,在传统算法的基础上进行阈值微调。仿真结果表明,与传统的二值算法相比,本文算法的二值化效果更好,字符处理的准确率更高。通过仿真实验表明,本文提出的改进算法较传统的算法效果更好,优化了车牌识别的效果,为车牌识别系统的进一步完善提供了一定的基础。