霧天車牌識別中的圖像增強研究

章飛

摘要：通過對車牌圖像的研究與分析，提出了一種針對霧天車牌識別系統(tǒng)圖像增強預處理的方法。該方法是在車牌圖像的預處理過程中，采用了先進的暗原色先驗去霧算法，對采集到的霧天車牌圖像有很好的增強效果。實驗結果驗證該算法對霧天的車牌圖像的識別率有很大的提高。

關鍵詞：車牌識別；Retinex算法；暗原色先驗去霧；Sobel算子

中圖分類號：TP18文獻標識碼：A文章編號：1009-3044(2012)15-3659-03

Image Enhancement of License Plate Recognition System on Foggy Days

ZHANG Fei

(Anhui Vocational College of Defense Technology, Luan 237011,China)

Abstract: Through the research and analysis of license plate images, this thesis finds out a method of pre-treating image enhancement of li? cense plate recognition system on foggy days. This method applies the advanced algorithm of Haze Removal Using Dark Channel Prior to the pretreatment of license plates and has a good effect on the enhancement of collected license plates on foggy days. The experiment result verifies that this algorithm improves the recognition rate of license plates greatly on foggy days.

Key words: license plate recognition; Retinex; Haze Removal Using Dark Channel Prior; Sobel Operator

隨著城市化進程的發(fā)展，市區(qū)的交通日益繁忙并且出現(xiàn)了很多需要解決的交通問題，例如車輛在惡劣天氣下行駛過程中不遵守交通規(guī)則，會帶來交通隱患甚至交通事故，所以對于關鍵性的道路區(qū)域及十字路口違規(guī)車輛的車牌識別是智能交通系統(tǒng)中研究的一個熱點。車牌識別系統(tǒng)雖然得到了廣泛的應用，但是在惡劣天氣等環(huán)境因素的影響下，車輛圖像被攝像頭獲取以后，會因為雨雪霧天或者噪聲干擾等情況使得圖像模糊不清，車牌識別系統(tǒng)對車牌的識別率會嚴重下降，為了提高有霧天氣下車牌的識別率，必須使用特定的算法對車牌圖像進行圖像增強。目前使用的圖像增強方法有多種，例如直方圖均衡、Retinex算法、暗原色先驗去霧算法等等。

圖3暗原色先驗去霧算法增強后的圖像

車牌圖像經(jīng)過增強預處理后，為了比較是否對車牌的識別率有明顯的提高，我們首先對兩幅圖像灰度化，然后使用sobel邊緣檢測算子提取圖像邊緣，得到了圖4和圖5兩幅車牌邊緣圖像。通過比較兩幅邊緣圖像可以看出，沒有增強的霧天車牌圖像，用邊緣檢測算子提取不了車牌字符的邊緣，而用暗原色先驗去霧算法增強后的車牌圖像，可以看到非常明顯的車牌字符邊緣。

通過上述試驗的驗證結果我們可以看到對于有霧的天氣，Retinex算法和暗原色先驗去霧算法都可以增強圖像的效果，但是Retinex算法處理圖片后顏色會產(chǎn)生失真并且沒有暗原色先驗去霧算法處理的圖像清晰。這就決定了在車牌識別系統(tǒng)中，對于有霧天氣的車牌圖像預處理使用暗原色先驗去霧算法更好。通過邊緣檢測算子提取的邊緣我們可以看到，增強后的車牌圖像，能夠得到明顯的邊緣。

在本文中我們介紹了兩種優(yōu)秀的霧天圖像增強算法并分析比較了它們的處理效果，可以看出在有霧天氣里，采用暗原色先驗去霧算法可以得到更清晰的汽車車牌圖像，通過圖像增強預處理，可以明顯提高車牌的識別率。暗原色先驗去霧算法對有霧天氣的車牌增強效果較好，不過對陰暗天氣的車牌增強并沒有顯著的效果?？梢妶D像增強算法是面向問題的，不同的環(huán)境因素，需要特定的圖像增強算法。