雾霾条件下车牌图像自动识别模型构建及仿真

作者：华怡夏

来源：自动化与仪器仪表, 2021, (01): 127-131.

DOI：10.14016/j.cnki.1001-9227.2021.01.127

• 图像去雾
• 车牌信息识别
• PSO-RBF神经网络

雾霾天气大大降低了车牌图像的清晰度,对车牌图像的准确识别造成了巨大的影响。为提高雾霾条件下车辆图像自动识别的正确率,结合图像识别的流程,首先应用暗通道和retinex融合去雾对图像进行了初步处理;然后应用Canny边缘检测与数学形态学对图像进行定位,用Radon算法+otau算法完成对图像的分割;最后利用改进的PSO-RBF算法完成对雾霾条件下车牌的识别。仿真实验证明,本文算法在雾霾条件下经过去雾处理后的车牌识别比未经去雾处理的车牌识别准确率更高;相较于BP与RBF算法,利用PSO-RBF神经网络的车牌图像识别率更高。

• 单位
  陕西机电职业技术学院