作者:
石冬阳1,张俊林1,贾 兵1,聂 玲1,杨慧敏2
作者单位:
1.重庆科技学院 电气工程学院,重庆401331;
2.湘潭大学 数学与计算科学学院,湖南 湘潭411105。
摘要:
针对雾霾场景下车牌识别系统存在识别精度较差的问题,提出改进型车牌识别模型。该模型运用改进型暗通道先验去雾算法进行去雾处理,考虑到原去雾算法处理含明亮区域雾霾图像时会出现颜色失真等问题,首先对大气光值进行阈值限制,其次对引入因子进行优化选择,最后引入容差机制以修正透射率,并对图像亮度进行调整以提升图像可视化效果。仿真结果表明,运用改进后算法得到的去雾结果在PSNR、SSIM、Entropy、e性能上相对于改进前分别平均提升1.934 dB、0.082、0.235、38.995。将去雾前后车牌图像进行识别测试,车牌识别精度提升22%,证明了所提模型的优越性。
引言:
随着社会经济快速发展,车辆逐渐成为我们日常必不可少的交通工具,车牌识别系统因此被应用到道路监控中,一定程度上提高了交通管理的效率。在无雾的场景下,车牌识别系统能获得较好的识别效果[1];在雾霾天气下,受到大气中悬浮颗粒的影响,使得图像可见度降低[2],车牌识别系统采集到的车牌图像变得模糊不清,图像中车牌信息特征无法及时有效呈现出来,导致车牌定位与识别的精度严重下降。
为了直接有效地提升车牌识别精度,必须首先对车牌识别系统采集到的图像进行去雾处理。在图像去雾方法中,图像增强和图像复原是两种常见的去雾方法。前者在处理具有复杂结构的有雾图像时效果并不理想。后者基于大气散射模型,进而求解无雾图像,获得了较好的图像去雾效果,但自身仍有局限性。Tan[3]采用最大化恢复图像的局部对比度来消除雾霾,但结果中出现了图像色调饱和的现象。He等人[4]提出了基于导向滤波的暗通道去雾算法,缩短了去雾时间,但在处理含有天空等明亮区域的雾霾图像时出现了颜色的失真和偏移。Tarel等人[5]构建大气耗散函数以实现图像去雾,去雾结果中出现了颜色失真的现象。Fattal等[6]通过计算场景内反射率得到无雾图像,但该方法不适用于模糊图像和灰度图像。目前暗通道先验去雾算法取得了较好的去雾效果,但该算法处理含有天空等明亮区域图像时存在颜色失真和偏移等问题,故本次在暗通道先验去雾算法的基础上进行相应的改进。
联系客服