不均匀光照车牌增强算法研究(小微最终)

《不均匀光照车牌增强算法研究(小微最终)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、不均匀光照车牌增强算法研究朱仁欢，魏海锋，卢一相，孙冬（安徽大学电气工程与自动化学院，合肥）E-mail：zhurh1989@126.com摘要:当车牌光照不均匀时，会给车牌的进一步处理带来很大的困难。本文针对这一问题，提出了基于本征图像分解的不均匀光照车牌的增强算法。把定位好的车牌图像转换成灰度图像，对图像中包含相似亮度分量的像素集合，用本文所提出的约束进行处理。该约束和传统的Retinex邻近像素约束有效地减少了分解中的不确定性。使用这两个约束，使得分解问题转换成求二次函数最小值的问题，即形成了用封闭解来求本征图像分解。由实验可

2、知，本文算法增强效果较好，降低了车牌进一步处理的难度。关键词：光照不均匀；本征图像分解；Retinex约束；封闭解中图分类号：TP39文献标志码：A文章编号：Studyonenhancementalgorithmoflicenseplateundernon-uniformilluminationZHURen-huan，WEIHai-feng，LUYi-xiang，SUNDong(CollegeofElectricalEngineeringandAutomation,AnhuiUniversity,Hefei,China)Abstra

3、ct:Itisdifficulttofurtherprocessingofthelicenseplateundernon-uniformillumination.Thispaperproposedanenhancementalgorithmoflicenseplateundernon-uniformilluminationbasedonintrinsicimagedecomposition.Thelicenseplateimagelocatedwasconvertedtograyimage.Forthepixelssetthatco

4、ntainedsimilarshadingcomponent,itwasprocessedusingtheconstraintsproposedinthispaper.ThisconstraintsandthetraditionalRetinexconstraintsreduceduncertaintyindecompositioneffectively.Weformulatedthedecompositionproblemastheminimizationofaquadraticfunctionwhichincorporatesb

5、oththetwoconstraints,ityieldedaclosed-formsolutionfortheintrinsicimagedecompositionproblem.Theexperimentsshowsthatthemethodprocessedinthispapereliminatestheeffectofthenon-uniformilluminationtoacertaindegree,reducedthedifficultyofthefurtherprocessing.Keywords:non-unifor

6、millumination;intrinsicimagedecomposition;Retinexconstraint;closed-formsolution收稿日期：基金项目：国家自然科学基金项目（）；国家自然科学基金重点项目合作项目（）资助作者简介：朱仁欢，男，1989年生，硕士研究生，主要研究方向为图像处理，模式识别；魏海锋，男，1990年生，硕士研究生，主要研究方向为图像处理，模式识别；卢一相，男，1980年生，博士研究生，讲师，主要研究方向为图像增强，模式识别；孙冬，男，1982年生，博士研究生，讲师，主要研究方向为图像处

7、理，模式识别1.引言随着城市汽车数量的不断增多，对车辆管理的负担越来越重，这使得越来越多的国家对智能交通系统（IntelligentTransportationSystem,ITS）越来越重视，而车牌识别技术是智能交通系统的重要组成部分。车牌识别技术主要包括三个部分：即车牌定位、车牌字符分割和字符识别。车牌定位的作用是确定出车牌在图像中的具体位置；车牌字符分割的主要任务是在定位出来的车牌区域中将字符一一分割出来；字符识别的主要任务是将分割出来的字符一一识别出来。但当光照条件复杂时，获得的车牌图像可能会出现光照不均匀现象，这会使得车牌

8、字符和背景很难分离，会给车牌的进一步处理带来很大的困难，甚至无法完成车牌的识别任务。所以对光照不均匀的车牌进行预处理是十分必要的。到目前为止，涌现出大量的图像增强算法：基于Retinex的增强算法[1][2]、同态滤波增强算法[3]、