针对雨天、雾霾天等复杂天气条件,提出了一种车牌定位方法。首先采用CLAHE方法进行图像增强并控制噪声放大,利用维纳滤波去除非周期噪声。通过对雨天图像频域特征进行分析,设计出一种新的利用频域掩模滤除雨水条纹的方法。最后结合边缘检测与形态学运算,提取车牌区域,并利用Radon变换进行倾斜校正。实验证明,文中提出的车牌定位算法适于复杂天气情况下车辆图像的定位,定位准确率达到96%,具有一定的实用价值。 优点是阻止了普通直方图均衡化将噪声过度放大。图3是雾霾图像应用CLAHE图像增强的结果。对图1应用CLAHE图像增强的结果如图4所示。1．3非周期性噪声去除本算法利用图像的局部不规则性作为初始车牌图3图像增强图4CLAHE图像增强定位特征。但是非周期性噪声，例如小的污垢、灰尘、表面纹理增加了图像中的不规则性，也可能增加背景上非车牌区域的数量。因此，为了去除非周期性噪声，通过多次实验，采用窗口大小为3×3的局部维纳噪声滤波器，获得噪声去除图像。由于图像存在噪声，如图5，在使用维纳噪声滤波器之后，噪声被最小化并且出现较好的车牌字符边缘，如图6，图中圆圈区域可以明显看出去噪效果。图像定位方法研究-数控滚圆机滚弧机折弯机张家港电动液压钢管滚圆机滚弧机这意味着在该阶段的噪声滤波器可以减少不必要的候选区域的数量。此外，图像对比度的增强也增强了噪声。因此，本文由公司网站大棚折弯机网站 转摘采集转载中国知网整理!    http://www.dapengzhewanji.com/在进入下一阶段处理之前使用维纳噪声滤波器。图5未应用维纳噪声滤波器图6应用维纳噪声滤波去后输入图像中存在的雨水条纹会使图像产生不规则性，可能增加候选车牌区域的数量。因此，需要从图像中去除或减少雨水效果以改善系统的性能。为了从图像中去除雨滴，将雨滴看作周期性噪声。在频域中可以有效地分析和滤除周期性噪声。基于周期性噪声在傅里叶变换图像中表现为一个集中的能量脉冲的基本思想，研究了一种自动雨水去除方法，有效地从图像中去除雨条纹。主要的步骤流程图如图7所示。图7去除雨水主要步骤首先，使用离散傅里叶变换将受雨水影响的图像转换为傅里叶图像，如图8。在傅里叶图像中，将所有系数值归一化，如图9。图8傅里叶图像图9归一化傅里叶图在图9中，红色框可以明显的看到由于雨噪声引起的能量脉冲。能量爆发的方向垂直于灰度图中的雨水条纹的方向(如图1中红线)，因为周期性噪声的能量方向垂直于雨水条纹的方向。为了在归一化图中定位雨能量的方向，为每个能量方向生成能量直方图。计算期间角度范围选择为－60°到60°，因为大多数下雨条纹的方向不大于60°。归一化傅里叶图像沿着中心垂直轴是对称的，在能量直方图计算期间仅取归一化的傅里叶图像的右半部分。能量直方图如图10。图10雨水能量直方图从能量直方图可以看到，中心位置显示指向45°方向是能量直方图的高峰期。在获得雨能量的取向之后，在该方向上自动生成掩模，如图11，并将该雨水的掩模和傅里叶图像进行乘运算。从傅里叶图像中去除雨能量部分。最后，进行傅里叶逆变换得到去除雨水的图像。如图12所示。图11雨水掩模图12去除雨水后图像图像定位方法研究-数控滚圆机滚弧机折弯机张家港电动液压钢管滚圆机滚弧机本文由公司网站大棚折弯机网站 转摘采集转载中国知网整理!    http://www.dapengzhewanji.com/