雾霾环境下车牌图像识别方法研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

1、课题的意义进入21世纪以来，雾霾二字频繁地出现在人们的视野中，在以北京为代表的大部分中国城市中，雾霾成为了一种常见的天气现象。

雾霾所引起的人类健康问题以及其他生产生活问题引起了大家强烈的关注。

雾霾由空气中的化工颗粒物与灰尘颗粒物组成，它会对人们的视觉产生障碍。

2. 研究的基本内容和问题

1、研究目标和内容在本次的设计中，主要是基于雾霾天气的成像模型和retinex算法进行研究。

具体内容如下：（1）通过对雾霾天气下图像的成像原理进行研究，从而估算出雾霾环境下图像照度衰减模型，分析该模型的特点；（2）对retinex算法进行研究，研究其原理及理论基础，同时研究分析颜色恒常性理论；（3）研究基于局部特征的retinex增强算法的原理及理论基础。

将基于局部特征的retinex算法细分为多尺度retinex算法（msr，multi-scale retinex）、单尺度retinex算法（ssr，single scale retinex）、带颜色恢复的多尺度retinex算法（msrcr，multi-scale retinex with color restoration），用以上三种算法对雾霾天气下的车牌进行图像增强，通过直观增强效果与客观参数比对分析三种算法的性能及优劣，判断那种增强处理方法更适用于雾霾环境下车牌图像的增强；（4）用效果最优的图像增强算法对雾霾车牌图像进行算法增强处理后，通过图像预处理、车牌定位、字符分割等操作，对车牌图像的识别获得良好的处理效果；（5）对分割后的字符分别采用特征分析匹配法和bp神经网络识别法进行图像识别，提取有效信息。

3. 研究的方法与方案

本设计通过阅读文献，决定基于MATLAB来完成预定的目标，具体研究方法和技术路线如下：（1）通过阅读文献，分析雾霾天气下的成像原理得出该环境下图像照度衰减模型，分析其特点，判断其适合采用Retinex算法进行图像增强；（2）通过文献资料对颜色恒常性理论及Retinex算法，尤其是基于局部特征的Retinex算法进行深入学习，基于MATLAB运用MSR算法、SSR算法、MSRCR算法对车牌图像进行图像增强；（3）对上一步骤中三种方法图像增强过后的图像进行横向比对，选择较优的图像增强方法进行接下来的图像处理；（4）基于MATLAB对增强后的图像依次进行图像获取，图像预处理，图像定位，字符分割；（5）采用特征分析匹配法和BP神经网络识别法对图像进行识别，并再次通过横向比对，判断何种识别方法更适用与雾霾环境下的车牌识别。

4. 研究创新点

1、采用Retinex算法对车牌进行图像增强，避免了传统图像增强算法带来的图像细节不清晰、自适应差等缺陷，使得图像增强达到相对良好的视觉效果；2、通过雾霾天气的成像原理估算其环境下的图像衰减模型，解决了由于雾霾环境计算机表现不明而无法得出适用的的图像处理算法的缺陷；3、对图像增强与图像识别两个方面进行交叉横向比对，可以得出相对最适用于雾霾环境的图像处理方案。

5. 研究计划与进展

2015.12-2016.01完成开题工作2016.01-2016.02查阅并分析文献，得到雾霾天气下的成像原理得出该环境下图像照度衰减模型，并研究其特点；阅读文献学习并研究颜色恒常性理论；学习matlab图像处理相关知识与编程；阅读retinex算法相关文献；2016.2-2016.3基于matlab运用msr算法、ssr算法、msrcr算法对车牌图像进行图像增强，并进行横向比对。

2016.3-2016.4基于matlab通过图像预处理、车牌定位、字符分割、字符识别等操作，对车牌图像的识别，并再次通过交叉横向对比，得出最适合雾霾环境下车牌图像处理识别的增强与识别算法组合，并提取所需车牌信息。

2016.05完成毕业设计报告准备毕业设计答辩