基于PSO-RBF神經網絡的霧霾車牌識別算法研究

毛曉波，張 群，梁 靜,劉艷紅

(鄭州大學 電氣工程學院，河南 鄭州450001)

基于PSO-RBF神經網絡的霧霾車牌識別算法研究

毛曉波，張 群，梁 靜,劉艷紅

(鄭州大學 電氣工程學院，河南 鄭州450001)

給出一種霧霾環境下車牌識別改進算法. 首先利用改進的暗原色先驗法對霧霾天氣下的車牌圖像進行去霧處理；然后經預處理、定位、分割與提取，得到粗網格特征矩陣；最后采用經粒子群算法優化的徑向基函數神經網絡進行識別. 實驗結果表明，系統去霧效果良好，且能縮短去霧處理的時間，有效提高霧霾天氣下車牌識別的速度和準確率.

車牌識別；暗原色先驗法；粒子群優化算法；徑向基函數神經網絡

0 引言

隨著智能交通的普及，車牌識別系統飛速發展,在陽光充足的情況下，準確率和速度都基本能夠滿足人們的需求[1].但是近些年來，隨著霧霾天氣的增多,現有的車牌識別系統已經很難滿足人們的需求.這就迫切需要引入去霧算法，以設計出效果良好的霧霾車牌識別系統.

常用的去霧算法可分為兩大類：第一類是利用圖像增強方法實現去霧，如增加對比度，但該方法會造成圖像部分信息丟失[2]；第二類是基于物理模型的方法，如He等提出的暗原色先驗法[3].該方法耗時較長，無法滿足車牌識別系統的時效性[4].筆者擬通過改進暗原色先驗算法透射率的細化方法，來減少算法的計算量，增加去霧的時效性.

常用的車牌識別算法有模板匹配法與神經網絡識別算法[5].基于模板匹配的識別算法使用較早，方法簡單，但準確率較低；……