基于改进暗通道先验的车牌图像去雾方法研究
2022年电子技术应用第11期
石冬阳1，张俊林1，贾 兵1，聂 玲1，杨慧敏2
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。
中圖分類號： TP394.1
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223211
中文引用格式： 石冬陽，張俊林，賈兵，等. 基于改進暗通道先驗的車牌圖像去霧方法研究[J].電子技術應用，2022，48(11)：13-18.
英文引用格式： Shi Dongyang，Zhang Junlin，Jia Bing，et al. Research on defogging method of license plate image based on improved dark channel prior[J]. Application of Electronic Technique，2022，48(11)：13-18.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.223211
中文引用格式： 石冬陽，張俊林，賈兵，等. 基于改進暗通道先驗的車牌圖像去霧方法研究[J].電子技術應用，2022，48(11)：13-18.
英文引用格式： Shi Dongyang，Zhang Junlin，Jia Bing，et al. Research on defogging method of license plate image based on improved dark channel prior[J]. Application of Electronic Technique，2022，48(11)：13-18.
Research on defogging method of license plate image based on improved dark channel prior
Shi Dongyang1，Zhang Junlin1，Jia Bing1，Nie Ling1，Yang Huimin2
1.School of Electrical Engineering，Chongqing University of Science and Technology，Chongqing 401331，China； 2.School of Mathematics and Computing Science，Xiangtan University，Xiangtan 411105，China
Abstract： Aiming at the problem of poor recognition accuracy of license plate recognition system in haze scene, an improved license plate recognition model is proposed. The model uses the improved dark channel apriori defogging algorithm for defogging. Considering the color distortion and other problems when the original defogging algorithm processes the haze image with bright areas, firstly, the atmospheric light value is limited by the threshold value. Secondly, the introduction factor is optimized. And finally, the tolerance mechanism is introduced to correct the transmittance, and the image brightness is adjusted to improve the image visualization effect. The simulation results show that the performance of PSNR, SSIM, enterprise and e improved by 1.934 dB, 0.082, 0.235 and 38.995 respectively. The recognition test of the license plate image before and after defogging shows that the recognition accuracy of the license plate is improved by 22%, which proves the superiority of the proposed model.
Key words : license plate recognition；color distortion；threshold limit；introducing factors；tolerance mechanism
0 引言
隨著社會經濟快速發展，車輛逐漸成為我們日常必不可少的交通工具，車牌識別系統因此被應用到道路監控中，一定程度上提高了交通管理的效率。在無霧的場景下，車牌識別系統能獲得較好的識別效果[1]；在霧霾天氣下，受到大氣中懸浮顆粒的影響，使得圖像可見度降低[2]，車牌識別系統采集到的車牌圖像變得模糊不清，圖像中車牌信息特征無法及時有效呈現出來，導致車牌定位與識別的精度嚴重下降。
為了直接有效地提升車牌識別精度，必須首先對車牌識別系統采集到的圖像進行去霧處理。在圖像去霧方法中，圖像增強和圖像復原是兩種常見的去霧方法。前者在處理具有復雜結構的有霧圖像時效果并不理想。后者基于大氣散射模型，進而求解無霧圖像，獲得了較好的圖像去霧效果，但自身仍有局限性。Tan[3]采用最大化恢復圖像的局部對比度來消除霧霾，但結果中出現了圖像色調飽和的現象。He等人[4]提出了基于導向濾波的暗通道去霧算法，縮短了去霧時間，但在處理含有天空等明亮區域的霧霾圖像時出現了顏色的失真和偏移。Tarel等人[5]構建大氣耗散函數以實現圖像去霧，去霧結果中出現了顏色失真的現象。Fattal等[6]通過計算場景內反射率得到無霧圖像,但該方法不適用于模糊圖像和灰度圖像。目前暗通道先驗去霧算法取得了較好的去霧效果，但該算法處理含有天空等明亮區域圖像時存在顏色失真和偏移等問題，故本次在暗通道先驗去霧算法的基礎上進行相應的改進。
本文詳細內容請下載：http://m.tom3567.com/resource/share/2000004998。
作者信息：
石冬陽1，張俊林1，賈 兵1，聶 玲1，楊慧敏2
(1.重慶科技學院 電氣工程學院，重慶401331；2.湘潭大學 數學與計算科學學院，湖南 湘潭411105)
此內容為AET網站原創，未經授權禁止轉載。