Abstract：Throughtheresearchandanalysisof雾天车牌识别中图像增强探究摘要：通过对车牌图像的研究与分析，提出了一种针对雾天车牌识别系统图像增强预处理的方法。该方法是在车牌图像的预处理过程中，采用了先进的暗原色先验去雾算法，对采集到的雾天车牌图像有很好的增强效果。实验结果验证该算法对雾天的车牌图像的识别率有很大的提高。关键词：车牌识别；Retinex算法；暗原色先验去雾；Sobel算子中图分类号：TP18文献标识码：A文章编号：1009-3044(2012)15-3659-03ImageEnhancementofLicensePlateRecognitionSystemonFoggyDaysZHANGFei(AnhuiVocationalCollegeofDefenseTechnology,Lu"an237011,China)licenseplateimages,thisthesisfindsoutamethodofpre-treatingimageenhancementofli?censeplaterecognitionsystemonfoggydays・ThismethodappliestheadvaneedalgorithmofHazeRemovalUsingDarkChannelPriortothepretreatmentoflicensepla.tesandhasagoodeffectontheenhancementofcollectedlicenseplatesonfoggydays・TheexperimentresuItverifiesthatthisalgorithmimprovestherecognitionrateoflicenseplatesgreatlyonfoggydays・Keywords：licenseplaterecognition；Retinex；HazeRemovalUsingDarkChannelPrior；SobelOperator随着城市化进程的发展，市区的交通日益繁忙并且出现了很多需要解决的交通问题，例如车辆在恶劣天气下行驶过程中不遵守交通规则，会带来交通隐患甚至交通事故，所以对于关键性的道路区域及十字路口违规车辆的车牌识别是智能交通系统中研究的一个热点。车牌识别系统虽然得到了广泛的应用，但是在恶劣天气等环境因素的影响下，车辆图像被摄像头获取以后，会因为雨雪雾天或者噪声干扰等情况使得图像模糊不清，车牌识别系统对车牌的识别率会严重下降，为了提高有雾天气下车牌的识别率，必须使用特定的算法对车牌图像进行图像增强。目前使用的图像增强方法有多种，例如直方图均衡、Retinex算法、暗原色先验去雾算法等等。图3暗原色先验去雾算法增强后的图像车牌图像经过增强预处理后，为了比较是否对车牌的识别率有明显的提高，我们首先对两幅图像灰度化，然后使用sobel边缘检测算子提取图像边缘，得到了图4和图5两幅车牌边缘图像。通过比较两幅边缘图像可以看出，没有增强的雾天车牌图像，用边缘检测算子提取不了车牌字符的边缘，而用暗原色先验去雾算法增强后的车牌图像，可以看到非常明显的车牌字符边缘。通过上述试验的验证结果我们可以看到对于有雾的天气Retinex算法和暗原色先验去雾算法都可以增强图像的效果，但是Retinex算法处理图片后颜色会产生失真并且没有暗原色先验去雾算法处理的图像清晰。这就决定了在车牌识别系统中，对于有雾天气的车牌图像预处理使用暗原色先验去雾算法更好。通过边缘检测算子提取的边缘我们可以看到，增强后的车牌图像，能够得到明显的边缘。在本文中我们介绍了两种优秀的雾天图像增强算法并分析比较了它们的处理效果，可以看出在有雾天气里，采用暗原色先验去雾算法可以得到更清晰的汽车车牌图像，通过图像增强预处理，可以明显提高车牌的识别率。暗原色先验去雾算法对有雾天气的车牌增强效果较好，不过对阴暗天气的车牌增强并没有显著的效果。可见图像增强算法是面向问题的，不同的环境因素，需要特定的图像增强算法。