夜间接触网支柱号牌识别：基于CLAHE的优化方法

"本文主要探讨了一种基于对比度受限直方图均衡化(Contrast Limited Adaptive Histogram Equalization, CLAHE)的夜间接触网支柱号牌识别方法，旨在解决夜间光线差导致的识别难题。该方法首先通过CLAHE变换优化低照度图像，提升图像对比度，随后采用平滑直方图和最小区域法进行号牌的两级提取与识别，并利用支柱号的分布规律进行验证，从而提高识别的准确性和鲁棒性。" 在接触网支柱号牌识别领域，传统方法如梯度直方图(HOG)和支持向量机(SVM)在低照度或恶劣天气条件下表现不稳定，而卷积神经网络(CNN)虽然在某些情况下表现出色，但样本获取难度大，可能导致识别准确率下降。针对这些问题，本文提出的新方法着重解决了夜间识别的挑战。CLAHE变换是一种局部对比度增强技术，尤其适用于处理具有大动态范围和局部光照不均的图像，如夜间图像。它通过自适应地调整直方图，避免了全局直方图均衡化可能导致的过饱和现象，有效提升了图像的对比度。 在优化图像后，文章采用了平滑直方图和最小区域法进行号牌区域的精确检测。平滑直方图有助于减少噪声影响，最小区域法则用于分割并提取出号牌，确保了在可能存在的遮挡或缺损情况下仍能准确识别。此外，考虑到支柱号的分布规律，文章还引入了这一规律作为验证手段，进一步提高了识别的可靠性。 实验结果显示，提出的识别方法在准确性和稳定性上都有显著提升，尤其是在夜间等光照条件差的环境下，依然能够保持高准确率，这对于夜间接触网检修作业的安全性和智能化水平提升具有重要意义。 本文的贡献在于提出了一种针对夜间接触网支柱号牌识别的高效解决方案，结合了CLAHE变换、图像平滑以及号牌分布规律，不仅提高了识别精度，还增强了系统在复杂环境下的适应性，为实际应用提供了理论和技术支持。