基于Matlab車牌圖像識(shí)別的設(shè)計(jì)與實(shí)現(xiàn)畢業(yè)論文

1、. . . . 基于MATLAB車牌圖像識(shí)別的設(shè)計(jì)與實(shí)現(xiàn)摘 要車牌圖像識(shí)別系統(tǒng)是現(xiàn)代智能交通管理的重要組成部分之一。車牌識(shí)別系統(tǒng)使車輛管理更智能化，數(shù)字化，有效提升了交通管理的方便性和有效性。車牌識(shí)別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別等五大核心部分。本文主要介紹圖像預(yù)處理、車牌定位、字符分割三個(gè)模塊的實(shí)現(xiàn)方法。其中圖像預(yù)處理模塊是將圖像灰度化和用Roberts算子進(jìn)行邊緣檢測(cè)。車牌定位和分割采用的是利用數(shù)學(xué)形態(tài)法來(lái)確定車牌位置，再利用車牌彩色信息的彩色分割法來(lái)完成車牌部位分割。字符的分割采用的方法是以二值化后的車牌部分進(jìn)行垂直投影，然后在對(duì)垂直投影進(jìn)行掃描，從而完

2、成字符的分割。最后使用MATLAB軟件環(huán)境進(jìn)行字符分割的仿真實(shí)驗(yàn)，結(jié)果表明該方法具有良好的性能。關(guān)鍵詞：圖像處理，車牌定位，字符分割The Design and Implementation of License Plate ImageRecognition Based on MATLABABSTRACTLicense plate image recognition is an important of the modern intelligent traffic management. License plate recognition system to make more intelli

3、gent vehicle management, digital, Effective traffic management to enhance the convenience and effectiveness. License plate recognition system includes image acquisition, image preprocessing, license plate localization, character segmentation, character recognition and other five core parts. In this

4、paper, preprocessing, license plate localization, character segmentation method for the realization of three modules. This is the image preprocessing module and the use of the image grayscale Roberts edge detection operator steps. License plate location and segmentation using mathematical morphology

5、 method is used to determine the license plate location，Re-use license plate color segmentation method of color information to complete the license plate area segmentation. Character segmentation approach is based on the license plate after the binary part of the vertical projection, Then scan in th

6、e vertical projection, thus completing the character segmentation. This article is described for the core part and use the MATLAB software environment, the simulation experiments for character segmentation.Key words: plate recognition, location, character segmentation33 / 39目 錄摘要IABSTRACTII1 緒論11.1

7、車牌圖像識(shí)別研究的背景11.2 研究車牌圖像識(shí)別的目的和意義21.3 車牌號(hào)識(shí)別技術(shù)研究現(xiàn)狀和趨勢(shì)31.3.1 國(guó)外車牌圖像識(shí)別研究現(xiàn)狀31.3.2 我國(guó)車牌特點(diǎn)31.3.3 車牌圖像識(shí)別技術(shù)的應(yīng)用前景41.3.4 車牌圖像識(shí)別技術(shù)的發(fā)展趨勢(shì)51.4 車牌圖像識(shí)別研究容52  車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述72.1 車牌在圖像中的位置提取72.2 字符分割82.3 字符識(shí)別83  車牌識(shí)別系統(tǒng)程序設(shè)計(jì)103.1 開(kāi)發(fā)環(huán)境的選擇103.2 設(shè)計(jì)方案103.3 圖像預(yù)處理113.3.1 圖像灰度化113.3.2 圖像的邊緣檢測(cè)123.4 車牌定位和分割1

8、53.4.1 車牌定位153.4.2 車牌位置提取173.4.3 對(duì)定位后的彩色車牌進(jìn)行進(jìn)一步的處理173.5 字符分割與歸一化183.5.1 字符分割183.5.2 字符歸一化193.6 字符識(shí)別194 實(shí)驗(yàn)結(jié)果與分析215 展望與總結(jié)23致 24參考文獻(xiàn)25附錄261 緒論1.1 車牌圖像識(shí)別研究的背景現(xiàn)代社會(huì)已進(jìn)入信息時(shí)代，隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，自動(dòng)化信息處理能力和水平不斷提高，作為現(xiàn)代社會(huì)主要交通工具之一的汽車在人們的生產(chǎn)生活的各個(gè)領(lǐng)域得到大量使用，對(duì)他的信息進(jìn)行自動(dòng)采集和管理具有十分重要的意義，成為信息處理技術(shù)的一項(xiàng)重要研究課題。此外，智能交通系統(tǒng)，簡(jiǎn)稱IT

9、S（IntelligentTrafficSystem）已成為現(xiàn)代社會(huì)道路交通發(fā)展趨勢(shì)。只能交通系統(tǒng)，是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。其目標(biāo)在于將現(xiàn)金的計(jì)算機(jī)處理技術(shù)、數(shù)據(jù)通信技術(shù)、自動(dòng)控制技術(shù)等綜合應(yīng)用于地面交通管理體系，從而建立起一種高效、準(zhǔn)確、實(shí)時(shí)的交通管理系統(tǒng)。公路交通基礎(chǔ)建設(shè)的不斷發(fā)展和車輛管理體制的不斷完善，為以視覺(jué)監(jiān)控為基礎(chǔ)的智能交通系統(tǒng)的實(shí)際應(yīng)用打下了良好基礎(chǔ)。在智能交通系統(tǒng)中，車牌圖像自動(dòng)識(shí)別系統(tǒng)是一個(gè)非常重要的發(fā)展方向。車牌自動(dòng)識(shí)別系統(tǒng)簡(jiǎn)稱ALPRS或LPRS，該系統(tǒng)可以對(duì)車輛進(jìn)行自動(dòng)登記、驗(yàn)證、監(jiān)視、報(bào)警。系統(tǒng)應(yīng)用場(chǎng)合包括：高速公路，橋梁，隧道等收費(fèi)管理系統(tǒng)。城市交

10、通車輛管理，智能小區(qū)、智能停車場(chǎng)管理，車牌驗(yàn)證，車流統(tǒng)計(jì)等。同時(shí)，汽車牌照自動(dòng)識(shí)別的基本方法還可以應(yīng)用到其他檢測(cè)和識(shí)別領(lǐng)域，所以車牌自動(dòng)識(shí)別問(wèn)題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一。車牌識(shí)別系統(tǒng)是一項(xiàng)科技含量很高的多種技術(shù)結(jié)合的產(chǎn)品，主要有計(jì)算機(jī)視覺(jué)、數(shù)字圖像處理、數(shù)字視頻處理、模式識(shí)別等技術(shù)組成。也是智能交通系統(tǒng)的核心技術(shù)，產(chǎn)生于60年代。在80年代，由于城市交通問(wèn)題日益嚴(yán)重，美國(guó)和歐洲許多國(guó)家投入了大量的人力和物力，建立了自動(dòng)化高速公路網(wǎng)，安裝了攝像、雷達(dá)探測(cè)系統(tǒng)和光纖網(wǎng)絡(luò)，建立智能交通系統(tǒng)。在美國(guó)、歐洲、日本等發(fā)達(dá)國(guó)家的帶動(dòng)下，世界各國(guó)也開(kāi)始建立智能交通系統(tǒng)。由于公路車流量日

11、益增大、道路交通日益擁擠，車輛管理相對(duì)越來(lái)越困難，因此各個(gè)發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家都在積極建設(shè)適應(yīng)未來(lái)交通運(yùn)輸需求的智能交通系統(tǒng) 車牌圖像識(shí)別的難點(diǎn)： （a）由于車牌圖像多在室外采集，會(huì)受到光照條件、天氣條件的影響，會(huì)出現(xiàn)圖像模糊，對(duì)比度低，目標(biāo)區(qū)域過(guò)小，色彩失真等影響，并且會(huì)伴隨復(fù)雜的背景圖像，這些都會(huì)影響車牌定位與識(shí)別。 （b）每次采集時(shí)目標(biāo)所處位置不會(huì)一樣，采集視角會(huì)有很大變化，并且由于車牌掛的不正，都將導(dǎo)致車牌出現(xiàn)扭曲。 （c）牌照多樣性。其他國(guó)家的汽車牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一種。而我國(guó)則根據(jù)不同車型、用途，規(guī)定了多種牌照

12、格式，例如分為軍車、警車、普通車等。我國(guó)標(biāo)準(zhǔn)車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成的，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，增加了識(shí)別的難度。 （d）我國(guó)汽車牌照的底色和字符顏色多樣，藍(lán)底白字、黃底黑字、黑底白字、紅底黑字、綠底白字等多種。 （e）由于環(huán)境、道路或人為因素造成汽車牌照污染嚴(yán)重使得車牌的對(duì)比度降低，特征不是很明顯，即使在定位準(zhǔn)確的情況下，字符的識(shí)別也會(huì)受到很大影響。 目前在國(guó)存在多種牌照格式，且存在以上種種困難和特殊性，加大了我國(guó)車牌圖像識(shí)別的難度，因而如何提高識(shí)別率和識(shí)別處理的實(shí)時(shí)性與實(shí)用性成了一個(gè)重要的研究課題。1.2 研究車牌圖像識(shí)別的目

13、的和意義車牌識(shí)別系統(tǒng)的主要任務(wù)是分析和處理攝取到的復(fù)雜背景下的車輛圖像，定位分割牌照，最后自動(dòng)識(shí)別汽車牌照上的字符，車牌識(shí)別是利用車輛牌照的唯一性來(lái)識(shí)別和統(tǒng)計(jì)車輛，它是以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等技術(shù)為基礎(chǔ)的智能識(shí)別系統(tǒng)。在現(xiàn)代化交通發(fā)展中車牌識(shí)別系統(tǒng)是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因素，車牌識(shí)別系統(tǒng)應(yīng)該能夠從一幅圖像中自動(dòng)提取車輛圖像，自動(dòng)分割牌照?qǐng)D像，對(duì)字符進(jìn)行正確識(shí)別，從而降低交通管理工作的復(fù)雜度。車牌識(shí)別系統(tǒng)將獲取的車輛圖像進(jìn)行一系列的處理后，以字符串的形式輸出結(jié)果，這樣不但數(shù)據(jù)量小，便于存儲(chǔ)，操作起來(lái)也更容易，因此車牌識(shí)別系統(tǒng)的便捷性是人工車牌識(shí)別所不能比擬的，它蘊(yùn)藏著很

14、大的經(jīng)濟(jì)價(jià)值和發(fā)展空間，對(duì)車牌識(shí)別技術(shù)的研究是非常有的意義的。在車牌識(shí)別系統(tǒng)中最為重要的兩個(gè)技術(shù)是車牌定位和車牌字符識(shí)別，這兩個(gè)技術(shù)的好壞直接影響到整個(gè)車牌識(shí)別系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。國(guó)外己有不少學(xué)者對(duì)車牌定位技術(shù)做了大量的研究，但在實(shí)際的應(yīng)用中還沒(méi)有一個(gè)有效可行的方法，如由于車輛抖動(dòng)造成車牌圖像的歪斜、由于污跡和磨損造成車牌字符的模糊、由于光照不均造成車牌圖像的模糊等都會(huì)或多或少影響到車牌定位的準(zhǔn)確度。針對(duì)以上實(shí)際情況，很多學(xué)者開(kāi)始在鑒于車牌圖像本身特征的基礎(chǔ)上研究車牌定位技術(shù)，并先后提出了一些有效的定位方法，以減小種種主、客觀因素對(duì)車牌定位準(zhǔn)確度的影響。然而智能交通的不斷發(fā)展使得對(duì)車牌定位系

15、統(tǒng)有了更高的要求，主要表現(xiàn)在系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。 車牌字符識(shí)別的實(shí)質(zhì)是對(duì)車牌上的漢字、字母和數(shù)字進(jìn)行快速準(zhǔn)確的識(shí)別并以字符串的形式輸出識(shí)別結(jié)果，字符識(shí)別技術(shù)是整個(gè)車牌識(shí)別系統(tǒng)的關(guān)鍵。車牌識(shí)別系統(tǒng)與其它圖像識(shí)別系統(tǒng)相比較而言要復(fù)雜的多，在字符識(shí)別中，漢字識(shí)別是最難也是最關(guān)鍵的部分，很多國(guó)外較為成熟的車牌識(shí)別系統(tǒng)無(wú)法進(jìn)入中國(guó)市場(chǎng)的原因就在于無(wú)法有效的識(shí)別漢字。此外，由于外界環(huán)境的影響，系統(tǒng)必須保證能夠在任何天氣情況下全天不間斷的正常工作。到目前為止，在眾多的車牌自動(dòng)識(shí)別方法中還沒(méi)有一個(gè)可以達(dá)到理想的效果，因此對(duì)車牌識(shí)別技術(shù)的研究意義重大。1.3 車牌號(hào)識(shí)別技術(shù)研究現(xiàn)狀和趨勢(shì) 1.3.1

16、 國(guó)外車牌圖像識(shí)別研究現(xiàn)狀目前，國(guó)外有大量關(guān)于車牌圖像識(shí)別的研究報(bào)道，國(guó)外在這方面的研究開(kāi)展的比較早。在上世紀(jì)70年代，英國(guó)就在實(shí)驗(yàn)室中完成了“實(shí)時(shí)車牌檢測(cè)系統(tǒng)”的廣域檢測(cè)和開(kāi)發(fā)。同時(shí)代，誕生了面向被盜車輛的第一個(gè)實(shí)時(shí)車牌自動(dòng)監(jiān)測(cè)系統(tǒng)。發(fā)展到今日，國(guó)外對(duì)車牌檢測(cè)的研究已經(jīng)取得了一些令人矚目的成就，如YuntaoCui提出了一種車牌識(shí)別系統(tǒng)，在車牌定位以后，利用馬爾科夫場(chǎng)對(duì)車牌特征進(jìn)行提取和二值化，對(duì)樣本的識(shí)別達(dá)到了較高的識(shí)別率。Eun Ryung等利用圖像中的顏色分量，對(duì)車輛牌照進(jìn)行定位識(shí)別，其中提到了三種方法：以Hough變換為基礎(chǔ)的邊緣檢測(cè)定位識(shí)別；以灰度值變換為基礎(chǔ)的識(shí)別算法；以HLS彩

17、色模式為基礎(chǔ)的車牌識(shí)別系統(tǒng)，識(shí)別率分別為81.25%，85%，91.25%。日本對(duì)車牌圖像的獲取也做了大量研究，并為系統(tǒng)產(chǎn)業(yè)化做了大量的工作。Luis開(kāi)發(fā)的系統(tǒng)應(yīng)用于收費(fèi)站，全天識(shí)別率達(dá)到了90%以上，即使在天氣不好的情況下也達(dá)到了70%。國(guó)外對(duì)車牌識(shí)別的研究起步比較早，總體來(lái)講其技術(shù)較為領(lǐng)先，同時(shí)因?yàn)樗麄冘嚺品N類單一，車牌規(guī)性較高，易于定位識(shí)別，目前已經(jīng)實(shí)現(xiàn)了產(chǎn)品化，并在實(shí)際的交通應(yīng)用中得到了廣泛的應(yīng)用。由于中國(guó)的車牌格式與國(guó)外的有較大的差異，所以國(guó)外關(guān)于車牌識(shí)別的報(bào)道只具有參考價(jià)值，其在中國(guó)的應(yīng)用效果可能沒(méi)有在其國(guó)的效果好，但其識(shí)別系統(tǒng)中采用的很多算法具有很好的借鑒意見(jiàn)。從車牌識(shí)別系統(tǒng)進(jìn)入

18、中國(guó)以來(lái)，國(guó)有大量的學(xué)者從事這方面的研究，提出了很多新穎快速的算法。中國(guó)科學(xué)院自動(dòng)化所的智勇等開(kāi)發(fā)的系統(tǒng)在一個(gè)樣本量為3180的樣本集中，車牌定位準(zhǔn)確率為99.42%，切分準(zhǔn)確率為94.52%，這套系統(tǒng)后來(lái)應(yīng)用到漢王車牌識(shí)別系統(tǒng)，取得了不錯(cuò)的效果。大學(xué)的熊軍等提出了基于字符紋理特征的定位算法，準(zhǔn)確率達(dá)到95%，華中科技大學(xué)的振學(xué)等學(xué)者提出了一種新的車牌圖像字符分割和識(shí)別算法，使用一維循環(huán)清零法，通過(guò)對(duì)垂直投影圖進(jìn)行一次掃描，有效的清除了雜點(diǎn)和分隔符，正確分割率達(dá)到了96.8%。大學(xué)的引，云鶴等提出了彩色邊緣算子和彩色邊緣檢測(cè)與區(qū)域生長(zhǎng)相結(jié)合的牌照定位算法，算法簡(jiǎn)單，且全面作用在顏色空間的三個(gè)分

19、量上，檢測(cè)出的牌照區(qū)域易于與背景剝離。但是計(jì)算量和存儲(chǔ)量都比較大，難以滿足實(shí)時(shí)性的要求。此外當(dāng)車輛顏色與附近區(qū)域顏色相近時(shí)，定位失誤率會(huì)增加。國(guó)還有很多學(xué)者都在進(jìn)行這方面的研究，并且取得了大量的研究成果。1.3.2 我國(guó)車牌特點(diǎn) 目前我國(guó)的汽車號(hào)牌種類非常多，有大型汽車號(hào)牌、掛車號(hào)牌、小型汽車號(hào)牌、使館汽車號(hào)牌、領(lǐng)館汽車號(hào)牌、警用汽車號(hào)牌、教練汽車號(hào)牌等。不同的號(hào)牌的外廓尺寸，顏色，數(shù)量與使用圍都不一樣。本次設(shè)計(jì)中主要用到的是小型汽車號(hào)牌（如圖1-1所示），這種類型的號(hào)牌外廓尺寸是440mm×140mm，一共7個(gè)字符，每個(gè)字符的高寬比為2:1。首個(gè)字符為中文字符，為各個(gè)省，

20、自治區(qū)，直轄市的簡(jiǎn)稱，第二個(gè)字符為英文大寫(xiě)字符，表示發(fā)牌機(jī)關(guān)的代號(hào)，前兩個(gè)字符確定該車牌所在地，后五個(gè)字符由阿拉伯?dāng)?shù)字與英文大寫(xiě)字符組合而成，并且后五個(gè)字符間距一樣，七個(gè)字符大小也一樣。下圖給出了本文中用到的車牌樣式，如圖1-1所示。圖 1-1 小型汽車號(hào)牌1.3.3 車牌圖像識(shí)別技術(shù)的應(yīng)用前景 車輛牌照自動(dòng)識(shí)別技術(shù)是智能交通系統(tǒng)的一個(gè)重要組成部分，它在交通管理、監(jiān)控中有著廣泛的應(yīng)用。車輛牌照識(shí)別系統(tǒng)技術(shù)能夠從一幅車輛圖像中準(zhǔn)確定位出車牌圖像，經(jīng)過(guò)字符切分和識(shí)別后實(shí)現(xiàn)車輛牌照的自動(dòng)識(shí)別，從而為以上應(yīng)用提供信息和基礎(chǔ)功能。目前車牌識(shí)別系統(tǒng)主要應(yīng)用于以下領(lǐng)域：（1）停

21、車場(chǎng)管理系統(tǒng)利用車牌識(shí)別技術(shù)對(duì)出入車輛的號(hào)牌進(jìn)行識(shí)別和匹配，與停車卡結(jié)合實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)的車輛收費(fèi)管理系統(tǒng)（2）公路自動(dòng)管理系統(tǒng)以車牌自動(dòng)識(shí)別技術(shù)為基礎(chǔ)，與通信等其他高科技結(jié)合，對(duì)高速公路交通流狀況進(jìn)行自動(dòng)監(jiān)測(cè)、自動(dòng)布控，從而降低交通事故的發(fā)生率，確保交通順暢。 （3）安防布控采用車牌識(shí)別技術(shù)實(shí)現(xiàn)對(duì)車輛的自動(dòng)識(shí)別，快速報(bào)警，既可以有效查找被盜車輛，同時(shí)又為公安機(jī)關(guān)提供了對(duì)犯罪嫌疑人的交通工具進(jìn)行遠(yuǎn)程跟蹤與監(jiān)查的技術(shù)手段。 （4）城市十字交通路口的“電子警察”可以對(duì)違章車輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計(jì)，交通監(jiān)測(cè)和疏導(dǎo)。 （5）小區(qū)、校園車輛管理系統(tǒng)社區(qū)

22、保安系統(tǒng)將出入的車輛通過(guò)車牌識(shí)別技術(shù)進(jìn)行記錄，將結(jié)果與部車輛列表對(duì)比可以實(shí)現(xiàn)防盜監(jiān)管。 目前，市場(chǎng)上已出現(xiàn)了一些可應(yīng)用的汽車牌照自動(dòng)識(shí)別系統(tǒng)。如CPRS-1型汽 車牌照識(shí)別系統(tǒng)是在國(guó)家“863”計(jì)劃課題與國(guó)防圖像目標(biāo)識(shí)別課題相結(jié)合的研究基礎(chǔ)上研制成功的，實(shí)現(xiàn)了識(shí)別汽車牌照中的數(shù)字、字母和漢字以與汽車牌照的底 色（白、黑、藍(lán)、黃四種）的功能，可以全天候工作。另一種型號(hào)GWPR9902T的牌照識(shí)別器系統(tǒng)產(chǎn)品，采用新型的數(shù)字圖像處理和識(shí)別技術(shù)，基于嵌入式工控機(jī)/DSP 和專用硬件電路，利用定向反射和自然光相結(jié)合的識(shí)別原理，實(shí)時(shí)地完成復(fù)雜情況下的汽車牌照的定位、分割以與識(shí)別。此類產(chǎn)品都已應(yīng)用

23、于高速公路的收費(fèi) 監(jiān)控系統(tǒng)?？傮w上說(shuō)，雖然汽車牌照識(shí)別系統(tǒng)在國(guó)還未形成一個(gè)成熟的產(chǎn)業(yè)，但是隨著我國(guó)國(guó)民經(jīng)濟(jì)的迅速發(fā)展，機(jī)動(dòng)車輛規(guī)模與流量大幅度增加，高速公路和城 市交通管理現(xiàn)代化水平的提高勢(shì)在必行，迫切需要高科技的智能交通系統(tǒng)來(lái)充實(shí)和加強(qiáng)交通管理水平。車牌識(shí)別技術(shù)在智能交通系統(tǒng)中占有重要位置，車牌識(shí)別技術(shù) 的推廣普與，必將對(duì)加強(qiáng)高速公路、城市道路管理，減少交通事故、車輛被盜案件的發(fā)生，保障社會(huì)穩(wěn)定等方面產(chǎn)生重大而深遠(yuǎn)的影響。1.3.4 車牌圖像識(shí)別技術(shù)的發(fā)展趨勢(shì)車牌圖像識(shí)別技術(shù)作為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，在各國(guó)學(xué)者的共同努力下，已經(jīng)取得了長(zhǎng)足的發(fā)展，并且已經(jīng)得到了不同程度的實(shí)際應(yīng)用，但目前還

24、存在著種種不足。對(duì)于未來(lái)車牌識(shí)別產(chǎn)品的技術(shù)發(fā)展趨勢(shì)，漢王科技智能交通部總經(jīng)理喬炬認(rèn)為，首先，因?yàn)槭袌?chǎng)需求不同，對(duì)識(shí)別產(chǎn)品的需求也有差異，因此就要求研究針對(duì)不同細(xì)分市場(chǎng)的車牌識(shí)別產(chǎn)品。其次隨著算法的不斷改進(jìn)，基于視頻觸發(fā)的車牌識(shí)別產(chǎn)品將得到大圍的應(yīng)用，但是視頻觸發(fā)技術(shù)取代外觸發(fā)裝置尚需時(shí)日。另一方面，現(xiàn)在的車牌識(shí)別系統(tǒng)設(shè)備過(guò)多，系統(tǒng)集成難度大，系統(tǒng)穩(wěn)定性差，系統(tǒng)維護(hù)是一個(gè)讓人頭疼的問(wèn)題。隨著技術(shù)不斷進(jìn)步，以往多個(gè)設(shè)備實(shí)現(xiàn)的功能可能由一個(gè)設(shè)備完成。目前，車牌識(shí)別技術(shù)和產(chǎn)品性能進(jìn)入實(shí)用階段的時(shí)間還不是很長(zhǎng)，隨著人工智能以與自動(dòng)識(shí)別技術(shù)的進(jìn)步，未來(lái)技術(shù)的發(fā)展空間還會(huì)非常大。例如，核心算法繼續(xù)發(fā)展，識(shí)別

25、率和識(shí)別速度進(jìn)一步改善，圖像處理中對(duì)模糊圖像預(yù)處理能力增強(qiáng)，畫(huà)質(zhì)改善技術(shù)的提高等等。1.4 車牌圖像識(shí)別研究容 車牌圖像識(shí)別系統(tǒng)是計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用課題之一。車牌識(shí)別系統(tǒng)是一特定目標(biāo)位對(duì)象的專用計(jì)算機(jī)系統(tǒng)，該系統(tǒng)能從一幅圖像中自動(dòng)提取車牌圖像、自動(dòng)分割自符，進(jìn)而對(duì)分割自符的圖像進(jìn)行圖像識(shí)別。系統(tǒng)一般由硬件和軟件構(gòu)成。硬件設(shè)備一般由車體感應(yīng)設(shè)備、輔助光源、攝像機(jī)、圖像采集卡和計(jì)算機(jī)。軟件部分是系統(tǒng)的核心，主要實(shí)現(xiàn)車牌自符的識(shí)別功能。 車牌識(shí)別學(xué)科主要有模式識(shí)別、人工智能、圖像處理、信號(hào)處理等。這些領(lǐng)域的許多技術(shù)都可以應(yīng)用到車牌圖像識(shí)別系

26、統(tǒng)中，車牌識(shí)別技術(shù)的研究也必然推動(dòng)這些相關(guān)學(xué)科的發(fā)展。車牌圖像識(shí)別的關(guān)鍵技術(shù)有：車牌定位、字符切割和字符識(shí)別等。 車牌定位是要完成從圖像中確定車牌位置并提取車牌區(qū)域圖像，目前常用的方法有：基于直線檢測(cè)的方法、基于域值化的方法、基于灰度邊緣檢測(cè)方法、基于彩色圖像的車牌分割方法、神經(jīng)網(wǎng)絡(luò)法和基于矢量量化的牌照的定位的方法等。 字符切割時(shí)完成車牌區(qū)域圖像的切分處理從而得到所需要的單個(gè)字符圖像。目前常用的方法有：基于投影的方法和基于連通字符的提取等方法。 字符識(shí)別是利用字符識(shí)別的原理識(shí)別提取出的字符圖像，目前常用的方法有：基于模板匹配的方法、基于特征的方法和神經(jīng)網(wǎng)絡(luò)法等。

27、  2  車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述 一個(gè)完整的車牌圖像識(shí)別系統(tǒng)要完成圖像采集到字符識(shí)別輸出，總體分為硬件部分和軟件部分。硬件部分包括系統(tǒng)的觸發(fā)，圖像的采集，圖像的傳輸；軟件部分包括圖像預(yù)處理，車牌在圖像中的位置提取，字符分割，字符識(shí)別幾個(gè)部分，一個(gè)車牌識(shí)別系統(tǒng)的結(jié)構(gòu)如圖2-1所示。原始圖像圖像預(yù)處理車牌在圖像中位置提取 字符 分割 字符 識(shí)別 結(jié)果 輸出圖2-1 車牌圖像識(shí)別系統(tǒng)原理基本框圖原始圖像：由停車場(chǎng)固定彩色攝像機(jī)、數(shù)碼相機(jī)或其他掃描裝置拍攝到的圖像。圖像預(yù)處理：對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行濾波，邊界增強(qiáng)等處理以克服圖像處理。車牌在圖像中的位

28、置提?。和ㄟ^(guò)運(yùn)算得到圖像的邊緣，再計(jì)算邊緣圖像的投影面積，尋找谷峰點(diǎn)以大概確定車牌的位置，再計(jì)算連通域的寬高比，剔除不在閾值圍的連通域，最后便得到了車牌區(qū)域。 字符分割：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符。 字符識(shí)別：利用模板匹配的方法與數(shù)據(jù)庫(kù)中的字符進(jìn)行匹配從而確認(rèn)出字符。 輸出結(jié)果：得到最后的汽車牌照，包括漢字、字母和數(shù)字。2.1 車牌在圖像中的位置提取自然環(huán)境下，由于汽車圖像背景復(fù)雜、光照不均勻等原因，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。一般采用的方案是首先對(duì)采集到的視頻圖像進(jìn)行大圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候

29、選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分割出來(lái)。通過(guò)以上步驟，牌照一般能夠被定位。2.2 字符分割在完成牌照區(qū)域的定位后，還需要將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行字符識(shí)別，最后輸出結(jié)果。字符分割一般采用垂直投影法。垂直投影法的原理是由于字符在垂直方向上的投影必然在字符間或字符的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。所以利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車圖像的字符分割有較好的效果。2.3 字符識(shí)別字符識(shí)別方法目前主要得算法有以下幾種：第一種模板匹配字符識(shí)別算法，具體描述如下：模板匹配字

30、符識(shí)別算法的實(shí)現(xiàn)方法是計(jì)算輸入模式與樣本之間的相似性，取相似性最大的樣本為輸入模式所屬類別。該方法識(shí)別速度快，但是對(duì)噪點(diǎn)比較敏感。在實(shí)際應(yīng)用中，為了提高正確率往往需要使用大的模 板或多個(gè)模板進(jìn)行匹配，處理時(shí)間則隨著模板的增大以與模板個(gè)數(shù)的增加而增加。第二種統(tǒng)計(jì)特征匹配法，具體描述如下：統(tǒng)計(jì)特征匹配法的要點(diǎn)是先提取待識(shí)別模式的一組統(tǒng)計(jì)特征，然后按照一定的準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。實(shí)際應(yīng)用中，當(dāng)字符出現(xiàn)字符模糊、筆畫(huà)融合，斷裂、部分缺失時(shí)，此方法效果不理想，魯棒性較差。第三種神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法，具體又可以細(xì)分為兩種，描述如下：主要有兩種方法：一種方法是先對(duì)待識(shí)別字符進(jìn) 行特征提取，然后用

31、所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。其中，字符特征的提取是研究的關(guān)鍵，特征參數(shù)過(guò)多會(huì)增加訓(xùn)練時(shí)間，過(guò)少會(huì)引起判斷上的歧義。另一種方法是充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。這種網(wǎng)絡(luò)互連較多，待處理信息量大，抗干擾性能好，識(shí)別率高。但是產(chǎn)生的網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜，輸入模式維數(shù)的增加可能導(dǎo)致網(wǎng)絡(luò)規(guī)模龐大。第四種支持向量機(jī)模式識(shí)別算法，具體描述如下：支持向量機(jī)（Support Vector Machine, SVM）是Vapnik與其研究小組針對(duì)二類別的分類問(wèn)題提出的一種分類技術(shù)，其基本思想是在樣本空間或特征空間，構(gòu)造出最優(yōu)平面使超平面與不同類樣本集之間的距離最

32、大，從而達(dá)到最大的泛化能力。主要有兩種方法應(yīng)用于字符識(shí)別：一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練 SVM 分類器。另一種是直接將每個(gè)字符的整幅圖像作為一個(gè)樣本輸入，不需要進(jìn)行特征提取，節(jié)省了識(shí)別時(shí)間。實(shí)際應(yīng)用中，車牌圖像識(shí)別系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過(guò)程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識(shí)別的識(shí)別率，也正是牌照識(shí)別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識(shí)別率，除了不斷的完善識(shí)別算法，還應(yīng)該想辦法

33、克服各種光照條件，使采集到的圖像最利于識(shí)別。3  車牌識(shí)別系統(tǒng)程序設(shè)計(jì)3.1 開(kāi)發(fā)環(huán)境的選擇車牌圖像識(shí)別系統(tǒng)的開(kāi)發(fā)使用的是MATLAB，主要是因?yàn)镸ATLAB具有如下的特點(diǎn)：第一，語(yǔ)言簡(jiǎn)潔緊湊，使用方便靈活，庫(kù)函數(shù)極其豐富。MATLAB程序書(shū)寫(xiě)形式自由，利用其豐富的庫(kù)函數(shù)避開(kāi)繁雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作。由于庫(kù)函數(shù)都由本領(lǐng)域的專家編寫(xiě)，用戶不必?fù)?dān)心函數(shù)的可靠性?？梢哉f(shuō)，用MATLAB進(jìn)行科技開(kāi)發(fā)是站在專家的肩膀上；第二，運(yùn)算符豐富。由于MATLAB是用C語(yǔ)言編寫(xiě)的，MATLAB提供了和C語(yǔ)言幾乎一樣多的運(yùn)算符，靈活使用MATLAB的運(yùn)算符將使程序變得極為

34、簡(jiǎn)短；第三，MATLAB既具有結(jié)構(gòu)化的控制語(yǔ)句（如for循環(huán)、while循環(huán)、break語(yǔ)句和if語(yǔ)句），又有面向?qū)ο缶幊痰奶匦?；第四，語(yǔ)法限制不嚴(yán)格，程序設(shè)計(jì)自由度大。例如，在MATLAB里，用戶無(wú)需對(duì)矩陣預(yù)定義就可使用；第五，程序的可移植性很好，基本上不做修改就可以在各種型號(hào)的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行；第六，MATLAB的圖形功能強(qiáng)大。在FORTRAN和C語(yǔ)言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡(jiǎn)單。MATLAB還具有較強(qiáng)的編輯圖形界面的能力；第七，MATLAB的缺點(diǎn)是，它和其他高級(jí)程序相比，程序的執(zhí)行速度較慢。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，

35、程序?yàn)榻忉寛?zhí)行，所以速度較慢；第八，功能強(qiáng)勁的工具箱是MATLAB的另一重大特色。MATLAB包含兩個(gè)部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個(gè)核心部函數(shù)。其工具箱又可分為兩類：功能性工具箱和學(xué)科性工具箱。功能性工具箱主要用來(lái)擴(kuò)充其符號(hào)計(jì)算功能、圖示建模仿真功能、文字處理功能以與與硬件實(shí)時(shí)交互功能。功能性工具箱能用于多種學(xué)科。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如control、toolbox、signal processing toolbox、communication toolbox等。這些工具箱都是由該領(lǐng)域的學(xué)術(shù)水平很高的專家編寫(xiě)的，所以用戶無(wú)需編寫(xiě)自己學(xué)科圍的基礎(chǔ)程序，而直接進(jìn)行

36、高、精、尖的研究。3.2 設(shè)計(jì)方案該系統(tǒng)主要是由圖像處理和字符識(shí)別兩部分組成。其中圖像處理部分包括圖像預(yù)處理、邊緣提取模塊、牌照的定位以與分割模塊。字符識(shí)別部分可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。字符識(shí)別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長(zhǎng)時(shí)間在室外工作，加上光照條件、攝像頭角度和距離、車輛自身?xiàng)l件以與車輛的行駛速度的影響，想拍出較理想的圖片很困難。因此，我們要對(duì)攝像頭拍攝的圖片進(jìn)行預(yù)處理，主要包括圖片灰度化和圖片邊緣提取等。車牌定位和車牌分割是整個(gè)系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖像預(yù)處理后的灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個(gè)圖像中分割出來(lái)，供字符識(shí)別

37、子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。車牌識(shí)別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)行識(shí)別，輸出清晰的圖片?，F(xiàn)在字符識(shí)別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。3.3 圖像預(yù)處理利用攝像頭拍攝到的車輛圖像往往存在很多噪點(diǎn)，因此在進(jìn)行識(shí)別前要進(jìn)行車 輛圖像的預(yù)處理。車輛圖像的預(yù)處理是指對(duì)采集到的車輛圖像進(jìn)行灰度化和去噪處理，以使車輛圖像尤其是牌照區(qū)域的圖像的質(zhì)量得到改善，同時(shí)保留和增強(qiáng)車牌中 紋理和顏色的信息，去除可能影響牌照區(qū)域紋理和顏色信息的噪點(diǎn)，為牌照定位提供方便。3.3.1 圖像灰度化汽車圖像樣本目前大都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前

38、的圖像都是彩色圖像。真彩色圖像又稱RGB圖像，它是利用R、G、B分量表示一個(gè)像素的顏色，R、G、B分別代表紅、綠、藍(lán)3種不同的顏色，通過(guò)三基色可以合成出任意顏色。而每個(gè)分量有255種值可取，這樣一個(gè)像素點(diǎn)可以有,1600多萬(wàn)（255×255×255）的顏色的變化圍。而灰度圖像是R、G、B三個(gè)分量一樣的一種特殊的彩色圖像，每一個(gè)像素點(diǎn)的變化圍為255種，所以在數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計(jì)算量變得少一些。灰度圖像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級(jí)的分布和特征。所以，對(duì)一個(gè)尺寸為m×n的彩色圖像來(lái)說(shuō)

39、，存儲(chǔ)為一個(gè)m×n×3的多維數(shù)組。彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由于圖像的每個(gè)像素都具有三個(gè)不同的顏色分量，存在許多與識(shí)別無(wú)關(guān)的信息，不便于進(jìn)一步的識(shí)別工作，因此在對(duì)圖像進(jìn)行識(shí)別等處理中，經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。數(shù)字圖像分為彩色圖像和灰度圖像。在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，由此方法得到的值叫做灰度值。由彩色轉(zhuǎn)換為灰度的過(guò)程叫做灰度化處理?；叶葓D像就是只有強(qiáng)度信息而沒(méi)有顏色信息的圖像，存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩陣，矩陣每個(gè)元素表示對(duì)應(yīng)位置像素的灰度值。彩色圖像的像素色為

40、RGB（R, G, B ），灰度圖像的像素色為RGB （ r, r, r ）, R, G, B可由彩色圖像的顏色分解獲得.而R, G, B的取值圍是0-255,所以灰度的級(jí)別只有256級(jí)。圖像灰度化的算法主要有以下三種（等號(hào)為賦值操作）：（a）最大值法：使轉(zhuǎn)換后的R、G、B值等于轉(zhuǎn)換前3個(gè)值中最大的那個(gè)：R = G = B = MAX（R, G, B） （3-1）這種方法轉(zhuǎn)換的灰度圖亮度很高。（b）平均值法：使轉(zhuǎn)換后的R、G、B值等于轉(zhuǎn)換前3個(gè)值的平均值：R = G = B = （R + G + B）/ 3 （3-2）這種方法產(chǎn)生的灰度圖像比較柔和。（c）加權(quán)平均值法：按照一定的權(quán)值對(duì)R、G、

41、B的值加權(quán)平均：R=G=B=（mR+ nG+ kB）/3 （3-3）其中m、n、k分別為R、G、B的權(quán)值，m、n、k取不同的值就得到不同的灰度圖像。由于人眼對(duì)綠色最為敏感，紅色次之，藍(lán)色最不敏感，因此使n > m > k將得到較易識(shí)別的灰度圖像，一般情況下，當(dāng)m = 0.229，n = 0.588，k = 0.144時(shí)得到的灰度圖效果最好。MATLAB中的灰度轉(zhuǎn)換公式運(yùn)用的就是這個(gè)公式，所以直接使用im2gray函數(shù)對(duì)圖像進(jìn)行灰度化處理。3.3.2 圖像的邊緣檢測(cè)邊緣是指圖像局部亮度變化顯著的部分，是圖像風(fēng)、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。所以在此我們要對(duì)圖像進(jìn)行邊

42、緣檢測(cè)。圖像增強(qiáng)處理對(duì)圖像牌照的可辨認(rèn)度的改善和簡(jiǎn)化后續(xù)的牌照字符定位和分割的難度都是很有必要的。增強(qiáng)圖像對(duì)比度度的方法有：灰度線性變換、圖像平滑處理等。（1）灰度校正由于牌照?qǐng)D像在拍攝時(shí)受到種種條件的限制和干擾，圖像的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖像的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，使得圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時(shí)各點(diǎn)的靈敏度有較大的差異而產(chǎn)生圖像灰度失真，或是由于曝光不足而使得圖像的灰度變化圍很窄。這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化圍、豐富灰度層次，以達(dá)到增強(qiáng)圖像的對(duì)比度和分辨率。我們發(fā)現(xiàn)車輛牌照?qǐng)D

43、像的灰度取值圍大多局限在r=（50,200）之間，而且總體上灰度偏低，圖像較暗。根據(jù)圖像處理系統(tǒng)的條件，最好將灰度圍展開(kāi)到s=（0,255）之間，為此我們對(duì)灰度值作如下的變換：s = T（r） r=r min,，r max （3-4）使得SSmin, Smax,其中，T為線性變換，得到的結(jié)果如圖3-1所示。圖3-1 灰度線性變換（3-5）若 r（50,200）、s（0，255），則：（3-6）（2）平滑處理對(duì)于受噪聲干擾嚴(yán)重的圖像，由于噪聲點(diǎn)多在頻域中映射為高頻分量，因此可以在通過(guò)低通濾波器來(lái)濾除噪聲，但實(shí)際中為了簡(jiǎn)化算法也可以直接在空域中用求鄰域平均值的方法萊削弱噪聲的影響，這種方法稱為圖像

44、平滑處理。例如，某一像素點(diǎn)的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對(duì)應(yīng)的鄰域平均值為 （3-7）其中，M 為鄰域中除中心像素點(diǎn)f（i,j）之外包括的其它像素總數(shù)，對(duì)于4鄰域M=4，8 鄰域M=8。然而，鄰域平均值的平滑處理會(huì)使得圖像灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點(diǎn)像素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點(diǎn)才能替換為鄰域平均值，而差值不大于閾值時(shí)，仍保留原來(lái)的值，從而減少由于平均化引起的圖像模糊。圖像中車輛牌照是具有比較顯著特征的一塊圖像區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符

45、串都是按水平方向排列的；在整體圖像中的位置較為固定。正是由于牌照?qǐng)D像的這些特點(diǎn)，再經(jīng)過(guò)適當(dāng)?shù)膱D像變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。邊緣提取是較經(jīng)典的算法，此處邊緣的提取采用的是Roberts算子。結(jié)果如圖3-4所示。圖3-2 車牌圖像的原圖圖3-3 車牌圖像灰度化之后得到的灰度圖和灰度直方圖 圖3-3給出了對(duì)車牌圖像的灰度圖與對(duì)應(yīng)的灰度直方圖，該直方圖表示了灰度圖中各像素值出現(xiàn)的概率，通過(guò)該直方圖，可以看出當(dāng)前的灰度圖是否滿足灰度均衡化的標(biāo)準(zhǔn)，如果不滿足則進(jìn)一步進(jìn)行該操作，使得灰度直方圖能呈現(xiàn)一個(gè)比較均勻的分布，但是在本課題的研究中，還沒(méi)有使用到該直方圖，不過(guò)可以為以后系統(tǒng)的擴(kuò)展做準(zhǔn)備。

46、圖3-4 robert算子邊緣檢測(cè)得到的圖像3.4 車牌定位和分割系統(tǒng)的攝像頭拍攝的圖片是整個(gè)機(jī)動(dòng)車的圖片，而只有車牌部分是對(duì)系統(tǒng)有用的。所以我們要對(duì)照片進(jìn)行車牌定位和分割。車牌的定位和分割是從經(jīng)過(guò)圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個(gè)圖像中分割出來(lái)，從而進(jìn)行字符識(shí)別。車牌圖像的灰度圖的車牌部分是一個(gè)水平度很高的長(zhǎng)方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測(cè)來(lái)對(duì)圖像進(jìn)行分割。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識(shí)別的質(zhì)量。下面是進(jìn)行車牌定位操作框圖，如圖3-5所示。圖像腐蝕除去雜質(zhì)通過(guò)計(jì)算尋找X和Y方向的區(qū)域 完成 定位 進(jìn)一步處理圖3

47、-5 車牌定位框圖3.4.1 車牌定位機(jī)動(dòng)車圖像經(jīng)過(guò)灰度化和邊緣檢測(cè)的處理后，邊緣得到了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來(lái)進(jìn)行圖像處理和模式識(shí)別。數(shù)學(xué)形態(tài)學(xué)用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的，能有效的去除噪聲，保留圖像原有信息的同時(shí)提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少?，F(xiàn)在我們將經(jīng)過(guò)預(yù)處理的圖像進(jìn)行圖像腐蝕以與去除雜質(zhì)，就可以得到相對(duì)準(zhǔn)確的車牌位置。處理得到的結(jié)果如圖3-8所示。圖3-6 腐蝕后的圖像圖3-7 平滑輪廓之后的圖像圖3-8 從對(duì)象中移除小雜質(zhì)后的圖像3.4.2 車牌位置提取車牌位置提取是車牌自動(dòng)識(shí)別

48、系統(tǒng)中的重要步驟，這一模塊的正確性受到很多因素的影響，最大問(wèn)題是二值化不徹底使投影圖像中字符間的波谷不夠分明；其次，車牌污損、反光、光照不均等原因使車牌圖像交差，存在大量噪聲；再次，車牌邊框和鉚釘也會(huì)造成分割不正確；還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符（小圓點(diǎn)）對(duì)字符識(shí)別有影響；車牌旋轉(zhuǎn)對(duì)水平分割有較大影響。本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。使用統(tǒng)計(jì)彩色像素點(diǎn)的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色RGB對(duì)應(yīng)的灰度圍，然后統(tǒng)計(jì)在行方向的顏色圍的像素點(diǎn)數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。如圖3-9

49、所示。圖3-9 車牌位置提取得到的彩色圖像3.4.3 對(duì)定位后的彩色車牌進(jìn)行進(jìn)一步的處理定位后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。且車輛圖片不可避免存在噪聲，所以要對(duì)圖像進(jìn)行灰度化，二值化以與濾波處理。圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值，通常為0或255，使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。也就是將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈T(mén)限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。對(duì)圖像的二值化處理有利于進(jìn)一步處理圖像，使圖像變得簡(jiǎn)單，而且數(shù)據(jù)量較小，能突顯出感興趣的目標(biāo)輪廓。濾波則是為了除去圖像噪聲，由于成像系統(tǒng)，傳輸介質(zhì)和記錄設(shè)備的不完善，數(shù)字圖

50、像在其形成、傳輸記錄過(guò)程中往往受到噪聲的污染，另外在圖像處理的某些環(huán)節(jié)當(dāng)輸入的對(duì)象不如預(yù)期時(shí)結(jié)果中也會(huì)引入噪聲。對(duì)于數(shù)字圖像信號(hào)，噪聲表現(xiàn)為或大或小的極值，這些極值通過(guò)加減作用與圖像像素的真是灰度值上，在圖像上造成亮暗點(diǎn)干擾，極大的降低了圖像的質(zhì)量。濾波方法有多種，本文采取的濾波方法為均值濾波。均值濾波是典型的線性濾波算法，旨在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。處理結(jié)果如圖3-10所示。圖3-10 對(duì)定位后的彩色車牌進(jìn)行進(jìn)一步處理之后的結(jié)果3.5 字符分割與歸一化m，n=size（d），逐排檢查有沒(méi)有白色像素點(diǎn)，設(shè)置1<

51、;=j<n-1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割去圖像上下多余的部分根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出七個(gè)字符歸一化切割出來(lái)的字符圖像的大小為40*20，與模板中字符圖像的大小相匹配圖3-11 字符分割和歸一化框圖3.5.1 字符分割在汽車牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后，對(duì)圖像進(jìn)行垂直投影，投影圖上有明顯的類似于峰谷的波形起伏變化，通過(guò)對(duì)投影圖上的波形從左向右進(jìn)行掃描，根據(jù)谷和峰的特征就可以判斷出

52、每個(gè)字符的位置；計(jì)算垂直峰，檢測(cè)合理的字符高寬比。在字符切割時(shí),往往由于閾值取得不好，導(dǎo)致字符切割不準(zhǔn)確，針對(duì)這種情況，可以對(duì)切割出的字符寬度進(jìn)行統(tǒng)計(jì)分析，用以指導(dǎo)切割，對(duì)因錯(cuò)誤切割過(guò)寬的字符進(jìn)行分裂處理。分割后得到的結(jié)果如圖3-12所示。3.5.2 字符歸一化由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣，所以得到的牌照上的字符大小就不一樣，為了便于字符的識(shí)別，需要對(duì)字符進(jìn)行歸一化處理。歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣。而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè)比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個(gè)方向上對(duì)字符像素的大小

53、進(jìn)行歸一化處理。圖3-12 字符分割并歸一化后的結(jié)果3.6 字符識(shí)別字符的識(shí)別目前用于車牌字符識(shí)別（OCR）中的算法主要有基于模板匹配的OCR算法以與基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法?；谀０迤ヅ涞腛CR的基本過(guò)程是:首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識(shí)別的主要方法。模板匹配是圖像識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖像或圖像區(qū)域f（i,j）中提取的若干特征量與模

54、板T（i,j）相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖像歸于相應(yīng)的類。也可以計(jì)算圖像與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖像各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖像經(jīng)預(yù)處理和規(guī)格化處理后，使得圖像的灰度或像素點(diǎn)的位置發(fā)生改變。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過(guò)程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖像不變特性所設(shè)計(jì)的特征量來(lái)構(gòu)建模板，就可以避免上述問(wèn)題。下圖給出了字符識(shí)別過(guò)程的框圖。建立自動(dòng)識(shí)別的代碼表讀取分割出

55、來(lái)的字符第一個(gè)字符與模板中的漢字模板進(jìn)行匹配第二個(gè)字符與模板中的字母模板進(jìn)行匹配待識(shí)別字符與模板字符相減，值越小相似度越大，找到最小的一個(gè)即為匹配的最好的識(shí)別完成，輸出此模板對(duì)應(yīng)值后5個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配圖3-12 字符識(shí)別框圖此處采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱；緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫(xiě)英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫(kù)也極為方便。為了實(shí)驗(yàn)方便，

56、結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此一樣。首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來(lái)的結(jié)果。如圖3-13所示。圖3-13 字符識(shí)別的結(jié)果4 實(shí)驗(yàn)結(jié)果與分析本文以MATLAB7.0為實(shí)驗(yàn)平臺(tái)，以攝取的彩色車牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)的最終結(jié)果如圖3-13所示。除此之外，按照此方法對(duì)另外一個(gè)車牌圖像進(jìn)行識(shí)別，得到的識(shí)別結(jié)果如圖4-1所示。圖4-1 對(duì)另一車牌圖像進(jìn)行識(shí)別的結(jié)果在得到這個(gè)結(jié)果之前，需要對(duì)車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌

57、分割等處理。由于攝像部分多工作于開(kāi)放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的距離和角度以與車輛行駛速度等因素的影響，牌照?qǐng)D像可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖像進(jìn)行識(shí)別前的預(yù)處理。預(yù)處理包括灰度化、車牌校正、平滑處理等。對(duì)于光照條件不理想的圖像，可先進(jìn)行一次圖像增強(qiáng)處理，使得圖像灰度動(dòng)態(tài)圍擴(kuò)展和對(duì)比度增強(qiáng)，再進(jìn)行定位和分割，這樣可以提高分割的正確率。在本文中根據(jù)采集到的圖像本身的特點(diǎn)，對(duì)它進(jìn)行了灰度化的處理。因?yàn)椴噬珗D像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度，因此將彩色圖像轉(zhuǎn)化為灰度圖像，以縮短處理速度。圖像

58、中車輛牌照是具有比較顯著特征的一塊圖像區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖像中的位置較為固定。正是由于牌照?qǐng)D像的這些特點(diǎn)，再經(jīng)過(guò)適當(dāng)?shù)膱D像變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對(duì)其邊緣提取，此處邊緣的提取采用的是Roberts算子。在定位模塊。本文采用的是車牌顏色與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。首先，將預(yù)處理后的圖像用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行處理。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。本文中對(duì)圖像進(jìn)行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對(duì)圖像部做濾波處理，平滑是對(duì)噪聲進(jìn)行濾波。這樣可以把字符與字符之間的雜色點(diǎn)去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進(jìn)行。最后還用了bwareaop