基于特征的車牌識(shí)別

1、精選優(yōu)質(zhì)文檔-傾情為你奉上 基于圖像處理技術(shù)的汽車牌照識(shí)別課 程 圖像處理技術(shù)指 導(dǎo) 教 師 鄧?yán)^忠專 業(yè) 名 稱 03電子信息工程（1）班 工程學(xué)院1.課題組成汽車車牌的識(shí)別過(guò)程主要包括車牌定位、字符車牌分割和車牌字符識(shí)別三個(gè)關(guān)鍵環(huán)節(jié)。其識(shí)別流程如下：字符識(shí)別顯示 字符分割 車牌定位 圖像預(yù)處理 原始圖像 原始圖像 ：由數(shù)碼相機(jī)或其它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)等處理以克服圖像干擾車牌定位 ：計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。最后得到的便為車牌區(qū)域。字符分割 ：利用投影檢測(cè)的字符

2、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，得到最后的汽車牌照，包括英文字母和數(shù)字。字符顯示 ：字符匹配后顯示出來(lái)。2.實(shí)現(xiàn)過(guò)程本文以一幅汽車圖像為例，結(jié)合圖像處理各方面的知識(shí)，利用CVI軟件進(jìn)行程序編程，實(shí)現(xiàn)了從車牌的預(yù)處理到字符識(shí)別的完整過(guò)程。各部分的處理情況如下：1.1 原始圖像 圖1 汽車原始圖像 本試驗(yàn)為了降低難度系數(shù)，在原始圖像上采用車牌比較清晰，成像效果較為理想的車牌圖像作為試驗(yàn)對(duì)象。實(shí)際上車牌圖像在形成、傳輸或變換過(guò)程中，受多種因素的影響，如：光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、暴光不足或過(guò)量、相對(duì)運(yùn)動(dòng)等，往往會(huì)與原始景物之間或圖像與原始

3、圖像之間產(chǎn)生了某種差異，這種差異稱為降質(zhì)或退化。這種降質(zhì)或退化對(duì)我們的處理往往會(huì)造成影響。因此在圖像處理之前采用某種成像較好的圖像，降低難度系數(shù)。1.2 圖像預(yù)處理原始圖像有缺陷，可能存在雜質(zhì)，邊緣模糊等情況，圖像處理之前必須進(jìn)行預(yù)處理，包括去除噪音雜質(zhì)，去除邊界，圖像二值化等處理。因?yàn)樵肼曋饕且恍┖哳l的突變成分，因此可以通過(guò)一個(gè)低通濾波器來(lái)消除圖像中包含的噪聲，并使低頻成分得到增強(qiáng)。濾波的方式有兩種，一種是空間域?yàn)V波，一種是頻率域?yàn)V波。在空間域，常見(jiàn)的濾波方式有兩種方式，均值濾波和中值濾波。本文通過(guò)IMAQ軟件提供的IPI_LowHighPass函數(shù)實(shí)現(xiàn)去除雜質(zhì)的處理。通過(guò)IPI_Rej

4、ectBorder函數(shù)實(shí)現(xiàn)去除邊界的處理。這時(shí)圖像還含有多個(gè)灰度值，要進(jìn)行二值化處理，選擇一個(gè)合適的域值進(jìn)行二值化處理，在這里通過(guò)調(diào)用函數(shù)IPI_Threshold對(duì)車牌圖像作二值化處理，在二值化處理之前已經(jīng)作了選擇何種二值化方法的處理。車牌經(jīng)過(guò)預(yù)處理后，得到較理想符合程序處理的圖像。由于原始圖像較理想，包含的雜質(zhì)較少，故經(jīng)過(guò)處理的圖像差別不大。以下是經(jīng)過(guò)處理后的圖像： 圖2 去除雜質(zhì)后的反色圖像 圖3二值化后的圖像1.3 車牌提取經(jīng)過(guò)預(yù)處理提取得到的圖像，車牌區(qū)域在水平垂直方向灰度面積值具有明顯頻繁的跳變，在垂直方向上的面積投影則出現(xiàn)峰-谷-峰的特性。根據(jù)這種峰谷特點(diǎn)，自動(dòng)檢測(cè)車牌位置峰點(diǎn)檢

5、測(cè)的車牌區(qū)域定位方法， 并對(duì)初步定位后的車牌進(jìn)一步使用微定位技術(shù)。該方法包括三部分: (1) 車牌的橫向定位； (2)車牌的縱向定位； （3）車牌的微定位 圖5 車牌定位后的圖像一般對(duì)應(yīng)于車牌位置的投影值灰度值為0的較大，在整個(gè)圖像中則出現(xiàn)谷點(diǎn)與峰值。只要能找到谷點(diǎn)與峰值，就能大致確定出車牌照的位置，縮小車牌搜索范圍。 1.4 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。字符識(shí)別的算法很多，常采用垂直面積投影法來(lái)實(shí)現(xiàn)。面積投影法的公式如下: 由于字符塊在豎直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部

6、最小值，并且這個(gè)位置應(yīng)滿足車牌的字符書寫格式、字符尺寸和其他一些條件的限制。下圖是在垂直方向上的面積投影圖。從圖形中我們很直觀的看出投影值中出現(xiàn)了8條間隙，即出現(xiàn)了8個(gè)谷點(diǎn)與峰值點(diǎn)，有字符的列其灰度值比較高，無(wú)字符的則相對(duì)比較低。依據(jù)這一點(diǎn)，再結(jié)合圖的特征，很容易得到每個(gè)字符的起始終止位置。 圖6 車牌垂直方向上的面積投影圖具體如下：在分割出來(lái)的車牌區(qū)域中，在垂直方向上進(jìn)行掃描，車牌已經(jīng)二值化，所以在掃描的過(guò)程中，遇到車牌數(shù)字的象素點(diǎn)其灰度值應(yīng)該是255，在該列上統(tǒng)計(jì)組成數(shù)字的象素點(diǎn)，運(yùn)用循環(huán)語(yǔ)句：for(i=0;i<=車牌圖像列數(shù)；i) for（j0；j<=車牌圖像行數(shù);j+）

7、ai+;ai是統(tǒng)計(jì)在每一列上的象素點(diǎn)數(shù)。如果以ai為投影數(shù)組，以圖像的列數(shù)為投影區(qū)間長(zhǎng)度，在均方圖上顯示出來(lái)即得到圖6中的圖像。從中我們可以很清楚的看到有數(shù)字的地方，其縱坐標(biāo)的值明顯要高。這時(shí)候我們可以再用一個(gè)判斷語(yǔ)句將車牌數(shù)字分割出來(lái)，即 事先設(shè)定一個(gè)標(biāo)志位flag=0; for(i=0;i<=車牌列數(shù);i+) if(ai>=4&&flag=0) if(ai+1>=4) /*掃描下一列，以確定是數(shù)字邊界，而非噪聲點(diǎn)*/cj+=i; /*保存車牌數(shù)字起止地址的數(shù)組*/flag=1; /*確定掃描到有數(shù)字的邊界，置標(biāo)志位為flag=1，以掃描數(shù)字的結(jié) 束地址*/

8、if(ai<4&&flag=1) /*掃描車牌結(jié)束地址*/if(ai+1<4) cj+=i; flag=0; 對(duì)于車牌水平方向上的切割方法類似。切割完成后，圖像如下：圖7 字符切割圖像一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。將其歸一化到標(biāo)準(zhǔn)模板，以方便提取特征值，進(jìn)行模板匹配。1.5 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算法以及基于人工神經(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

9、匹配作為結(jié)果。用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別主要有兩種方法:一種方法是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。識(shí)別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵。另一種方法則充分利用神經(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。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)我們采用提取特征值的方法為車牌字符識(shí)別的主要方法。 字符識(shí)別的算法如下: 讀入字符圖像 與特征值庫(kù)中的特征值逐一進(jìn)行相關(guān)運(yùn)算 尋找相關(guān)度最大值所對(duì)應(yīng)的模板 輸出

10、此模板所對(duì)應(yīng)的值 汽車拍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。其他模板設(shè)計(jì)的方法與此相同。1.5.1模板設(shè)計(jì)分析字符分割得到的圖像以及其他車牌圖像中字符的特點(diǎn)，將模板大小定為45*70；背景為黑色，代表灰度值 0，字符為白色。代表灰度值255。 這里直接使用IMAQ中的函數(shù)Resample();直接將字符縮放至45*70的標(biāo)準(zhǔn)模板大小。設(shè)計(jì)過(guò)程中字符的識(shí)別為先取得汽車牌照字符的標(biāo)準(zhǔn)

11、模板（該模板很重要，將作為以后車牌識(shí)別的參考模板，并且已經(jīng)輸入模板庫(kù)），然后用CVI統(tǒng)計(jì)待識(shí)別的車牌數(shù)字的8位特征值，將這個(gè)8位特征值與標(biāo)準(zhǔn)字符特征值進(jìn)行比較里面，獲得差值最小即最佳匹配的字符作為最終識(shí)別結(jié)果。8位特征值的獲取是在該分割出來(lái)的字符上進(jìn)行行列掃描，統(tǒng)計(jì)每一個(gè)字符的行列上灰度累加值，選取3列5行上的值作為8位特征值。獲得字符八位特征值具體如下：for(num=0;num<7;num+) /*num是字符號(hào)，一般車牌為7個(gè)數(shù)字*/vnum0=maxval(a,10); /a為記錄每一列上字符象素點(diǎn)數(shù)數(shù)組，10為第10列，這里運(yùn)用指針傳遞函數(shù)獲得數(shù)組首地址vnum1=maxval

12、(a,22);vnum2=maxval(a,30);vnum3=maxval(b,61); /b為記錄每一行上字符象素點(diǎn)數(shù)數(shù)組，61為第61行，這里運(yùn)用指針傳遞函數(shù)獲得數(shù)組首地址vnum4=maxval(b,48);vnum5=maxval(b,34);vnum6=maxval(b,22);vnum7=maxval(b,9);函數(shù)maxval()的定義如下:unsigned char(int *m,int x) int max; max=mx; /假設(shè)改列為最大值，后面為比較，修改最大值 if(mx-2>max) max=mx-2; if(mx-1>max) max=mx-1; i

13、f(mx+1>max) max=mx+1; if(mx+2>max) max=mx+2; return(max); 該函數(shù)的作用是為提高匹配精度，考慮到相關(guān)性，比較與該列相鄰的左右兩列，獲得最大特征值的一列作為特征值，最后返回該值。 1.5.2識(shí)別過(guò)程 字符識(shí)別中模板匹配方法是實(shí)現(xiàn)離散輸入模式分類的有效途徑之一，其實(shí)質(zhì)是度量輸入與樣本之間的某種相似性，取相似性最大者為輸入模式所屬類別，它根據(jù)字符的直觀形象抽取特征，用相關(guān)匹配原理進(jìn)行識(shí)別，即是在一定范圍內(nèi)取得圖像的特征值，將該特征值與標(biāo)準(zhǔn)字符特征值一一匹配，取方差，在門限值內(nèi)方差值最小者該字符即為匹配字符。 如果 threshoul

14、d> 則識(shí)別，否則拒識(shí)，這里為拒識(shí)域值。本次實(shí)驗(yàn)中直接取相關(guān)最大值為判定域值。具體過(guò)程如下：已經(jīng)設(shè)置了標(biāo)準(zhǔn)八位字符庫(kù)，按照09，AZ，粵，黑，浙的順序排列好。放在int數(shù)組 chV508，這里假設(shè)一共有50個(gè)字符。匹配查找程序：unsigned int matching(int num)/字符匹配程序 int false,match=0,i,j,k=0,k1=36,sum50,min; /match=0，假設(shè)用0開(kāi)始匹配 if(num=0) k=36;k1=50;match=36; /若是第一個(gè)字符則為漢字，其在chV508中的位置是30開(kāi)始，所以應(yīng)該修改匹配開(kāi)始值，即開(kāi)始應(yīng)為36，結(jié)束

15、應(yīng)為50； if(num=1) k=10;k1=36;match=10; /若是第二個(gè)字符，則應(yīng)該是字母，則匹配應(yīng)該從A：10開(kāi)始，結(jié)束點(diǎn)是Z:36。 for(i=k;i<k1;i+) sumi=0; for(j=0;j<8;j+) sumi=sumi+(chVij-vnumj)*(chVij-vnumj); /進(jìn)行差方運(yùn)算，記錄與標(biāo)準(zhǔn)模板庫(kù)中特征值的差值 min=sumk; for(i=k+1;i<k1;i+) if(sumi<min) min=sumi; match=i; /獲得與標(biāo)準(zhǔn)模板庫(kù)中差值最小的匹配號(hào) if(min>threshold) /若大于識(shí)別門限閥值，則設(shè)置標(biāo)記號(hào)，拒絕識(shí)別。 match=255; return(match);最后將匹配的數(shù)字顯示出來(lái)，其具體如下：unsigned char n2asc(unsigned char n) /獲得字符的ASC2碼值，這里的n即為前面模板的匹配返回值i；unsigned char a; if(n=255) a=0;/超過(guò)門限識(shí)別值，值標(biāo)記a=0; else if(n<10) a=n+48; /ASC2碼值 else a=n+55; return(a); 最后獲得匹配字符的ASC2碼值，即可打印顯示出來(lái)。由于該軟件缺少漢字識(shí)