畢業(yè)論文車牌識別

1、湖 南 涉 外 經(jīng) 濟 學 院 畢 業(yè) 設(shè) 計題目基于形態(tài)學的圖像聚類快速分割作者禹平學部電氣與信息工程專業(yè)通信工程學號3指導教師 甫本科生畢業(yè)設(shè)計(論文)任務(wù)書 系(教研室)主任批準 電氣與信息工程 學部 通信工程 系（教研室） 簽名: 日期:學生: 禹平 學號: 3 專業(yè): 通信工程 1. 設(shè)計(論文)題目與專題:基于形態(tài)學的圖像聚類快速分割2. 學生設(shè)計(論文)期限:自 1 月 8 日開始至 5 月 10 日完成 3. 設(shè)計(論文)所用原始資料: (1) 周開利等，神經(jīng)網(wǎng)絡(luò)模型與其Matlab仿真程序設(shè)計，：清華大學，2005年；（2）閆禮文，數(shù)字圖像處理（Matlab版），：國防工業(yè)，

2、2007年；（3）王愛玲等，MatlabR2007圖像處理技術(shù)與應(yīng)用，：電子工業(yè)，2008年；（4）朱虹，數(shù)字圖像處理基礎(chǔ)，：科學，2005年。 4. 設(shè)計(論文)完成的主要容: 掌握數(shù)字圖像處理的基本理論和實現(xiàn)方法，熟悉Matlab圖像處理工具箱編程技術(shù)，找到一種快速確定車牌在圖像區(qū)域中位置的算法，采用模板匹配的方法對車牌進行識別，并編程實現(xiàn)汽車牌照的定位與識別功能。 5. 提交設(shè)計(論文)形式(設(shè)計說明書與圖紙或論文等)與要求: 提交完整的畢業(yè)論文，給出程序框圖、清單和詳細說明。 6. 發(fā)題日期: 2009 年 12 月 19 日 指導老師(簽名): 學 生(簽名):湖 南 涉 外 經(jīng) 濟

3、 學 院畢業(yè)設(shè)計（論文）指導人評語指導人： （簽名）年 月 日指導人評定成績：涉外經(jīng)濟學院畢業(yè)設(shè)計（論文）評閱人評語評閱人： （簽名）年 月 日評閱人評定成績：涉外經(jīng)濟學院畢業(yè)設(shè)計（論文）答辯記錄日期：學生：學號：班級：題目：提交畢業(yè)設(shè)計（論文）答辯委員會下列材料：1 設(shè)計（論文）說明書共頁2 設(shè)計（論文）圖 紙共頁3 指導人、評閱人評語共頁畢業(yè)設(shè)計（論文）答辯委員會評語：答辯委員會主任： （簽名）委員： （簽名）（簽名）（簽名）（簽名）答辯成績：總評成績：摘 要汽車牌照識別技術(shù)研究與實現(xiàn)一直是現(xiàn)代化交通發(fā)展中倍受關(guān)注的問題，也是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因素。該文提出一種基于顏色與數(shù)學

4、形態(tài)學的車牌定位新方法。首先圖像形態(tài)學處理，然后進行顏色分割，最后進行區(qū)域生成，分割并定位車牌。實驗表明算法效果好，速度快，尤其是進行形態(tài)學處理效果很明顯。并提出了一種基于模板匹配的字符識別方法，實現(xiàn)了車牌字符識別。關(guān)鍵詞：車牌定位；車牌字符識別；模板匹配ABSTRACTThe research and realization on intelligent vehicle license plate recognition technology plays an important rolein the intelligent control and management of the mod

5、ern traffic. In the paper, A new method of license plate location Witch based on color and mathematical morphology was proposed.Firstofall,Mathematical morphology image processing ,Then Color Segmentation,Finally,Region generation,Segmentation and positioning license plate.Experiment result shows th

6、at the algorihmhas better effect faster speed.Especially the result of mathematical morphology processing was obvious .And proposed a method that based on template matching, accomplished Vehiclelicense plate character recognition.Keywords:licenseplate location;Vehicle license plate character recogni

7、tion;Template matching- 26 - / 34目 錄第一章前言1第二章汽車牌照識別的研究22.1 研究目的和意義22.2 國外研究現(xiàn)狀22.3 主要應(yīng)用領(lǐng)域3第三章汽車牌照識別技術(shù)53.1 汽車牌照的特點53.2 汽車牌照識別系統(tǒng)的組成53.3 圖像預(yù)處理63.3.1 圖像灰度化63.3.2 二值化73.4 車牌定位83.4.1 車牌粗定位93.4.2 車牌細定位103.5 車牌分割103.6 字符識別113.7 實驗結(jié)果分析13第四章結(jié)論15參考文獻16致17附錄A 源代碼18第一章 前 言隨著21 世紀經(jīng)濟全球化和信息時代的到來，計算機技術(shù)、通信技術(shù)和計算機網(wǎng)絡(luò)技術(shù)迅猛

8、發(fā)展，動化的信息處理能力和水平不斷提高，并在人們社會活動和生活的各個領(lǐng)域得到廣泛應(yīng)用，高速度、高效率的生活節(jié)奏，使汽車普與成為必然趨勢。伴隨著世界各國汽車數(shù)量的增加，城市交通狀況日益受到人們的重視。如何有效地進行交通管理，越來越成為各國政府的相關(guān)部門所關(guān)注的焦點。針對這一問題，人們運行先進的信息處理技術(shù)、導航定位技術(shù)、無線通信技術(shù)、自動控制技術(shù)、圖像處理和識別技術(shù)與計算機網(wǎng)絡(luò)技術(shù)等科學技術(shù)，相繼研發(fā)了各種交通道路監(jiān)視管理系統(tǒng)、車輛控制系統(tǒng)與公共交通系統(tǒng)。這些系統(tǒng)將車輛和道路綜合起來進行考慮，運行各種先進的技術(shù)解決道路交通的問題，統(tǒng)稱為智能交通系統(tǒng)( Intelligent Transporta

9、tionSystem，簡稱ITS)。ITS 是20世紀90年代興起的新一代交通運輸系統(tǒng)。它可以加強道路、車輛、駕駛員和管理人員的聯(lián)系，實現(xiàn)道路交通管理自動化和車輛行駛的智能化，增強交通安全，減少交通堵塞，提高運輸效率，減少環(huán)境污染，節(jié)約能源，提高經(jīng)濟活力。智能交通系統(tǒng)以車輛的自動檢測作為信息的來源，因而對汽車牌照等相關(guān)信息的自動采集和處理的一門新的交通信息獲取技術(shù)車牌識別(License Plate Recognition ，LPR) 技術(shù)逐漸發(fā)展起來，成為信息處理技術(shù)的一項重要研究課題。汽車牌照自動識別是智能交通管理系統(tǒng)中的關(guān)鍵技術(shù)之一。目前，國外汽車牌照的識別技術(shù)有IC卡識別技術(shù)、條形碼識

10、別技術(shù)、圖像處理技術(shù)、人工神經(jīng)網(wǎng)絡(luò)識別技術(shù)。采用計算機視覺技術(shù)和圖像處理技術(shù)進行車牌識別是一個發(fā)展方向?；跀?shù)字圖像處理的車牌識別系統(tǒng)主要由圖像的采集、牌照的定位、字符分割和字符識別四部分組成。車牌識別技術(shù)的任務(wù)是處理、分析攝取的視頻流中復(fù)雜背景的車輛圖像，牌照字符定位、字符分割，最后自動識別汽車牌照上的字符。為了保證汽車車牌識別系統(tǒng)在各種復(fù)雜環(huán)境下，能發(fā)揮其應(yīng)有的作用，識別系統(tǒng)必須滿足以下要求：(1) 魯棒性: 在任何情況下均能可靠正常地工作，且有較高的正確識別率。(2) 實時性:不論在汽車靜止還是高速運行情況下，圖像的采集識別系統(tǒng)必須在一定時間識別出車牌全部字符，達到實時識別。本文先提出了

11、一種基于顏色與數(shù)學形態(tài)學的定位方法對車牌進行定位，后采用基于模板匹配的方法對汽車牌照的字符識別進行研究。第二章 汽車牌照識別的研究2.1 研究目的和意義車牌識別LPR是智能交通系統(tǒng)(ITS)的一個重要組成部分。在社會生活，治安管理等方面有很大的作用。車牌識別技術(shù)的運用使得“大輸入小輸出”成為了可能輸入一幅很大存儲量的圖像，輸出時僅僅是很小存儲量的數(shù)字，這必然使得其在大量存儲和管理數(shù)據(jù)庫相連等方面有無可替代的優(yōu)越性。2.2 國外研究現(xiàn)狀從20世紀90年代初，國外就已經(jīng)開始了對汽車牌照自動識別的研究，其主要途徑就是對車牌的圖像進行分析，自動提取車牌信息，確定汽車牌號。在各種應(yīng)用中，有使用模糊數(shù)學理

12、論也有用神經(jīng)元網(wǎng)絡(luò)的算法來識別車牌中的字符，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化與車牌本身比較模糊等條件的影響，給車牌的識別帶來較大的困難。國外的相關(guān)研究有：(1)JBarroso提出的基于掃描行高頻分析的方法； (2) I.T. Lancaster提出的類字符分析方法等。為了解決圖像惡化的問題，目前國外采用主動紅外照明攝像或使用特殊的傳感器來提高圖像的質(zhì)量，繼而提高識別率，但系統(tǒng)的投資成本過大，不適合普遍的推廣。車牌識別系統(tǒng)中的兩個關(guān)鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符識別系統(tǒng)。關(guān)于車牌定位系統(tǒng)的研究，國外學者已經(jīng)作了大量的工作，但實際效果并不是很理想，比如車牌圖像的傾斜、車牌表面

13、的污穢和磨損、光線的干擾等都是影響定位準確度的潛在因素。為此，近年來不少學者針對車牌本身的特點，車輛拍攝的不良現(xiàn)象與背景的復(fù)雜狀況，先后提出了許多有針對性的定位方法，使車牌定位在技術(shù)和方法上都有了很大的改善.然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對車牌定位的準確率和實時性提出更高的要求。因而進一步加深車牌定位的研究是非常必要的。車牌字符識別是在車牌準確定位的基礎(chǔ)上，對車牌上的漢字、字母、數(shù)字進行有效確認的過程，其中漢字識別是一個難點，許多國外的LPR系統(tǒng)也往往是因為漢字難以識別而無法打入中國市場，因而探尋好的方法解決字符的識別也是至關(guān)重要的。目前己有的方法很多，但其效果與實際的要求相差很遠，難

14、以適應(yīng)現(xiàn)代化交通系統(tǒng)高速度、快節(jié)奏的要求。因而對字符識別的進一步研究也同樣具有緊迫性和必要性。從實用產(chǎn)品來看，如以色列的Hi-Tech公司研制的多種See/Car system，適應(yīng)于幾個不同國家的車牌識別，就針對中國格式車牌的See/Car syste而言，它不能識別漢字，且識別率有待提高。新加坡Optasia公司的VLPRS產(chǎn)品，適合于新加坡的車牌，另外日本、加拿大、德國、意大利、英國等西方發(fā)達國家都有適合于本國車牌的識別系統(tǒng)。我國的實際情況有所不同，國外的實際拍攝條件比較理想，車牌比較規(guī)統(tǒng)一，而我國車牌規(guī)不夠，不同汽車類型有不同的規(guī)格、大小和顏色，所以車牌的顏色多，且位數(shù)不統(tǒng)一，對處理造

15、成了一定的困難。在待處理的車牌圖像中就有小功率汽車使用的藍底白字牌照，大功率汽車所用的黃底黑字牌照，軍車和警車的白底黑字，紅字牌照，還有國外駐華機構(gòu)的黑底白字牌照等。就位數(shù)而言，有七位數(shù)字的，有武警車九位數(shù)字的，有軍車、前兩位字符上下排列的等，所以也造成了處理的難度。國做得較好的產(chǎn)品主要是中科院自動化研究所漢王公司的“漢王眼”，此外國的亞洲視覺科技、市吉通電子、中智交通電子系統(tǒng)等都有自己的產(chǎn)品，另外交通大學的圖像處理與識別研究室、交通大學的計算機科學與工程系、清華大學、大學等都做過類似的研究。通常處理時為了提高系統(tǒng)的識別率，都采用了一些硬件的探測器和其他的輔助設(shè)備如紅外照明等，其中“漢王眼”就

16、是采用主動紅外照明和光學濾波器來減弱可見光的不可控制影響，減少惡劣氣候和汽車大小燈光的影響，另外還要求在高速公路管理窗口到“漢王眼”識別點埋設(shè)兩條線路管道，一條管道鋪設(shè)220伏50赫茲1安培的交流供電線路:另一條管道鋪設(shè)觸發(fā)信號線路和漢王眼與管理計算機的通訊線路，投資巨大，不適合于大面積的推廣。另外，還有兩種專門的技術(shù)被用于車牌的識別中，條形碼識別技術(shù)和無線射頻技術(shù)。條形碼識別要求預(yù)先在車身上印刷條形碼，在系統(tǒng)的某一固定位置上安裝掃描設(shè)備，通過掃描來讀取條形碼，以達到識別車輛的目的。無線射頻技術(shù)要求在車安裝標示卡，在系統(tǒng)某一位置安裝收發(fā)器等裝置，通過收發(fā)器來接受標示卡的信號，從而識別出經(jīng)過的車

17、輛。顯然，這兩種技術(shù)更難以推廣。從目前一些產(chǎn)品的性能指標可以看出，車牌識別系統(tǒng)的識別率和識別速度有待提高?，F(xiàn)代交通的飛速發(fā)展以與車牌識別系統(tǒng)應(yīng)用圍的日益拓寬給車牌識別系統(tǒng)提出了更高的要求。因此，研究高速、準確的定位與識別算法是當前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計算機性能的提高都會促進車牌識別技術(shù)的發(fā)展，提高車牌識別系統(tǒng)的性能。2.3 主要應(yīng)用領(lǐng)域車牌自動識別系統(tǒng)具有廣泛的應(yīng)用圍，主要應(yīng)用于：(1)高速公路收費、監(jiān)控管理；(2)小區(qū)、停車場管理；(3)城市道路監(jiān)控、違章管理；(4)車牌登錄、驗證；(5)車流統(tǒng)計、安全管理等。車牌自動識別系統(tǒng)應(yīng)用于這些系統(tǒng)，可以解決通緝車輛的自動稽查

18、問題，可以解決車流高峰期因出入口車流瓶頸造成的路橋卡口、停車場交通堵塞問題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車場應(yīng)收款流失的問題，還可以以最簡單的方式完成交通部門的車輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計自動化，模糊查詢的問題。車牌自動識別系統(tǒng)可安裝于公路收費站、停車場、十字路口等交通關(guān)卡處，其具體應(yīng)用可概括為：(l)交通監(jiān)控利用車牌識別系統(tǒng)的攝像設(shè)備，可以直接監(jiān)視相應(yīng)路段的交通狀況，獲得車輛密度、隊長、排隊規(guī)模等交通信息，防和觀察交通事故。它還可以同雷達測速器或其他的檢測器配合使用，以檢測違犯限速值的車輛。當發(fā)現(xiàn)車輛超速時，攝像機獲取該車的圖像，并得到該車的牌照，然后給該車超速的警告信號

19、。(2)交通流控制指標參量的測量，為達到交通流控制的目標，一些交通流指標的測量相當重要。該系統(tǒng)能夠測量和統(tǒng)計很多交通流指標參數(shù)，如總的服務(wù)流率，總行程時間，總的流入量流出量，車型與車流組成，日車流量，小時/分鐘車流量，車流高峰時間段，平均車速，車輛密度等。這也為交通誘導系統(tǒng)提供必要的交通流信息。 (3)高速公路上的事故自動測報這是由于該系統(tǒng)能夠監(jiān)視道路情況和測量交通流量指標，能與時發(fā)現(xiàn)超速、堵車、排隊、事故等交通異?，F(xiàn)象。(4)對養(yǎng)路費交納、安全檢查、運營管理實行不停車檢查根據(jù)識別出的車牌從數(shù)據(jù)庫中調(diào)出該車檔案材料，可發(fā)現(xiàn)沒與時交納養(yǎng)路費的車輛。另外，該系系統(tǒng)還可發(fā)現(xiàn)無車牌的車輛。若同車型檢測

20、器聯(lián)用，可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。(5)車輛定位由于能自動識別車牌，因而極易發(fā)現(xiàn)被盜車輛，以與定位出車輛在道路上的行駛位置。這為防、發(fā)現(xiàn)和追蹤涉與車輛的犯罪，保護重要車輛(如運鈔車)的安全有重大作用，從而對城市治安與交通安全有重要的保障作用。車牌自動識別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個街口都裝配一套全新的車輛探測器的硬件系統(tǒng)則投資巨大，所以急需一個純軟件實行的車牌自動識別系統(tǒng)來最大限度的減少費用，而純軟件的設(shè)計，不僅投資小而且靈活性高，適合我國的國情。 第三章 汽車牌照識別技術(shù)3.1 汽車牌照的特點目前國汽車牌照有六種類型：大型民用汽車所用的黃底黑字牌照；小型民用汽車所用的藍底白字

21、牌照；軍隊或武警專用汽車的白底紅字、黑字牌照；使、領(lǐng)館外籍汽車的黑底白字牌照；試車和臨時牌照是白底紅字，且數(shù)字前分別標有“試”和“臨時”字標志；汽車補用牌照是白底黑字，對于車前牌照，其尺寸均為44cm長，14cm寬，共有7個或8個字符。民用汽車牌照上有省、直轄市、自治區(qū)的名稱和發(fā)證照與監(jiān)督機關(guān)的盜代號，編號是英文大寫字母。接著是一個點“·”，后面的汽車編號，一般為5位數(shù)字，即從0000199999。編號超過10萬時，就由A、B、C等英文字母代替，第三個字符可能是英文字母，也可能是阿拉伯數(shù)字，第四至第七個字符均為阿拉伯數(shù)字。從人的視覺特點出發(fā)，車牌目標區(qū)域具有如下特點：車牌底色往往與車

22、身顏色、字符顏色有較大差異；車牌有一個連續(xù)或由于磨損而不連續(xù)的邊框，車牌字符有多個，基本呈水平排列，所以在牌照的矩形區(qū)域存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征；車牌字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變，而字符本身與牌照底的部都有較均勻灰度；不同圖像中牌照的具體大小、位置不確定，但其長度比變化有一定圍，存在一個最大和最小長度比。根據(jù)這些特點，可以在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征。3.2 汽車牌照識別系統(tǒng)的組成汽車牌照識別（LPR）系統(tǒng)通過引入數(shù)字攝像技術(shù)和計算機信息管理技術(shù)，采用先進的圖像處理、模式識別和人工智能技術(shù)，通過對圖像的采集和處理，獲得更多的信息，從而達到更高的智能

23、化管理程度。在LPR 系統(tǒng)產(chǎn)品的性能指標中，識別率和識別速度難以同時提高其中原因既包括圖像處理技術(shù)不夠成熟，又受到攝像設(shè)備計算機等性能的限制。因此，研究高速準確的定位與識別算法，是當前的主要任務(wù)。車輛牌照識別系統(tǒng)一般可按順序分為車輛圖像采集、圖像預(yù)處理、車牌定位、字符分割與識別五大部分。如下圖所示。字符識別圖像采集字符分割車牌定位圖像預(yù)處理圖3.1 車輛牌照識別系統(tǒng)在第一部分圖像采集中，主要通過CCD 攝像頭與計算機的視頻捕捉卡直接相連來完成圖像采集，可以實時在監(jiān)控圖像中抓取到含有車輛的圖像。該部分功能可簡單調(diào)用計算機視頻捕捉卡廠商提供的各種軟件開發(fā)包工具即可實現(xiàn)。汽車牌照識別（LPR）系統(tǒng)的

24、關(guān)鍵在于后四部分。首先要對采集到的圖像進行預(yù)處理，而牌照定位又決定其后的車牌字符識別，因此牌照定位是車牌識別系統(tǒng)的關(guān)鍵的關(guān)鍵，牌照定位就是從包含整個車輛的圖像中找到牌照區(qū)域的位置。目前，已經(jīng)提出了很多種方法，一個共同的出發(fā)點是：通過牌照區(qū)域的特征來判斷牌照，利用的車牌特征主要包括：車牌區(qū)域的邊緣灰度直方圖統(tǒng)計“特征”、車牌的幾何特征、車牌區(qū)域的灰度分布特征、車牌區(qū)域水平或垂直投影特征、車牌形狀特征和頻譜特征。3.3 圖像預(yù)處理根據(jù)三基色原理，世界上任何色彩都可以由紅綠藍（RGB）三色不同比例的混合來表示，如果紅綠藍（RGB）三個信號分別由一個字節(jié)表示，則該圖像顏色位數(shù)就達到二十四位真彩，也就是

25、說在二十四位真彩的數(shù)字圖像中每個像素點由三個字節(jié)來表示，根據(jù)數(shù)字圖像水平和垂直方向像素點數(shù)（即圖像分辨率）可計算出一幅圖像實際位圖大小。事實上，在車牌自動識別系統(tǒng)中車輛圖像是通過圖像采集卡將運動的車輛圖像抓拍下來，并以位圖的格式存放在系統(tǒng)存中。這時的車輛常會因為各種各樣的原因使得所拍攝的車輛圖像效果不理想，但我們可以對車輛圖像根據(jù)不同應(yīng)用特點進行識別前的預(yù)處理，盡最大可能提高車牌正確識別率，這些圖像預(yù)處理包括圖像平滑、傾斜校正、灰度修正等。3.3.1 圖像灰度化汽車圖像樣本，目前大都是通過攝像機、數(shù)碼相機等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。真彩色圖像又稱RGB圖像，它是利用R,

26、G, B3個分量表示一個像素的顏色，R, G, B分別代表紅、綠、藍3種不同的顏色，通過三基色可以合成出任意顏色。所以對一個尺寸為m*n的彩色圖像來說，存儲為一個二m*n*3的多維數(shù)組。如果需要知道圖像A中(x, y)處的像素RGB值，則可以使用這樣的代碼A (x, y,1: 3)。彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度。由于圖像的每個象素都具有三個不同的顏色分t，存在許多與識別無關(guān)的信息，不便于進一步的識別工作，因此在對圖像進行識別等處理中經(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=

27、B，則顏色表示一種灰度顏色，其中R=G=B的值叫做灰度值.由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理?；叶葓D像就是只有強度信息，而沒有顏色信息的圖像，存儲灰度圖像只需要一個數(shù)據(jù)矩陣，矩陣的每個元素表示對應(yīng)位置的像素的灰度值。彩色圖像的象素色為RGB (R, G, B )，灰度圖像的象素色為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,所以灰度的級別只有256級。灰度化的處理方法主要有如下三種:(1)最大值法:使R. G, B的值等于三值中最大的一個，即 R=G=B=max(R,G,B) (3.1)(2)平均值法:使R, G,B的值值

28、等于三值和的平均值，即 R=G=B= (3.2) (3)加權(quán)平均值法:根據(jù)重要性或其它指標給R, G, B賦予不同的權(quán)值，并使R, G, B等于它們的值的加權(quán)和平均，即 R=G=B= (3.3)其中WrWc,Wa，分別為R, G, B的權(quán)值。由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍色的敏感度最低，當Wr=0.30, Wa=0.59, Wc=0.11時，能得到最合理的灰度圖像。 圖3.2 原圖像 圖3.3 灰度化后的圖像3.3.2 二值化圖像二值化是指整幅圖像畫面僅黑、白二值的圖像。在數(shù)字圖像處理中二值圖像占有很重要的地位。這是因為，一方面，有些需要處理的如文字圖像、指紋圖像、工程圖

29、紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進行處理（即灰度圖像的二值化）。這是考慮到在實用系統(tǒng)中，要求處理的速度高、成本低、信息量大的濃淡圖像處理的花銷大。此外二值化的圖像能夠用幾何學中的概念進行分析和特征描述，比灰度圖像優(yōu)勢大得多。在實際的車牌處理系統(tǒng)中，進行圖像二值化的關(guān)鍵使確定合適的閾值，使得字符與背景能夠分割開來，而且二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等。同時車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進行處理，能大大提高處理效率1。二值化的關(guān)鍵是找到合適的閾值t來區(qū)分

30、對象和背景。設(shè)原灰度圖像為f(x,y)，二值化后的圖像為g(x,y),二值化的過程表示如下： 0 f(x,y)<t g(x,y)= (3.4)255 f(x,y)>t二值化，基于實時性的要求，我力求尋找一種快速而且效果較好的方法，能夠更有針對性的解決在不同條件下牌照圖像的二值化問題。求解閾值的方法很多，微分直方圖法、最大方差法、基于灰度的數(shù)學期望的方法、可變閾值法等。我們采用最簡單的方法，當象素灰度級低于常數(shù)C時，0-C象素灰度為0，C-255象素灰度為255。3.4 車牌定位車牌圖像往往是在復(fù)雜的環(huán)境中拍攝得到的，車牌由于與復(fù)雜的車身背景融為一體，由于車牌在使用中磨損與灰塵與拍攝

31、儀器的影響以與由于拍攝角度的不同，車牌在圖像中往往有很大的形變，如何在復(fù)雜背景中準確、快速找出車牌的位置成為車牌識別中的難點2。目前已有不少學者在這方面進行了研究?？偨Y(jié)起來主要有如下幾類方法：(1) 基于水平灰度變化特征的方法，這種方法主要在車牌定位以前，需要對圖像進行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度圖像，利用車牌區(qū)域水平方向的紋理特征進行車牌定位；(2) 基于邊緣檢測的定位方法，這種方法是利用車牌區(qū)域豐富的邊緣特征進行車牌定位3，能夠進行檢測的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以與拉普拉斯邊緣檢測；(3) 基于車牌顏色特征的定位方法，這種方法主要是應(yīng)用

32、車牌的紋理特征、形狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來排除干擾進行車牌的定位；(4) 基于Hough 變換的車牌定位方法，這種方法是利用車牌邊框的幾何特征，采取尋找車牌邊框直線的方法進行車牌定位；(5) 基于變換域的車牌定位方法，這種方法是將圖像從空域變換到頻域進行分析，例如采用小波變換等；(6) 基于數(shù)學形態(tài)學的車牌定位方法，這種方法是利用數(shù)學形態(tài)學圖像處理的基本思想，利用一個結(jié)構(gòu)元素來探測一個圖像，看是否能將這個結(jié)構(gòu)元素很好的填放在圖像部，同時驗證填放元素的方法是否有效。腐蝕、膨脹、開啟和關(guān)閉是數(shù)學形態(tài)學的基本運算。這些方法各有優(yōu)缺點，要實現(xiàn)快速、準確地定位車牌，應(yīng)

33、該綜合利用車牌的各種特征，僅靠單一特征很難奏效。本文結(jié)合車牌紋顏色與數(shù)學形態(tài)學兩方面的特征對車牌進行定位，對于提高車牌定位準確率提供更有利的保障。該方法包括牌照區(qū)域的粗定位和細定位兩個步驟。在粗定位階段中采用了基于數(shù)學形態(tài)學的定位方法，在得到定位圖像后進行細定位，在細定位中采用車牌顏色特征的方法以獲得最后定位圖像。本方法對在多種光照條件下采集的車輛牌照圖像、車牌本身不潔、或者牌照存在傾斜和扭曲等情形，均能取得較好的定位效果。3.4.1 車牌粗定位由攝像機采集的彩色車輛圖像首先轉(zhuǎn)化為灰度圖像，經(jīng)過灰度均衡變換、Sobe1邊緣強化，其邊緣得到了勾勒和加強。這里選用的是數(shù)學形態(tài)學的方法，其基本思想是

34、用具有一定形態(tài)的機構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達到對圖像分析和識別的目的。數(shù)學形態(tài)學的應(yīng)用可以簡化圖像數(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)。在本程序中用到了膨脹和閉合這兩個基本運算，最后還用了bwareaopen來去除對象中不相干的小對象。圖3.4 對車牌位置粗定位3.4.2 車牌細定位在獲得車牌粗定位后，利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應(yīng)的各自灰度圍，然后行方向統(tǒng)計在此顏色圍的像素點數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域，統(tǒng)計列方向藍色像

35、素點的數(shù)量，最終確定完整的車牌區(qū)域。圖3.5 定位后的車牌3.5 車牌分割車牌圖像的分割即把車牌的整體區(qū)域分割成單字符區(qū)域，以便后續(xù)進行識別。車牌分割的難點在于噪聲合字符粘連，斷裂對字符的影響。要想從圖像中直接提取出目標物體，最常用的方法就是設(shè)定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，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代替原來像素值。圖3.6 對定位后的車牌進一步處理在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進行字符的分割

36、，然后再利用分割的結(jié)果進行字符識別。字符識別的算法很多，因為車牌字符間間隔較大，不會出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割。圖3.7 分割出來的7個字符一般分割出來的字符要進行進一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以達到正確識別的目的4。在此只進行了歸一化處理，然后進行后期處理。圖3.8 歸一化處理后的7個字符3.6 字符識別車牌字符識別方法基于模式識別理論，主要有：(1) 統(tǒng)計識別；(2) 結(jié)構(gòu)識別；(3) 基于神經(jīng)網(wǎng)絡(luò)的字符識別；(4) 基于模板匹配的字符識別。由于汽車

37、車牌圖像所處成像環(huán)境復(fù)雜多變很難采集到一個完整的有代表性原始圖像集作為統(tǒng)計分析的基礎(chǔ)，因此統(tǒng)計方法難于實現(xiàn)。另外車牌字符常發(fā)生變形、斷缺等情況，使字符結(jié)構(gòu)受損，則依賴于字體結(jié)構(gòu)完整性的結(jié)構(gòu)識別方法所提取的特征會不準確，識別結(jié)果的誤識率也高。因此實際用于車牌識別的方法主要是后兩類?；谏窠?jīng)網(wǎng)絡(luò)的字符識別方法，具有良好的容錯能力，分類能力和并行處理能力與自我學習能力，應(yīng)用神經(jīng)網(wǎng)絡(luò)實現(xiàn)模式識別，運行速度快，自適應(yīng)好，分辨率高。對信息復(fù)雜、背景不清楚、推理不明確的問題尤為有利。但人工神經(jīng)網(wǎng)絡(luò)為了保證系統(tǒng)高識別率也需要大量樣本，通過學習獲取知識并改進自身性能。當學習系統(tǒng)所處環(huán)境平穩(wěn)時(統(tǒng)計特性不隨時間變

38、化)，神經(jīng)網(wǎng)絡(luò)可以學到這些環(huán)境統(tǒng)計特性，作為經(jīng)驗記住。基于模板匹配的字符識別方法，相對算法簡單，速度較快，得到了廣泛應(yīng)用?；谀０迤ヅ涞淖址R別方法主要有：簡單模板匹配，外圍輪廓匹配，投影序列特征匹配，外圍輪廓投影匹配，基于Hausdorff距離的模板匹配等等5。本文采用了基于模板匹配的字符識別方法?；谀０迤ヅ涞腛CR的基本過程是：首先對待識別字符進行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果。建立自動識別的代碼表讀取分割出來的字符第一個字符與模板中的漢字模板進行匹配第二個字符與模板中的字母模板進行匹配待識別字符與模板字符相減，值越小相

39、似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應(yīng)值后5個字符與模板中的字母與數(shù)字模板進行匹配圖3.9 字符識別流程圖模板匹配的主要特點是實現(xiàn)簡單，當字符較規(guī)整時對字符圖像的缺損、污跡干擾適應(yīng)力強且識別率相當高。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個進行比較，計算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然

40、而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點的位置發(fā)生改變。在實際設(shè)計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進去，按照一些基于圖象不變特性所設(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。本文采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，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稱；緊接其后的為字母與數(shù)字。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢

41、字共約50多個，大寫英文字母26個，數(shù)字10個。所以建立字符模板庫也極為方便。為了實驗方便，結(jié)合本次設(shè)計所選汽車牌照的特點，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。其他模板設(shè)計的方法與此一樣。首先取字符模板，接著依次取待識別字符與模板進行匹配，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值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。識別結(jié)果如圖3.10所示。圖3.10 字符識別效果圖3.7 實驗結(jié)果分析本文以MATLAB6.5.1為實驗平臺，以攝取的彩色車牌照片為對象進行實驗。實驗的最終結(jié)果如圖3.10所示。在得到這個結(jié)果之前，需要對車牌圖像進行預(yù)處理、車牌定

42、位、車牌分割等處理。由于攝像部分多工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以與車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預(yù)處理。預(yù)處理包括灰度化、車牌校正、平滑處理等。對于光照條件不理想的圖象，可先進行一次圖象增強處理，使得圖象灰度動態(tài)圍擴展和對比度增強，再進行定位和分割，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，對它進行了灰度化的處理。因為彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(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

43、度?；叶然蟮膱D像如圖3.3所示。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(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；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提取采用的是Roberts算子。效果如圖3.4中的第一幅圖。在定位模塊。本文采用的是車牌顏色與數(shù)學形態(tài)學相結(jié)合的定位方法。首先，將預(yù)處理后的圖像用數(shù)學形態(tài)學的方法進行處理。數(shù)學形態(tài)學的應(yīng)用可以簡化圖像數(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)。本文中對圖像進行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用

44、，腐蝕是對圖像部做濾波處理，平滑是對噪聲進行濾波。這樣可以把字符與字符之間的雜色點去除，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行。最后還用了bwareaopen來去除對象中不相干的小對象。效果如圖3.4。再根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法，先確定行方向的車牌區(qū)域，再確定列方向的區(qū)域，得出最終的車牌區(qū)域，如圖3.5。車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其難點在于噪聲合字符粘連，斷裂對字符的影響，因此必須先將定位后的車牌進一步處理。包括灰度化、二值化、均值濾波、膨脹或腐蝕處理，效果如圖3.6所示。分割采用的方法為尋找連續(xù)有文字的塊，

45、若長度大于某閾值T，則認為該塊有兩個字符組成，需要分割。分割效果圖如圖3.6所示。為滿足下一步字符識別的需要，將分割后的字符歸一化，如圖3.7。最后將分割出來的字符運用模板匹配的方法與模板字符進行匹配，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值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。模板的制作很重要，必須要用精確的模板，否則就不能正確的識別。識別結(jié)果如圖3.10所示。對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A和4等字符識別結(jié)果可能發(fā)生混淆的情

46、況?？傊M管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以與嘗試提取分類識別能力更好的特征值和設(shè)計分類器等環(huán)節(jié)上再完善，進一步提高識別率是完全可行的。第四章 結(jié) 論高速公路、城市交通、停車場等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和車輛管理體制的不斷完善，為以計算機視覺為基礎(chǔ)的智能交通管理系統(tǒng)的實際應(yīng)用提供了契機。在智能交通系統(tǒng)中，車牌自動識別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開始的收費輔助系統(tǒng)演變過來的車牌識別技術(shù)現(xiàn)在運用的領(lǐng)域是越來越廣。它在車輛過路、過橋全自動不停車收費，交通流量控制指標的測量，車輛自動識別，高速公路上的事故自動測報，不停車檢查，車輛定位，汽車

47、防盜，稽查和追蹤車輛違規(guī)、行為，維護交通安全和城市治安，防止交通堵塞，提高收費路橋的服務(wù)速度，緩解交通緊狀況等方面有重要作用，有重要的現(xiàn)實應(yīng)用意義。本文主要解決了以下幾個問題：一、在背景的圖象中如何定位分割牌照區(qū)域；二、對分割下來的牌照字符如何提取具有分類能力的特征；三、如何設(shè)計識別器。在車輛牌照字符識別系統(tǒng)的研究領(lǐng)域，近幾年出現(xiàn)了許多切實可行的識別技術(shù)和方法，從這些新技術(shù)和方法中可以看到兩個明顯的趨勢：一是單一的預(yù)處理和識別技術(shù)都無法達到理想的結(jié)果，多種方法的有機結(jié)合才能使系統(tǒng)有效識別能力提高。在本系統(tǒng)的設(shè)計時，也汲取了以上一些算法的思想，結(jié)合實際，反復(fù)比較，綜合分析；二是在有效性和實用的原

48、則下，結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個方向。雖然系統(tǒng)本身還存在許多不足，距離具體實用的要求仍有很大差距，但我卻在這次課程設(shè)計中學到了很多知識。參 考 文 獻1 葉晨洲，廖金周.一種基于紋理的牌照圖象二值化方法J.微型電腦應(yīng)用，1999(6)：28-292 袁志偉，曉露. 車輛牌照定位的算法研究J. 理工大學學報，2001，26(2)： 56-603 郁梅等.基于視覺的車輛牌照檢測J.計算機應(yīng)用研究，1999(5)：65-674 引，云鶴. 面向車輛牌照字符識別的預(yù)處理算法J.計算機應(yīng)用研究，1999(7)： 85-875 葉晨洲等.車輛牌照字符識別系統(tǒng)J.計算機系統(tǒng)應(yīng)用，199

49、9(5): 10-136 增祈. 智能控制理論與技術(shù)M. ：清華大學，19997 先剛. 基于Delphi的數(shù)字圖像處理工程軟件設(shè)計J.中國水利水電，2006：179- 1818 胡小鋒，輝. Visual C + + /MATLAB 圖像處理與識別M. ：人民郵電，20049 岡薩雷斯. 數(shù)字圖像處理（第二版）M. ：電子工業(yè)，200710 D. S. Kim and S. I. Chien,. Automatic car license plateextraction using modified generalized symmetry transform andimage warp i

50、ng J . in Proc. IEEE Int. Symp. Industrial Elec2tronics, vol. 3, 2001, pp. 2022 - 2027 致 時光匆匆如流水，轉(zhuǎn)眼便是大學畢業(yè)時節(jié)，春夢秋云，聚散真容易。離校日期已日趨臨近，畢業(yè)論文的的完成也隨之進入了尾聲。此時，回頭想想這段求學路，時而喜悅，時而惆悵。在這個美麗的校園里，原本天真幼稚的我如今已蛻變成一個睿智、沉穩(wěn)的青年，感命運的安排，讓我有幸結(jié)識了許多良師益友，是他們教我如何品味人生，讓我懂得如何更好的生活！人生處處是驛站，已是揮手作別之時，在此，向所有幫助過我的人獻上我最誠摯的意！“飲其流時思其源，成吾學時

51、念吾師?！敝链苏撐耐瓿芍H，謹向我尊敬的指導老師甫教授致以誠摯的意和崇高的敬意。從選題、定題、撰寫提綱，到論文的反復(fù)修改、潤色直至定稿，老師始終認真負責地給予我深刻而細致地指導，使我受益匪淺。除了敬佩教授的專業(yè)水平外，他的治學嚴謹和科學研究的精神也是我永遠學習的榜樣，并將積極影響我今后的學習和工作。其次要感我的班主任雅槐老師和大學四年中給我們授課的所有老師們，是他們的悉心教導和精心栽培，讓我掌握了很多專業(yè)知識，為將來的工作打下了良好的基礎(chǔ)。還要感我的父母，給予我生命并竭盡全力給予了我接受教育的機會，他們給我生活上的關(guān)懷和精神上的鼓勵是我學習的動力。最后，感我的同學和朋友們，他們陪伴我成長，給我

52、鼓勵和幫助。所有關(guān)心我的人！附錄A：源代碼主函數(shù)：close all;clc;I=imread('C:Documents and SettingsX桌面車牌識別程序與圖像car2.jpg');figure(1),imshow(I);title('原圖')I1=rgb2gray(I); %灰度化figure(2),subplot(1,2,1),imshow(I1);title('灰度圖');figure(2),subplot(1,2,2),imhist(I1);title('灰度圖直方圖');I2=edge(I1,'robe

53、rt',0.15,'both'); %邊緣檢測se=1;1;1;I3=imerode(I2,se); %腐蝕se=strel('rectangle',25,25);I4=imclose(I3,se); %閉運算I5=bwareaopen(I4,2000); %計算圖像中的目標區(qū)域figure(3),subplot(221);imshow(I2);title('robert算子邊緣檢測');subplot(222);imshow(I3);title('腐蝕后圖像');subplot(223);imshow(I4);title('平滑圖像的輪廓');subplot(224);imshow(I5);title('從對象中移除小對象');y,x,z=size(I5);myI=double(I5);tic Blue_y=zeros(y,1); for i=1:y for j=1:x if(myI(i,j,1)=1) Blue_y(i,1)= Blue_y(i,1)+1;%藍色像素點統(tǒng)計 end end end temp MaxY=max(Blu