車牌識(shí)別論文終稿

1、 .wd. .wd. .wd.?車牌識(shí)別系統(tǒng)?學(xué)院： 外語學(xué)院 專業(yè)：英語+軟件工程091姓名： 張晨曦 學(xué)號(hào)：0918110121車牌識(shí)別系統(tǒng)摘要：文章從車牌定位、 車牌字符分割和車牌字符識(shí)別 3個(gè)階段對(duì)車牌識(shí)別技術(shù)進(jìn)展了深入研究，并用MATLAB進(jìn)展了仿真。 關(guān)鍵詞：車牌識(shí)別，車牌定位，車牌字符分割1 引言車牌是一輛汽車獨(dú)一無二的信息，因此 ，對(duì)車輛牌照的識(shí)別技術(shù)可以作為辨識(shí)一輛車最為有效的方法。隨著 ITS(智能交通系統(tǒng))的高速開展，對(duì)車牌識(shí)別技術(shù)的研究也隨之開展。從 基本上講，牌照識(shí)別應(yīng)用了先進(jìn)的圖像處理，模式識(shí)別，人工智能技術(shù)來獲取，處理，解釋，記錄拍照的圖像。目前，牌照識(shí)別技術(shù)已經(jīng)

2、廣泛而成功的應(yīng)用于高速公路的監(jiān)測(cè)，電子收費(fèi)，交通違規(guī)管理，安全停車管理，偷盜車輛辨識(shí)等重要領(lǐng)域。車牌識(shí)別系統(tǒng)一般包括以下幾個(gè)局部，見圖1。 圖1 車牌識(shí)別系統(tǒng)主要研究?jī)?nèi)容如下:1.車牌的定位研究。先進(jìn)展圖像的預(yù)處理，包括:RGB彩色圖像的灰度化、圖像灰度拉伸、圖像邊緣檢測(cè)、灰度圖的二值化等;車牌定位采用基于水平和垂直投影分布特征的方法。 2.字符分割的研究。先對(duì)定位后的車牌圖像進(jìn)展預(yù)處理，然后按照車牌的先驗(yàn)信息,用區(qū)域增長(zhǎng)算法來確定候選車牌的字符區(qū)域。 3.字符識(shí)別的研究。對(duì)于提取出的單個(gè)字符，先進(jìn)展歸一化操作，再與給定的模板做比照，識(shí)別出字符。2. 圖像的定位2.1 圖像的預(yù)處理 一般情況下

3、，由CCD采集到的圖像會(huì)有不理想的情況 ，如光線過強(qiáng)，或者偏弱，這些都會(huì)對(duì)后續(xù)的圖像處理產(chǎn)生一向。而且車牌位于車身下部，靠近散熱片，比照度較差，此時(shí)假設(shè)直接對(duì)灰度圖像進(jìn)展定位會(huì)有不小的困難，為了獲得較好處理的灰度圖像，在對(duì)CCD采集的原始圖像進(jìn)展灰度化后，要對(duì)其灰度轉(zhuǎn)換。首先對(duì)圖像灰度拉伸，使灰度級(jí)占據(jù) 0-255整個(gè)區(qū)域，這樣做的目的是為了減少光線過強(qiáng)，或者偏弱時(shí)造成的灰度級(jí)過少本文直接采用直方圖均衡化，這樣處理簡(jiǎn)單，運(yùn)算量小，效果也較理想。2.2 邊緣提取 對(duì)圖像進(jìn)展邊緣提取，邊緣提取的最大好處就是能夠突出邊緣區(qū)域，同時(shí)使背景圖像中無關(guān)的局部暗淡。由于車牌局部是邊緣相對(duì)集中的區(qū)域，在對(duì)其邊

4、緣分割后，可以看到車牌局部很明顯的突現(xiàn)出來。實(shí)現(xiàn)方法中，我們采用了水平差分算法，它利用圖像后一列像素減去前一列像素，從而得到邊緣圖像。再對(duì)所得的圖像二值化處理。實(shí)驗(yàn)結(jié)果如圖1所示 圖1 邊緣提取后的圖像由圖可見，圖像經(jīng)過差分二值后，車牌區(qū)域明顯可見。2.2 車牌邊界確實(shí)定由于車牌一般是由字符 、背景和邊框組成 ，提取圖像的邊緣圖像后，在字符與背景處就形成了較強(qiáng)的邊緣。再考慮汽車本身的特點(diǎn) ，通常車牌位于汽車緩沖器上或附近，靠近整幅圖像的下部，在往下便是路面，路面一般是比較光滑，因此可以在邊緣提取時(shí)就很有效的將這局部雜質(zhì)濾除掉，而使干擾圖像的噪聲處于車牌之上，如車燈，或散熱片。由此，我們采用由下

5、而上的掃描的方法。首先，對(duì)邊緣圖像的象素沿水平方向累加產(chǎn)生一個(gè)投影圖，如圖2所示。 圖2 粗略定位的水平投影圖由投影圖可以看出有車牌字符的地方，灰度值較高，而且處于圖像的下部。故此，先進(jìn)展粗略定位，找尋水平投影圖大于3分之2最大值的點(diǎn)，找到改點(diǎn)對(duì)應(yīng)的橫坐標(biāo)的最大值，記錄坐標(biāo)。該點(diǎn)記為車牌的下邊界。根據(jù)車牌的幾何特征在初始處對(duì)圖像進(jìn)展歸一化處理統(tǒng)一成1000800的大小，車牌高度大約占100個(gè)像素，考慮到噪聲等因素的影響，粗略將上下邊界分別定義為最大值120，最大值50。在上下界粗定位的根基上進(jìn)展精細(xì)定位，即對(duì)圖像再進(jìn)展水平投影，找尋大于3分之2最大值的點(diǎn)，記錄改點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)的最大值和最小值

6、，那么此兩點(diǎn)為車牌的上下邊界點(diǎn)。如圖3所示 圖3 精細(xì)定位的水平投影圖在定位出上下邊界后，再對(duì)特征圖像進(jìn)展垂直投影 , 得到投影圖后，對(duì)投影圖進(jìn)展處理，重復(fù)水平定位的理念，找尋大于3分之2最大值的點(diǎn)所對(duì)應(yīng)的橫坐標(biāo)的最大值和最小值，即為車牌的左右邊界點(diǎn)，完成定位。為了之后字符識(shí)別的更好處理，在這里，本人根據(jù)找尋的邊界點(diǎn)，對(duì)該灰度增強(qiáng)后圖進(jìn)展定位。如圖4所示 圖4 垂直投影圖3 字符分割區(qū)域增長(zhǎng)的 基本思想是將具有相似性質(zhì)的象素集合起來構(gòu)成區(qū)域。首先在待分割的每個(gè)區(qū)域中選擇一個(gè)種子點(diǎn)作為增長(zhǎng)的起始點(diǎn)，然后在種子點(diǎn)的領(lǐng)域中搜索那些與種子點(diǎn)的相似特征度滿足指定增長(zhǎng)準(zhǔn)那么的象素 ，并與種子點(diǎn)所在區(qū)域合并

7、。此時(shí)將新合并的象素作為新的種子點(diǎn)，繼續(xù)以上搜索和合并過程，直到?jīng)]有可以合并的象素為止。本文的算法中采用區(qū)域增長(zhǎng)算法來確定候選車牌的字符區(qū)域。首先要確定起始的種子點(diǎn)。字符的像素值最大為255，基于這個(gè)信息，選定像素值為255的點(diǎn)為起始點(diǎn)。然后選擇下面的增長(zhǎng)標(biāo)準(zhǔn)：假定一個(gè)像素屬于一個(gè)區(qū)域，那么這個(gè)像素和這個(gè)區(qū)域里至少有八個(gè)像素點(diǎn)是相連的。如果一個(gè)像素同時(shí)又和其他區(qū)域相連了，那么這些區(qū)域合并在一起。由于光照或者背景噪聲等的影響，區(qū)域增長(zhǎng)算法可能生錯(cuò)誤的字符區(qū)域，就需要根據(jù)前文所述的車牌先驗(yàn)信息來刪除錯(cuò)誤的區(qū)域 ，從而準(zhǔn)確定位字符區(qū)域。按照車牌的先驗(yàn)信息字符的尺寸為45mm* 90mm，字符間隔為1

8、2mm，間隔符寬10mm，那么第二個(gè)和第三個(gè)字符的間隔為34mm，車牌的左邊界和第一個(gè)字符的間隔以及車牌右邊界和最后一個(gè)字符的間隔為25mm，字符到上下邊界的間隔也為25mm。假定字符寬度為 cw，字符高度為 ch。那么字符間隔為(12/45)*cw =0.27*cw，第二個(gè)和第三個(gè)字符的間隔為(34/45)*cw=0.76*cw，而車牌的左邊界和第一個(gè)字符的間隔以及車牌右邊界和最后一個(gè)字符的間隔就為(25/45)*cw=0.56*cw，字符到上下邊界的間隔為(25/45)*ch=0.56*ch。其中cw=(45/440)*a，ch=(90/140)*b (a，b為分割車牌的寬度和高度)。根據(jù)

9、以上的信息就可以對(duì)車牌的字符進(jìn)展準(zhǔn)確的定位。如圖5所示 圖5 字符分割4 字符識(shí)別4.1 歸一化因?yàn)閽呙璧玫降膱D像的字符大小存在較大的差異， 統(tǒng)一尺寸有助于字符識(shí)別的準(zhǔn)確性， 提高識(shí)別率，從而與模板進(jìn)展匹配。歸一化主要包括位置歸一化、 大小歸一化及筆劃粗細(xì)歸一化 常用細(xì)化算法 。在這里本人對(duì)大小歸一化。對(duì)不同大小的字符進(jìn)展變換， 使之成為同一尺寸大小的字符， 這個(gè)過程稱為字符大小歸一化。通過字符大小歸一化，許多特征就可以用于識(shí)別不同字號(hào)混排的字符。具體實(shí)現(xiàn)方法，首先對(duì)圖像二值化處理，這里的閾值根據(jù)大津法得到，然后將字符的外邊框按比例線性放大或縮小成為規(guī)定尺寸的字符。為了之后模板匹配的處理，在這

10、里，本人對(duì)二值化的圖像進(jìn)展反二值化處理。如圖6所示 圖6 圖像歸一化4.2 匹配識(shí)別字符對(duì)分割出來的字符進(jìn)展識(shí)別的方法很多， 主要有以下幾種方法：利用字符的構(gòu)造特征和變換如 Fourier 變換、Karhunen-Loeve 變換等 進(jìn)展特征提取。該方法對(duì)字符的傾斜、 變形都有很高的適應(yīng)性， 但運(yùn)算量大， 對(duì)計(jì)算機(jī)性能的要求較高。2 利用字符統(tǒng)計(jì)特征進(jìn)展特征提取。如提取字符的投影特征、 網(wǎng)格特征和輪廓特征組成字符特征矢量進(jìn)展匹配的方法 ， 識(shí)別率較高。3 基于字符構(gòu)造分析的識(shí)別方法。該方法可以識(shí)別有較大旋轉(zhuǎn)、 變形、 縮放的字符圖像， 但需要進(jìn)展復(fù)雜的字符筆劃分析和抽取， 對(duì)字符圖像質(zhì)量要求較

11、高。4 模板匹配法。 由于車輛牌照字符中只有 26 個(gè)大寫英文字母、 10 個(gè)阿拉伯?dāng)?shù)字和約 50 個(gè)漢字，所以字符集合較小， 該方法對(duì)于有一定變形、 污損或筆畫缺損的字符圖像有較好的識(shí)別效果， 總體識(shí)別率較高， 同時(shí)也能滿足實(shí)時(shí)性的要求 。經(jīng)過實(shí)驗(yàn)，本文采用的是第四種模板匹配算法。將分割出來的字符圖像與模板圖像相減，差值最小的便是與之匹配的模板，從而識(shí)別出字符。 總結(jié)與展望 車牌識(shí)別系統(tǒng)是智能交通領(lǐng)域研究中的重要組成局部，隨著經(jīng)濟(jì)的不斷開展，車輛在人們工作生活中占據(jù)著越來越重要的地位，車輛數(shù)目的增多給車輛管理提出了更高的要求，因此車牌識(shí)別系統(tǒng)有著廣泛的應(yīng)用前景。本文對(duì)車牌識(shí)別系統(tǒng)的三大模塊-

12、車牌定位、字符分割和字符識(shí)別都進(jìn)展了研究工作。下面將本文的主要工作及創(chuàng)新研究作如下的總結(jié)。 1. 車牌定位：讀入圖像，然后是進(jìn)展圖像的灰度化、灰度拉伸。接著分析了邊緣算子的檢測(cè)及圖像差分的邊緣檢測(cè)后選擇了圖像差分的邊緣檢測(cè)。二值化車牌圖像后，采用改進(jìn)的投影法對(duì)圖像進(jìn)展水平定位，然后在粗定位的根基上進(jìn)展了車牌準(zhǔn)確定位。最后采用投影法對(duì)圖像進(jìn)展垂直定位，定位車牌區(qū)域。2. 字符分割：利用車牌的先驗(yàn)知識(shí)對(duì)字符進(jìn)展分割3. 字符識(shí)別：歸一化字符圖像為4824的字符圖像，比較模板圖像與字符圖像，找到與之匹配的模板，識(shí)別出字符。本文雖然在車牌自動(dòng)識(shí)別系統(tǒng)的算法技術(shù)和實(shí)現(xiàn)方法上進(jìn)展了一些探索，并做了大量工作，取得了一些階段性的成果，但由于客觀條件及時(shí)間的限制，在很多方面還存在缺乏，有待于進(jìn)一步的研究和探討，主要有以下幾點(diǎn)：車牌定位中垂直定位容易受到噪聲的影響，進(jìn)而無法準(zhǔn)確定位。 2. 字符分割直接采用的先驗(yàn)知識(shí)分割雖然運(yùn)算量小，但對(duì)定位要求高，這樣通用性較弱。3. 模板匹配法雖然識(shí)別率高，但運(yùn)算量較大。參考文獻(xiàn)1 黃建,劉昊, 一種快速車