基于數(shù)字圖像的車牌識(shí)別畢業(yè)設(shè)計(jì)論文

目

錄第一部分：1.1PCI總線................................................................................................................41.1.1PCI總線的基本結(jié)構(gòu).1.1.2PCI總線A/D卡的通用結(jié)構(gòu).............................................................................51.2A/D卡的采集、存儲(chǔ)和顯示程序.......................................................................61.2.1A/D卡的采集的基本原理..................................................................................61.2.2實(shí)驗(yàn)結(jié)果與分析................................................................................................61.3.3設(shè)計(jì)程序..............................................................................................................91.4結(jié)果分析..................................................................................................................9第二部分：中文摘要英文摘要1引言

................................................................................................................10.................................................................................................................11.................................................................................................................121.1車牌識(shí)別技術(shù)的研究背景..................................................................................121.2國(guó)內(nèi)外研究現(xiàn)狀..................................................................................................121.3車牌識(shí)別系統(tǒng)研究目的及意義..........................................................................131.4別系統(tǒng)的構(gòu)成.......................................................................................................131.5論文內(nèi)容安排.......................................................................................................142車牌圖像的預(yù)處理………………142.1預(yù)處理技術(shù)概述…………...............................141

2.2圖像的灰度化…………2.3圖像的二值化…………………2.4邊緣檢測(cè)…………………算子……………………..18算子…………………2.5本章小結(jié)………………………3車牌定位

……………………3.1常用的車牌定位算法………基于紋理特征的車牌定位…………………22基于數(shù)學(xué)形態(tài)的車牌定位………………243.2本章小結(jié)……………………264字符切割

………………….….264.1車牌字符切割方法…………….………..264.2本章小結(jié)………………………5字符識(shí)別

……………………5.1字符識(shí)別概述…………………5.2車牌字符識(shí)別特點(diǎn)…………5.3基于模板匹配的字符識(shí)別算法…………305.4實(shí)驗(yàn)分析………………………5.5結(jié)果分析………………………6設(shè)計(jì)評(píng)述…………32附錄A車牌識(shí)別程序……………342

參考文獻(xiàn)……………3

1.1PCI線1.1.1PCI線的基本結(jié)構(gòu)：PCI，外設(shè)組件互連標(biāo)準(zhǔn)(PeripheralComponentInterconnect)一種由英特（Intel公司1991年推出的用于定義局部總線的標(biāo)準(zhǔn)此標(biāo)準(zhǔn)允許在計(jì)算機(jī)內(nèi)安裝多達(dá)10個(gè)遵從標(biāo)準(zhǔn)的擴(kuò)展卡。最早提出的PCI總線工作在33MHz率之下，傳輸帶寬達(dá)到133MB/s(33MHz*32bit/s)，基本上滿足了當(dāng)時(shí)處理器的發(fā)展需要隨著對(duì)更高性能的要求1993年又提出了64bit的PCI總線，后來(lái)又提出把PCI總線的頻率提升到。目前廣泛采用的是、33MHz的PCI總線，64bit的PCI插槽更多是應(yīng)用于服務(wù)器產(chǎn)品。從結(jié)構(gòu)上看，PCI是在CPU和原來(lái)的系統(tǒng)總線之間插入的一級(jí)總線具體由一個(gè)橋接電路實(shí)現(xiàn)對(duì)這一層的管理并實(shí)現(xiàn)上下之間的接口以協(xié)調(diào)數(shù)據(jù)的傳送管理器提供信號(hào)緩沖，能在高時(shí)鐘頻率下保持高性能，適合為顯卡，聲卡，網(wǎng)卡MODEM等設(shè)備提供連接接口，工作頻率為33MHz/66MHz。PCI總線系統(tǒng)要求有一個(gè)PCI控制卡，它必須安裝在一個(gè)插槽內(nèi)。這種插槽是目前主板帶有最多數(shù)量的插槽類型，在當(dāng)前流行的臺(tái)式機(jī)主板上ATX結(jié)構(gòu)的主板一般帶有槽，而小一點(diǎn)的MATX板也都帶有插槽。根據(jù)實(shí)現(xiàn)方式不同PCI控制器可以與CPU一次交換32位或64數(shù)據(jù)，它允許智能PCI輔助適配器利用一種總線主控技術(shù)與并行地執(zhí)行任務(wù)PCI允許多路復(fù)用技術(shù)，即允許一個(gè)以上的電子信號(hào)同時(shí)存在于總線之上。由于PCI總線只有的帶寬，對(duì)聲卡、網(wǎng)卡、視頻卡等絕大多數(shù)輸入/輸出設(shè)備顯得綽綽有余，但對(duì)性能日益強(qiáng)大的顯卡則無(wú)法滿足其需求。Intel在2001年春季的IDF上，正式公布了旨在取代總線的第三代I/O技術(shù)，該規(guī)范由Intel支持的AWG(ArapahoeWorkingGroup)負(fù)責(zé)制定。20024月17日，AWG正式宣布3GIO1.0規(guī)草稿制定完畢，并移交PCI-SIG（PCI別興趣小組，PCI-SpecialInterestGroup）進(jìn)行審核。開始的時(shí)候大家都以為它會(huì)被命名為SerialPCI(受到串行ATA的影響)，但最后卻被正式命名PCIExpress，Express意思是高速、特別快的意思。4

2002年723日，PCI-SIG正公布了PCI1.0規(guī)范，并于2007年初推出2.0規(guī)范（Spec2.0，將傳輸率由PCIExpress1.1的2.5GB/s升到5GB/s；目前主流的顯卡接口都支持PCI-E2.0。1.1.2PCI線A/D卡的通用結(jié)構(gòu)：圖3.1PCI總控制器橋接電路高速數(shù)據(jù)傳輸在PCI總線和本地總線之間進(jìn)行,設(shè)計(jì)者只需設(shè)計(jì)本地總線接口控制電,外部設(shè)備可掛接本地總線上即可實(shí)現(xiàn)PCI總線的高速數(shù)據(jù)傳輸。本模塊PCI數(shù)據(jù)采集模,可對(duì)4路單端輸入的模擬信號(hào)并行采集,輸入信號(hào)幅度為±10V,AD分辨率為12b總采樣率為400k另外提供路脈沖信號(hào)的測(cè)量信號(hào)輸入幅度也是±10V,輸入信號(hào)頻率≤MHz,比較電平為V根據(jù)要求設(shè)計(jì)的系統(tǒng)的原理框圖如圖3所示,系統(tǒng)由PCI接口電路FPGA邏輯控制電路、脈沖比較電路、D轉(zhuǎn)換電路和信號(hào)調(diào)理電路幾個(gè)部分組成。工作原理是模擬信號(hào)通過信號(hào)調(diào)理電路(前置電路),過濾波放大處理后,送到A/D轉(zhuǎn)換,A/D轉(zhuǎn)換后的數(shù)字信號(hào)送入FPGA進(jìn)行緩存和處理,所得數(shù)據(jù)通PCI總線接口電路傳入上位機(jī)(計(jì)算機(jī))。為簡(jiǎn)化電路、提高集成度增強(qiáng)系統(tǒng)的抗干擾能力,4路模擬信號(hào)共用一片AD7864該芯片是高速率低功耗通道12位A/D轉(zhuǎn)換器他可以同時(shí)對(duì)4路模擬信號(hào)進(jìn)行采樣,通過內(nèi)部的選擇器以分時(shí)復(fù)用的方式將信號(hào)量化輸出。5

在設(shè)計(jì)中,FPGA主要負(fù)責(zé)與CI9030本地總線間的通訊以及A/D轉(zhuǎn)換器的數(shù)據(jù)傳輸和系統(tǒng)各部分之間邏輯和時(shí)序的控制些控制是在Ⅱ開發(fā)系統(tǒng)中進(jìn)行設(shè)計(jì)的,采用VHDL語(yǔ)言和原理圖輸入法相結(jié)合的方式完成。圖.2數(shù)采集系統(tǒng)原理框圖1.2A/D卡的采集存儲(chǔ)和顯示序1.2.1A/D的采集的基本原理：運(yùn)行時(shí)的數(shù)據(jù)并送給PC機(jī)，通過運(yùn)行PC機(jī)的特定軟件對(duì)這些數(shù)據(jù)進(jìn)行分析以此判斷當(dāng)前運(yùn)行設(shè)備的狀況進(jìn)而采取相應(yīng)措施當(dāng)前常用的數(shù)據(jù)采集裝置在其系統(tǒng)軟件設(shè)計(jì)中多采用單任務(wù)順序機(jī)制這樣就存在系統(tǒng)安全性差的問題這對(duì)于穩(wěn)定性實(shí)時(shí)性要求很高的數(shù)據(jù)采集裝置來(lái)說是不允許的因此有必要引入嵌入式操作系統(tǒng)。下面以μＯＳⅡ?yàn)椴僮髌脚_(tái)，基于ＡＲＭ７系列處理器，對(duì)一種高性能的數(shù)據(jù)采集系統(tǒng)開發(fā)進(jìn)行探索。1.2.2實(shí)驗(yàn)結(jié)果與分析：6

7

8

1.3.3設(shè)計(jì)程序

：('D:\whx.txt');軸單位');軸單位');王海馨);1.4結(jié)果分析通過實(shí)驗(yàn)采集圖像數(shù)據(jù)與通過數(shù)據(jù)在MATLAB軟件上得到的圖像比較兩者是一樣的，從而知道通過不同方式可以得到相同的結(jié)果。9

基于部分圖像處理的車牌數(shù)字和字母的識(shí)別摘

要汽車車牌的識(shí)別在智能交通系統(tǒng)中占據(jù)重要地位有著廣闊的發(fā)展前景基于圖像處理的車牌識(shí)別是智能交通領(lǐng)域應(yīng)用的重要課題之一實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。車牌自動(dòng)識(shí)別系統(tǒng)主要包括預(yù)處理車牌定位字符切割字符識(shí)別四個(gè)關(guān)鍵環(huán)節(jié)本文主要研究的是在已經(jīng)分割好的車牌的基礎(chǔ)上通過部分圖像處理技術(shù)進(jìn)行數(shù)字和字母的識(shí)別。在識(shí)別階段，利用模板匹配的方法，通過AD法來(lái)確定待測(cè)字符和模板字符中的相似程度終從復(fù)雜背景圖像中有效的識(shí)別車牌字符。文章中對(duì)90張相片進(jìn)行了測(cè)試，結(jié)果表明，基于模板匹配的車牌識(shí)別方法的整體識(shí)別率為約60%，證明該方法是有效的，可行的。關(guān)鍵詞：汽車牌照，圖像處，字符識(shí)別，模板匹配10

NumberandofLicensePlatethePartofImageProcessingAbstractRecognitionanimportantroleinAutomaticRecognitionSystem,promisinginintelligentLicenseAutomaticofimportantresearchsubjectsofImageandimportantofresearchintelligenceofmanagementandimplementation.LicenseRecognitionincludesfourimportantTheseLicenseCharacterSegmentationCharacterabouttheoflocatedVehicleLicensePlatebasedonthepartofprocessing.usetemplateADalgorithmtothesimilaritybetweenthetemplatetorecognizeplatelicensefromcompleximage.90werethethatintegralratethemethodisKeyImageProcessing,11

1

引言1．1

車牌識(shí)別技的研究背景車牌是識(shí)別技術(shù)[

是計(jì)算機(jī)視覺和模式識(shí)別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要的研究課題，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。隨著社會(huì)經(jīng)濟(jì)和高速公路的快速發(fā)展及汽車普及程度的日益提高、高效準(zhǔn)確的交通智能管理系統(tǒng)日益受到們的重視汽車牌照識(shí)別技術(shù)的應(yīng)用為現(xiàn)代交通的智能管理打開了一扇大門。汽車識(shí)別技術(shù)在牌識(shí)別技術(shù)在車輛過路、過橋全自動(dòng)不停車收費(fèi)交通流量控制指標(biāo)的測(cè)量車輛自動(dòng)識(shí)別高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面顯出了強(qiáng)勁的生命力。1．2

國(guó)內(nèi)外研究狀車牌識(shí)別技術(shù)的研究[開始得很早，早在上世紀(jì)七十年代，就有不少研究人員和單位開始了這一技術(shù)的研究。由于在實(shí)際中存在光照、污損、缺損、無(wú)牌、格式多樣等各種技術(shù)難題這一技術(shù)一直都停留在實(shí)驗(yàn)室階段無(wú)法在實(shí)際工程中得到廣泛應(yīng)用從世紀(jì)年代初國(guó)外就已經(jīng)開始了對(duì)汽車牌照自動(dòng)識(shí)別的研究其主要途徑就是對(duì)車牌的圖像進(jìn)行分析自動(dòng)提取車牌信息確定汽車牌號(hào)在各種應(yīng)用中有使用模糊數(shù)學(xué)理論也有用神經(jīng)元網(wǎng)絡(luò)的算法來(lái)識(shí)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)境變化及車牌本身比較模糊等條件的影響給車牌的識(shí)別帶來(lái)較大的困難字符的提取是復(fù)雜背景下目標(biāo)提取問題在復(fù)雜的背景中字符區(qū)域往往只占圖像的小部分由于背景的復(fù)雜性背景紋理及顏色的復(fù)雜不確定性這些問題給提取字符區(qū)域帶來(lái)較大困難并且字符區(qū)域的提取是整個(gè)系統(tǒng)過程的開始是比較關(guān)鍵的一步在一定情況下，還必須快速實(shí)時(shí)地完成。因此這部分工作具有一定的難度。目前國(guó)外的相關(guān)研究有：（1）提出的基于掃描行高頻分析的方法；（2）提出的類字符分析方法等，為了解決圖像惡化的問題；（3）Kat提的基于顏色的提取方法。關(guān)于車牌定位系統(tǒng)的研究國(guó)內(nèi)外學(xué)者已經(jīng)作了大量的工作但實(shí)際效果并12

不是很理想比如車牌圖像的傾斜車牌表面的污穢和磨損光線的干擾等都是影響定位準(zhǔn)確度的潛在因素為此近年來(lái)不少學(xué)者針對(duì)車牌本身的特點(diǎn)車輛拍攝的不良現(xiàn)象及背景的復(fù)雜狀況先后提出了許多有針對(duì)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而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏將對(duì)車牌定位的準(zhǔn)確率和實(shí)時(shí)性提出更高的要求因而進(jìn)一步加深車牌定位的研究是非常必要的。1.3牌識(shí)別系統(tǒng)研目的及意義車牌識(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LPR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)智能化代化的重要因素，LPR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。1．4

車牌識(shí)別系的構(gòu)成一個(gè)完整的汽車車牌識(shí)別系統(tǒng)的工作過程主要分為四個(gè)步驟：第一步預(yù)處理，由于攝像條件和客觀因素的限制，如車輛牌照不整潔，光照條件不好，角度不適合，車速較快等原因，很容易對(duì)車牌識(shí)別系統(tǒng)的準(zhǔn)確性造成干擾。第二步，車牌定位即圖像的精確定位算法的實(shí)現(xiàn)用來(lái)確定車牌在整個(gè)圖像中的相對(duì)位置，其輸入是整個(gè)原始圖像，輸出是長(zhǎng)方形車牌圖像；第三步車牌字符的分割。用來(lái)將上一步得到的長(zhǎng)方形車牌圖像割為幾個(gè)只包含單個(gè)待識(shí)別車牌號(hào)碼字符的圖像第四步車牌字符識(shí)別它用來(lái)從上一步得到的只包含單個(gè)車牌字符的圖像識(shí)別出車牌號(hào)碼輸入是只包含單個(gè)車牌字符的圖像輸出是車牌號(hào)碼字符串。整個(gè)車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)是[3]一是車牌的定位；二是車牌字符的識(shí)別。車牌識(shí)別系統(tǒng)的結(jié)構(gòu)如圖1.1所示。預(yù)處理

車牌定位

字符切割

字符識(shí)別圖1.1車識(shí)別系統(tǒng)結(jié)構(gòu)圖13

1．5

論文內(nèi)容安本文共分為六章。第一章為引言，介紹了課題研究背景，國(guó)內(nèi)外研究現(xiàn)狀，車牌識(shí)別系統(tǒng)的結(jié)構(gòu)圖以及本文的工作安排；第二章為車牌圖像的預(yù)處理介紹了圖像處理相關(guān)知識(shí)并對(duì)車牌進(jìn)行灰度化、二值化以及邊緣檢測(cè)；第三章為車牌定位要介紹了基于紋理特征和數(shù)學(xué)形態(tài)特征的車牌定位方法，并給出定位結(jié)果；第四章為字符切割根據(jù)車牌自身特征采用一種對(duì)水平投影法進(jìn)行改進(jìn)的車牌字符分割的方法對(duì)車牌進(jìn)行分割；第五章為字符識(shí)別，詳細(xì)介紹了模板匹配的方法，建立了字符模板，以及用AD算法檢測(cè)待測(cè)字符和模板字符中的相似程度，最終通過MATLAB實(shí)現(xiàn)了車牌數(shù)字與字母的識(shí)別；第六章為結(jié)論總結(jié)了本文所做的主要工作并分析了其中的不足之處以待今后改進(jìn)。在本文的安排過程中二章圖像的預(yù)處理主要是介紹有關(guān)圖像處理的相關(guān)知識(shí)第三章車牌定位第四章字符切割要是為第五章字符識(shí)別做前期準(zhǔn)備。2

車牌圖像的處理2．1

預(yù)處理技術(shù)述在數(shù)字圖像處理中圖像的預(yù)處理過程是數(shù)字圖像處理的重要組成部分而對(duì)于車牌定位環(huán)節(jié)來(lái)說，車牌圖像的預(yù)處理更是發(fā)揮著相當(dāng)重要的作用。對(duì)于實(shí)際拍攝到的圖片由于天氣光照以及速度等外部因素的影響往往使得這些圖像并不能直接應(yīng)用到車牌識(shí)別過程中必須先對(duì)圖像進(jìn)行前期的處理以增強(qiáng)圖像的質(zhì)量例如一般情況下車牌識(shí)別系統(tǒng)處理的都是灰度圖像，因此要先將拍攝的彩色圖像轉(zhuǎn)換為灰度圖像在拍攝車牌照片時(shí)照片的圖像質(zhì)量往往會(huì)受到光照霧天氣等因素的影響要先對(duì)車牌圖像進(jìn)行降噪處理，盡量降低噪聲對(duì)識(shí)別過程的影響于晚上或者在光線比較暗的情況下拍攝的圖像其對(duì)比度必然較低因此我們還要對(duì)這些圖像進(jìn)行圖像增強(qiáng)加其對(duì)比度，14

凸顯灰度值較高的圖像部分弱化背景以利于后續(xù)工作的展開上述所說的這些在展開識(shí)別過程以前為了弱化甚至消除對(duì)識(shí)別結(jié)果不利的因素而采取的對(duì)車牌圖像的前期處理工作，被稱之為車牌圖像的預(yù)處理過程。在車牌識(shí)別領(lǐng)域，圖像的預(yù)處理過程主要包括的內(nèi)容有圖像的灰度化處理、圖像二值化、邊緣檢測(cè)以及圖像平滑等等。2．2

圖像的灰度現(xiàn)如今在智能交通系統(tǒng)中拍攝到的車牌圖像基本上都是真彩色圖像真彩色圖像可以使用很多種顏色空間來(lái)進(jìn)行表示際應(yīng)用中使用最廣泛的顏色空間是顏色空間在彩色顏色空間下彩色圖像包含了大量的顏色信息例如，在顏色空間下，彩色圖像的每一個(gè)像素點(diǎn)均由（紅（綠B（藍(lán)）三個(gè)顏色分量組成就是說RGB空間下一幅圖像的存儲(chǔ)矩陣大小，這樣就使得在空間下彩色圖像所占用的存儲(chǔ)空間很大[3]

。同理，使用其他彩色顏色空間存儲(chǔ)圖像時(shí)也會(huì)產(chǎn)生同樣的問題就導(dǎo)致在對(duì)彩色圖像進(jìn)行圖像處理時(shí)會(huì)占用更多的存儲(chǔ)空間并且會(huì)極大的降低系統(tǒng)的處理速度其在速度上的影響對(duì)于車牌識(shí)別系統(tǒng)的實(shí)時(shí)性要求來(lái)說是絕對(duì)不可容忍的因此在進(jìn)行車牌識(shí)別過程時(shí)有必要將彩色圖像轉(zhuǎn)換為灰度圖像灰度圖像是只包含了圖像的亮度信息而不包含圖像的色彩信息的圖像圖像的亮度信息256級(jí)[

，即每一個(gè)灰度圖像的像素點(diǎn)的取值為之間的整數(shù)值度圖像的存儲(chǔ)矩陣大小為，其中矩陣中的每一個(gè)元素代表灰度圖像中相應(yīng)點(diǎn)的像素的亮度。由此我們可以很容易發(fā)現(xiàn)理灰度圖像時(shí)程序的執(zhí)行效率將遠(yuǎn)遠(yuǎn)高于執(zhí)行同樣的彩色圖像時(shí)程序的執(zhí)行效率。以顏色空間為例，我們可以認(rèn)為圖像的灰度化過程就是使得彩色圖像像素的R、、B分量變得相等的過程。如在一幅圖像中，如果圖像中每一個(gè)像素的RB分量都相等，R=G=B，則該圖像將會(huì)表現(xiàn)出灰度圖像的特征。因此，圖像的灰度化問題就轉(zhuǎn)化為如何調(diào)整彩色圖像中像素的三個(gè)分量，使得的問題。彩色圖像的灰度化方法主要有如下三種（g代表灰度化后像素點(diǎn)的亮度值（1）平均值法，取彩色圖像中像素點(diǎn)三個(gè)分量的平均值，即：

R

（2.115

（2）最大值法，取彩色圖像中像素點(diǎn)R、、三個(gè)分量的最大值，即：(,)

（2.2（3）權(quán)平均值法，根據(jù)彩色圖像像素點(diǎn)R、、B三個(gè)分量的重要性或者其他指標(biāo)賦予三個(gè)分量不同的加權(quán)W再使g等于R、rbGB個(gè)分量的加權(quán)平均值，即：車牌的灰度圖像如圖2.2示。

WRGrg

（2.32.116

2.22．3

圖像的二值二值圖像是指圖像中只有黑白兩種像素值的圖像在二值圖像中黑色用0表示，白色用1示，二者之間沒有灰度層次的變化。車牌圖像的二值化[就是將圖像中感興趣的目標(biāo)特征進(jìn)一步的提取出來(lái)些特征包括目標(biāo)區(qū)域的灰度值、輪廓、紋理特征、頻譜特征以及直方圖特征。二值化的原[6]

就是利用圖像中目標(biāo)圖像與背景圖像直接灰度值上的差異，從而取得一個(gè)閾值或者閾值范圍，再用這個(gè)結(jié)果將圖像轉(zhuǎn)換為只有目標(biāo)圖像和背景圖像的二值化圖像牌二值化圖像如圖。17

2.32．4

邊緣檢測(cè)邊緣是指圖像灰度發(fā)生劇烈變化的邊界，它是圖像分割的基[7]。邊緣檢測(cè)是數(shù)字圖像處理和計(jì)算機(jī)視覺中的基本問題目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)圖像的邊緣檢測(cè)大幅度的減少了圖像包含的數(shù)據(jù)量去除了不相關(guān)的信息保留了圖像的重要的結(jié)構(gòu)屬性圖像的邊緣檢測(cè)是圖像分割紋理特征提取以及形狀特征提取等圖像后續(xù)處理的前提尤其對(duì)于車牌定位來(lái)說邊緣檢測(cè)更是其中的關(guān)鍵環(huán)節(jié)。圖像區(qū)域的邊緣可以分為兩種一種是階躍邊緣它的兩邊的像素的灰度值有著明顯的不同還有一種是屋頂邊緣它位于灰度值從增加到減（或者從減少到增加）的變化的轉(zhuǎn)折點(diǎn)上[

。下面對(duì)這幾種常用的邊緣檢測(cè)方法做一簡(jiǎn)單介紹。2.4.1Canny算子[9]

算子是于年由Canny提出的基于最優(yōu)化算法的邊緣檢測(cè)算子，它把邊緣檢測(cè)問題轉(zhuǎn)換為檢測(cè)單元函數(shù)極大值的問題有很好的信噪比和檢測(cè)18

1y1yx精度。算法按照以下步驟對(duì)圖像進(jìn)行處理：(1用高斯濾波器平滑圖像高斯函數(shù)的一階微分是對(duì)理想濾波器的很好近似。用一維高斯函數(shù)：G

e

(2)

(2.4構(gòu)造高斯濾波器，分別按行和列對(duì)原始圖像f(,進(jìn)行卷積作，得到平滑圖像g(y)(2)計(jì)算梯度的幅值和方向取算子的一階卷積差分模板為：H

H

則平滑后的圖像g(y)的度幅M(x,)和梯度方

(x)可表示為：其中：

M(x,)(x,)2(x,)xyE(x,y)Ex,x(,)f(x)*Hxy)1(x,y)(,)*H(x,)2

2

（2.5（2.62.4.2Roberts子Roberts算子是一種利用局部差分算子尋找邊緣的算子。假設(shè)灰度圖像f(,y)是具有整數(shù)像素坐標(biāo)的輸入。其梯度定義為：(x,)

(x)(x)ii

y

（2.7通常情況下我們把梯度的摸叫做圖像的梯度對(duì)于數(shù)字圖像來(lái)說可以用差分來(lái)近似上述微分過程。模板使用斜向上的個(gè)像素的交叉差分定義的，即：(xy)((,y)f(y

f(xy)fy

（2.8一般情況下，可以將上式簡(jiǎn)化為如下兩種形式：19

(x,y)f(,y)(xyf(y)f(x,y(,)fx,)f(xyf(xy)f(x,)公式（）和（2.10）表示稱模板的形式如下：

（2.9（2.10）

0

Roberts算子采用對(duì)角線方向上相鄰兩個(gè)像素之差近似梯度幅值檢測(cè)邊緣。這種算法檢測(cè)水平邊緣和垂直邊緣的效果要好于斜向邊緣定位精度高但是它對(duì)噪聲很敏感。Roberts算子的邊緣檢測(cè)如圖所示。20

2.5

reborts

21

2．5

本章小結(jié)本章主要介紹了車牌識(shí)別系統(tǒng)中所要用到的相關(guān)的圖像預(yù)處理技術(shù)在車牌識(shí)別系統(tǒng)中車牌圖像的預(yù)處理是其基礎(chǔ)圖像預(yù)處理效果的好壞將對(duì)車牌識(shí)別的后續(xù)處理過程（如車牌定位，字符分割等）產(chǎn)生直接的影響。本文對(duì)圖像的灰度化、圖像增強(qiáng)、二值化、邊緣檢測(cè)等預(yù)處理技術(shù)進(jìn)行了介紹，并簡(jiǎn)要分析了各種預(yù)處理方法的優(yōu)缺點(diǎn)。3

車牌定位車牌定位就是將車牌區(qū)域從整個(gè)車牌圖像中尋找出來(lái)牌定位在車牌識(shí)別系統(tǒng)中占有舉足輕重的地位牌定位的精確程度將對(duì)系統(tǒng)后續(xù)的字符分割和字符識(shí)別連個(gè)部分產(chǎn)生直接的影響另外車牌定位的速度也會(huì)對(duì)車牌識(shí)別系統(tǒng)的性能以及實(shí)際應(yīng)用產(chǎn)生重大的影響近年來(lái)眾多研究者在車牌定位領(lǐng)域做了大量的工作，并取得了豐碩的成果。3．1

常用的車牌位算法車輛牌照的定位問題是在復(fù)雜背景下的圖像分割和目標(biāo)提取問題實(shí)際的應(yīng)用中，由于所獲取的車牌圖像的信噪比不高，圖像有可能會(huì)出現(xiàn)傾斜等情況，二值化后的圖像更是會(huì)出現(xiàn)字符的斷裂變形等因此尋求魯棒性更高并且同時(shí)兼具實(shí)時(shí)性和適應(yīng)性的定位算法一直都是人們不懈追求的目標(biāo)了達(dá)到快速準(zhǔn)確的從車牌圖像中分離出車牌區(qū)域的目的內(nèi)外的研究者們提出了諸多車牌定位的方法，這些方法大部分都是基于上述所說的車牌的紋理特征、灰度特征、幾何特征以及顏色特征等等。下面對(duì)幾種主要的車牌定位算法進(jìn)行簡(jiǎn)單的分析介紹。3.1.1

基于紋理特分析的車牌位基于車牌統(tǒng)計(jì)直方圖的定位方法綜合使用了車牌的結(jié)構(gòu)特征和紋理特征[11]來(lái)對(duì)車牌區(qū)域?qū)嵤┒ㄎ幌鄬?duì)于其它非車牌區(qū)域來(lái)說車牌區(qū)域包含有字符的變化特征，即含有豐富的邊緣信息（細(xì)節(jié)信息因此，對(duì)提取得到的車牌邊緣圖像進(jìn)行行掃描或列掃描，則車牌區(qū)域的跳變特性會(huì)明顯有別于其它非車牌區(qū)域。22

其跳變特征在很大程度上標(biāo)示了車牌的位置信息因此可基于車牌邊緣圖像的統(tǒng)計(jì)特征進(jìn)行車牌的識(shí)別即車牌識(shí)別的統(tǒng)計(jì)直方圖方法使用此方法進(jìn)行車牌定位分為兩步首先對(duì)車牌進(jìn)行粗定位然后在粗定位圖像的基礎(chǔ)上對(duì)車牌進(jìn)行精確定位。(1)車牌粗定位粗定位即從車牌的邊緣圖像中尋找并提取出包含有車牌圖像的區(qū)域的過程。由于車牌區(qū)域中包含有大量的邊緣信息，因此對(duì)該行（列）進(jìn)行掃描時(shí)，其灰度跳變的次數(shù)將明顯有別于其它非車牌區(qū)域的行（列我們可以利用這一特征實(shí)現(xiàn)車牌的粗定位。這種方法又分為行定位和列定位兩步首先對(duì)邊緣圖像進(jìn)行行掃描統(tǒng)計(jì)每一行的灰度值再依據(jù)一定的判決參（如總灰度值大于某一閾值來(lái)判斷當(dāng)前行是否屬于車牌區(qū)域由此就能大致確定車牌的起始行和結(jié)束行然后再對(duì)得到的行區(qū)域進(jìn)行列掃描同樣可以大致確定車牌的開始列和結(jié)束列由此就完成了對(duì)車牌的粗定位。需要注意的是過粗定位后會(huì)得到得到多個(gè)車牌粗定位的候選區(qū)域。此時(shí)需要結(jié)合車輛牌照在圖像中的位置信息幾何特征寬高比等先驗(yàn)知識(shí)對(duì)候選區(qū)域進(jìn)行進(jìn)一步的判定，確定真正的車牌區(qū)域。(2車牌的精定位在車牌區(qū)域中其紋理結(jié)構(gòu)和背景有很大的差別車牌區(qū)域具有更多更密集的縱向邊界而且車牌字符和背景的對(duì)比度比較大在車牌區(qū)域上的表現(xiàn)就是車牌區(qū)域水平方向上的灰度變化頻度很高。根據(jù)這些特征和一些必要的先驗(yàn)知識(shí)，就可以對(duì)粗定位區(qū)域進(jìn)行更精確的定位。考慮粗定位區(qū)域在水平方向上的一階差分運(yùn)算通過一節(jié)差分運(yùn)算可以有效的突出粗定位區(qū)域中灰度變換頻繁的區(qū)域。一階差分運(yùn)算的定義如下式所示：(,)fx,y)f(,y

（3.1其中，f(,y)表示車牌的粗定位圖像，gy)示f(x,水平差分圖像。然后對(duì)g(,y)在水平方向上做直方圖投影般情況下在直方圖中會(huì)有一個(gè)被兩個(gè)波谷包圍的一個(gè)波峰區(qū)域區(qū)域擁有直方圖上的最大峰值且占據(jù)了直方圖的23

AA(,yA大部分寬度，判定此波峰區(qū)域?yàn)檐嚺频乃骄ㄎ粎^(qū)域。對(duì)垂直方向的精定位過程和水平精定位相似樣需要對(duì)粗定位圖像作垂直方向上的差分直方圖投影只不過此時(shí)得到的直方圖上會(huì)有一系列的峰值而不是一個(gè)峰值直方圖呈現(xiàn)出峰—谷—峰的結(jié)構(gòu)此時(shí)直方圖上會(huì)有一個(gè)波峰密集的區(qū)域并且此區(qū)域的寬度滿足牌照寬高比的先驗(yàn)知識(shí)由此我們也可以確定車牌在垂直方向上的精確位置。經(jīng)過上述過程就完成了基于統(tǒng)計(jì)直方圖投影的車牌精確定位。3.1.2

基于數(shù)學(xué)形學(xué)的車牌定數(shù)學(xué)形態(tài)學(xué)[誕生于20世紀(jì)年代中葉，它基于集合論，具有完備的數(shù)學(xué)基礎(chǔ)基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素取量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到分析識(shí)別圖像的目的形態(tài)學(xué)是一種非線性濾波方法它可以用來(lái)解決圖像濾波、邊緣檢測(cè)、圖像分割、形狀識(shí)別、紋理分析、圖像壓縮、圖像恢復(fù)與重建等圖像處理問題。數(shù)學(xué)形態(tài)學(xué)有四個(gè)基本運(yùn)算：膨脹、腐蝕、開啟和閉合。在二值化圖像分析中，數(shù)學(xué)形態(tài)學(xué)方法具有明顯的優(yōu)勢(shì)。(1)膨脹運(yùn)算膨脹運(yùn)算就是擴(kuò)張物體的邊界，將與物體接觸的所有背景點(diǎn)也合并到物體中，使得邊界向外部擴(kuò)充。膨脹能消除圖像中的空洞，經(jīng)過膨脹運(yùn)算后，圖像的面積會(huì)增大設(shè)為二值化圖像，B為結(jié)構(gòu)元素則A被B膨脹記為其定義是：A(x)A

（3.2上式可以解釋為AB脹所得到的集合為當(dāng)B的原點(diǎn)平移(x,)時(shí)，B與的交集非空。(2)腐蝕運(yùn)算腐蝕是膨脹的逆運(yùn)算它縮減物體的邊界將物體的邊界歸入背景點(diǎn)使得物體的邊界縮小蝕會(huì)去除像中的離散點(diǎn)際達(dá)到了去除圖像噪聲的作用。經(jīng)過腐蝕運(yùn)算后，圖像的面積會(huì)減小。圖被B腐蝕，記為A其定義是：

（3.324

同樣，腐蝕可以解釋為：A被腐蝕所得到的集合為，當(dāng)B的原點(diǎn)平移到(,)時(shí)，包含于A。(3)開運(yùn)算和閉運(yùn)算此外，數(shù)學(xué)形態(tài)學(xué)中還有開運(yùn)算和閉運(yùn)算，這兩種運(yùn)算實(shí)際上是膨脹和腐蝕的組合運(yùn)算對(duì)于二值化圖像A和結(jié)構(gòu)元素B來(lái)說，B下的開運(yùn)算可記為A，其定義是：)

（3.4即在B下的開運(yùn)算先對(duì)進(jìn)行腐蝕運(yùn)算結(jié)果再進(jìn)行膨脹運(yùn)算開運(yùn)算對(duì)圖像具有平滑效果它能消除圖像的邊緣毛刺以及孤立斑點(diǎn)等等同樣對(duì)的閉運(yùn)算可記為?其定義是：?AB)

（3.5由公式可以看出閉運(yùn)算是開運(yùn)算的對(duì)偶運(yùn)算即對(duì)進(jìn)行先膨脹后腐蝕的運(yùn)算。閉運(yùn)算具有過濾功能，它可以填充圖像內(nèi)部的微小空洞以及裂隙等。形態(tài)學(xué)的車牌定位方法主要是基于上述四種形態(tài)學(xué)基本運(yùn)算其是形態(tài)學(xué)的開閉運(yùn)算用開閉運(yùn)算對(duì)字圖像進(jìn)行處理以得到多個(gè)可能的車牌區(qū)域，然后再根據(jù)一定的判別法從確定的待選車牌區(qū)域中確定真正的車牌位置牌定位結(jié)果如圖3.1。25

圖車定位3．2

本章小結(jié)本章主要討論了車牌定位的相關(guān)問題輛牌照的自動(dòng)定位是車牌識(shí)別系統(tǒng)中的關(guān)鍵環(huán)節(jié)車牌定位的成功與否直接決定了車輛牌照能否實(shí)現(xiàn)車牌圖像的特征在車牌定位過程中具有非常重要的作用后介紹了幾種典型的車牌識(shí)別算法基于紋理特征的車牌定位算法和基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法最終定位出車牌圖像。4

字符切割圖像切割是指按一定的規(guī)則，將圖像與背景分成不同的部分或子集的過程。車牌字符切割就是將車牌圖像進(jìn)行二值化處理圖像的字符和背景分開成二值圖像由于分割本身是圖像處理的一個(gè)難題而實(shí)際拍攝的車牌圖像因?yàn)椴煌潭鹊卮嬖谝韵聠栴}而影響字符分割的準(zhǔn)確性。（1）脫色、泥點(diǎn)、反光等原因使車牌圖像質(zhì)量下降，存在嚴(yán)重噪聲。（2）邊框和鉚釘容易造成分割不準(zhǔn)確。（3）車牌的前個(gè)字符和后面?zhèn)€字符之間的間隔符（小圓點(diǎn)）需要進(jìn)行26

特殊處理。（4）光照不均容易引起分割錯(cuò)誤。4．1

車牌字符分方法由于實(shí)際拍攝的車牌圖像容易受環(huán)境的影響所以本文采用的是一種對(duì)水平投影法進(jìn)行改進(jìn)的車牌字符分割法[。步驟如下：（1）對(duì)預(yù)處理后的車牌圖像，自左向右逐列統(tǒng)計(jì)各列所包含的白色像素點(diǎn)（本文中車牌字符為白色像素點(diǎn)，將統(tǒng)計(jì)后的結(jié)果存儲(chǔ)到一個(gè)1n矩陣中n的大小與車牌圖像的寬度相同（2）利用車牌圖像中，第一個(gè)字符是漢字的特點(diǎn)。首先對(duì)車牌圖像自左向右逐列掃描將各列包含的白色像素點(diǎn)的數(shù)目與某一固定閾（本文設(shè)定的閾值為2）進(jìn)行比較，當(dāng)遇到第一個(gè)大于固定閾值的列時(shí)，則該列即認(rèn)為是字符分割的起始位置然后繼續(xù)掃描下一列直至遇到小于固定閾值的列時(shí)停止為了克服水平投影法對(duì)解決漢字不連通問題的不足文將該列與字符分割的起始列作差其差值再與另一固定閾本文設(shè)定為車牌圖像寬度的九分之一作比較。若大于閾值則說明第一個(gè)字符分割結(jié)束若小于閾值則說明分割得到的不是一個(gè)完整的漢字還需繼續(xù)掃描下一列當(dāng)掃描到大于固定閾值的列時(shí)說明掃描到漢字字符的另一半繼續(xù)掃描下一列直至遇到小于固定閾值的列再將該列與字符分割的起始列作差，其差值與等于車牌寬度九分之一的閾值進(jìn)行比較，若大于閾值，則說明第一個(gè)字符分割結(jié)束，若小于閾值，則繼續(xù)上述步驟，直到大于閾值時(shí)，停止。第一個(gè)字符分割結(jié)束。（3）車牌圖像中第二到第七個(gè)字符，一般為字母或數(shù)字，不存在不連通的問題其分割方法較第一個(gè)漢字字符簡(jiǎn)單自左向右掃描圖像各列當(dāng)遇到大于固定閾值（本文設(shè)定為2閾值需大于，因?yàn)檐嚺频那?個(gè)字符和后面字符之間一般存在一個(gè)小圓點(diǎn)）的列時(shí)，則該列即被認(rèn)為是字符分割的起始位置，繼續(xù)掃描直至小于固定閾值或其掃描寬度大于另一固定閾（車牌寬度的六分之一）時(shí)，第二個(gè)字符分割結(jié)束。利用相同的方法，可以分割出其他的字符。該方法，較好地解決了，漢字的不連通問題、字符的粘連問題、噪聲的干擾問題以及車牌的前2字符和后面5個(gè)字符之間存在的小圓點(diǎn)問題然程序的執(zhí)行時(shí)間較水平投影法長(zhǎng)，但實(shí)踐證明還是行之有效的。如下圖、4.3示。27

圖4.2車原始圖像圖4.3分后的車牌字符28

4．2

本章小結(jié)本章主要討論了車牌字符切割的方法牌字符切割的方法直接影響了下一步車牌識(shí)別的效率本章采用基于水平投影的改進(jìn)方法進(jìn)行字符切割該方法較好地解決了漢字的不連通字符的粘連噪聲的干擾以及車牌的第個(gè)字符和第3個(gè)字符之間存在小圓點(diǎn)的問題，實(shí)踐證明此方法是行之有效的。5

字符識(shí)別5．1

字符識(shí)別的述經(jīng)過圖像預(yù)處理車牌定位及字符分割等過程后車牌區(qū)域由一個(gè)整體的字符串圖像被切分為單個(gè)的字符圖像。由此，車牌識(shí)別系統(tǒng)進(jìn)入了最后一個(gè)環(huán)節(jié)：字符識(shí)別字符識(shí)別技術(shù)是車輛牌照識(shí)別中的核心技術(shù)之一它是指對(duì)輸入的附加有字符信息的圖像通過圖像分析和模式識(shí)別技術(shù)運(yùn)用一定的數(shù)學(xué)運(yùn)算輸出附加在圖像中的正確的字符信息的過程[14]

。字符識(shí)別的本質(zhì)是對(duì)字符的特征進(jìn)行提取通過分析字符的拓?fù)浣Y(jié)構(gòu)或統(tǒng)計(jì)信息提取字符的某些特征根據(jù)這些特征對(duì)字符進(jìn)行分類字符的特征可以分為結(jié)構(gòu)特征和統(tǒng)計(jì)特征[

構(gòu)特征主要有骨架、輪廓、筆畫等。在字符識(shí)別中，骨架特征在字符的結(jié)構(gòu)特征中占有重要地位，它還可以進(jìn)一步分為字符的特征點(diǎn)端點(diǎn)交叉點(diǎn)轉(zhuǎn)折點(diǎn)等計(jì)特征是從原始數(shù)據(jù)中提取與分類相關(guān)的信息，使類內(nèi)差距極小化類間差距極大化特征又可分為全局特征和局部特征。對(duì)整個(gè)字符圖像進(jìn)行某種變換變換系數(shù)作為圖像的一種特征為全局特征。全局特征包括變換、余弦變換、小波變換、矩特征以及筆畫的密度特征等局部特征是在特定位置對(duì)固定大小的窗口內(nèi)的圖像進(jìn)行變換它包括局部網(wǎng)格特征、投影特征等等。字符識(shí)別技術(shù)將字符圖像轉(zhuǎn)換為字符碼是模式識(shí)別技術(shù)應(yīng)用最成功的分支之一其基本思想是從包含字符的模式樣本的點(diǎn)陣圖形中提取出描述該字符的特征，然后根據(jù)一定的判決規(guī)則，判定該樣本所屬的模式類別。字符描述、特征提取和選擇分類判決共同構(gòu)成了字符識(shí)別的三個(gè)基本環(huán)節(jié)字符識(shí)別的關(guān)鍵是分類器的選擇與組織求一個(gè)具有良好的容錯(cuò)能力和自適應(yīng)能力的分類器是字符識(shí)別的主要目標(biāo)。29

5．2

車牌字符識(shí)的特點(diǎn)同一般意義上的字符相比，車牌字符識(shí)別有其獨(dú)有的特點(diǎn)[（1）字符集小各種車輛牌照中包含的字符有各?。ㄊ?、自治區(qū)）簡(jiǎn)稱、軍用車輛簡(jiǎn)稱、使領(lǐng)館車輛以及教練車輛等漢字字符以及英文字母和10數(shù)字字符的類別不超過100類，其分類規(guī)模要遠(yuǎn)遠(yuǎn)小于一般的車牌自動(dòng)識(shí)別系統(tǒng)。對(duì)于格的車牌來(lái)說，這個(gè)分類規(guī)模還要更小。（2）字符集可以進(jìn)一步細(xì)分車牌區(qū)域可以分為三個(gè)部分地區(qū)簡(jiǎn)稱部分發(fā)牌機(jī)關(guān)代號(hào)部分以及牌照編碼部分這三個(gè)部分所使用的漢字都有相應(yīng)的規(guī)定地區(qū)簡(jiǎn)稱部分使用一個(gè)代表省?。ㄊ?、自治區(qū)）簡(jiǎn)稱的漢字；發(fā)牌機(jī)關(guān)代號(hào)部分使用大寫英文字母；編碼部分混合使用大寫英文字母和數(shù)字因此整體字符集又可以細(xì)化為漢字集字母集和字母數(shù)字集。（3）外界因素影響大車牌識(shí)別系統(tǒng)在戶外全天候工作外界因素很敏感晝夜交替雨雪天氣、車輛行駛速度過快等都會(huì)對(duì)圖像采集造成干擾致提取的字符模模式樣本）出現(xiàn)字符模糊、變形、斷裂等情形，進(jìn)而影響最終的識(shí)別率。因此，字符識(shí)別算法最好具備較強(qiáng)的抗干擾性和適應(yīng)性。（4）實(shí)時(shí)性隨著需求的提升單一的車票識(shí)別系統(tǒng)已經(jīng)不能滿足實(shí)際的需求現(xiàn)在車牌識(shí)別系統(tǒng)主要是作為一個(gè)模塊應(yīng)用在智能交通管理系統(tǒng)中統(tǒng)的應(yīng)用場(chǎng)合要求它必須能及時(shí)的對(duì)車輛進(jìn)行圖像采集、處理，以及牌照識(shí)別等工作。顯然，字符識(shí)別模塊也要具有較高的處理速度和效率，滿足實(shí)時(shí)性的要求[16]

。5．3

基于模板匹的字符識(shí)別法模板匹配[

是模式識(shí)別領(lǐng)域最典型的算法之一，它先在待測(cè)圖像中提取出若干特征再用這些特征與標(biāo)準(zhǔn)模板中的相應(yīng)特征進(jìn)行比對(duì)利用一定的判決規(guī)則判定待測(cè)模板的分類在用模板匹配法對(duì)字符進(jìn)行識(shí)別時(shí)通常要先確定一個(gè)標(biāo)準(zhǔn)的字符模板庫(kù)該標(biāo)準(zhǔn)模板庫(kù)中包含了字符集中每個(gè)字符的特征集合如橫、豎、撇、捺、折、點(diǎn)、連通域以及某些統(tǒng)計(jì)特征等，然后提取待識(shí)別字符的30

,n,n(m相應(yīng)特征集合將待識(shí)別字符的特征和標(biāo)準(zhǔn)模板庫(kù)中的字符特征進(jìn)行比對(duì)依據(jù)判決規(guī)則（如計(jì)算特征模板間的距離）對(duì)待識(shí)別字符進(jìn)行分類。計(jì)算模板匹配法中相似度算法有算法、差方和算法（算法）以及NCC法等。SSD算法19]

通過計(jì)T之間的灰度值距離對(duì)圖像進(jìn)行相似度匹配。其計(jì)算公式如下：D(ij)

NN

（5.1NCC法[20]

mn即歸一化交叉相關(guān)算法它是法的變形其匹配公式為：

ij(mn)ij)()R(i,j

mn

ij

,)(

ij))2

()T))

（5.2mn式中(i,j和T)分別搜索子S

ij

mn和模板T的灰度平均值。AD算法[21]通過計(jì)算尺寸為M的待搜索灰度圖S和尺寸為NN的模板TM）之間的距離的絕對(duì)差值來(lái)確定和T之間的相似程度，并最終確定分類。最簡(jiǎn)單的計(jì)算絕對(duì)差值的公式如下：D(ij)

N

ij(m)(n

（5.3n在字符比較標(biāo)準(zhǔn)時(shí)，模板匹配法對(duì)字符圖像的缺損、污跡有較強(qiáng)的免疫力，而且具有較大的識(shí)別率；但是，在字符旋轉(zhuǎn)、變形的等情況下，識(shí)別效果較差。圖5.131

5．4

實(shí)驗(yàn)分析本章是在車牌已分割好的字符的基礎(chǔ)上采用模板匹配法進(jìn)行字符識(shí)別首先收集好字符模板建立字符模板庫(kù)其次已分割好的字符作為待測(cè)字符，通過AD算逐一計(jì)算出的待測(cè)字符與字符庫(kù)中相似度最后將相似度大的字符輸出，完成字符識(shí)別。為了檢驗(yàn)本章提出的車牌識(shí)別算法，本文對(duì)90多張車輛圖像進(jìn)行試驗(yàn)。以下列出3數(shù)據(jù)，給出了原始圖像及識(shí)別結(jié)果，如圖所示。(a)原始圖像

matlab識(shí)別果(c)原始圖像

(d)matlab別結(jié)果圖5.25．5

結(jié)果分析由實(shí)驗(yàn)結(jié)果可知用模板匹配方法車牌數(shù)字和字母的識(shí)別率約60%實(shí)驗(yàn)表明，該算法是可行的。部分由于受到環(huán)境因素（天氣、照明）以及車牌新32

舊程度的影響，很難提取完整的矩形邊框，對(duì)后續(xù)的識(shí)別影響很大。另外，對(duì)候選區(qū)的搜索時(shí)，按單一法則進(jìn)行搜索，當(dāng)車牌傾斜角稍大，就會(huì)出現(xiàn)誤定位，最終導(dǎo)致識(shí)別錯(cuò)誤，因此，在以后的學(xué)習(xí)和工作中還需進(jìn)一步改進(jìn)。6

設(shè)計(jì)評(píng)述本文主要就自然場(chǎng)景下的車牌字符識(shí)別問題進(jìn)行研究過圖像處理技術(shù)進(jìn)行車牌識(shí)別本文所做的工作具體包括以下幾部分在第一章緒論中主要研究了課題的研究背景以及國(guó)內(nèi)外的研究現(xiàn)狀闡明了車牌自動(dòng)識(shí)別的流程以及本文的主要工作第二章圖像預(yù)處理階段車牌識(shí)別前需要進(jìn)行的圖像灰度化、二值化以及邊緣檢測(cè)等工作進(jìn)行了介紹在第三章車牌定位階段通過常用的定位方法基于紋理特征和數(shù)學(xué)形態(tài)的方法進(jìn)行定位在第四章字符分割中并提出了本文的字符切割方法在車牌識(shí)別階段通過模版匹配法對(duì)車牌數(shù)字和字母進(jìn)行識(shí)別文算法的識(shí)別率還有待進(jìn)一步提高遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)際應(yīng)用的要求，希望在以后的學(xué)習(xí)和工作中，不斷改進(jìn)。通過對(duì)基于數(shù)字圖像的車牌識(shí)別這一課題的設(shè)計(jì)研究我對(duì)數(shù)字圖像處理這一門課程有了全新的認(rèn)識(shí)和學(xué)習(xí)對(duì)基于數(shù)字圖像的車牌識(shí)別這一課題進(jìn)行了系統(tǒng)的學(xué)習(xí)掌握了課題研究背景內(nèi)外研究現(xiàn)狀牌識(shí)別系統(tǒng)的結(jié)構(gòu)圖、車牌圖像的預(yù)處理，并對(duì)車牌進(jìn)行灰度化、二值化以及邊緣檢測(cè)、車牌定位，基于紋理特征和數(shù)學(xué)形態(tài)特征的車牌定位方法并給出定位結(jié)果字符切割根據(jù)車牌自身特征用一種對(duì)水平投影法進(jìn)行改進(jìn)的車牌字符分割的方法對(duì)車牌進(jìn)行分割、字符識(shí)別，模板匹配的方法，建立了字符模板，以及用AD算法檢測(cè)待測(cè)字符和模板字符中的相似程度，最終通過MATLAB現(xiàn)了車牌數(shù)字與字母的識(shí)別等一系列知識(shí)，同時(shí)也使我熟悉了MATLAB一軟件的應(yīng)用。33

附錄A：[d]=main(jpg)allclc車牌圖片jpg');figure(1),imshow(I);title('原圖)I1=rgb2gray(I);figure(2),subplot(1,2,1),imshow(I1);title('灰圖');圖);I2=edge(I1,'robert',0.15,'both');figure(3),imshow(I2);title('robert算子測(cè))I3=imerode(I2,se);34

figure(4),imshow(I3);title('腐蝕后圖像');se=strel('rectangle',[25,25]);figure(5),imshow(I4);title('平滑圖像的輪廓');I5=bwareaopen(I4,2000);figure(6),imshow(I5);title('從對(duì)象中移除小對(duì)');Blue_y=zeros(y,1);fori=1:yforj=1:xBlue_y(i,1)=藍(lán)色像素點(diǎn)統(tǒng)計(jì)endendend[tempMaxY]=max(Blue_y);%Ywhile((Blue_y(PY1,1)>=5)&&(PY1>1))35

endwhile((Blue_y(PY2,1)>=5)&&(PY2<y))endIY=I(PY1:PY2,:,:);%%%%%%X%%%%%%%%%Blue_x=zeros(1,x);%進(jìn)定xforj=1:xforBlue_x(1,j)=endendendPX1=1;while((Blue_x(1,PX1)<3)&&(PX1<x))endPX2=x;while((Blue_x(1,PX2)<3)&&(PX2>PX1))36

endPX1=PX1-1;%dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;figure(7),subplot(1,2,1),imshow(IY),title('行方向合理區(qū)域);figure(7),subplot(1,2,2),imshow(dw),title('像)imwrite(dw,'dw.jpg');[filename,filepath]=uigetfile('dw.jpg','輸入一個(gè)定位裁剪后的車牌圖像');jpg=strcat(filepath,filename);a=imread('dw.jpg');imwrite(b,'1.車牌灰度圖像.figure(8);subplot(3,2,1),imshow(b),title('1.車像)g_max=double(max(max(b)));g_min=double(min(min(b)));%d=(double(b)>=T);%二imwrite(d,'2.車牌二值圖像.37

figure(8);subplot(3,2,2),imshow(d),title('2.車像)前)%h=fspecial('average',3);imwrite(d,'4.均值濾波后jpg');后)%%%個(gè)的正%'line'/'diamond'/'ball'...%eye(n)thematrixifbwarea(d)/m/n>=0.365elseifd=imdilate(d,se);endimwrite(d,'5.膨脹或腐蝕處理.jpg');38

后)%d=qiege(d);figure,subplot(2,1,1),imshow(d),title(n)k1=1;k2=1;s=sum(d);j=1;whilej~=nwhiles(j)==0endk1=j;whiles(j)~=0&&endk2=j-1;ifk2-k1>=round(n/6.5)%分endend39

%d=qiege(d);%7個(gè)字y1=10;y2=0.25;flag=0;word1=[];whileflag==0left=1;wide=0;whileendifwide<y1%認(rèn)為是左d(:,[1:wide])=0;d=qiege(d);elsetemp=qiege(imcrop(d,[11wide[m,n]=size(temp);all=sum(sum(temp));iftwo_thirds/all>y21end40

endend%[word2,d]=getword(d);%[word3,d]=getword(d);%[word4,d]=getword(d);%[word5,d]=getword(d);%[word6,d]=getword(d);%[word7,d]=getword(d);41

%此處演示20]);20]);20]);20]);20]);20]);20]);imwrite(word