《车牌识别设计与实现毕业论文.doc》由会员分享，可在线阅读，更多相关《车牌识别设计与实现毕业论文.doc（32页珍藏版）》请在三一办公上搜索。
1、目 录摘 要AbstractII1 绪论11.1 课题的来源与意义11.2 课题主要研究的问题21.3 系统设计的目标与根本思路21.3.1 设计目标21.3.2 根本思路32 图像预处理42.1 汽车牌照的特征42.2 灰度变换52.3 图像增强62.4 图像边缘提取与二值化82.4.1 图像边缘提取82.4.2 灰度图像二值化142. 5 形态学滤波153 车牌定位方法研究193.1 车牌定位常用方法介绍193.1.1 基于纹理特征分析的定位方法193.1.2 基于数学形态学的定位方法193.1.3 基于边缘检测的定位方法193.1.4 基于小波分析的定位方法193.1.5 基于图像彩色信
2、息的定位方法203.2 基于行扫描灰度跳变分析的车牌定位方法204 车牌识别方法研究224.1 牌照区域的分割和图像进一步处理224.1.1牌照区域的分割224.1.2车牌进一步处理224.2 字符的分割与归一化234.2.1字符分割234.2.2字符归一化244.3 字符的识别245 总结与展望275.1 总结275.2心得体会275.3展望28致29参考文献30附录一31摘 要车牌识别系统作为智能交通系统的一个重要组成局部，在交通监控中占有很重要的地位。车牌识别系统可分为图像预处理、车牌定位和字符识别3个局部，其中车牌定位作为获得车辆牌照图像的重要步骤，是后续的字符识别局部能否正确识别车牌
3、字符的关键环节。车牌定位系统实现对车辆牌照进展定位的功能,即从包含整个车辆的图像中找到车牌区域的位置，并对该车牌区域进展定位显示，将定位信息提供应字符识别局部。针对车牌本身固有的特征，本文首先介绍了在车牌定位过程中常用的几种数字图像处理技术：图像的二值化处理、边缘检测和图像增强等。其次介绍了现在常用的车牌定位方法，并对这些方法进展分析，总结出各种方法的优缺点，然后在此根底上提出采用基于行扫描灰度跳变分析的方法对车牌进展定位，并使用MATLAB仿真实现车牌定位与识别系统。最后对该系统进展了测试，测试结果说明该系统具有良好的人机交互方式，具有较高的识别正确率和较快的识别速度，对用户给定的待测图像能
4、够迅速准确地进展车辆牌照的定位并将定位结果显示给用户，该系统具有一定的实用价值。关键词：车牌定位，灰度图像，行扫描，投影AbstractAs an important part of the Intelligent Transportation Systems, License Plate Recognition System plays an important role in traffic monitoring area. License plate recognition system can be divided into three parts, i.e., image pre-p
5、rocessing, license plate location and character recognition.The vehicle license plate location is an important procedurewhich is used to obtain a license image. It isalso the key of the following character recognition system which can identify the correct license plate characters. License plate loca
6、tion system can perform the vehicle license location function, i.e., finding the location of the vehicle license in the imagecontaining the entire vehicle license plate, positioning the plate region andthen demonstratingthe location information on the computer screen whichwill be transferred to the
7、character recognition system.According to the own inherent characteristics of license plate, this thesis introduces many commonly used digital image processing techniques in the location process of license plate: binary image processing, edge detection and image enhancement, and so on. Then, we intr
8、oduce the commonly used methods of license plate location. Further,we analysis these methods and summarize their advantages and disadvantages. Moreover, we propose locating plate by using the gray-scale image projection and line scanning method with edge detection. This system was implemented by usi
9、ng the MATLAB. Finally,the experimental results indicate that the system has a good human-computer interaction,a better identification rate and higher speed.For images provided by users, the system can quickly and accurately locate the vehicle license and display the location results to the users. T
10、herefore, this system has some practical values. Key words:license plate location, gray-scale images, line scan, projection1 绪论1.1 课题的来源与意义科学技术在不断进步，极大程度的提高了人民的生活水平，改善了生活质量，但也使得汽车的数量急剧增加。城市里道路交通引发的一系列问题也逐渐引起了人们的重视。怎样科学并且有效的进展交通管理是有关部门现在面临的一个问题。信息化的智能交通系统ITS，有效地解决了这个问题，使得经济活力得以提升，提高了道路运输效率，更加保障了行车安全，
11、实现了道路交通的自动化管理。本次设计的车牌识别系统，是智能交通系统的一个重要组成局部，在交通监控领域发挥着相当重要的作用。车辆的牌照就如同人的一样，通过查询车牌就能查询到该车的相关身份信息。因此在智能交通系统中，车牌识别系统需要处理的信息来源于车辆的这一唯一身份标识，也就是汽车的牌照，车牌识别系统因此也成为智能交通系统研发的核心。车牌识别系统按照识别的步骤来说，可以分为这样三个局部：预处理车牌图像，车牌位置确实定和车牌字符的识别。车牌图像先经过一系列步骤进展处理变成可以直接识别的灰度图像，这个灰度图像包含了车牌号信息。接着会使用到Roberts算子进展边缘检查。然后使用基于行扫描灰度跳变分析的
12、方法确定车牌在图像中的位置。字符识别所使用的方法是对二值化后的字符局部进展水平投影，再垂直投影将字符分割成一个一个分开的字符。将分割开的字符与数据库中的模板进展匹配，匹配完全符合即为字符识别成功了。有效并且高速的车牌定位系统，将能够大大提高车牌识别系统的识别精度与识别速度。车牌识别系统以其特有的强大功能，成为了交通管理自动化和车辆检查系统的一个非常重要的组成局部，它在交通监视和控制中起着非常重要的作用，可以应用到以下交通控制领域：1高速公路和停车场收费管理系统。对于公路收费的入口和出口，车辆行驶通过不用停车就可以完成收费；还可以根据识别出来的车牌查询到车辆有没有与时缴纳路桥费，是否通过年审和有
13、没有缴清罚款之类的。2交通场所布控管理系统。该系统使用车牌识别技术，自动识别相关车辆，在需要的时候可以实现快速报警功能，不仅能防止机动车被盗，为公安机关进展刑事侦查和破案提供了高科技手段。3高速公路超速监控系统。该系统以车牌识别技术为核心加上其他高科技手段，建立起无人自动监测系统，可以有效地用于解决因在高速公路上超速行驶造成的交通事故。同时当车辆的速度高于限制值，就可以通过摄像头获取汽车的图像，并识别出获得的车牌的，以便于对违章车辆进展罚款。1.2 课题主要研究的问题1车牌图像预处理的方法？ （2） 采用何种方法对汽车牌照进展定位？ 3采用何种方法对汽车牌照进展识别？1.3 系统设计的目标与根
14、本思路1.3.1 设计目标本系统主要应用于对车辆图像进展车辆牌照的定位和车牌字符的识别，根据这一实际应用背景，确定了系统设计的三个目标：实用性、高速性和鲁棒性。实用性：该系统主要应用于车辆管理，以与其他与车牌有关系的领域，所以具有很重要的实用价值，为了提高其实用价值，要充分考虑系统在应用中所遇到的问题，防止由于识别的偏差导致结果的不正确，影响工作的进程，降低工作的效率。高速性：由于本系统处理的对象为运动中的车辆，在实际应用过程中，提交给系统的车辆图像间隔时间较短，因此本系统必须能够高速地对车辆图像进展分析处理，并获得结果。鲁棒性：在整个车牌自动识别过程中，本系统首先从图像中准确获得车辆牌照的区
15、域，继而对车牌区域的字符正确识别。而在实际应用过程中，系统获得的车辆图像必然会有参数不规的现象，因此本系统必须能够适应各类图像并能够对输入的车辆图像具有较高的定位准确率。1.3.2 根本思路由于车辆牌照相对于车辆本身以与周围环境，具有其独有的特征，所以在车牌的定位过程中，一般采取的方法是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。利用的车牌特征主要包括：1车牌区域边缘灰度与外部区域存在明显的灰度差异。2车牌的几何特征，即车牌的高、宽和高宽比在一定围。3车牌区域的字符与背景颜色之间存在明显的灰度差异。4车牌区域水平或垂直投影特征，车牌区域水平或垂直投影呈现连续的峰谷峰的分布
16、。本系统针对车辆牌照的这一系列特征，采用基于行扫描灰度跳变分析的根本思路进展车辆牌照的定位方法。该方法首先通过对灰度图像进展二值化、边缘检测、滤波等处理，获得较理想的供定位图像，然后对该图像进展垂直和水平方向的行扫描，结合车辆牌照的上述特点，通过分析图像的灰度跳变特征，对车辆牌照进展定位1。车辆牌照定位后对牌照区域字符进展分割，将分割好的字符进展二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进展匹配，最后选最正确匹配作为结果。2 图像预处理图像预处理是车牌定位的准备工作，以提高车牌图像的适用性。从采集卡获得的原始图像不仅包括汽车牌照，而且还有汽车本身和汽车的背景图像，因此必
17、须去掉这些非牌照图像的影响，才有可能正确的提取出牌照区域，为后面的车牌字符识别打下根底。在实际应用中，由于季节的更替、自然光照度的昼夜变化、光照的稳定性与均匀性、车辆自身的运动、观察点不同(摄像机的角度、位置、观察角度等)、采集图像的设备本身的因素等的影响，图像传感器所获取的图像有时并不令人满意，存在各种各样的噪声。因而必须对图像进展预处理，以改善图像质量，提高字符识别率。2.1汽车牌照的特征车牌识别系统需要全天候工作，在白天、黑夜、阴天、晴天、雨雪、逆光等情况下无故障地进展工作。尤其是在强光照射下，得到的数字图像各处反光不均匀，在夜间的时候，汽车前灯往往造成数字图像亮度不均匀，比照度较低，这
18、些情况往往需要进展直方图均衡操作。当车辆速度很高时，会造成拍摄的图片模糊，甚至变形。路面问题，现在国很多路面条件较差，常常会导致车牌污染严重、倾斜、甚至变形。从而使得获得的图片质量很差，会造成识别困难。在车辆车牌中包含汉字、字母和数字，其中字母和数字识别比拟简单，汉字字符笔画繁多、结构复杂，识别困难，因此需要得到的数字图像有较高的分辨率，对应算法有较高的抗干扰性。汽车牌照作为车辆的唯一身份标识,其特征也就成为车牌定位的重要参考依据。车辆牌照的特征有形状特征、字符特征和灰度变化特征等。车牌定位系统在处理这些特征时将会应用到数字图像处理技术2。1形状特征标准车牌的宽、高、以与宽高比一定。车牌的边缘
19、是线段围成的有规那么的矩形，大小变化有一定的围。汽车前车牌的标准外轮廓尺寸为440x140，每个字符宽度为45，高度为90，间隔符宽10，字符间隔12。整个车牌的宽高比近似为3:1。实际中摄像机的拍摄角度不同，拍摄到的车牌宽高比例会有所差异。2字符特征标准车牌首位为省名简称，共有31个字符(不考虑军、警车)；次位为英文字母(除去“I)共25个英文大写字母；后面五位为英文字母或阿拉伯数字(字母除去字母“I和字母“O)，共有34个字符。3灰度变化特征车牌的底色、边缘颜色以与车牌外的颜色都是不一样的，表现在图像中就是灰度级互不一样，这样在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在灰度上的表现是
20、一种屋脊状边缘；在车牌区域部，穿过车牌的水平直线其灰度呈现连续的波峰、波谷、波峰的分布；车牌区域的边缘灰度直方图具有两个明显并且别离的分布中心；车牌区域的水平和垂直投影呈现连续的波峰、波谷、波峰的分布。这局部特征主要用在对灰度图像进展车牌定位、字符分割方面3。2.2 灰度变换灰度图是指只包含亮度信息，不包含色彩信息的图像，例如平时看到的亮度连续变化的黑白照片就是一幅灰度图。灰度化处理就是将一幅彩色图像转化为灰度图像的过程。彩色图像分为R、G、B 三个分量，分别显示出红、绿、蓝等各种颜色，灰度化就是使彩色的R、G、B 分量相等的过程。灰度值大的像素点比拟亮像素值最大为255，为白色，反之比拟暗像
21、素值最小为0，是黑色。本次灰度图像变换的实现采用了rgb2gray函数rgb2gray：转换RGB图像或颜色映像表为灰度图像格式：I=rgb2gray(RGB) I=rgb2gray(A)原始图像和灰度图如图2-1、2-2所示：图 2-1 原始图像图 2-2 灰度图像2.3 图像增强对车辆图像进展灰度化处理之后，车牌局部和非车牌局部图像的比照度并不是很高，此时如果直接进展边缘提取，由于车牌界限较为模糊，难以提取出车牌边缘，因而难以准确定位车牌。为了增强牌照部位图像和其他部位图像的比照度，使其明暗鲜明，有利于提高识别率，需要将车辆图像进展增强。图像增强的目的是对图像进展加工，以得到对具体应用来说
22、视觉效果更适于计算机识别的图像。增强图像的方法有很多，如灰度变换、图像平滑处理和线性滤波等，根据处理图像域又可分为空间增强与频域增强。目前用于车牌图像增强的方法有：灰度拉伸、直方图均衡、中值滤波、高斯滤波、邻域滤波、图像腐蚀、多图像平均、同态滤波等等。在本设计中用到运动目标检测图像开运算，图像的开运算是先腐蚀后膨胀，用来消除小物体、在纤细点处别离物体、平滑较大物体的边缘同时并不明显改变其面积。1对原始图像进展开运算得到背景图像：s=strel(disk,13); %调用strel函数Bgray=imopen(Sgray,s); %对图像进展开运算figure,imshow(Bgray);tit
23、le(背景图像);输出背景图像，如图 2-3 所示 图 2-3 背景图像图 图2-4 增强后的黑白图像2原始灰度图像与背景图像做减法，对图像进展增强处理：Egray=imsubtract(Sgray,Bgray);figure,imshow(Egray);title(增强黑白图像);输出黑白图像如图 2-4 所示。2. 4 图像边缘提取与二值化2.4.1 图像边缘提取边缘主要存在于目标与目标、目标与背景、区域与区域包括不同色彩之间，边缘检测主要是准确定位边缘和抑制噪点，原理是：由于微分算子具有突出灰度变化的作用，对图像进展微分运算，在图像边缘处与其灰度变化较大，故该处微分计算值较高，可将这些为
24、分支作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果为分支大于阈值，那么为边缘点。其根本步骤是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度，通过设置门限的方法提取边缘点集4。常用的传统边缘检测算子有 Roberts 算子、Sobel 算子、Prewitt 算子、Laplace算子等。Roberts算子：边缘定位准确，但对噪声敏感，去噪声作用小，适合于边缘明显且噪声较小的图像分割；物体的边缘总是以图像中强度的突变形式出现的，所以物体边缘包含着大量的信息。由于物体的边缘具有十分复杂的形态，因此，最常用的边缘检测方法是所谓的“梯度检测法。设是图像灰度分布函数；是图像边缘
25、的梯度值；是梯度的方向。那么有 2-1 n=1,2,. 2-2式2-1与式2-2可以得到图像在x,y点处的梯度大小和梯度方向。将式2-1改写为： 2-3称为Roberts边缘检测算子。式中对等的平方根运算使该处理类似于人类视觉系统的发生过程。事实上Roberts边缘检测算子是一种利用局部差分方法寻找边缘的算子，Robert梯度算子所采用的是对角方向相邻两像素值之差，所以用差分代替一阶偏导，算子形式可表示如下： 2-4上述算子对应的两个模板如图 2-5 所示。实际应用中，图像中的每个像素点都用这两个模板进展卷积运算，为防止出现负值，在边缘检测时常提取其绝对值。 1 0 0 -1 0 1 -1 0
26、 a b 图2-5 Robert算子模板Sobel算子：它是方向性的，在水平和垂直方向上形成了最强烈的边缘。Sobel算子不仅能检测边缘点，而且能抑制噪声影响，对灰度渐变和噪声较多的图像处理得较好；该算子是由两个卷积和与对原图像进展卷积运算而得到的。其数学表达式为： 2-5实际上Sobel边缘算子所采用的算法是先进展加权平均，然后进展微分运算，我们可以用差分代替一阶偏导，算子的计算方法如下： 2-6Sobel算子垂直方向和水平方向的模板如图 2-6 所示，前者可以检测出图像中的水平方向的边缘，后者那么可以检测图像中垂直方向的边缘。实际应用中，图像中的每一个像素点都用这两个卷积核进展卷积运算，取
27、其最大值作为输出。运算结果是一幅表达边缘幅度的图像。 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -3 0 1a b 图2-6 Sobel算子模板Prewitt算子：利用局部差分平均方法寻找边缘的算子，它表达了三对像素点像素值之差的平均概念，因为平均能减少或消除噪声，为此我们可以先求平均，再求差分，即利用所谓的平均差分来求梯度。用差分代替一阶偏导可得算子形式如下： 2-7Prewitt边缘检测算子的两个模板如图2-7所示，它的使用方法同Sobel算子一样，图像中的每个点都用这两个核进展卷积，取得最大值作为输出。Prewitt算子也产生一幅边缘图像。与Sobel算子相比
28、，对噪声抑制较弱。 1 0 -1 1 0 -1 1 0 -1 -1 -1 -1 0 0 0 1 1 1a b图2-7 Prewitt算子模板Laplace算子：它是一个与方向无关的各向通行边缘检测算子，对细线和孤立点检测效果好，但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用，很少直接用于检测边缘。对于阶跃状边缘，其二阶导数在边缘点出现过零交叉，即边缘点两旁的二阶导数取异号，据此可以通过二阶导数来检测边缘点。拉普拉斯边缘检测算子正是对二维函数进展二阶导数运算的标量算子，它的定义是： 2-8用差分代替二阶偏导时，与前述三个一阶导数算子不同，拉普拉斯算子的形式可表示如下： 2-9拉普拉
29、斯边缘检测算子的模板如图2-8 所示，模板的根本特征是中心位置的系数为正，其余位置的系数为负，且模板的系数之和为零。它的使用方法是用图中的两个点阵之一作为卷积核，与原图像进展卷积运算即可。拉普拉斯算子又是一个线性的移不变算子，它的传递函数在频域空间的原点为零，因此，一个经拉普拉斯滤波过的图像具有零平均灰度。拉普拉斯检测模板的特点是各向同性，对孤立点与线端的检测效果好，但边缘方向信息丢失，对噪声敏感，整体检测效果不如梯度算子。因此，它很少直接用于边缘检测。但注意到与Sobel算子相比，对图像进展处理时，拉普拉斯算子能使噪声成分得到加强，对噪声更敏感。5 0 -1 0 -1 4 -1 0 -1 0
30、 -1 -1 -1 -1 8 -1 -1 -1 -1 a b 图2-8 Laplace算子模板通过实验图对几种边缘检测算子进展仿真图2-9至2-11，可知：1Roberts算子定位比拟准确，但由于不包括平滑，所以对噪声比拟敏感。2 Prewitt算子和Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波，对噪声具有一定的抑制能力，但不能完全排除检测结果中出现伪边缘。该类算子对灰度渐变和具有噪声的图像处理比拟好。其中Sobel算子比Prewitt算子更能抑制噪声的影响。3Laplace算子对图像中的阶跃性边缘点定位准确，对噪声非常敏感，丢失一局部边缘的方向信息，造成一些不连续的
31、检测边缘。边缘检测算子的实现代码：I2=edge(I1,Roberts,0.09,both);Figure，imshowI2；title(Roberts算子);图 2-9 Roberts算子图 2-10 Prewitt算子图 2-11 Sobel算子通过边缘检测仿真结果图可见，几个边缘检测算子都可以较好的提取所需的车牌边缘。为了车牌的定位，希望车辆图像的车牌区域突现出来的同时，其它边缘能够很好的得到抑制。Roberts算子提取边缘能有效地检测出车牌区域的纹理特征，所以，本次设计选用Roberts算子。2.4.2 灰度图像二值化灰度图像的二值化处理就是将图像上的点的灰度值置为0或255，也就是将
32、整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，要进展二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉与像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否那么这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的
33、物体区域。如果某特定物体在部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阀值法就可以得到比拟的分割效果。如果物体同背景的差异表现不在灰度值上比如纹理不同，可以将这个差异特征转换为灰度的差异，然后利用阀值选取技术来分割该图像。动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。本文采用的图像二值化最正确阈值计算方法如下：Level=(fmax1-(fmax1-fmin1)/3)式中Level为最正确阀值，fmax为最大灰度，fmin为最小灰度，将图像二值化：fmax1=double(max(max(Egray); %egray的最大值并输出双精度型fmin1=d
34、ouble(min(min(Egray); %egray的最小值并输出双精度型level=(fmax1-(fmax1-fmin1)/3)/255; %获得最正确阈值bw22=im2bw(Egray,level); %转换图像为二进制图像bw2=double(bw22);figure,imshow(bw2);title(图像二值化);%得到二值图像，如图 2-12：图 2-12 灰度图像二值化2. 5 形态学滤波形态学是法国和德国的科学家在研究岩石结构时建立的一门学科。形态学的用途主要用来获取物体拓扑和结果信息，他通过物体和结构元素相互作用的某些运算，得到物体更本质的形态。人们后来用数学形态学表
35、示以形态为根底对图像进展分析的数学工具。他的根本思想是用一个被称为结构元素的探针收集图像的信息。当探针在图像中不断移动时，便可考察图像各个局部间的相互关系，从而了解图像各个局部的结构特征。作为探针的结构元素，可直接携带知识形态大小以与灰度和色度信息来探测所研究图像的结构特征。数学形态是一种非线性滤波的方法，可以用于抑制噪声，进展特征提取、边缘检测、图像分割等图像处理问题。数学形态学首先被用来处理二值图像，后来也被用来处理灰度图像，现在又有学者开始用软数学形态学和模糊形态学来解决计算机视觉方面的问题。腐蚀是一种消除边界点的过程，结果是使目标缩小，空洞增大，因而可有效地消除孤立噪声点；膨胀是将于目
36、标物体接触的所有背景点合并到物体中的过程，结果是使目标增大，孔洞减小，可填补目标物体中的空洞，形成联通域。先腐蚀后膨胀的过程为开运算，它具有消除细小物体，并在纤细处别离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程为闭运算，具有填充物体细小空洞，连接临近物体和平滑边界的作用。本次毕业设计是运用了这种方法来实现其中重要步骤的。对图像做了开运算和闭运算，这两种运算是数学形态学中的重要运算。开运算就是对图像先进展腐蚀，然后在用同一结构元素对图像进展膨胀运算。闭运算就是反过来，先对图像膨胀再腐蚀。闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的连续和长细的鸿沟，消除小的孔洞，并弥补轮廓中的断裂
37、6。se=1;1;1; %线型结构元素I3=imerode(I2,se); %腐蚀图像subplot(3,2,4),imshow(I3),title(腐蚀后边缘图像);图 2-13 腐蚀后的边缘图像se=strel(rectangle,25,25); %矩形结构元素I4=imclose(I3,se); %形态学中的闭运算，聚类、填充图像，se为结构元素subplot(3,2,5),imshow(I4),title(填充后图像);图 2-14 填充后图像I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的局部subplot(3,2,6),imshow(I5),title(
38、形态滤波后图像);图 2-15 形态学滤波后的图像经分析采用矩形算子能有效地将车牌区域连接成片，去除非车牌区域，通过程序处理后的图可以清楚地看到对图像经过开操作滤波后的可能的车牌区域都清楚的保存了下来，是非常成功的。3 车牌定位方法研究3.1 车牌定位常用方法介绍车牌定位是整个车牌识别系统中核心的环节，定位精度和定位时间直接影响整个车牌识别系统的性能。车牌定位算法大多是基于汽车牌照的不同特征而提出的，一般在车牌定位方面主要的算法都是基于灰度图像的处理技术7。3.1.1 基于纹理特征分析的定位方法传统的纹理特征分析定位算法大多基于灰度图像来分析的，所以在车牌定位以前，需要对图像进展预处理，将彩色
39、图像转换为灰度图像。采用纹理特征分析的定位方法首先进展行扫描，找出图像中每一行所含有的车牌线段，记录下它们的起始坐标和长度。如果有连续假设干行均存在不少于一个的车牌线段，且行数大于某一确定的阈值，那么认为在行的方向上找到了车牌一个候选区域，并确定了该候选区域的起始行和高度。在已找到的可能存在车牌的区域做列扫描，以确定该车牌候选区域的起始行和高度以与起始列坐标和长度。由此确定一个车牌区域。3.1.2 基于数学形态学的定位方法数学形态学图像处理的根本思想，是利用一个结构元素来探测一个图像，看是否能将这个结构元素很好的填放在图像部，同时验证填放元素的方法是否有效。腐蚀、膨胀、开启和关闭是数学形态学的
40、根本运算。3.1.3 基于边缘检测的定位方法图像的边缘是指在灰度级上发生急剧变化的区域，而在背景或者物体的部这种灰度的变化是比拟平缓的。边缘检测的任务是准确定位边缘和抑制噪声。能够进展检测的方法有多种，如Roberts边缘算子、Prewitt算子、Sobel算子以与拉普拉斯边缘检测8。这些方是利用了物体边缘处灰度变化剧烈这一特点来检测图像的边缘。针对不同的环境和要求，选择适宜的算子来对图像进展边缘检测才能达到好的效果。3.1.4 基于小波分析的定位方法小波分析是一种应用于图像处理的重要分析工具，具有“显微镜的特性。小波分析的多分辨率特性使得小波分解系数在不同方向的高频子波系数具有不同特性，因此
41、利用方向小波能够反映出图像在不同分辨率上沿任一方向变化的情形9。小波分析的多尺度分解特性更加符合人类的视觉机制。3.1.5 基于图像彩色信息的定位方法传统的车牌分割方法主要应用了车牌的纹理特征和形状特征，一般情况下这二个特征对于多数情况足够了，但对于复杂背景就不够了，常借助于颜色特征来排除干扰，以提高车牌定位的准确率和成功率10。3.2 基于行扫描灰度跳变分析的车牌定位方法分析以上的各种车牌定位方法，不难发现，不同的定位方法具有各自特有的优点和缺点。基于纹理特征的车牌定位方法受外界因素影响较大，定位成功率不高，但是其定位速度较快。基于数学形态学的定位方法，其能够将定位与字符识别的功能合二为一，
42、但是其对于图像预处理后的图像效果的要求较高，并且由于要进展多种数学运算，其定位的速度较慢。基于边缘检测的定位方法，其充分利用车辆牌照的特征进展定位处理，定位的成功率高，但是其受外部干扰因素较多，定位精度不是很稳定，不同的边缘检测算子其运算效率也不尽一样。基于小波分析的定位方法需要对图像进展特征的时域频域转换，运算效率低，但是能够获得较高的定位成功率。基于图像彩色信息的定位方式能够利用图像的色彩信息进展定位处理，其定位精度高，但是其易受外部干扰的影响，且由于色彩信息数据量巨大，其运算速度较慢，对硬件资源要求很高。结合对车辆牌照特征的分析以与对各种定位方法的比拟，本系统采用的是基于行扫描灰度跳变分
43、析的车牌定位方法。该方法综合了基于纹理特征分析和基于边缘检测分析方法的特点，具有速度快和准确性高的优点。该方法首先对读入的含有车牌的灰度图像进展数字图像处理包括二值化、边缘检测和滤波处理，获得较理想的供定位的图像。对图像进展二值化处理，将灰度图像通过适当的阀值选取，将图像的每个像素进展二值化操作，得到仍然可以反映图像整体和局部特征的图像。对图像进展边缘检测，通过对图像每个像素进展数学运算，获得只包含图形边缘轮廓信息的图像。使用图像增强技术，通过对图像进展噪声的过滤等，改善图像质量、丰富信息量，加强图像判读和识别效果。然后对图像进展针对灰度跳变数量统计的水平和垂直方向的行扫描，获得这两个方向上的
44、直方图。根据车辆牌照灰度图像在水平和垂直方向上的灰度跳变特征，通过设定阈值分析出车牌区域的位置。最后输出车牌区域图像并提交给用户车辆牌照区域在整个图像中的坐标位置信息。4 车牌识别方法研究4.1 牌照区域的分割和图像进一步处理4.1.1牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度围，然后行方向统计在此颜色围的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。图4-1 行方向区域和最终定位出来的车牌4.1.2车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两局部：大于T的像素群和小于T的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素11。再用模板中的全体像素的平均值来代替原来像素值。图4-2 裁剪出来的车牌的进一步处理过程图4.2 字符的分割与归一化m，n=sized，逐排检查有没有白色像素点，设置1=jn-
