《基于静止图像的车牌照定位改进方法研究.doc》由会员分享，可在线阅读，更多相关《基于静止图像的车牌照定位改进方法研究.doc（49页珍藏版）》请在三一办公上搜索。
1、西 南 交 通 大 学毕业设计(论文)基于静止图像的车牌照定位改进方法研究年 级: 2005 级 学 号: 20052298 姓 名: 关伟 专 业: 自动化（交通信息工程及控制）指导老师: 侯 进 二零零九年六月院 系 信息科学与技术学院 专 业 自动化（交通信息工程及控制） 年 级 2005 级 姓 名 关 伟 题 目 基于静止图像的车牌照定位改进方法研究 指导教师评 语 指导教师 (签章)评 阅 人评 语 评 阅 人 (签章)成 绩 答辩委员会主任 (签章) 年 月 日 毕 业 设 计 任 务 书班 级 交控1班 学生姓名 关 伟 学 号 20052298 专 业 自动化（交通信息工程及
2、控制） 发题日期：2009 年 01 月 01 日 完成日期：2009 年 06 月 15 日题 目 基于静止图像的车牌照定位改进方法研究 题目类型：工程设计 技术专题研究 理论研究 软硬件产品开发一、 设计任务及要求 车牌照识别是智能交通系统的一个重要课题，在车辆管理、不停车收费等系统中有广泛应用。而车牌照定位又在车牌照识别技术中起着关键作用。由于多样化的牌照形式、不一致的户外光照条件、不同的车辆行驶速度及复杂背景等因素，使得车牌照识别技术课题极具挑战性。因此对于车牌照定位技术要求有较好的鲁棒性和实时性。 具体要求如下： 1. 对给定的静止图像（假设存在车辆）进行预处理分析； 2. 通过削弱
3、背景干扰缩小定位区域，并搜索可能的牌照位置； 3. 标记牌照区域并截取车牌照子图像。 为使后续工作顺利进行及实际应用的要求，该设计具体要达到的基本技术要求： (1)每张图片的处理时间不能大于0.5S；(2)车牌的获取准确率要达到95%以上。 二、 应完成的硬件或软件实验 1. 利用MATLAB或VC+编程实现车牌照的定位系统设计 2设计一个人机交互界面以显示和记录车牌照定位的结果 三、 应交出的设计文件及实物(包括设计论文、程序清单或磁盘、实验装置或产品等) 1. 毕业设计论文（必须完全符合学校规范，内容严禁有丝毫的抄袭剽窃） 2. CD-R（含论文，程序，程序使用说明书，演示视频，盘面标注班
4、级，姓名，专业，日期） 3. 英文翻译按学校规定，导师无特殊要求 四、 指导教师提供的设计资料 1. 研究报告介绍(包括课题背景、动机、内容、意义) 2. 计划说明书 3. 部分英文文献资料和Medialab LPR图像数据库 五、 要求学生搜集的技术资料(指出搜集资料的技术领域) 1. 本课题相关领域国内外重要论文及资料 2. MATLAB、C+编程指南 六、 设计进度安排第一部分 查阅相关资料，学习相关编程语言 (5 周)第二部分 编制程序并进行软件调试 (8 周)第三部分 撰写毕业论文 (2 周) 评阅及答辩 (1 周) 指导教师： 年 月 日系主任审查意见：审 批 人： 年 月 日注：
5、设计任务书审查合格后，发到学生手上。 西南交通大学信息科学与技术学院 2008年制摘 要智能交通是当前交通管理发展的主要方向，车牌照识别系统则是智能交通系统的核心，而车牌定位是其中最为关键的技术，对整个识别系统的性能起着至关重要的作用。多样化的牌照形式、不一致的户外光照条件、不同的车辆行驶速度及复杂的背景等因素，都成为了车牌定位的难点。从目前的研究成果来看，车辆牌照定位系统还远未达到完善的程度，利用各种图像处理的理论和方法进行车牌定位仍是当前研究的热点之一。所以，怎样得出一种好的定位方法，一直是现在研究人员努力的方向。本文就是针对车牌如何更好的定位，研究更为有效的车牌定位算法。对于车牌定位的方
6、法很多，也都是各有特点，但是都存在一些问题，如算法普遍存在计算量大、定位不够准确等缺点。所以为了能够更好的定位车牌，本文采用基于区域特征的牌照定位技术。首先,此方法是对原始车牌进行预处理，其中包括图像灰度化和边缘检测，并且通过数学形态学的方法来连接离散字符边缘。其中形态学基本运算包括膨胀运算、腐蚀运算、闭合运算、开启运算等。由于形态学处理过程中车牌可能断裂，造成车牌不能最终准确的定位，本文利用自设定阈值和判定方法来连接相邻的区域，目的就是连接被断开的车牌，在连接后，此结果可以滤除一些干扰区域，并形成最终的车牌候选区域。然后从车牌图像固有的一些特征入手，例如车牌图像中车牌的长宽阈值范围的设定、车
7、牌占整个图像的比例等，从候选区域中进一步判断和定位出最终的汽车牌照。本文所提及的算法全部用MATLAB编程构建成车牌定位的软件平台。该平台包含了上述的车牌定位所有步骤。并且利用本文中的算法，对实际获取的车牌进行了大量实验，本系统获得了比较令人满意的结果。关键词： 车牌照识别系统； 车牌定位； 车牌区域特征； 边缘检测； 数学形态学 AbstractCurrently, intelligent traffic is the main direction of the development of the traffic management. Vehicle license plate reco
8、gnition system is the hard core of the intelligent traffic system, and the positioning of vehicle license plate is the most pivotal technology in the recognition system, which plays an important role in the performance of the whole system. Some factors, such as variety of license forms, different ou
9、tdoor lighting conditions, different vehicle speeds and complex background, have became difficulties in plate positioning. Current technique of license plate recognition is far away from perfect. Using the theory and the technology to reform license plate recognition technique is one of the research
10、 keys. So, how to come up with a better location method, has been a study for the direction of staff efforts.This paper focuses on better positioning plate and attempts to find a more effective vehicle license plate locating algorithm. There are a lot of methods about vehicle license plate and each
11、method has its feature. However, these methods also have some problems, such as, algorithm usually have large amount of calculation, positioning plate is not accurate enough and etc. So in order to locate plate better, the positioning technology license of the positioning technology license based on
12、 regional characteristics is used in this paper. First of all, in this method, the original license plate is pre-processed, including gray of image and edge detection and the edge of discrete characters is connected by the approach of mathematical morphology. Basic morphological operations include e
13、xpansion computing, corrosion computing, closure operator, open computing and etc. Because the vehicle license plate is probable broken during the morphology processing procedure, which may finally cause the license plate cant be positioned accurately, the set threshold and identification methods ar
14、e used to connect adjacent regions in this paper, the purpose is to connect the broken plate, after connecting, the results can filter out some interference regions, and form the final license plate inquire electoral district. Then starting from some of the inherent characteristics of license plate
15、images, such as setting the threshold range of the length and width of license plate in license plate image and the proportion of the total license plate images and etc, to further determine the final positioning of the vehicle license from the inquire electoral district.Algorithm mentioned in this
16、paper, a software platform is constructed by MATLAB programming tool. This platform contains all the steps mentioned above. And using the algorithm introduced in this paper, extensive experiments are conducted over a lot of vehicle license plates obtained in real life, and this system have achieved
17、a satisfactory result.Key words: Vehicle license plate recognition system; License plate localization; Regional characteristics of plates; Edge detection; Mathematical morphology目 录摘 要IVABSTRACTV第1章 绪 论11.1 选题的背景和意义及国内外研究现状11.1.1 选题的背景和意义11.1.2 国内外研究现状21.2 车牌定位的主要内容和研究方法31.2.1 车牌定位的主要内容31.2.2 基于灰度图像
18、的车牌定位方法的研究31.2.3 基于彩色图像的车牌定位方法的研究51.3 本文的研究内容和系统体系结构61.3.1 车牌定位方法内容概述61.3.2 系统的体系结构设计61.4 本文的结构安排8第2章 车牌定位的前期处理92.1 真彩色到灰度图像的转换92.2 灰度图像的变换增强102.3 灰度图像的边缘检测122.4 本章小结14第3章 车牌区域定位的实现153.1 数学形态学处理153.1.1 结构元素矩阵153.1.2 膨胀运算153.1.3 腐蚀运算163.1.4 开启和闭合运算173.2 车牌区域定位的实现193.2.1 车牌区域的合并193.2.2 车牌区域的定位223.3 本章
19、小结25第4章 二次车牌定位的算法和性能分析264.1 二次车牌定位算法264.2 本论文算法的性能分析304.2.1 对于不同背景下的车牌定位分析304.2.2 图片处理时间和准确度分析334.3 本章小结35结 论36致 谢37参考文献38第1章 绪 论1.1 选题的背景和意义及国内外研究现状1.1.1 选题的背景和意义近年来，智能交通系统(Intelligent Transportation System)越来越受到人们的重视，并逐渐应用在交通信息统计收集、路车间通信、停车场管理、不停车自动收费、车辆自动行驶等领域，而上述领域都与汽车牌照的自动识别有关1。对汽车车牌的正确识别，既可以实现
20、在交通路口、高速公路、军事要塞、机关门卫对过往车辆的实时登记、流量统计和对防卫目标的安全警备，对肇事车辆、被盗车辆、犯罪车辆进行辨识和拦截；又可在汽车存车场对进出的车辆进行登记、统计和查询，以保障安全防盗，并可协助自动记费，这些是建设智能交通系统不可或缺的部分2。车牌识别系统(License Plate Recognition System,LPRS)是智能交通中的重中之重，而车牌识别系统的流程如图1-1所示。图像采集车牌定位字符分割字符识别输出结果图1-1 汽车牌照识别系统框图从图1-1流程图中不难看出，在车牌识别系统中，最重要的步骤就是车牌定位，定位的成功与否以及定位的准确程度将会直接决定
21、后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。近年来不少学者针对车牌本身的特点，车辆拍摄的不良现象及背景复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善。然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求。因而，进一步加深车牌定位的研究是非常有必要的，同时研究高效的汽车牌照定位算法也有着重要的应用价值。1.1.2 国内外研究现状国内外都进行了应用图像处理技术解决汽车牌照识别
22、的研究，最早提出在上世纪80年代，这个阶段并没有形成完整的系统，而是就车牌识别的某个问题、某一种特定环境进行讨论，而且通常采取简单常用的图像处理技术来解决的。进入90年代，由于计算机视觉的发展，开始出现了汽车牌照识别系统化研究，并且在1990年，第一个车牌识别系统研究成功。到目前为止国外的车牌识别系统的识别率已经达到90%左右3。车牌定位在整个汽车牌照自动识别系统中的重要地位是显而易见的。在国外典型的牌照定位方法有：J.Barroso提出的基于水平线搜寻的定位3；R.Parisi等提出的基于DFT变换的频域分析方法4；Charl Coetzee提出的基于Niblack二值化算法及自适应边界搜索
23、的定位方法5。另外，灰度阈值、区域生长、边缘检测、频域和空间分割等方法也在传统的定位技术中得到大量应用。然而，由于车牌识别大多是在户外进行的，所以存在像天气等客观原因，使车牌定位系统不能很好的识别，甚至产生不能识别或错误识别的现象。在国外研究过一些关于识别的产品，这些产品大多是车牌识别系统，其中的核心部分都是车牌定位系统，这些产品有：1. 英国IPI公司研发了RTVNPR(Real Time Vehicle Number Plate Recognition)系统。2. 交通检测系统VNPR(Vehicle Number Plate Recognition)。3. 新加坡的Optasia公司自行
24、研发了车牌识别系统IMPS(Integrated MultiPass System)。4. CARINA 软件开发包是FORNIX公司开发的一个自动可视监测识别汽车牌照的图像识别软件包。5. LPR (License Plate Recognition)是HSTOL公司开发的系统，该系统能应用到停车场、入口控制、交通监测等场所，能检测和识别汽车车牌2。90年代以来，由于交通现代化发展的需要，我国也开始对车牌定位进行深入研究，并取得了一定成效。国内比较好的定位算法有:直线边缘检测法6- 8;基于灰度图像二值化的方法910;基于神经网络的车牌定位方法1112;基于彩色图像的车牌分割方法1314 2
25、6;基于行扫描的车牌定位算法等15。而在国内与车牌定位相关的公司有：上海高德威智能交通系统有限公司、北京汉王科技有限公司、亚洲视觉科技有限公司、智慧光科技有限公司、沈阳聚德视频技术有限公司、中国信息产业部下属的中智交通电子系统有限公司等2。此外，国内的很多高校和科研院所都做过汽车牌照自动识别系统的研究并开发了相关的产品，比如清华大学、浙江大学、西安交通大学、上海交通大学和中国科学技术大学等2。1.2 车牌定位的主要内容和研究方法1.2.1 车牌定位的主要内容车牌定位技术的出发点是通过车牌区域的特征来判断牌照，可利用的车牌特征主要包括：1. 车牌区域内的边缘灰度直方图统计“特征”，车牌区域内的边
26、缘灰度直方图具有两个明显且分离的分布中心。2. 车牌的几何特征，即车牌的高、宽、高宽比在一定的范围内16。3. 车牌区域的灰度分布特征，穿过车牌的水平直线其灰度呈现连续的峰、谷、峰的分布。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。 5. 车牌形状特征和字符排列格式特征，车牌有矩形边框、字符排列符合一定的标准。目前，主要通过两条技术路线进行车牌定位的研究。一条技术路线是基于灰度图像的车牌定位方法。另一条技术路线是基于彩色图像的车牌定位方法。早期由于受计算机运算速度和内存大小影响，考虑到实时性，车牌定位主要是基于灰度图像处理技术，包括灰度阈值方法、频域和空
27、间分割方法、连接元素分析方法以及Hough变换法等，可大致分为如下几类：1. 基于直线检测的方法 这类方法一般采用Hough变换等方法来检测直线（车牌周围边框形成）。Hough变换计算量较大，对于边框不连续的实际车牌，需附加大量的运算。2. 基于阈值化的方法 图像经过阈值化得到字符和背景分离的二值图像是这类方法的特点。目前已经提出了多种阈值化策略，但简单算法二值化效果不好，复杂算法计算时间长、计算量大限制了实际应用。3. 基于灰度边缘检测方法 此类方法通常利用车牌区域局部对比度明显和灰度有规律的纹理特征来定位。中国车牌类型较多，在不同光照条件下车牌对比度更加不统一，需要进行图像增强处理，还需要
28、考虑图像中与车牌特征非常相似的非车牌区域的排除问题17。1.2.2 基于灰度图像的车牌定位方法的研究基于灰度图像的车牌定位具体方法有：中国科学院的刘智勇，刘迎建等人针对车牌特点，设计了一个变换函数突出其特点从而进行车牌的提取18。这种方法采用最大方差法来进行二值化阈值的选取，并对二值化后的图像进行水平扫描，找出相对小的而且扫描线变化剧烈的区域作为候选区域，再以适当的变化率确定车牌的位置。该方法在实践中取得了良好的效果，但是在车牌提取时可能出现“反工”，造成处理时间太长，不能很好的满足实时性。南京航空航天大学的刘效静，成瑜等人提出了基于车牌字符变化特点的自动扫描识别算法19。这种方法是利用汽车牌
29、照中字符笔划变化频率比较稳定的特点，即笔划间隔的像素是稳定在某一个范围内，笔划数也存在下限的特点。设定阈值，通过扫描确定上下边界位置和左右边界位置，再在已缩小的范围内用上述方法进行递归检测，直到牌照位置比较稳定为止。这种方法在拍摄角度、距离、光线都有很大调整的情况下，能够快速准确定位、分割车牌。小波分析是当前应用数学和工程学科中一个迅速发展的新领域，经过二十多年的探索和研究，重要的数学形式化体系已经建立，理论基础更加扎实。与Fourier变换、Gabor变换相比，小波变换是空间(时间)和频率的局部变换，因而能够有效的从信号中提取信息。华南理工大学的戴青云和广东工业大学的余英林提出了基于小波与形
30、态学的车牌图像分割方法20。这种方法通过小波多尺度分解提取出纹理清晰，具有不同分辨率、不同方向的边缘子图像，其水平方向低频、垂直方向高频的这一分量主要代表车牌的目标区域。然后，用数学形态学方法对小波分解后的细节图像进行一系列的形态运算，进一步消除无用信息和噪音，以找准车牌位置。实验结果表明该方法效果较好。当然除了上面介绍的几个具体的关于灰度车牌定位实例外，还有其他的方法，这里就不再赘述了。上述基于灰度图像方法，其缺点是当车牌图像的对比度较小或光照不均匀以及有类似车牌纹理特征的干扰时，误识率增加且无法提供车牌的颜色信息。颜色是车牌的重要特征，不同种类车辆的车牌具有不同的颜色模式，因此，交通监控、
31、不停后收费等应用领域已对车牌识别系统提出了颜色要求。近年来随着计算机技术的飞速发展，很多学者已开始应用彩色图像处理技术进行车牌定位，采取的主要方法有：1应用神经网络对图像进行颜色分割，然后计算车牌底色的水平和垂直投影值，最后根据车牌的宽高比来定位车牌。2采用彩色边缘检测与区域生长相结合的方法来定位车牌。3采用彩色、空间、距离和相似度进行车牌底色的颜色分割；再采用投影法根据车牌宽高比确定车牌区域；最后对候选车牌区域灰度图像进行纹理分割提取车牌。4利用车牌字符边缘颜色对进行分割。根据车牌颜色特征、车牌背景与字符等，也就是说字符边缘两侧像素的颜色具有固定搭配的特点，判断剥离不符合车牌底色的非车牌区域
32、，能够将车牌底色褪色或虽具有和车牌相似的几何及纹理特征，但不符合颜色特征的伪车牌剔除17。1.2.3 基于彩色图像的车牌定位方法的研究基于彩色图像的车牌定位具体方法有：中国科技大学的陈锻生等人提出了一种在复杂背景下彩色图像汽车牌照提取分割技术21。此项方法提取了汽车牌照自身标准模式的多种重要特征，综合了局部特征分布、形状、彩色等知识，如局部区域的宏纹理(水平方向上的灰度和色度跳变的平均数)、体态比、密集度和颜色组合等信息。首先利用自适应阈值对梯度图求出二值化边缘区域；然后利用数学形态学运算和连通域形状分析，初步筛选出候选的车牌区域，再利用彩色分析，挑选出正确的车牌区域，并实现了牌照的倾斜校正和
33、边框线与铆钉去除；最后运用投影分析分割出车牌的各个字符。实验结果表明该技术方案在实时性、鲁棒性和正确率等方面都能够达到实用技术指标，但该方法在速度估算、最佳角度图像捕获和非正面车牌图像的几何透视校正等方面存在不足，还需要进一步的研究。华中科技大学图像识别与人工智能研究所的任仙怡等人提出了一种基于颜色信息的车牌定位策略22。首先将图像从RGB颜色模型转化为HSI模型，利用颜色信息对输入图像进行彩色粗分割，得到了为车牌颜色的一些区域;然后将分割结果中的伪目标区域(即除了车牌区域外的其它区域)分为两类：一类是与汽车牌照颜色相近的背景；一类是可能和牌照颜色相近的汽车外壳，分别进行处理;最终利用投影法得
34、到准确的牌照位置。实验结果表明该方法效果较好。浙江大学的张引等人提出了彩色边缘检测算子ColorPrewitt和彩色边缘检测与区域生长相结合的车牌定位算法23，这种方法的主要思想是通过边缘检测算子ColorPrewitt对彩色图像进行边缘检测，并借助数学形态学的膨胀技术实现区域的连通，采用区域生长法标记得到一些候选区域，最后利用车牌的先验知识，剔除伪车牌区域，确定真正的车牌区域。该算法简单，定位准确率高，适应性强，通用性较好。在基于彩色图像的车牌定位处理方法上，虽然从颜色的角度处理要更直观些，但是由于对于三维的彩色处理有时候会比较麻烦，而且对于车牌的底色不固定的情况需要进行多种情况的考虑，尤其
35、是对于不同国家的不同车牌，因为不同国家的不同车牌的底色都是不一样的，也给此方法的运用带来了一定的困难。1.3 本文的研究内容和系统体系结构1.3.1 车牌定位方法内容概述本文的主要研究内容：通过将真彩色图像转化为灰度图像，并且对灰度图像进行一系列的预处理，其中预处理包括了灰度图像的线性拉伸和边缘检测，并通过数学形态学反复对图像进行处理，以此来去除图像中一些干扰背景，并通过一胞元数组记录预处理后区域的坐标，同时利用本文中采用的区域合并算法将一些区域合并起来，同时得到候选区域，然后利用先验知识(包括车牌图像中车牌的长和宽的范围、车牌长宽比、车牌长宽占整个车牌图像的比例阈值)，进一步从这些候选区域中判断和筛选出汽车的车牌。最后，为了提高定位精度，对本文中的算法进行了一些改进，并且对于各种不同背景图像定位给以处理效果分析，同时对于本文中系统的定位准确性和时间处理性这两个性能进行了分析。1.3.2 系统的体系结构设计本论文采用方法的大致基本流程如图1-2所示。图1-2 车牌定位流程图本论文设计的车牌定位系统是将真彩图像转化为灰度图像后，再通过一系列的预处理，并利用预先设定的先验知识进行车牌区域的检测以及区域标定，从而达到对于不同图像车牌的定位。其中，对原图像的灰度图像进行的预处理，包括了数
