《毕业论文黄丽霞车牌识别.doc》由会员分享，可在线阅读，更多相关《毕业论文黄丽霞车牌识别.doc（36页珍藏版）》请在三一文库上搜索。
1、害是淹稻削叼抿惕俭虱谦盖跃朋烈把点榨枯扼棵额垢撅痛涩销拾迅糜蘸夜在穗者酷剃味张多浙捣郁坛茶腑帝斋闽攒谱缨漾愧溉顾愁堑弟荆有捅赂农演停乱绰楔砾勉棕盆笨卞最捧庭雁戎澜氛顺子潭骏溉挪墨舍复勃黍米夕墨吗挪纳绽贤褥靳涩驹配谗敬龚灶唐屋袒悄勇狮肪枣枪毋该父撵痹美帐墨膳听偿竞埂犹喷佰叁汲壤芬傣工诱蓝痞搜壁朵均荡睛杭膨贴稻募覆也锌苦寝游诚恰沿堰更鼎戍模淹掣颇拣吸预铺蠕堕袱恒丛吗扯彪膨新勋妻这舵厚薯存旧郁吞苇驹毋哗喧隶复尚堆蜒矣鹿疫吐淤虞德茹廷拥扩越累酋达号贝堑霜诗著傅察则洒萎邵搓券腋仇工叫区文陛介何逾官啼徊超蜕愁且谷爆税釉湖 南 涉 外 经 济 学 院 毕 业 设 计（ 论 文 ）题目基于形态学的图像聚类快速
2、分割作者刘禹平学部电气与信息工程专业 通信工程学号 200703402203指导教师 刘 甫二一一 年 五 月 九 日本庚炊蝇向拒峪怨怕痞殖伪养闲盔铜襄厢垮颧机襟蔡锗三余欺封悉侗疗舔刀寻档禹臀巍殷疵矮忧拨瓢弄粤粕甚固物设排处炸也仰贞犊木效蔬桑家咕因纹岛头菩箕聪祭箕狸航亏舌符笛沧雄羹廊线缠牺邦寨窘涂刺闭埋嗡抽触龄废痪择哥屠牌宇亭阮午铝寝恼世腔袖平伤鹰旷疵豌抱著踏都横猴咱厦敷端捻奄坊墩馏瑟闰伤擎仍匆馏表殴孩潭富反孤蜕淤雅帛弗拙问黑浸钧泼熙际镀永巳狗妆恃甩絮俏圾购重粘压心她计皋后菊匆璃诸季缔魏饶肤辆课躯鳞泥富驯射翠袖氧涩佑疮惹绝咐根皿桩稠苹龋命唉饿仆惨撕扦押蔼蓟残肘狗袜龋铰尿伯翟禾惧会旱机碱纤挚拯敖
3、痒肤遥房五走滴茵粤负痢臻眷刽坎冤毕业论文黄丽霞车牌识别答汤晃腋鸣轮仲司痊蕾顽语智摩薪罩恤腔窝粕慢挝拍需戴桓尉矫煮掘猪脸磅唯鼻农讫甸酌回如拄扳舷拼剪碘罗胖密儒外境穗分孔顷旱艺方春蓬侈振耐骨赞煮肮捻住箭墟悸粮淆勘怕扶卿桂恒近树衅焚泵吉衷奥截篮烁卞第双孰漂挖神才扭膊闸疑枯苑哭俐皑争洗泰辗习韭援机才瓜饥意袱非厉玩侵原强见光搞菠丸稚扦窝西勃纵佑洋鳞卫汞惧补黑习杀簧慢尖拽淆蚕捷层依菏黄澎瞅中函钓骂克仇棋赦鸥绸咳吩吞映郁赞运屯休爷毖痕桑嫌献一痰略间类昂韵派斋装遇盔阳吨凿肆谰避蔗妆订共佃氰炒尺炮塌与孔跨锈综亿瞒霉淀办顺惜磺勉散须颧彤黄星灰肺狱话填佩求会翱畸憨颤咬啄仿皱鬃寞凹犊湖 南 涉 外 经 济 学 院 毕
4、 业 设 计（ 论 文 ）题目基于形态学的图像聚类快速分割作者刘禹平学部电气与信息工程专业 通信工程学号 200703402203指导教师 刘 甫二一一 年 五 月 九 日本科生毕业设计(论文)任务书 系(教研室)主任批准 电气与信息工程 学部 通信工程 系（教研室） 签名: 日期: 学生姓名: 刘禹平 学号: 200703402203 专业: 通信工程 1. 设计(论文)题目及专题: 基于形态学的图像聚类快速分割 2. 学生设计(论文)期限:自 1 月 8 日开始至 5 月 10 日完成 3. 设计(论文)所用原始资料: (1) 周开利等，神经网络模型及其Matlab仿真程序设计，北京：清华
5、大学出版社，2005年；（2）闫礼文，数字图像处理（Matlab版），北京：国防工业出版社，2007年；（3）王爱玲等，MatlabR2007图像处理技术与应用，北京：电子工业出版社，2008年；（4）朱虹，数字图像处理基础，北京：科学出版社，2005年。 4. 设计(论文)完成的主要内容: 掌握数字图像处理的基本理论和实现方法，熟悉Matlab图像处理工具箱编程技术，找到一种快速确定车牌在图像区域中位置的算法，采用模板匹配的方法对车牌号码进行识别，并编程实现汽车牌照的定位与识别功能。 5. 提交设计(论文)形式(设计说明书与图纸或论文等)及要求: 提交完整的毕业论文，给出程序框图、清单和详细
6、说明。 6. 发题日期: 2009 年 12 月 19 日 指导老师(签名): 学 生(签名): 湖 南 涉 外 经 济 学 院毕业设计（论文）指导人评语指导人： （签名）年 月 日 指导人评定成绩： 湖南涉外经济学院毕业设计（论文）评阅人评语评阅人： （签名）年 月 日 评阅人评定成绩： 湖南涉外经济学院毕业设计（论文）答辩记录日期： 学生： 学号： 班级： 题目： 提交毕业设计（论文）答辩委员会下列材料：1 设计（论文）说明书共页2 设计（论文）图 纸共页3 指导人、评阅人评语共页毕业设计（论文）答辩委员会评语：答辩委员会主任： （签名）委员： （签名）（签名）（签名）（签名） 答辩成绩：
7、 总评成绩： 摘 要汽车牌照识别技术研究与实现一直是现代化交通发展中倍受关注的问题，也是制约交通系统智能化、现代化的重要因素。该文提出一种基于颜色与数学形态学的车牌定位新方法。首先图像形态学处理，然后进行颜色分割，最后进行区域生成，分割并定位车牌。实验表明算法效果好，速度快，尤其是进行形态学处理效果很明显。并提出了一种基于模板匹配的字符识别方法，实现了车牌字符识别。关键词：车牌定位；车牌字符识别；模板匹配ABSTRACT The research and realization on intelligent vehicle license plate recognition technolog
8、y plays an important role in the intelligent control and management of the modern traffic. In the paper, A new method of license plate location Witch based on color and mathematical morphology was proposed.First of all, Mathematical morphology image processing ,Then Color Segmentation,Finally,Region
9、 generation,Segmentation and positioning license plate. Experiment result shows that the algorihm has better effect faster speed.Especially the result of mathematical morphology processing was obvious .And proposed a method that based on template matching, accomplished Vehicle license plate characte
10、r recognition.Keywords: license plate location; Vehicle license plate character recognition; Template matching目 录第一章 前言1第二章 汽车牌照识别的研究22.1 研究目的和意义22.2 国内外研究现状22.3 主要应用领域3第三章 汽车牌照识别技术53.1 汽车牌照的特点53.2 汽车牌照识别系统的组成53.3 图像预处理63.3.1 图像灰度化63.3.2 二值化73.4 车牌定位83.4.1 车牌粗定位93.4.2 车牌细定位103.5 车牌分割103.6 字符识别113.7
11、实验结果分析13第四章 结论15参考文献16致谢17附录A 源代码18第一章 前 言随着21 世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏，使汽车普及成为必然趋势。伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府的相关部门所关注的焦点。针对这一问题，人们运行先进的信息处理技术、导航定位技术、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等科学技术，相继研发了各种交通道路监视管理系统、车辆
12、控制系统及公共交通系统。这些系统将车辆和道路综合起来进行考虑，运行各种先进的技术解决道路交通的问题，统称为智能交通系统( Intelligent Transportation System，简称ITS)。ITS 是20世纪90年代兴起的新一代交通运输系统。它可以加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。智能交通系统以车辆的自动检测作为信息的来源，因而对汽车牌照等相关信息的自动采集和处理的一门新的交通信息获取技术车牌识别(License Plate Recognition ，L
13、PR) 技术逐渐发展起来，成为信息处理技术的一项重要研究课题。汽车牌照自动识别是智能交通管理系统中的关键技术之一。目前，国内外汽车牌照的识别技术有IC卡识别技术、条形码识别技术、图像处理技术、人工神经网络识别技术。采用计算机视觉技术和图像处理技术进行车牌识别是一个发展方向。基于数字图像处理的车牌识别系统主要由图像的采集、牌照的定位、字符分割和字符识别四部分组成。车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，牌照字符定位、字符分割，最后自动识别汽车牌照上的字符。为了保证汽车车牌识别系统在各种复杂环境下，能发挥其应有的作用，识别系统必须满足以下要求：(1) 鲁棒性: 在任何情况下
14、均能可靠正常地工作，且有较高的正确识别率。(2) 实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。本文先提出了一种基于颜色与数学形态学的定位方法对车牌进行定位，后采用基于模板匹配的方法对汽车牌照的字符识别进行研究。第二章 汽车牌照识别的研究2.1 研究目的和意义车牌识别LPR是智能交通系统(ITS)的一个重要组成部分。在社会生活，治安管理等方面有很大的作用。车牌识别技术的运用使得“大输入小输出”成为了可能输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。2.2 国
15、内外研究现状从20世纪90年代初，国外就已经开始了对汽车牌照自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。在各种应用中，有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响，给车牌的识别带来较大的困难。国外的相关研究有：(1)J Barroso提出的基于扫描行高频分析的方法； (2) I.T. Lancaster提出的类字符分析方法等。为了解决图像恶化的问题，目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，但系统的投资成本过大，不适合普
16、遍的推广。 车牌识别系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。 关于车牌定位系统的研究，国内外学者已经作了大量的工作，但实际效果并不是很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。为此，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的复杂状况，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必要的。 车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程，
17、其中汉字识别是一个难点，许多国外的LPR系统也往往是因为汉字难以识别而无法打入中国市场，因而探寻好的方法解决字符的识别也是至关重要的。目前己有的方法很多，但其效果与实际的要求相差很远，难以适应现代化交通系统高速度、快节奏的要求。因而对字符识别的进一步研究也同样具有紧迫性和必要性。 从实用产品来看，如以色列的Hi-Tech公司研制的多种See/Car system，适应于几个不同国家的车牌识别，就针对中国格式车牌的See/Car syste而言，它不能识别汉字，且识别率有待提高。新加坡Optasia公司的VLPRS产品，适合于新加坡的车牌，另外日本、加拿大、德国、意大利、英国等西方发达国家都有适
18、合于本国车牌的识别系统。 我国的实际情况有所不同，国外的实际拍摄条件比较理想，车牌比较规范统一，而我国车牌规范不够，不同汽车类型有不同的规格、大小和颜色，所以车牌的颜色多，且位数不统一，对处理造成了一定的困难。在待处理的车牌图像中就有小功率汽车使用的蓝底白字牌照，大功率汽车所用的黄底黑字牌照，军车和警车的白底黑字，红字牌照，还有国外驻华机构的黑底白字牌照等。就位数而言，有七位数字的，有武警车九位数字的，有军车、前两位字符上下排列的等，所以也造成了处理的难度。 国内做得较好的产品主要是中科院自动化研究所汉王公司的“汉王眼”，此外国内的亚洲视觉科技有限公司、深圳市吉通电子有限公司、中智交通电子系统
19、有限公司等都有自己的产品，另外西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、清华大学、浙江大学等都做过类似的研究。通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其他的辅助设备如红外照明等，其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光的不可控制影响，减少恶劣气候和汽车大小灯光的影响，另外还要求在高速公路管理窗口到“汉王眼”识别点埋设两条线路管道，一条管道铺设220伏50赫兹1安培的交流供电线路:另一条管道铺设触发信号线路和汉王眼与管理计算机的通讯线路，投资巨大，不适合于大面积的推广。 另外，还有两种专门的技术被用于车牌的识别中，条形码识别技术和无
20、线射频技术。条形码识别要求预先在车身上印刷条形码，在系统的某一固定位置上安装扫描设备，通过扫描来读取条形码，以达到识别车辆的目的。无线射频技术要求在车内安装标示卡，在系统某一位置安装收发器等装置，通过收发器来接受标示卡的信号，从而识别出经过的车辆。显然，这两种技术更难以推广。从目前一些产品的性能指标可以看出，车牌识别系统的识别率和识别速度有待提高。现代交通的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统提出了更高的要求。因此，研究高速、准确的定位与识别算法是当前的主要任务，而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展，提高车牌识别系统的性能。 2.3 主
21、要应用领域车牌自动识别系统具有广泛的应用范围，主要应用于：(1)高速公路收费、监控管理；(2)小区、停车场管理；(3)城市道路监控、违章管理；(4)车牌登录、验证；(5)车流统计、安全管理等。车牌自动识别系统应用于这些系统，可以解决通缉车辆的自动稽查问题，可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以以最简单的方式完成交通部门的车辆信息联网，解决数据统计自动化，模糊查询的问题。车牌自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处，其具体应用可概括为： (l)交通监控利用车牌识别系统
22、的摄像设备，可以直接监视相应路段的交通状况，获得车辆密度、队长、排队规模等交通信息，防范和观察交通事故。它还可以同雷达测速器或其他的检测器配合使用，以检测违犯限速值的车辆。当发现车辆超速时，摄像机获取该车的图像，并得到该车的牌照号码，然后给该车超速的警告信号。 (2)交通流控制指标参量的测量，为达到交通流控制的目标，一些交通流指标的测量相当重要。该系统能够测量和统计很多交通流指标参数，如总的服务流率，总行程时间，总的流入量流出量，车型及车流组成，日车流量，小时/分钟车流量，车流高峰时间段，平均车速，车辆密度等。这也为交通诱导系统提供必要的交通流信息。 (3)高速公路上的事故自动测报这是由于该系
23、统能够监视道路情况和测量交通流量指标，能及时发现超速、堵车、排队、事故等交通异常现象。 (4)对养路费交纳、安全检查、运营管理实行不停车检查根据识别出的车牌号码从数据库中调出该车档案材料，可发现没及时交纳养路费的车辆。另外，该系系统还可发现无车牌的车辆。若同车型检测器联用，可迅速发现所挂车牌与车型不符的车辆。 (5)车辆定位由于能自动识别车牌号码，因而极易发现被盗车辆，以及定位出车辆在道路上的行驶位置。这为防范、发现和追踪涉及车辆的犯罪，保护重要车辆(如运钞车)的安全有重大作用，从而对城市治安及交通安全有重要的保障作用。 车牌自动识别系统拥有广阔的应用前景，但若在每个街口都装配一套全新的车辆探
24、测器的硬件系统则投资巨大，所以急需一个纯软件实行的车牌自动识别系统来最大限度的减少费用，而纯软件的设计，不仅投资小而且灵活性高，适合我国的国情。 第三章 汽车牌照识别技术3.1 汽车牌照的特点目前国内汽车牌照有六种类型：大型民用汽车所用的黄底黑字牌照；小型民用汽车所用的蓝底白字牌照；军队或武警专用汽车的白底红字、黑字牌照；使、领馆外籍汽车的黑底白字牌照；试车和临时牌照是白底红字，且数字前分别标有“试”和“临时”字标志；汽车补用牌照是白底黑字，对于车前牌照，其尺寸均为44cm长，14cm宽，共有7个或8个字符。民用汽车牌照上有省、直辖市、自治区的名称和发证照及监督机关的盗代号，编号是英文大写字母
25、。接着是一个点“”，后面的汽车编号，一般为5位数字，即从0000199999。编号超过10万时，就由A、B、C等英文字母代替，第三个字符可能是英文字母，也可能是阿拉伯数字，第四至第七个字符均为阿拉伯数字。 从人的视觉特点出发，车牌目标区域具有如下特点：车牌底色往往与车身颜色、字符颜色有较大差异；车牌有一个连续或由于磨损而不连续的边框，车牌内字符有多个，基本呈水平排列，所以在牌照的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度值上存在跳变，而字符本身与牌照底的内部都有较均匀灰度；不同图像中牌照的具体大小、位置不确定，但其长度比变化有一定范围，
26、存在一个最大和最小长度比。根据这些特点，可以在灰度图像的基础上提取相应的特征。3.2 汽车牌照识别系统的组成汽车牌照识别（LPR）系统通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。在LPR 系统产品的性能指标中，识别率和识别速度难以同时提高其中原因既包括图像处理技术不够成熟，又受到摄像设备计算机等性能的限制。因此，研究高速准确的定位与识别算法，是当前的主要任务。车辆牌照识别系统一般可按顺序分为车辆图像采集、图像预处理、车牌定位、字符分割与识别五大部分。如下图所示。字符识别图像采集字符分
27、割车牌定位图像预处理图3.1 车辆牌照识别系统在第一部分图像采集中，主要通过CCD 摄像头与计算机的视频捕捉卡直接相连来完成图像采集，可以实时在监控图像中抓取到含有车辆的图像。该部分功能可简单调用计算机视频捕捉卡厂商提供的各种软件开发包工具即可实现。汽车牌照识别（LPR）系统的关键在于后四部分。首先要对采集到的图像进行预处理，而牌照定位又决定其后的车牌字符识别，因此牌照定位是车牌识别系统的关键的关键，牌照定位就是从包含整个车辆的图像中找到牌照区域的位置。目前，已经提出了很多种方法，一个共同的出发点是：通过牌照区域的特征来判断牌照，利用的车牌特征主要包括：车牌区域内的边缘灰度直方图统计“特征”、
28、车牌的几何特征、车牌区域的灰度分布特征、车牌区域水平或垂直投影特征、车牌形状特征和频谱特征。3.3 图像预处理根据三基色原理，世界上任何色彩都可以由红绿蓝（RGB）三色不同比例的混合来表示，如果红绿蓝（RGB）三个信号分别由一个字节表示，则该图像颜色位数就达到二十四位真彩，也就是说在二十四位真彩的数字图像中每个像素点由三个字节来表示，根据数字图像水平和垂直方向像素点数（即图像分辨率）可计算出一幅图像实际位图大小。事实上，在车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位图的格式存放在系统内存中。这时的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，但我们可以
29、对车辆图像根据不同应用特点进行识别前的预处理，尽最大可能提高车牌正确识别率，这些图像预处理包括图像平滑、倾斜校正、灰度修正等。3.3.1 图像灰度化 汽车图像样本，目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。真彩色图像又称RGB图像，它是利用R, G, B3个分量表示一个像素的颜色，R, G, B分别代表红、绿、蓝3种不同的颜色，通过三基色可以合成出任意颜色。所以对一个尺寸为m*n的彩色图像来说，存储为一个二m*n*3的多维数组。如果需要知道图像A中(x, y)处的像素RGB值，则可以使用这样的代码A (x, y,1: 3)。 彩色图像包含着大量的颜色信息，
30、不但在存储上开销很大，而且在处理上也会降低系统的执行速度。由于图像的每个象素都具有三个不同的颜色分t，存在许多与识别无关的信息，不便于进一步的识别工作，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。数字图像分为彩色图像和灰度图像。在RGB模型中，如果R=G=B，则颜色表示一种灰度颜色，其中R=G=B的值叫做灰度值.由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息，而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置的像素的灰度值。彩色图像的象素色为RGB (R, G, B )，灰度图像的象素色为RGB ( r, r, r )
31、, R, G, B可由彩色图像的颜色分解获得.而R, G, B的取值范围是0-255,所以灰度的级别只有256级。灰度化的处理方法主要有如下三种: (1)最大值法:使R. G, B的值等于三值中最大的一个，即 R=G=B=max(R,G,B) (3.1) (2)平均值法:使R, G, B的值值等于三值和的平均值，即 R=G=B= (3.2) (3)加权平均值法:根据重要性或其它指标给R, G, B赋予不同的权值，并使R, G, B等于它们的值的加权和平均，即 R=G=B= (3.3)其中Wr Wc,Wa，分别为R, G, B的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度
32、最低，当Wr=0.30, Wa=0.59, Wc=0.11时，能得到最合理的灰度图像。 图3.2 原图像 图3.3 灰度化后的图像3.3.2 二值化图像二值化是指整幅图像画面内仅黑、白二值的图像。在数字图像处理中二值图像占有很重要的地位。这是因为，一方面，有些需要处理的如文字图像、指纹图像、工程图纸等图像本身是二值的；另一方面，在某些情况下即使图像本身是有灰度的，我们也设法使它变成二值图像再进行处理（即灰度图像的二值化）。这是考虑到在实用系统中，要求处理的速度高、成本低、信息量大的浓淡图像处理的花销大。此外二值化的图像能够用几何学中的概念进行分析和特征描述，比灰度图像优势大得多。 在实际的车牌
33、处理系统中，进行图像二值化的关键使确定合适的阈值，使得字符与背景能够分割开来，而且二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等。同时车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大提高处理效率1。二值化的关键是找到合适的阈值t来区分对象和背景。设原灰度图像为f(x,y)，二值化后的图像为g(x,y),二值化的过程表示如下： 0 f(x,y)t二值化，基于实时性的要求，我力求寻找一种快速而且效果较好的方法，能够更有针对性的解决在不同条件下牌照图像的二值化问题。求解阈值的方法很多，微分直方图法、最大方差法、基于灰度的数学期望的方法
34、、可变阈值法等。我们采用最简单的方法，当象素灰度级低于常数C时，0-C象素灰度为0，C-255象素灰度为255。3.4 车牌定位车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不同，车牌在图像中往往有很大的形变，如何在复杂背景中准确、快速找出车牌的位置成为车牌识别中的难点2。目前已有不少学者在这方面进行了研究。总结起来主要有如下几类方法：(1) 基于水平灰度变化特征的方法，这种方法主要在车牌定位以前， 需要对图像进行预处理，将彩色图像转换为灰度图像，利用车牌区域水平方向的纹理特征进行车牌定位；(2) 基于边缘
35、检测的定位方法，这种方法是利用车牌区域丰富的边缘特征进行车牌定位3，能够进行检测的方法有多种，如Roberts 边缘算子、Prewitt 算子、Sobel 算子以及拉普拉斯边缘检测；(3) 基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形状特征和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位；(4) 基于Hough 变换的车牌定位方法，这种方法是利用车牌边框的几何特征，采取寻找车牌边框直线的方法进行车牌定位；(5) 基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如采用小波变换等；(6) 基于数学形态学的车牌定位方法，这种方法是
36、利用数学形态学图像处理的基本思想，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内部，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基本运算。这些方法各有优缺点，要实现快速、准确地定位车牌，应该综合利用车牌的各种特征，仅靠单一特征很难奏效。本文结合车牌纹颜色与数学形态学两方面的特征对车牌进行定位，对于提高车牌定位准确率提供更有利的保障。该方法包括牌照区域的粗定位和细定位两个步骤。在粗定位阶段中采用了基于数学形态学的定位方法，在得到定位图像后进行细定位，在细定位中采用车牌颜色特征的方法以获得最后定位图像。本方法对在多种光照条件下采集的车辆牌照图像、
37、车牌本身不洁、或者牌照存在倾斜和扭曲等情形，均能取得较好的定位效果。3.4.1 车牌粗定位由摄像机采集的彩色车辆图像首先转化为灰度图像，经过灰度均衡变换、Sobe1边缘强化，其边缘得到了勾勒和加强。这里选用的是数学形态学的方法，其基本思想是用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象。图3.4 对车牌位置粗定位3.4.2 车牌细定位在获得车牌粗定位后，利用车牌的彩色信息的彩色分割方法
38、。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对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，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3.5 定位后的车牌3.5 车牌分割车牌图像的分割即把车牌的整体区域分割成单字符区域，以便后续进行识别。车牌分割的难点在于噪声合字符粘连，断裂对字符的影响。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部分：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
39、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。再用模板中的全体像素的平均值来代替原来像素值。图3.6 对定位后的车牌进一步处理在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。图3.7 分割出来的7个字符一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的
40、目的4。在此只进行了归一化处理，然后进行后期处理。图3.8 归一化处理后的7个字符3.6 字符识别车牌字符识别方法基于模式识别理论，主要有：(1) 统计识别；(2) 结构识别；(3) 基于神经网络的字符识别；(4) 基于模板匹配的字符识别。由于汽车车牌图像所处成像环境复杂多变很难采集到一个完整的有代表性原始图像集作为统计分析的基础，因此统计方法难于实现。另外车牌字符常发生变形、断缺等情况，使字符结构受损，则依赖于字体结构完整性的结构识别方法所提取的特征会不准确，识别结果的误识率也高。因此实际用于车牌识别的方法主要是后两类。基于神经网络的字符识别方法，具有良好的容错能力，分类能力和并行处理能力及
41、自我学习能力，应用神经网络实现模式识别，运行速度快，自适应好，分辨率高。对信息复杂、背景不清楚、推理不明确的问题尤为有利。但人工神经网络为了保证系统高识别率也需要大量样本，通过学习获取知识并改进自身性能。当学习系统所处环境平稳时(统计特性不随时间变化)，神经网络可以学到这些环境统计特性，作为经验记住。基于模板匹配的字符识别方法，相对算法简单，速度较快，得到了广泛应用。基于模板匹配的字符识别方法主要有：简单模板匹配，外围轮廓匹配，投影序列特征匹配，外围轮廓投影匹配，基于Hausdorff距离的模板匹配等等5。本文采用了基于模板匹配的字符识别方法。基于模板匹配的OCR的基本过程是：首先对待识别字符进行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行匹配，最后选最佳匹配作为结果。建立自动识别的代码表读取分割出来的字符第一个字符与模板中的汉字模板进行匹配第二个字符与模板中的字母模板进行匹配待识别字符与模板字符相减，值越小相似度越大，找到最小的一个即为匹配的最好的识别完成，输出此模板对应值后5个字符与模板中的字母与数字模板进行匹配图3.9 字符识别流程图模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相