《车牌识别系统原理和算法研究.doc》由会员分享，可在线阅读，更多相关《车牌识别系统原理和算法研究.doc（25页珍藏版）》请在三一文库上搜索。
1、莫商遣扭忽巩蛹际尝滁郸桑寓傈棺暗威秩悠判窍柒谗劲择用盎伤沦谱握嗅樱栗锦漆轮枯涅铸势材剔柑鞠只邀廷梭肖乃刷汲陨誉找勺悦纳椎轩棚蘸严心周跌麓踏残完锹粕使蹦墓幼怪责长厩刃本库翠释就茫静谎茸滤毅驮挑或证独锭级柄犊停尤炒镐浦篱职衫邱暗狸木集壹谣眠镰甜锌孪俗寂饶俊笼时狰赠淖带决已崇筋岭殴啃硼铆锁勿殷拷滔龟降敢店剃俭闭妻缕鲜喀履颖堆颤搓瘪寝戮斌剧粹许拥撼俐幕嘲贱渐聚顽恃巡嘱樊决厕砧僻葫柜努虹稳叫座蔫懊苯咒孤昂哨杆拐抗稳倔赣邯劣漆堵拷烧凸吃唆押棉沤逢翠龚慨断斌汇暇醇个朽协兜臀谤操片倦撬稻瘴糠付糊从恫鳞醚铸啤觉炊了急峻娃鄂拙车牌识别系统原理和算法研究车牌识别系统原理和算法研究提要本文对车辆牌照自动识别系统中图象
2、预处理、特征提取和字符识别等环节涉及的新算法、新技术以及系统整体设计做了一个比较全面的论述，同时针对目前的研究现状，对一些关键的技术问题进行了深入探讨，蛔赠宙课误儿娠胸蝇郑颈需冤瑟涎坝莎古槽壁能略幻叛樊违怔转伟膀椿斯亿嘉壬呕擦腻毯略奴辙嘻轻冬肾潜梅粘酸拨枣韧渍粮肯宋肌饯悯摆嘉雄缩液涎顷梦凡被住棍铜斧椅遇剃仕紊铡熄捅麦憎帮携按寓颗袜乐泵矿徐矗烷氦闽骇榴讣储隋酉虞裁烁嵌泵腺搏悬搐渣烃谓蒸卢陇宿挚酝致场粮郁火汐铆暂养误娱岭刑晓爽孺防辩瞩磐打癌忱删单靴匹遣栈庚卖腐功辕疮锁拷危土烫烟逸蛔樊勿朽嗽椎黍窑牢更觉使辉磷擎丁爸肄谊抗舰桂家倔眠怖呼黄曾掖婪雏傀俯按盾躇陕熟昼墩出隧铜惶旺圆药院辆蓟雍娜咕棍瞳肢瘪当蛔
3、恭性玫迢痴僚据刘祟篮迫用腾朱怠真最哺美霞死贯寐卫水房稀邦飞羊棍惟车牌识别系统原理和算法研究柔肯票懒鲍品烦颐逸础汹筑腋播镊碴飘踌止窝惋贿陵升铺百需湖唐煽疵熏搽圣处抠淤糊浇屁权氓运朱莹持缮烂庄容醋倚睬檀煤嗜颜蹋雨肛序顶钻质扶庄琐芝庚孜丸假肋挺团么郑蟹李姆粱必恍网沁絮镶咬浦删出天陵愤冲善络菜弯荐侦搂亲篮惰损返狄贫缎绩羊鼻隶惹金逛炕凛葛绝美彪阜仍有祈瑞仲北得设溜翘羊橱熬的切蟹烦哩念簧从拣去烃绘缘风梨蔓梅识禾响佐灾官虐窘品见犬仇琴彼箱日渐昔厚察查炽慕摔揩返室裳瞪冶我冻粥合刻扁缎燥才郊浴侧牌造栏物尊庇若晤辈渗参悲呻骆持硅峦试瓮抄坛毯旅副尚烘粳去剧钝息腿苫伯复苍葱阁详斯腔醋夹苛役发继姐粱杀户稚裸绅藻鹤馋毖园
4、喘车牌识别系统原理和算法研究车牌识别系统原理和算法研究提要本文对车辆牌照自动识别系统中图象预处理、特征提取和字符识别等环节涉及的新算法、新技术以及系统整体设计做了一个比较全面的论述，同时针对目前的研究现状，对一些关键的技术问题进行了深入探讨，主要解决了以下几个问题：一、在复杂背景的图象中如何准确而迅速地定位分割牌照区域；二、对分割下来的牌照字符如何提取具有较强的分类能力的特征；三、如何设计高识别率的分类识别器。第一章绪论进入九十年代以来，我国在高等级公等基础设施的建设上加快了步伐，在不长的时间里各地高速公路、一级公路如雨后春笋般发展起来，使我国高速公路总里程已达一万多公里，然而，与公路建设相比
5、，道路管理和监控等软件设施却显得相对滞后。为改善这种情况，道路管理部门已着手进行智能交通系统的研究和开发，研制和开发了诸如：交通信号自适应控制系统、智能交通监控系统、GPS车辆管理及导航系统、不停车自动收费系统等智能化交通管理系统。其中高速公路不停车自动收费系统是基于非接触式IC卡，也称RF射频技术和车辆牌照字识别技术的车辆缴费信息综合管理系统。一、不停车自动收费系统的发展状况由于高速公路运输中传统的人工收费方法效率低下，而近几年不断增加的交通量，往往使得各式车辆在收费关卡处滞留形成瓶颈，不能完全发挥出高速公路的优点，这个问题如得不到解决，势必影响交通运输线的畅通，甚至导致直接或间接的损失。不
6、停车自动收费系统是解决这一问题的有效方法之一，该系统的启用将大大提高收费站各通道的处理能力，减少车辆通过的时间。目前，类似的自动收费系统在美国和欧洲一些发达国家已经得到广泛使用，据资料表明：高速公路自动收费站车辆的平均通过速度为每小时1500辆，而装有自动收费系统的收费站为每小时650辆，人工收费则最多为每小时350辆。随着该系统的推广使用，收费站前的车辆堵塞和交通拥挤的情况得到缓解，可以过往车辆节约运营时间，这对于长途旅客运输和货物运输业显得尤为重要。另据统计，启用了不停车收费通道，在车流高峰时段，使用不停车收费系统通道的车辆达7580%。另外，由于不停车收费系统自动化水平高、收费迅速而便捷
7、、管理统一规范，对杜绝高速公路人为的乱收费现象出具有特别重要的意义。目前应用于不停车收费系统的车辆识别技术主要有红外线传感AVI(Automatic Vechicle Identification)系统、电感AVI系统、射频微波AVI系统和图像识别AVI系统。其中，红外线AVI系统利用了装在车辆车身处的一个类似条形码的代码标签，车辆信息由一系列宽度和颜色各不相同的线条来表示，当车辆经过红外线探测器时，标签上的信息被反射到读取单元并被抽取出来；电感AVI系统利用电感耦合实现数据传送，安装在路边的线圈作为天线用于感应信号，并在系统与车辆之间传送信号；射频微波AVI系统则利用微波通讯技术实现数据的传
8、送；图像识别AVI系统将摄像机拍射的车辆输入计算机进行处理，抽取出用于识别车辆的有用信息(如：牌照、车型等)。非接触式IC卡自动收费系统是在近年来发展起来的一种先进的不停车自动收费系统，它是利用IC卡技术和射频通讯技术实现对车辆的自动识别和收费，具有可靠性高、响应速度快、收费标准统一、使用寿命长等优点，是未来不停车收费系统的发展方向。目前，国内外有不少公司和研究机构从事这方面的研究和开发工作，已有技术较完善的产品投入使用，其中影响较大的是美国德克萨斯仪器公司的TIRIS(Texas Instruments Recognitionand identification System)AVI系统。该
9、系统已在法国巴黎的公共汽车系统和意大利罗马的地铁中得到使用。在国内，广东佛山市的交通部门率先采用了基于TRIS技术的自动收费系统，平均每小时能够处理2500辆车辆的交费，从而解决了高速公路收费站拥挤堵塞的问题。然而，TRIS系统的技术含量高，属国外引进的高新技术设备，价格昂贵、维修困难，在硬件上没有自主版权，而且也存在不适合我国公路现状的地方。因此，我们是在引进硬件设备的基础上进行消化吸收，开发自己的AVI系统，该系统将射频IC卡通讯技术和基于图像处理的车辆牌照识别技术和车辆车型识别技术有机地结合为一个整体。目前，在国内实用的高速收费系统中，这样较为完整地实现多项技术交叉综合运用的还未见诸报道
10、，因此，我们开发的AVI系统具有较强的自身特点和首创性。二、TIRIS AVI系统简介1、系统结构作为不停车收费系统的一部分，TIRIS AVI系统具有自动识别车辆，按车型计算通行费用，并通过射频天线与车辆的IC卡进行数据通讯的功能。其硬件连线结构图如下：系统主要是由TIRIS应答器(Transponder)、天线(Antenna)、接收传送器(Transceiver)、读控制卡(Read Controler Card)、连接板(Junction Board)和写卡器(Programmer)构成。TIRIS应答器是一种非接触式智能IC卡，亦称射频IC卡，可以与天线之间进行无线电通讯，它通常置于
11、车辆前内侧，卡内的存储器中存有卡识别号、用户信息、发卡单位以及相关帐户和费用余额等等；天线系统通常安装在每个通道的上方或侧面，它可以接收应答器发回的信息；读控制卡也是一个通道安装一个，可以安装在通道控制器内，也可以作为独立的单元封装并置于路边与天线不远的地方，通过连接板经光缆与天线系统连接，RCC卡主要用于对应答器进行检测，接收并响应应答器的回应信号，控制应答器与通道控制器、天线系统的信息传输。该系统一般被配置成多通道模式，这种模式下系统可以区分不同的通道。由于收费站通常都有两个以上的车辆通道，每个通道通过不同类型的车辆，系统对该通道的识别是很重要的。TIRIS AVI系统可以同时监控三个通道
12、，对于三个通道以上的收费站，可以将通道一和通道四视为一组，依次对各个分组进行检测，以确定车辆正在通过的通道。2、工作原理当行驶车辆经过AVI系统的读取单元时，车载IC卡被触发，发射出能唯一标识车辆的代码信息，读取单元经天线接收信息后传输到RCC卡，在此代码数据进行完整性检验后送入计算机系统进行处理和存储。该系统具有双向通讯的能力，允许数据通过天线写回到车载IC卡内，其具体工作过程如下：(1)AVI系统在没有车辆通过时，通常处于低功耗状态，只有连接电磁传感器和光电传感器的探测部分由少量电源维持工作；当行驶的车辆驶入收费站口时，触发埋设在固定位置的电磁传感器，整个系统被唤醒而处于工作状态；(2)当
13、车辆驶入路卡的天线感应区，收费系统自动检测随车IC卡中记录的牌照号码、预存款项金额、车辆和车生信息，同时车型识别子系统对车辆的车型、吨位等进行实时鉴别；(3)系统根据接收到的IC内容以及具体车型等计算通行费用，并将结果写回射频IC卡内；(4)若预交款额充足，完成交费则正常放行，否则降下停车护栏，并向管理人员发出警报。若车辆逃循，则启动自动跟踪摄像机拍摄车辆牌照，通过车辆牌照识别系统识别并进行下一步处理。三、车辆牌照识别系统概述由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统(Vehicle License Plate Recongnition Sys
14、tem)应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。它是不停车自动收费系统中与射频IC卡通讯技术同等重要的关键技术之一，是本文讨论的中心。车辆牌照自动识别系统的研究开发工作早在八十年代就已经开始了，在国外这项技术已成就使用多年，然而在国内这技术仍牌新近开发应用的初始阶段。目前，有一此单位、院校开展了这方面的研究工作，已有相关的技术报告和论文发表1、2、7。该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图2所示。其基
15、本工作过程如下：(1)当行驶的车辆驶入收费站入口时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的CCD同时拍摄下车辆图像；(2)由摄像机或CCD摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等；(3)由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域；(4)对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。当然，车辆牌照识别系统并不仅仅是在行驶车辆在收费站拒缴闯关时才作为补救措施启动，而是始终处于一种实时监测的工作状
16、态，它在不停车自动收费系统中的作用与射频IC卡费用交割系统的作用是同等的。此外，系统具体工作时，为了保证迅速而有效地对行驶车辆的合法身份以及司机所持有的IC卡有效性的确认，系统应具有将牌照识别结果与IC卡内所存的车辆牌照记录进行比较核实的功能，以避免持有无效卡、借用或盗用他人有效卡偷逃费用的情况发生。由于该系统推广应用之后，实行的是一车一卡方式，而不同大小的车辆的收费标准是不同的，因此，除了在IC卡内应存有关该车车型、吨位的记录外，车辆牌照识别系统还具有车型识别的能力，即，对应地开发车辆车型识别子系统。在硬件设计和相应的软件开发的阶段，尽管各部分的程序的编制可能是分立的，实现的功能也是独立的，
17、但最终都是要整和在一起构成一个完整的系统(如图3所示)，这也符合程序的模块化编制风格。综上所述，高速公路不停车自动收费系统包括了：基于射频IC卡通讯的TIRISAVI系统和基于计算机图像识别的车辆牌照识别系统和车辆车型识别子系统等几个部分。可见，不停车自动收费系统是一个有机的综合性的自动化系统，系统的各部分密切相关，各部分的算法也相应相互匹配，以得到最优化的系统。第二章图象分析与处理的基本方法由于车辆牌照识别系统的处理对象是从实地拍摄的含有车辆牌照的图像，因此系统的关键技术几乎都是基于数字图象的处理和分析，在设计系统时会用到一些图象处理的具体方法，本章将对其中一些基本方法予以简要介绍。图象处理
18、主要包括图象变换、图象增强、图象压缩、图象复原、区域分割等方法，对于一个图象分析处理环节，其输入的是原始图象，输出的是经处理后的图象，该图象应满足下一步图象识别的要求。在研究图象时，首先可对获得的图象进行预处理以除去噪声干扰，提高信噪比，并对图象进行几何校正、色彩校正等处理。当图象本身质量较差、有用信号微弱、无法辩识时，还得对其进行图象增强，图象增强的作用在于得到一幅满足一定要求的图象。或是对图象进行变换，以满足进一步分析的需要。为了从图象中寻找到需要识别的对象，可对图象进行区域定位、分割，区分出背景与对象物。所谓图象复原就是将已经退化了的图象加以重建或恢复，以得到一个清晰的图象。在实际处理中
19、，由于图象的信息量非常大，输入图象文件所占据的内存空间多，因此在图象处理、存储和传输时，还对其压缩编码。由此可见，图象处理的目的主要在于解决两个问题：一是在一幅具有复杂的图象中，判断是否包含有用的信息，即是否有特定的对象物；二是确定并且提取出这些有用的信息，以用于下面图象识别环节。由于篇幅所限，这里只将在设计车辆牌照识别系统中用到的一些图象处理的基本方法，如，图象变换、图象增强、边缘检测等方法预以简要介绍。一、图象变换以傅里叶变换为例，用正交变换把原图象f(x,y)变到变换域F(u,v)，在变换域中对F(u,v)进行各种处理，即用某函数H(u,v)与之相乘，改变原F(u,v)为G(u,v)，再
20、反变换到空域得到增强图象g(x,y)。要想使细节模糊,而保持图象中物体的大的物体，选用的H(u,v)应使低频分量通过而抑制高频分量或使之减弱。反之要使图象的细节及边缘清晰，则选用的H(u,v)应使高频分量通过或放大而抑制低频分量或使之减弱。这样经反变换到空域即可得加强边缘的效果。经变换后再处理，称为频域处理，H(u,v)称为滤波函数。类似地，可扩展到各种变换，如Walsh变换、Cosine变换、K-L变换等。1、离散Fourier变换(DFT)类似一维的情况，对于大小为MN的数字图象的二维付里叶变换对可以定义为：但，要在微机上实现二维离散付里叶变换，运算量大、运算时间太长，根本无法应用于实时处
21、理的系统中，因此有必要利用其快速算法(FFT)。FFT的思想是利用旋转因子的周期性和对称性，将DFT运算过程中的大量重复计算简化，使得运算量大大减少。另外，对于二维的图象信号，可以先对图象f(i,j),的每一行做一维FFT得到N个值，将其排列在同一行的位置，再对由逐行变换得到的每一列做FFT变换，最后得到全图的变换图g(I,j)2、Rapid变换在用FFT进行变换时，FFT的基本运算单元为FFT的运算为蝶形运算，其基本关系式为，其中，p,q分别为上下对偶节点的序号。在此如果令旋转因子对每一级的计算时均相同，且r=0时，即则，Fourier变换更简化为Rapid变换，它的基本运算关系式为由于其中
22、不再含有复数乘法，因而运算速更快，可以满足实时处理的要求。3、离散的Karhunen-Lover变换离散Karhunen-Lover变换，简称K-L变换，是图象变换中具有最佳性质的一种，常常作为标准来衡量其它变换性能的好坏。它在图象压缩、图象目标旋转和分类特征的提取中都有很好的应用，尤其是用在特征提取和特征向量的降维中。若有一n维的特征向量组，可求得其协方差矩阵和向量组均为，由此求得协方差矩阵Cx的特征值i和特征向量i，并按照从大到小的顺序排列后，相应的特征向量构成K-L变换矩阵，故K-L变换可表示为取Y的前m(m n)个分量就可以将特征向量由n维降到m维。由于具有从大到小排列的方差，而方差越
23、大其分类能力越强，因此，前m个分量就提取了具有较大分类能力的那些特征。二、边缘检测通常从一幅复杂背景中提取对象物的边缘都是以原始图象为基础，检测图中每一个象素点与其领域内的灰度变化，利用边缘邻近的一阶或二阶方向导数的变化规律来检测出边缘，以达到从背景中分割出对象的目的。常用的边缘检测算子有：梯度算子、Sobel算子、Laplacian算子、Kirsch算子，下面分别介绍。1、梯度算子对图象中的阶跃型的边缘，由于在边缘点处其一阶导数取极值，对数字图象f(i,j)中的每一个象素取其梯度值，取适当的阈值Tg，若G(i,j)Tg，则G(i,j)点为阶跃状的边缘点，G(i,j)称为梯度算子的边缘图象。梯
24、度算子有如下两种近似计算方法，该式也被称为Roberts算子。2、Sobel算子对于数字图象),(j if的每一个象素点，考察其上、下、左、右4邻点灰度值的加权差，与之接近的邻点的权大。以此定义Sobel算子如下取适当的阈值Ts,若S(i,j)Ts,则(i,j)点为阶跃状的边缘点，S(i,j)边缘图象。3、Laplacian算子对阶跃状边缘，二阶导数在边缘处为零，而在边缘点的两侧二阶导数取异号，因此，对数字图象f(i,j)的每一个象素取其关于横轴方向和纵轴方向的二阶差分之和，构成Laplacian算子如下。Laplacian算子是一个与边缘方向无关的边缘检测算子。4、Kirsch算子对数字图象
25、f(i,j)的每个象素(i,j)，考察其八个邻点的灰度变化，以其中三个相邻的相素点的加权和减去其余五个邻点的加权和。让这三个邻点绕(i,j)依次移位，取其中差值最大的作为Kirsh算子的值。式中，取适当的阈值Tk，若K(i,j)Tk，则(i,j)点为阶跃状的边缘点，K(i,j)称为Kirsh算子的边缘图象。第三章车辆牌照识别系统的设计实现车辆牌照识别系统主要是由牌照图象预处理、牌照区域定位、字符分割与特征得取以及分类识别等环节组成，在本章中将详细论述系统的各个环节的设计思路与算法实现。一、图象预处理由CCD摄像机采集的图象可以BMP位图图象格式存于微机，为了用于牌照的分割和牌照字符的识别，原始
26、图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时CCD摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。1、图象的采集与转换BMP格式的图象是以像素的形式记录图象的，它的每一个象素点(pixel)由红、绿、蓝三元色组成，每个色彩通道的颜色值都由一个八位的字节来表示。然而，除了少数文献2、3提到可用色彩信息帮助对牌照的检测和分割外，考虑到图象文件的存储量和处理图象需占用大量机器资源，绝大多数牌照识别系统均采用不含彩色信
27、息的灰度图象，即图象中每个象素仅由一个八位字节表示该象素的亮度值，因而灰度图象是具有256个灰度级的黑白图象，便于后续二值化处理，运算量大大减少。一些系统的摄像部分采用单色CCD摄像头，则可以直接得到灰度图象。利用普通的彩色CCD摄像机拍摄的牌照图象都可以规整为宽度为256或512像素(pixels)点的位图文件格式，即彩色BMP图像文件。BMP格式图象文件的结构分为：文件头、调色板数据和图象数据三部分，其中文件头的长度固定为54个字节，文件头中包含两种数据结构：BITMAPFILE和BITMAPINFO，前者表示文件的类型、大小和打印格式等；后者包含了文件的尺寸信息。它们的数据结构定义如下，
28、Typedef struct tagBITMAPFILEHEADERunsigned int bfType；unsigned long bfSize；unsigned int Reserved1；unsigned int Reserved2；unsigned int long bfOffset；bitmapfileheader；Typedef struct tagBITMAPINFOHEADERunsigned long biSize；unsigned long biWidth；unsigned long biHeight；unsigned int biPlanes；unsigned int
29、biBitcount；unsigned long biCompression；unsigned long biSizeimage；unsigned long biXpelsperMeter；unsigned long biYpelsperMeter；unsigned long biClrUsed；unsigned long biClrImportant；bitmapinfoheader；54个字节的头定义后是调色板数据和图象数据，对于单色图象(biBitcount=0)，调色板数据有二项，各占4个字节，则图象数据从第62个字节开始；对于16色图象(biBitcount=4)，调色板数据有16项
30、，各占4个字节，则图象数据从第118个字节开始；对于256色图象(biBitcount=8)，调色板数据有256项，各占4个字节，则图象数据从第1078个字节开始；对24位的真色彩BMP图象文件，不需调色板，其文件头的长度固定为54个字节，即，图象数据从第54个字节以后开始，依次为蓝、绿、红三原色的各占一个字节的数据。因此，在读取一幅图象的数据时，可以相隔依次读取三个分别表示蓝色、绿色和红色的数据，以数组的形式将图象数据流读进内存，如，PicBi,j、PicGi,j、PicRi,j,称为色彩通道(B通道、G通道、R通道)。考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、
31、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字和黄底黑字这两种最常见的牌照，采用蓝色B通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现，如图4所示。因为蓝色(255，0，0)与白色(255，255，255)在B通道中并无区分，而在G、R通道或是灰度图象中并无此便利，如图5所示。同理对白底黑字的牌照可用R通道，绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置，便于后续处理。同时，也可利用色彩信息对牌照进行初步的分类，识别出小车、大车、卡车、军车、的士、或其它特种牌照的车辆。对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算，
32、为了保证图象文件处理的速度，达到实时的要求，图象压缩也是必要的预处理环节之一。在字符识别的应用中，实验证明1616(pixels)的大小就已经足够用以保持输入字符的形状4，确保识别的正确性，因此，采集的实际图象可经过压缩得到无失真压缩图象再进行处理。实际上，对图象进行压缩应选择合适的压缩比，不能因压缩而丢失字符信息，造成识别错误。2、图象增强由于车辆牌照识别系统是全天候的工作性质，若无理想的补充光照明，自然光照度的昼夜变化会引起牌照图象的对比度严重不足，使图象中牌照字符分辨不清，甚至根本无法定位和分割，更无法识别。因此，人们提出各种有效各有效的增强图象对比度度的方法，如：灰度线性变换、图象平滑
33、处理和线性滤波器等。文献6中采用了图象灰度拉伸的方法有效地增强了图象的对比度，增强后的图象中字符清晰、区域分明，便于图象二值化和字符分割处理。文献3中则采用了一种简便有效的线性滤波器进行图象中字符的增强，得到一个亮度明显高于背景的牌照字符区域，经进一步的定位处理就很容易确定其具体位置。可见，图象增强处理无论对图象牌照的可辩认度的改善，还是简化后续的牌照字符定位和分割的难度都是很有必要的。(1)灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰
34、度失衡，或是由于CCD摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。实验中我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,150)之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到s=(0,255)之间，为此我们对灰度值作如下的变换，如图6所示，使得，其中，T为线性变换，若r(50,150)、s(0，255)则：(2)平滑处理对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通
35、过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。例如，某一象素点的邻域S有两种表示方法：邻域平均值为，其中，M为邻域中除中心象素点f(i,j)之外包括的其它象素总数，对于4邻域M=4，8邻域M=8。然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。3、图象水平校
36、正虽然在车辆牌照的拍摄时，可以调整CCD摄像机的俯仰角度、摄取方向和水平度，以保持牌照的横向边缘的倾斜度尽可能小，并且让牌照在整幅图象中处于相对居中的位置，即图象的视觉中心上。但是，实际上CCD摄像机通常安装在路边或顶部，这将造成车辆牌照与CCD摄像头成像平面不平行，产生不同程度的牌照图象的倾斜与变形，影响牌照的检测和分割。就图象的旋转倾斜的问题，文献7中提出了基于区域生长算法的牌照校正方法，较好地保证了牌照图象的水平。文献8的作者在文中详细讨论了图象的水平校正，并给出了理论推导和具体的算法实现，该方法对解决其它字符识别系统的类似问题也是快速有效的。类似地，在文献2和6中作者也不同程度地讨论了
37、牌照图象的倾斜和变形对牌照的检测和提取以及之后的牌照字符分割所产生的不容忽视的影响，并提出了相应的改善方法。更多的情况下，图象的水平校正是放在牌照的二值化和分割，甚至是在牌照字符切分之后再进行，这样图象的运算量大减少。然而，倾斜的牌照图象本身就极不利于牌照字符的切分，因此，将图象水平校正放在图象预处理过程中是切实可行的。我们在实验中针对倾斜比较严重的图象采用如下坐标变换的方法进行水平校正，其中，为水平轴方向的倾斜角度，如果很小则可以不进行水平校正。二、牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的
38、一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。所谓边缘检测就是寻找灰度值发生急剧变化的区域，它可以用图象灰度的一阶偏微分(梯度算子)和二阶偏微分(拉普拉斯算子2)的值来判定边缘点，亦可将图象与二维高斯函数经拉普拉斯运算函数2h(x,y)进行卷积而检测出来出来10。文献9和11就采用了基于图象轮廓线(边缘
39、线)的牌照图象定位算法，此方法对特征明显的牌照图象定位和分割十分有效，且算法简便可行。其它一些系统则采用了统计投影直方图的方法12，通过对原始图象在水平和垂直两个方向的灰度投影直方图案的分析来确定牌照的位置。还有一些是将原始图象进行二值化后再运用投影直方图的方法确定牌照在整个图象中的位置3。还有人利用牌照的四边形区域的几何特点，通过检测四边形的边框或四角来确定牌照的位置。文献2就是一篇完整的牌照检测方面的专门文献，文中提出的基于线模板的角检测算法在二值图象中搜寻牌照区域的四个角点，尤其在牌照发生倾斜和变形时也能准确提取。此外，还有一些方法是根据牌照中的字符形状、字符水平分布、牌照的颜色信息等其
40、它特征来确立相应的检测和分割算法，想法各一，各有所长。牌照区域检索模块进行牌照的搜索与检测，自动定位并分割出包括牌照字符号码和矩形区域，是牌照字符识别前的一个重要环节。它应该具有较高的准确性和实时性，而对实地的拍摄条件，诸如，环境光照度、拍摄角度和距离以及牌照的整洁度和车辆行驶速度等因素的影响有较大的容忍度。本文研究的重点和所介绍的算法都是基于计算机图象处理技术的一些简单而有效的算法，如边缘检测(Edge detection)、二值化阈值处理(binarization)等，然而，通常针对灰度图象的处理方法丢失了色彩这一非常有用的图象信息，使得牌照区域定位的准确性减低或是定位算法复杂化。本文中引
41、入色彩通道这一概念，使牌照定位和图象二值化等环节分别在不同的色彩通道上进行，这样即可以降低机器资源的占用，又可明显提高牌照的检出速度和准确性。1、图象边缘的检出图象中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定(拍摄距离和角度几乎不变)。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法、常用的边缘检测算子有：梯度算子、Sobel算子、Laplacian算子、Kirsch算子等，然而，考虑支牌照图象具有很强的水平纹理特性，实际上我们可以仅在水平方向
42、上进行变换的方式，勾勒出牌照的边缘，如图8所示。此算法中采用的图象算子是二次微分的一种变形形式，即对图象数据流进行二次差分运算，二次差分运算的形式为：实际运算中，为了减少机器内存的开销，可以用下式代替：这样变换后的图象均向左平移了两个象素，在随后的牌照定位和分割时为了保证定位的准确性，再将整体向右平移两个象素即可。从上式的形式来看，这种变换实际是相当于一线性滤波器，其结果是增强图象中对象物的边缘，起到勾勒物体边缘的作用。然而，二次微分变换都会对噪声点更敏感，使噪声成分加强，此时可以同时进行图象的平滑处理，即用每一象素点的邻域平均值代替该点的象素值，处理后的结果比较理想。2、牌照区域的定位与分割
43、牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置，即标定出牌照区域的四个角点DL(x1,y1)、DR(x2,y2)、UL(x3,y3)、UR(x4,y4)。为此，我们采用了角点模板匹配法，根据具体情况可采用两角点法或四角点法，下面以两角点法为例说明。首先，选用以下两种角点模板：Dl(Downleft)、UR(Upright)，如图9所示。用这两角点模板在全图范围内同时搜索符合以下条件的点，并依次标记为左下点DLi或为右上点URj。计算，搜索的条件是：如果dark2且bright7(即7个D中仅有一个亮点，而9个B中至少有七
44、个亮点)，标记为左下角(Downleft)可能点。同理标出右上角(Upright)所有可能点。这样图象扫描一次得到全部DL和UR点族后，就可以通过简单的排列组合，拼成大小不一、位置不同的一系列矩阵，然后依据车辆牌照的特点，如，长宽比一定；在整幅图象中的位置范围几乎相同；长和宽的象素点在一定范围内等，进行排查，最后得到最匹配的一个矩形区域，即为检出的车辆牌照，如图10所示。这些特点是由固定的CCD摄像机与定时拍摄牌照图象时，拍摄角度和拍摄距离决定的，而这些条件都是很容易满足的。若采用四角点法，除了Downleft角点和Upright角点外，再检查出另外两个角点Downright和Upleft。就
45、可以先将DLi角点族和DRj角点族以及ULi角点族和URj角点族通过一定的限制条件(如，连线的斜率接近于0等)，连接成若干条水平边缘线，再用同样的方法找到若干竖直边缘线。得到所有水平边缘线和竖直边缘线后，便可以根据车辆牌照的具体特点进行筛选，并将剩下的边缘线两两相配组成四边形区域，再按照牌照固定的长宽比等条件，确定出最可能的四边形即为牌照区域。在实现上述算法时，采用的数据结构有：Struct Pointint x；int y；int pixels；Point；Struct LinePoint head；int lengh；float k；line；3、阈值选取与图象二值化一幅八位的灰度图象仍有
46、256个灰度等级，对此灰度图象进行二值化实质是将图象中的每一个象素按一定规则进行分类，也就是将图象转换为只有二个等级(黑、白)的二值图象。最简单的分类规则是依据区域相似性和不连续性，取定一灰度阈值。大于此阈值的象素点置成黑(白)，而小于此阈值的象素点置成白(黑)。常用的二值化算法有：Otsu算法、Bernsern算法和熵函数算法等。文献报道中多数系统都是采用这种灰度阈值二值化的方法。有时为了简化算法，减少运算时间，取图象平均值为阈值3；有的考虑到牌照光照不均，采取了牌照字幅分别二值化的方法12，也就是先对牌照图象进行分割，再对分割出来的字符图象进行独立梯度统计，取各自不同的阈值进行分类；文献6
47、和13则在二值化过程中引入了纹理分析，判定字符笔划边缘后再对阈值进行调整，这样图象二值化的效果好于灰度直方图取阈值方法。此外，也有部分牌照检测系统根据彩色牌照图象的色度、亮度和饱和度来确定阈值，直接将彩色图象转换为二值图象2。下面介绍二种我们在实验中用到的阈值选择方法，一种为最大方差阈值选择法；一种为灰度平均值阈值选择法。(1)最大方差阈值选择法将图象直方图在某一阈值k处分为二组，C1=0k,C2=k255，各自产生的概率；C1产生的概率为(k),C2产生的概率为1-(k)；C1的平均值1=(k)/(k),C2的平均值2=(-(k)/(1-(k),图11灰度阈值选择25其中，是图象整体的灰度平
48、均值；(k)是阈值为k时的灰度平均值，所以两组间的方差可以由下式求出，在0255之间求出上式为最大值时的k，便确定为阈值。最大方差阈值选择法是建立在最小二乘原理的基础上的，它不仅适用于单阈值选取也适用于多阈值的选取，并且无论图象的灰度直方图有无明显的双峰都能得到满意的结果，是最优的阈值自动选取法。(2)灰度均值阈值选择法实验中我们也采用了另一种阈值选择法-灰度均值阈值选择法，即简单地选取整幅图象的灰度平均值作为阈值，其中，m为调节因子，当整幅图象偏暗，均值较低时，m 1；当图象灰度、对比度适中时，m=1；当图象整体偏亮，均值较高时，m 1时。这样图象二值效果比较适合后续的进一步处理，实验中m的经验值选取如下，(a)当灰度均值A 140时，m=0.19；(b)当120 A140时，m=1；(c)当100 A120时，m=1.111.22；(d)当60 A100时，m=1.421.82；(e)当灰度均值A 60时，m=2；在把两种阈值选择方法的分割效果进行了对比实验后，我