車牌識(shí)別系統(tǒng)畢業(yè)設(shè)計(jì)

1、<p>　　在車牌自動(dòng)識(shí)別系統(tǒng)中對(duì)字符的分割與識(shí)別的研究</p><p><b>　　摘要</b></p><p>　　隨著世界各國汽車數(shù)量的急劇增加，城市交通狀況口益受到人們的重視。如何有效</p><p>　　地進(jìn)行交通管理，越來越成為各國政府和有關(guān)部門所關(guān)注的焦點(diǎn)。車輛牌照的自動(dòng)識(shí)別</p><p>　　

2、是計(jì)算機(jī)視覺與模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一，是實(shí)現(xiàn)交通管</p><p>　　理智能化的重要環(huán)節(jié)。</p><p>　　本課題是汽車牌照自動(dòng)識(shí)別系統(tǒng)的一部分，建立了一個(gè)完全由軟件來實(shí)現(xiàn)的汽車牌</p><p>　　照字符識(shí)別系統(tǒng)。本系統(tǒng)將輸入的車牌彩色圖像通過識(shí)別處理，輸出可編輯的字符串。</p><p>　　整個(gè)處理過程

3、分為圖像預(yù)處理、牌照的傾斜校正、字符分割和字符識(shí)別四部分。</p><p>　　圖像預(yù)處理階段主要是研究圖像的灰度化處理、去噪處理以及圖像的二值化操作。</p><p>　　針對(duì)由十光照等原因造成的圖像黑白不分明，本文采用了改進(jìn)的二值化算法，在OSTU</p><p>　　算法的基礎(chǔ)上，改進(jìn)了圖像的處理效果。傾斜矯正階段主要是先檢測(cè)那些由十拍攝角度</p>

4、;<p>　　等問題造成的車牌圖像的傾斜角度，然后采用兩次變換的方法對(duì)圖像進(jìn)行矯正處理。在</p><p>　　字符分割階段，本文主要采用先分割后驗(yàn)證的方式保證分割的成功率，然后將分割好的</p><p>　　字符圖像做歸一化處理，統(tǒng)一大小。最后的字符識(shí)別部分首先利用數(shù)學(xué)形態(tài)學(xué)中的細(xì)化</p><p>　　處理，抽取字符的骨架，然后利用模板匹配法識(shí)別字

5、符。</p><p>　　本文研究證明:改進(jìn)后的二值化算法可以較好的保留圖像細(xì)節(jié)，消除噪音，抗噪能</p><p>　　力強(qiáng);基十Hough變換求取傾斜角度，再采用兩次變換的方法使得矯正后的圖像失真較</p><p>　　小;通過細(xì)化處理后，再采用模板匹配法可以快速準(zhǔn)確地識(shí)別出車牌字符等。</p><p>　　關(guān)鍵詞:汽車牌照自動(dòng)識(shí)別系統(tǒng)，二

6、值化，細(xì)化，模板匹配法</p><p>　　The Study of Segmentation and Recognition in the Vehicle License Plate Automatic System</p><p>　　xiaochunshuang</p><p><b>　　ABSTRACT</b></p>

7、<p>　　With the increment of vehicle all over the world, the situation of city traffic is attracted the recognition of people. How to manage the traffic effectively is become the focus of people more and more. Licens

8、e Plate Recognition System is the computer vision and one of the important subjects for research that recognition technology employ in the field of intellectual traffic system, realize the intelligent important links of

9、traffic administration.</p><p>　　This topic is a part of License Plate Recognition System, has established one completely the license plate character recognition system which realizes by the software. This s

10、ystem will input the car license color image through recognition processing, the string of character which the output might edit. The entire treating processes divide into the image pretreatment, the license plate correc

11、tion for grade, the character division and the character recognition four parts.</p><p>　　The image pretreatment stage mainly studies the image gradation processing, denoising processing and the image binary

12、zation operation. In view of because reasons and so on illumination creates the image black and white is not distinct, this paper has used the improvement binaryzation algorithm, in the OSTU algorithm foundation, improve

13、d the image processing effect. The inclined correction stage mainly examines that tilt angle of car license image because of shooting angle and so on questions, fi</p><p>　　confirms, then will divide the cha

14、racter image will make normalized processing, unified size.The final character recognition part first uses in mathematics morphology refinement extraction the character skeleton, then use template match method recogniti

15、on</p><p>　　This paper proved that, the improvement binaryzation algorithm can retain the good retention image detail, eliminate the noise, also has strong anti-chirp ability; Based on the Hough transformati

16、on seeking angle of tilt, after uses the method which two times transform to cause the distortion of correction the image to be small; After refinement processing, uses the template match method to be possible distinguis

17、h the car license character fast and</p><p>　　accurately and so on.</p><p>　　Key words: License Plate Recognition System, binaryzation, refinement, template</p><p>　　match method<

18、;/p><p><b>　　目錄</b></p><p><b>　　第一章緒論7</b></p><p>　　1.1車牌識(shí)別項(xiàng)目系統(tǒng)概述7</p><p>　　1.2車牌識(shí)別項(xiàng)目的意義8</p><p>　　1.3車牌識(shí)別項(xiàng)目研究現(xiàn)狀9</p><p

19、>　　1.4本文的研究內(nèi)容10</p><p>　　第二章圖 像預(yù)處理12</p><p>　　2.1 BMP圖像的讀取與轉(zhuǎn)換13</p><p>　　2.2彩色圖像灰度化15</p><p>　　2.3去噪處理16</p><p>　　2.4灰度圖像的二值化17</p><p&g

20、t;　　第三章 圖像校正18</p><p>　　3.1圖像傾斜角度檢測(cè)19</p><p>　　3.2車牌圖像校正19</p><p>　　3.2.1車牌圖像校正方法19</p><p>　　3.2.2車牌圖像校正的流程21</p><p>　　3.2.3車牌圖像校正應(yīng)用23</p><

21、;p>　　第四章字符分割24</p><p>　　4.1車牌字符分割24</p><p>　　4.1.1消除車牌邊框24</p><p>　　4.1.2車牌中字符的分割25</p><p>　　4.2字符歸一化26</p><p>　　第五章字符識(shí)別28</p><p>　　第

22、六章車牌識(shí)別系統(tǒng)實(shí)現(xiàn)30</p><p>　　6.1車牌識(shí)別系統(tǒng)總流程30</p><p>　　6.2識(shí)別結(jié)果30</p><p><b>　　第七章結(jié)論32</b></p><p><b>　　致謝34</b></p><p><b>　　參考文獻(xiàn)35

23、</b></p><p><b>　　第一章緒論</b></p><p>　　1.1車牌識(shí)別項(xiàng)目系統(tǒng)概述</p><p>　　隨著科學(xué)技術(shù)與經(jīng)濟(jì)的發(fā)展，人們對(duì)十交通狀況的要求也越來越高，在交通硬件取</p><p>　　得了很大成就的同時(shí)，交通類軟件的發(fā)展也引起了人們的廣泛重視。一些發(fā)達(dá)國家近年</p&

24、gt;<p>　　來出現(xiàn)了很多這方面的理論研究成果和軟件產(chǎn)品，我國在這方面的研究也具備了一定的</p><p>　　規(guī)模。大量在公共場合的汽車需要得到監(jiān)管，而目前在各大城市。欠費(fèi)違章車輛招搖過</p><p>　　市。各種違章行為層出不窮；車輛盜竊案件也時(shí)常發(fā)生。涉及機(jī)動(dòng)車的各種經(jīng)濟(jì)和刑事</p><p>　　案件屢禁不止。給現(xiàn)代化的交通管理和公安刑偵

25、等帶來了眾多問題。為了更好地進(jìn)行管</p><p>　　理，必須對(duì)車輛進(jìn)行一種確認(rèn)，而車牌識(shí)別就是其中最有效的確認(rèn)方法，車牌識(shí)別LPR</p><p>　　是License Plate Recognition的簡稱，它是智能交通系統(tǒng) (Intelligent Transportation</p><p>　　Systems, ITS)的一個(gè)重要組成部分。車牌識(shí)別技術(shù)

26、在高速公路收費(fèi)站、路口監(jiān)測(cè)(電子</p><p>　　警察)、大型停車場等場所具有廣闊的發(fā)展前景。</p><p>　　1.2車牌識(shí)別項(xiàng)目的意義</p><p>　　首先，車牌識(shí)別技術(shù)在提高高速公路收費(fèi)站效率方面起著至關(guān)重要的作用。由十高</p><p>　　速公路運(yùn)輸中傳統(tǒng)的人工收取通行費(fèi)方法效率低下，而近幾年不斷增大的交通流量，往<

27、/p><p>　　往使得各式車輛在收費(fèi)管卡處滯留形成“瓶頸”，不能完全發(fā)揮出高速公路的優(yōu)點(diǎn)，這</p><p>　　個(gè)問題如得不到解決，勢(shì)必影響交通運(yùn)輸線的暢通，甚至導(dǎo)致直接或間接的經(jīng)濟(jì)損失。</p><p>　　不停車自動(dòng)收費(fèi)系統(tǒng)是解決這一問題的有效方法之一，該系統(tǒng)的啟用將大大提高收費(fèi)站</p><p>　　各通道的處理能力，減少車輛通過的時(shí)間

28、。目前，類似的自動(dòng)收費(fèi)系統(tǒng)在美國和歐洲一</p><p>　　些發(fā)達(dá)國家已經(jīng)得到使用推廣，據(jù)資料表明:高速公路自動(dòng)收費(fèi)站車輛的平均通過速度為每小時(shí)1500輛，而在裝有自動(dòng)收幣機(jī)的收費(fèi)站為每小時(shí)650輛，人工收費(fèi)則最多為每小時(shí)350輛。隨著該系統(tǒng)的推廣使用，收費(fèi)站前的車輛賭塞和交通擁擠的情況得到緩解，可以為過往車輛節(jié)約運(yùn)營時(shí)間，這對(duì)十長途旅客運(yùn)輸和商用貨物運(yùn)輸也顯得尤為重要。此外，由于不停車收費(fèi)系統(tǒng)的自動(dòng)化水平高、

29、收費(fèi)迅速而便捷、管理統(tǒng)一規(guī)范，對(duì)杜絕高速公路人為的“亂收費(fèi)”現(xiàn)象也具有特別重要的意義。</p><p>　　其次，機(jī)動(dòng)車闖紅燈是口常交通管理中常見的交通違法現(xiàn)象，不僅擾亂了正常的交</p><p>　　通秩序，也是造成機(jī)動(dòng)車交通事故的主要原因之一。因此采用現(xiàn)代化的先進(jìn)技術(shù)，采用</p><p>　　智能化的交通控制和管理，為公安交通管理部門提供強(qiáng)有力的執(zhí)法證據(jù)，對(duì)改

30、善交通秩</p><p>　　序、保障交通安全、提高道路交叉口通行能力、減少交通事故、促進(jìn)社會(huì)的進(jìn)一步發(fā)展</p><p>　　都具有重大的社會(huì)意義。所以，作為智能交通系統(tǒng)的一個(gè)重要分支，電子警察系統(tǒng)綜合</p><p>　　利用網(wǎng)絡(luò)、數(shù)字圖像處理、小波、神經(jīng)網(wǎng)絡(luò)、通訊、數(shù)學(xué)形態(tài)學(xué)等先進(jìn)技術(shù)對(duì)闖紅燈這</p><p>　　種交通違法現(xiàn)象進(jìn)行抓

31、拍和處理，為公安交通部門提供強(qiáng)有力的執(zhí)法證據(jù)，對(duì)改善交通</p><p>　　秩序、保障交通安全、提高道路交叉口通行能力、減少交通事故等都起到了重要作用。</p><p>　　此外，在大型停車場等系統(tǒng)的管理中，車牌識(shí)別也起著重要的作用。</p><p>　　1.3車牌識(shí)別項(xiàng)目研究現(xiàn)狀</p><p>　　近幾年來，汽車牌照智能識(shí)別的技術(shù)發(fā)展很

32、快，就其識(shí)別基礎(chǔ)，主要可分為間接</p><p>　　法和直接法兩種:間接法是基于IC卡(即無線電頻率鑒別(REID)或基于條碼的識(shí)別；</p><p>　　直接法是基于圖像的汽車牌照識(shí)別。</p><p>　　間接法是指通過識(shí)別安裝在汽車上的IC卡或條形碼中所儲(chǔ)存的車牌的信息來識(shí)別</p><p>　　車牌及相關(guān)信息。IC卡技術(shù)識(shí)別準(zhǔn)確度高

33、，運(yùn)行可靠，可以全天候作業(yè)，但是它整套裝</p><p>　　置價(jià)格昂貴，所需硬件設(shè)備十分復(fù)雜，不適用于異地作業(yè)。條形碼技術(shù)具有識(shí)別速度快、</p><p>　　準(zhǔn)確度高、可靠性強(qiáng)以及成本較低等特點(diǎn)，但是對(duì)十掃描器要求很高。此外，二者都需</p><p>　　要制定出全國統(tǒng)一的標(biāo)準(zhǔn)，并目_無法核對(duì)車、日條形碼是否相符，這也是技術(shù)上存在的</p><

34、;p>　　缺點(diǎn)，這就使得其在短時(shí)間內(nèi)廣泛應(yīng)用變得非常困難。</p><p>　　基于圖像的車牌識(shí)別技術(shù)屬于直接法，是一種無源型汽車牌照智能識(shí)別方法，能夠</p><p>　　在無任何專用發(fā)送車輛信號(hào)的車載發(fā)射設(shè)備情況下，對(duì)運(yùn)動(dòng)狀態(tài)車輛或靜止?fàn)顟B(tài)車輛的</p><p>　　車牌號(hào)碼進(jìn)行非接觸性信息采集并實(shí)時(shí)智能識(shí)別。與間接法識(shí)別系統(tǒng)相比，首先，這種</p&

35、gt;<p>　　系統(tǒng)節(jié)省了設(shè)備安置及大量資金，從而提高了經(jīng)濟(jì)效益；其次，由十采用了先進(jìn)的計(jì)算</p><p>　　機(jī)應(yīng)用技術(shù)，所以可以提高識(shí)別速度，較好的解決了實(shí)時(shí)性問題；再次，它是根據(jù)圖像</p><p>　　進(jìn)行識(shí)別，所以可以通過人的參與可以解決系統(tǒng)中的識(shí)別錯(cuò)誤，而其它方法是難以與人</p><p>　　交互的。所以，如何實(shí)現(xiàn)更快更好進(jìn)行車牌識(shí)別

36、，已經(jīng)成為了一個(gè)各國關(guān)注的熱點(diǎn)問題。</p><p>　　許多國家的公司和大學(xué)都對(duì) LPR技術(shù)進(jìn)行了研究和開發(fā)工作，其中包括:新加坡、美國、意大利、加拿大、英國、德國、香港和葡萄牙等。有些識(shí)別系統(tǒng)已經(jīng)投入到了實(shí)際運(yùn)用當(dāng)中去。國外現(xiàn)在有一些公司在這方面有一些比較成功的產(chǎn)品系列:以色列Hi_ Tech公司的See/Car System系列產(chǎn)品，香港Asia Vision Technology公司的VECON產(chǎn)品，新加

37、坡Optasia公司的VLPRS產(chǎn)品等，其中VECON和VLPRS產(chǎn)品主要適合于香港和新加坡的車牌，Hi_ Tech公司的See/Car System有多種變形產(chǎn)品來分別適應(yīng)某一個(gè)國家的車牌，See/Car Chinese系統(tǒng)可以對(duì)中國大陸的車牌進(jìn)行識(shí)別，但也有很大的缺陷，而且不能識(shí)別車牌中的漢字。另外口本、加拿大、德國、意大利、英國等各個(gè)西方發(fā)達(dá)國家都有適合十本國車牌的識(shí)別系統(tǒng)。各個(gè)國家的產(chǎn)品雖然不同，但基本上都是基于車輛探測(cè)器的系統(tǒng)

38、，因此設(shè)備投資巨大。</p><p>　　中國大陸做得較好的產(chǎn)品有中科院自動(dòng)化研究所漢土公司的“漢土眼”，除此之外</p><p>　　國內(nèi)的業(yè)洲視覺科技有限公司、深圳市吉通電子有限公司、中國信息產(chǎn)業(yè)部下屬的中智</p><p>　　交通電子系統(tǒng)有限公司等也都有自己的產(chǎn)品。另外西安交大的圖像處理與識(shí)別研究室、</p><p>　　上海交大的計(jì)

39、算機(jī)科學(xué)與工程系、清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)的自動(dòng)</p><p>　　化系等也都做過類似的研究。</p><p>　　車牌字符識(shí)別是車牌識(shí)別系統(tǒng)的一個(gè)重要組成部分。車牌字符識(shí)別可以認(rèn)為屬于印</p><p>　　刷體文字識(shí)別的范疇。早在五十年代人們就已經(jīng)認(rèn)識(shí)到印刷體字符識(shí)別的意義，開始了</p><p>　　相應(yīng)的研究，在以后

40、的二十年中不斷有一些不是很成熟的軟件出現(xiàn)。到了八十年代后期，</p><p>　　計(jì)算機(jī)硬件資源獲得飛速的提高，使得印刷體文字的快速識(shí)別成為可能。九十年代，大</p><p>　　量的OCR方面的論文和系統(tǒng)見諸于世，SPIE, IEEE在這一方面也曾舉行過多次會(huì)議，大大推動(dòng)了該方向的研究，所有這些研究為車牌字符的識(shí)別提供了理論上的指導(dǎo)，但目前的科學(xué)技術(shù)還不能揭示人的文字識(shí)別的機(jī)制，腦機(jī)能

41、研究的進(jìn)展會(huì)不斷地揭示人的這種機(jī)制，一旦這一機(jī)制被我們所認(rèn)識(shí)，建立在這個(gè)基礎(chǔ)上的文字識(shí)別理論和技術(shù)將會(huì)產(chǎn)生質(zhì)的飛躍。</p><p>　　1.4本文的研究內(nèi)容</p><p>　　本文的主要研究內(nèi)容是針對(duì)已經(jīng)定位好的車牌進(jìn)行一系列的圖像處理，最終識(shí)別出車牌的字符。具體研究內(nèi)容包括對(duì)定位好的車牌進(jìn)行相應(yīng)的預(yù)處理，對(duì)車牌圖像的傾斜校正，車牌圖像的字符分割工作和字符識(shí)別工作等四大塊內(nèi)容，其中涉及

42、了圖像處理、數(shù)學(xué)形態(tài)學(xué)、模式識(shí)別等方面的知識(shí)，具體流程圖如圖1.1所示:</p><p>　　圖1.1車牌字符識(shí)別系統(tǒng)流程圖</p><p><b>　　主要研究內(nèi)容如下:</b></p><p>　　1、針對(duì)車牌圖像的預(yù)處理。首先讀取定位好的車牌圖像，對(duì)圖像進(jìn)行灰度化、去</p><p>　　噪處理、二值化等一系列圖像

43、處理操作;</p><p>　　2、車牌的傾斜校正處理。因?yàn)榕臄z角度原因等，了能夠正確分割字符，首先要校正車牌，擬采用Hough變換等方法取得二值化圖像的傾斜角，再通過變換方法校正圖像；</p><p>　　3、車牌字符的分割處理。為了可以得到噪音較少的圖像，首先根據(jù)車牌邊框的性</p><p>　　質(zhì)去除上下邊框，然后根據(jù)車牌字符的特點(diǎn)，分割出單個(gè)的字符，最后通過

44、字符高寬比</p><p><b>　　值確認(rèn)字符圖像。</b></p><p>　　4、字符識(shí)別的研究。為了滿足實(shí)時(shí)性，擬采用改進(jìn)的模板匹配方法進(jìn)行字符的識(shí)</p><p>　　別，即對(duì)十提取出的單個(gè)字符，先進(jìn)行細(xì)化操作，得到字符的骨架，然后與模板進(jìn)行第</p><p>　　一次粗比對(duì)，再根據(jù)字符細(xì)節(jié)特征進(jìn)行細(xì)比對(duì)，最

45、終識(shí)別出字符。</p><p><b>　　第二章圖 像預(yù)處理</b></p><p>　　車牌圖像預(yù)處理是車牌字符識(shí)別系統(tǒng)中的第一個(gè)步驟，也是非常關(guān)鍵的一個(gè)步驟。在完成對(duì)圖像中的車牌區(qū)域定位之后，對(duì)字符進(jìn)行識(shí)別之前，要完成一系列的準(zhǔn)備工作，如車牌圖像的預(yù)處理、車牌的傾斜校正、車牌字符分割等，尤其是車牌圖像預(yù)處理結(jié)果的好壞對(duì)后續(xù)識(shí)別工作的影響非常大，預(yù)處理工作做得好，

46、可以加快后續(xù)工作的速度，提高識(shí)別率，而預(yù)處理工作處理得不理想，不但提高了后續(xù)工作的難度，更會(huì)影響到最后的識(shí)別率和正確率，由此可見，在車牌自動(dòng)識(shí)別系統(tǒng)中，預(yù)處理工作是非常重要的。</p><p>　　對(duì)圖像的預(yù)處理包括對(duì)數(shù)字圖像文件的讀取，彩色圖像灰度化，利用中值濾波對(duì)</p><p>　　圖像進(jìn)行去噪處理以及圖像的二值化處理。</p><p>　　2.1 BMP圖像

47、的讀取與轉(zhuǎn)換</p><p>　　在車牌圖像定位后得到的圖像是一幅BMP彩色圖像，而我們進(jìn)行圖像處理的時(shí)候都是要對(duì)內(nèi)存中的數(shù)據(jù)進(jìn)行操作的，所以首先要把定位好的BMP圖像讀入到內(nèi)存中。BMP （BitMap Picture)文件格式是Windows系統(tǒng)交換圖形、圖像數(shù)據(jù)的一種標(biāo)準(zhǔn)格式。BMP圖像的數(shù)據(jù)由四部分組成。</p><p>　　第一部分是位圖頭文件BITMAPFILEHEADER，它

48、是一個(gè)結(jié)構(gòu)體，定義如下:</p><p>　　typedef struct tagBITMAPFILEHEADER{</p><p>　　WORD bfType;</p><p>　　DWORD bfSize;</p><p>　　WORD bfReservedl;</p><p>　　WORD

49、 bfReserved2;</p><p>　　DWORD bfOffBits;</p><p>　　} BITMAPFILEHEADER;</p><p>　　第一個(gè)bfType用于表示文件類型，如果它是bmp文件，那么它這個(gè)位置的值一定是“BM”也就是Ox4D42。第二個(gè)bfSize表示整個(gè)文件的字節(jié)數(shù)。第二第四個(gè)則保留，目前無意義，最后一個(gè)相當(dāng)重要

50、，表示，位圖的數(shù)據(jù)信息離文件頭的偏移量，以字節(jié)為單位。</p><p>　　第二部分為位圖信息頭BITMAPINFOHEADER，也是一個(gè)結(jié)構(gòu)，其定義如下:</p><p>　　typedef struct tagBITMAPINFOHEADER{</p><p>　　DWORD biSize;</p><p>　　LONG

51、 biWidth;</p><p>　　LONG biHeight;</p><p>　　LONG biplanes;</p><p>　　WORD biBitCount;</p><p>　　DWORD biCompression;</p><p>　　DWORD

52、 biSizeImage;</p><p>　　LONG biXPelsPerMeter;</p><p>　　LONG biYPelsPerMeter;</p><p>　　DWORD biClrUsed;</p><p>　　DWORD biClrImportant;</p>

53、<p>　　} BITMAPINFOHEADER;</p><p>　　其中biSize表示文件的長度，它的單位是像素;而 biWidth和biHeight分別表示圖像的寬度和高度，單位是像素；biplanes必須是1； biCount表示圖像在表示顏色時(shí)要用到的位數(shù)，常用的分別是1(黑白二色位圖)、4 <16色位圖)、8 <256色位圖)、24 ( 24位真彩圖 )； biCompres

54、sion表示壓縮類型；biSizeImage表示實(shí)際的位圖數(shù)據(jù)占用的字節(jié)數(shù)，它可以通過寬度biWidth與高度biHeight相乘得到;biXPelsPerMeter 和biYPelsPerMete:分別表示水平分辨率和垂直分辨率，它們的單位是每米像素個(gè)數(shù)；biClrUsed表示圖像實(shí)際用到的顏色數(shù)，如果該值為零，則用到的顏色數(shù)為2的biBitCount次方;biClrImportant表示圖像中的重要的顏色數(shù)，如果該值為零，則認(rèn)為所有

55、的顏色都是重要的。在這些變量中應(yīng)該注意到biWidth這個(gè)值，在通常情況下，biWidth應(yīng)該可以被4整除，否則的話，系統(tǒng)會(huì)自動(dòng)將下一行的圖像數(shù)據(jù)補(bǔ)上來，造成圖像的扭曲甚至變形，所以在處理中如果要對(duì)圖像進(jìn)行裁剪的話，應(yīng)該注意圖像的寬度最好能</p><p>　　第三部分是調(diào)色板(Palette)，這里的調(diào)色板主要是針對(duì)位圖文件，例如16色位圖，256色位圖等，而真彩色圖像是不需要調(diào)色板的。調(diào)色板實(shí)際上是一個(gè)數(shù)組，

56、一共有biClrUsed個(gè)兀素，如果biClrUsed為零，則有2的biBitCount次方個(gè)兀素。數(shù)綱中的每一個(gè)兀素都有4個(gè)分量組成，分別表示R, G, B二個(gè)分量值和一個(gè)固定值O。</p><p>　　第四部分就是實(shí)際的圖像數(shù)據(jù)。對(duì)十那些用到調(diào)色板的位圖，這里的圖像數(shù)據(jù)只是一個(gè)指向調(diào)色板數(shù)據(jù)的指針，指針?biāo)赶虻臄?shù)據(jù)就是該點(diǎn)的顏色數(shù)據(jù)，而對(duì)十真彩色圖像來說，圖像數(shù)據(jù)就是實(shí)際的R, G, B值，對(duì)十24位真彩色圖

57、來說，每一個(gè)像素的顏色都要用3個(gè)變量來表示。</p><p>　　這些就是BMP圖的實(shí)際存儲(chǔ)數(shù)據(jù)，因?yàn)槲覀兪菍?duì)位圖數(shù)據(jù)進(jìn)行操作的，所以在處理圖像之前有必要搞清楚圖像的具體存儲(chǔ)結(jié)構(gòu)。在處理圖像的時(shí)候，首先從文件中讀取圖像文件頭信息，然后再把圖像數(shù)據(jù)的第四部分，也就是實(shí)際的圖像數(shù)據(jù)讀入內(nèi)存，對(duì)其進(jìn)行操作。</p><p>　　2.2彩色圖像灰度化</p><p>　　我

58、們之前讀入的圖像數(shù)據(jù)都是彩色圖像數(shù)據(jù)，里面包含著大量的顏色信息，這樣處</p><p>　　理起來，不但在存儲(chǔ)上開銷很大，而且在處理上也會(huì)降低系統(tǒng)地執(zhí)行速度，由十這些信</p><p>　　息與識(shí)別沒有太大的關(guān)系，并且不便于進(jìn)一步的識(shí)別工作，因此在對(duì)圖像進(jìn)行識(shí)別之前</p><p>　　首先要將圖像轉(zhuǎn)變?yōu)榛叶葓D像，以便十處理。</p><p>

59、;　　由彩色轉(zhuǎn)換為灰度的過程就叫做灰度化處理?；叶葓D像就是只有強(qiáng)度信息，而沒有</p><p>　　顏色信息的圖像，存儲(chǔ)和處理灰度圖像只需要一個(gè)數(shù)據(jù)矩陣，這樣，就可以加快我們對(duì)</p><p>　　圖像的處理速度，方便我們的存儲(chǔ)了。我們采用加權(quán)平均值法來進(jìn)行灰度處理。其中三個(gè)加權(quán)值分別為0.11、0.59和0.3。</p><p>　　由于我們之前得到的圖像是24位

60、真彩圖，它的每一個(gè)像素由R, G, B二個(gè)分量構(gòu)</p><p>　　成，我們通常采用下面的公式將其轉(zhuǎn)換成為灰度圖。</p><p>　　F(x,y)=0.11 × B(x, y)＋0.59 × G(x, y)＋0.3 × R(x, y) (式2.1)</p><p>　　其中，F(xiàn)(x,y)為(x,y)位置像素的灰度值，B, G,

61、R分別為(x, y)位置像素的藍(lán)、綠、紅顏色對(duì)應(yīng)的彩色信息值。這一公式用損失色調(diào)和色飽和度的代價(jià)保留了亮度信息，而這正是我們所需要的，對(duì)圖2.1灰度處理后的效果如圖2.2所示:</p><p>　　圖2.1 彩色車牌圖</p><p>　　圖2.2 灰度車牌圖</p><p><b>　　2.3去噪處理</b></p><p

62、>　　汽車牌照由于在行駛中被濺到污泥等關(guān)系，還有就是有兩個(gè)固定點(diǎn)，造成了車牌圖像中出現(xiàn)了各種不同程度、各種類型的噪聲，為了便于后續(xù)的處理與識(shí)別，所以我們首先要對(duì)灰度化后的圖像進(jìn)行去噪處理。</p><p>　　為了去除噪音點(diǎn)，抑制噪聲，我們通常選用低通濾波，但是由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過濾噪聲的同時(shí)，也會(huì)使得邊界變得模糊，反之，低通濾波后為了提升邊緣輪廓，還需要使用高通濾波，這是存在

63、的噪聲也會(huì)被加強(qiáng)，所以，為了在過濾噪聲的同時(shí)，還可以很好的保護(hù)到邊緣輪廓信息，我們采用中值濾波方法來祛除噪聲。</p><p><b>　　中值濾波原理</b></p><p>　　中值濾波就是用一個(gè)含有奇數(shù)點(diǎn)的滑動(dòng)窗口，將窗口中的正中點(diǎn)的值用窗口內(nèi)各點(diǎn)的中值來替代，意即假設(shè)窗口內(nèi)有五個(gè)點(diǎn)，其灰度值分別為1, 4, 6, 9, _5,那么這個(gè)窗口中的正中點(diǎn)即灰

64、度值為6的點(diǎn)經(jīng)過中值濾波處理后的值為(1+4+6+9+5) /5=5。其算法描述為:</p><p>　　設(shè)有一個(gè)一維序列f1,f2,...，fx,取窗口長度為m (m為奇數(shù))，對(duì)此一維序列進(jìn)行中值濾波，就是從輸入序列中相繼抽出m個(gè)數(shù)，其中fi為窗口中心點(diǎn)值，v=(m-1)/2;再將這m個(gè)點(diǎn)值按其數(shù)值大小排序，取其序號(hào)為正中間的那個(gè)數(shù)作為濾波輸出。用數(shù)學(xué)公式表示為:</p><p>　　二

65、維中值濾波可由下式表示:</p><p>　　其中:A為窗口;{fij}為二維數(shù)據(jù)序列。</p><p>　　圖像處理效果如下圖:</p><p>　　圖2.3中值濾波過濾后的圖像</p><p>　　但是，中值濾波并不能非常完美的清除掉所有的噪音點(diǎn)，尤其是對(duì)于那些光線不是太好，</p><p>　　車牌上污泥太多的車

66、牌圖像，經(jīng)過中值濾波處理后還是存在著很多的噪音點(diǎn)，并不容易</p><p>　　進(jìn)行接下來的處理，這時(shí)候就需要選用別的處理方法了，但是對(duì)十大多數(shù)圖像來說，中</p><p>　　值濾波就已經(jīng)足夠了。</p><p>　　2.4灰度圖像的二值化</p><p>　　將灰度圖像轉(zhuǎn)變?yōu)槎祱D像的過程稱為二值化。所謂的二值圖像就是只有黑白兩種顏色的圖

67、像，在二值圖像存儲(chǔ)矩陣中，只有0和1兩種值。在數(shù)字圖像處理中，二值圖像因?yàn)槠涮幚硭俣瓤臁⒊绦蛱幚矸奖愣加蟹浅Ｖ匾牡匚弧?lt;/p><p>　　圖像二值化的關(guān)鍵在于閥值的選取，根據(jù)閥值T來區(qū)分圖像中的前景和背景。設(shè)原始灰度圖像為f（x,y），變換后的二值圖像為g(x,y)，則二值化的過程可以表示為:</p><p>　　上式中f(x, y)是原圖像中坐標(biāo)為(x,y)的像素點(diǎn)灰度值，g(x,

68、y)是變換后該像素點(diǎn)的二值化標(biāo)志，其中0表示該像素點(diǎn)是黑點(diǎn)，1表示是白點(diǎn)。</p><p>　　它的具體算法描述如下:</p><p>　　(1)、應(yīng)用OTSU法求出全圖閩值作為初值To</p><p>　　(2)、對(duì)圖像進(jìn)行二值化處理</p><p>　　(3)、求出處理后圖像中的黑色像素點(diǎn)個(gè)數(shù)G</p><p>　

69、　(4)、求出黑色像素點(diǎn)個(gè)數(shù)與全圖像素點(diǎn)個(gè)數(shù)的比值G/N并與我們的設(shè)定的范圍比較</p><p>　　(5)、如果在我們?cè)O(shè)定的范圍內(nèi)則認(rèn)可這個(gè)閩值，否則就對(duì)T0進(jìn)行調(diào)整，然后轉(zhuǎn)向第二步</p><p><b>　　試驗(yàn)結(jié)果</b></p><p><b>　　圖2.4原灰度圖</b></p><p>

70、;　　圖2.5處理后的圖像 閥值=180</p><p><b>　　第三章 圖像校正</b></p><p>　　由于在拍攝的時(shí)候，鏡頭與拍照的角度、鏡頭發(fā)生擺動(dòng)、車輛運(yùn)動(dòng)以及路面狀況等因素的影響，都有可能使得得到的車牌圖像產(chǎn)生一定程度的傾斜，當(dāng)攝像機(jī)在一定高度而水平方向不與汽車正對(duì)時(shí)，拍照會(huì)有左右方向的傾斜，而當(dāng)車牌不是平行照則又有可能產(chǎn)生上下傾斜，這樣，我們?cè)趯?duì)

71、車牌進(jìn)行垂直投影的時(shí)候，字符的投影就會(huì)在垂直方向相互重疊，使得原本字符之間的間隔的零值投影不存在，很顯然，這會(huì)影響到我們對(duì)車牌字符的分割，所以，我們有必要在進(jìn)行后續(xù)的字符分割前對(duì)車牌進(jìn)行校正。我們對(duì)于車牌校正所采取的方法是Hough變換的方法來進(jìn)行檢測(cè)。</p><p>　　3.1圖像傾斜角度檢測(cè)</p><p>　　用Hough變換檢洲頃斜角度</p><p>　

72、　通過Hough變換，我們可以找出圖像中最長的接近于垂直的直線，在通常情況下，這條直線就是車牌的垂直邊緣，所以它的傾斜角度也就是車牌垂直方向傾斜的角度，隨后我們?cè)僬页鰣D像中最長的接近于水平的直線，那么這條直線就是車牌的水平邊緣，同理，它的傾斜角度也就是車牌水平方向傾斜的角度，由此我們可以得到垂直傾斜角度α和水平傾斜角度β。那么下面我們就利用這兩個(gè)角度針對(duì)圖像進(jìn)行車牌校正操作。</p><p><b>　

73、　3.2車牌圖像校正</b></p><p>　　3.2.1車牌圖像校正方法</p><p>　　我們研究的校正方法是針對(duì)具有一定角度傾斜的對(duì)象，傾斜的角度不大，但是由于一般出現(xiàn)的傾斜都包括了水平方向的傾斜和垂直方向的傾斜，如果采用一次旋轉(zhuǎn)校正，會(huì)導(dǎo)致字符扭曲，所以我們把校正分為兩步，首先，把表示車牌區(qū)域的四邊形的一邊轉(zhuǎn)換到與Y軸平行，然后再對(duì)圖像進(jìn)行變換，將車牌區(qū)域轉(zhuǎn)換到正常

74、的位置。</p><p>　　那么第一步就是對(duì)圖像進(jìn)行垂直方向上的矯正，把表示車牌區(qū)域的四邊形的一邊即車牌的垂直邊，將這條邊規(guī)劃到與Y軸平行，如圖3.2所示。為了不失一般性，我們?cè)O(shè)旋轉(zhuǎn)中心為(xo，yo)，旋轉(zhuǎn)角度為a，把原圖中的任意一點(diǎn)(x,y)轉(zhuǎn)換到點(diǎn)( Xk,YK)，可以用下式來描述:</p><p>　　逆時(shí)針時(shí)，a取正值，順時(shí)針時(shí)取正值。至此就完成了第一次校正，實(shí)現(xiàn)了對(duì)原圖像的在

75、垂直方向的傾斜的矯正。如圖3.2所示。</p><p>　　圖3.2圖像垂直方向的矯正</p><p>　　第二步即對(duì)圖像進(jìn)行水平方向的矯正。對(duì)變換后的新圖像進(jìn)行操作，根據(jù)車牌水平方向的傾斜角度對(duì)像素的位置進(jìn)行調(diào)整，取平行四邊形的最低點(diǎn)為基準(zhǔn)像素點(diǎn)，以其作一條基準(zhǔn)水平直線，底邊上各像素點(diǎn)垂直下沉到基準(zhǔn)直線上，圖像上其它元素再依次進(jìn)行下移，如圖3.3所示。</p><p&

76、gt;　　設(shè)圖像中最低點(diǎn)A的坐標(biāo)為((x,y)，且斜邊與基準(zhǔn)直線的夾角為β(注意，此時(shí)的β為第一次校正后的夾角，即為β-α，此時(shí)車牌中的任一像素點(diǎn)(x, y)，校正到新點(diǎn)的坐標(biāo)即為(x·，y·)，其關(guān)系可用下式來表示:</p><p>　　圖3.3圖像水平方向的矯正</p><p>　　這樣，原圖像經(jīng)過垂直方向和水平方向的兩次校正，原來傾斜的降}像就被轉(zhuǎn)換到了正常的位置

77、。</p><p>　　3.2.2車牌圖像校正的流程</p><p>　　圖3.4圖像矯正流程圖</p><p>　　3.2.3車牌圖像校正應(yīng)用</p><p>　　應(yīng)用上面的方法，我們對(duì)圖片進(jìn)行校正的處理，下面圖3.5為一幅傾斜的車牌圖像，圖像中的車牌在垂直方向和水平方向的傾斜角度都超過了5度，所以應(yīng)該采用最后一種處理方法進(jìn)行處理，即將校正

78、處理分為兩步，首先進(jìn)行垂直校正，圖3.6就是經(jīng)過垂直校正后的圖像，車牌的垂直邊緣已經(jīng)達(dá)到了我們預(yù)期的效果，然后對(duì)圖像進(jìn)行水平校正，圖3.7是經(jīng)過水平校正后的圖像。</p><p>　　圖3.5原始傾斜圖片</p><p>　　圖3.6垂直校正后的圖像</p><p>　　圖3.7水平校正后的圖像</p><p>　　通過具體應(yīng)用我們可以看出，

79、這種校正方法對(duì)那些傾斜度不是很大的圖像具有很好的效果，校正后的圖像便十后續(xù)的處理與識(shí)別，但是對(duì)十那些變化比較大的車牌圖像應(yīng)用效果不是太好，并且這種方法需要以車牌邊框?yàn)樾ＵA(chǔ)，通過邊框的位置來進(jìn)行校正，所以對(duì)十那些沒有邊框的車牌(部分磨損嚴(yán)重或者有意掩蓋的車牌，但是數(shù)量較少)，這種方法就無能為力了，需要采取其他的方法。</p><p><b>　　第四章字符分割</b></p>

80、<p><b>　　4.1車牌字符分割</b></p><p>　　圖像分割是有圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)。這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測(cè)量將原始圖像轉(zhuǎn)化為更抽象更緊湊的形勢(shì)，使得更高層的分析和理解成為可能。圖像分割多年來一直得到人們的高度重視。至今已提出了上千種各種類型的分割算法。</p><p>

81、　　4.1.1消除車牌邊框</p><p>　　在對(duì)車牌中字符進(jìn)行分割前，我們首先盡量去除掉車牌圖像中的噪音，而汽車牌照的邊框無疑就是最大的噪音，所以我們首先要去除車牌的邊框。特別是牌照的上下邊框?qū)τ谂普兆址姆指钍且粋€(gè)很大的障礙，由于它的存在，使得字符串垂直投影的值全部大于零，缺少了零值點(diǎn)，使得我們不能根據(jù)零值點(diǎn)來確定分割的位置，因此必須先將其去掉。</p><p>　　第一步，去除牌照

82、上下邊框，在這里我們采用統(tǒng)計(jì)顏色跳變的方法，標(biāo)準(zhǔn)的汽車牌照上有七個(gè)字符，所以，在字符的區(qū)域中，每條水平線中的顏色所發(fā)生的跳變次數(shù)，即指的由黑變白或者由白變黑的次數(shù)，應(yīng)該至少要大過14次，而在非字符區(qū)域，由于邊框部分顏色單一，發(fā)生跳變的幾率非常小，所以很少能達(dá)到14次，我們的具體算法如下:</p><p>　　(1)計(jì)算每一條水平線中的顏色跳變次數(shù)，如果大于14，則認(rèn)為此行是字符區(qū)域，反之，則認(rèn)為此行不可能位于字符

83、區(qū)域。</p><p>　　(2)如果所有被認(rèn)為是字符區(qū)域的行是連續(xù)的，則認(rèn)為在這些連續(xù)行中最上方一行即為字符的最上端，最下面一行就是字符的最下端。</p><p>　　(3)如果所有被認(rèn)為是字符區(qū)域的行不是連續(xù)的，并目_它們構(gòu)成了若干個(gè)高度不同的塊，這是由十噪音點(diǎn)的出現(xiàn)造成的，應(yīng)付這種情況的方法是比較這些塊的高度，我們認(rèn)為高度最大的塊即為字符區(qū)域，隨后檢測(cè)次大的塊的高度，如果兩塊高度相差

84、不多，并且兩行間間距很小，我們認(rèn)為這兩行都是字符區(qū)域，合并構(gòu)成新塊，否則拋棄掉，以此類推，直到所有被認(rèn)為是字符區(qū)域的行全部被檢測(cè)完畢以后，此時(shí)新塊的最上一行就是字符的上端，最下面一行就是字符的下端。</p><p>　　由此，我們就檢測(cè)出了字符的上下邊沿，從而完成了去除上下邊框的任務(wù)，如圖4.1所示:</p><p>　　圖4.1去除上下邊框</p><p>　　并

85、且，我們?cè)谌コ吙虻耐瑫r(shí)，還得到了車牌字符的高度，記錄為CharHeight，更加便于后續(xù)處理。</p><p>　　第二步，去除車牌的左右邊框，我們采用垂直投影的方法，由于這一步可以合并在車牌中字符串分割的過程中，所以我們?cè)趧澐肿址臅r(shí)候一并處理，在這里就不單獨(dú)處理了。</p><p>　　4.1.2車牌中字符的分割</p><p>　　在去除了上下邊框后，我們

86、就可以利用垂直投影的方法來進(jìn)行字符的分割了，投影法是將圖像的每一列的目標(biāo)像素的數(shù)目統(tǒng)計(jì)出來，在二值化的圖像中，白色像素就是目標(biāo)像素，黑色像素就是背景像素，然后，我們?cè)俑鶕?jù)統(tǒng)計(jì)出來的數(shù)據(jù)進(jìn)行處理，劃分出字符間的間隔，最終完成分割字符的任務(wù)。對(duì)于圖4.1中的圖像，我們可以得到如圖4.2的垂直投影圖，投影圖中的橫坐標(biāo)方向的長度和車牌圖像的寬度是一樣的，垂直方向以黑色的直線表示目標(biāo)像素的數(shù)量，黑色直線越長代表這一列上的目標(biāo)像素越多。</p

87、><p><b>　　圖4.2垂直投影圖</b></p><p>　　從圖4.2中我們可以看見去掉上下邊框后，投影圖中無黑線處的位置對(duì)應(yīng)著圖像中沒有字符的地方，投影圖中還可以看出每個(gè)字符的投影都是連續(xù)的，各字符的投影之間都有一定的間隙，這是因?yàn)樵诖怪蓖队斑^程中，如果在某一列投影上沒有目標(biāo)像素，那么這一列一定是處于牌照上沒有字符的空隙處，所以我們?cè)诜指钭址臅r(shí)候，就可以直

88、接利用投影圖中空白處的位置信息在原二值化圖像的相應(yīng)位置，用白線來表示字符間的空隙，得到的分割字符串后圖像，如圖4.3所示</p><p><b>　　圖4.3分割后圖像</b></p><p>　　從上圖可以看出，通過簡單的確定分割點(diǎn)的位置，然后進(jìn)行分割，已經(jīng)基本完成了分割的任務(wù)，這樣的分割結(jié)果還是比較滿意的。在得到分割結(jié)果的同時(shí)，我們還要記錄下來黑線也就是分割線的位

89、置，以便進(jìn)行后續(xù)的處理。</p><p><b>　　4.2字符歸一化</b></p><p>　　當(dāng)字符切分出來后，因?yàn)榇笮〔煌@就需要進(jìn)行歸一化處理，目的就是可以在統(tǒng)一的標(biāo)準(zhǔn)下進(jìn)行識(shí)別，目前常見的歸一化方法有基十質(zhì)心的歸一化，還有就是基十外框的歸一化。</p><p><b>　　最近鄰插值法</b></p&g

90、t;<p>　　最近鄰插值法中歸一化的圖像g(xo,yo)的灰度值是用(a,b)臨界的四個(gè)網(wǎng)格點(diǎn)(i,j)(i+1,j),(i,j+1) ,(i+l,.j+1)之中最接近于它的點(diǎn)的灰度值來近似表示，即: ，其中(a`,b`)為(a,b)距其相鄰四個(gè)網(wǎng)格點(diǎn)中最近的一個(gè)網(wǎng)格點(diǎn).從圖4.7中可以看出(a,b)與(i, j+1)的幾何距離即最小，所以(i, j+1)就是(a,b)的最近鄰點(diǎn)(a`,b`)。</p>&

91、lt;p>　　圖4.7令仔近插值法的圖形表示</p><p>　　最近鄰插值法計(jì)算非常簡單，并且，在許多的情況下，其結(jié)果也是可以令人接受的，不過，當(dāng)圖像中包含像素之間灰度級(jí)有變化的細(xì)微結(jié)構(gòu)時(shí)，最近鄰插值法會(huì)在圖像中產(chǎn)生人工的痕跡(如帶有鋸齒形的邊)。于是采用近鄰插值法將大小統(tǒng)一規(guī)格化為40x20的圖像，如下圖4.9所示：</p><p>　　圖4.9規(guī)格化后的字符圖像</p&g

92、t;<p><b>　　第五章字符識(shí)別</b></p><p>　　字符的識(shí)別目前用于車牌字符識(shí)別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。基于模板匹配的OCR的基本過程是:首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別主要有兩種方法:一種

93、方法是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。識(shí)別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。</p><p>　　模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車

94、牌字符識(shí)別的主要方法。</p><p>　　模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生

95、較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來構(gòu)建模板，就可以避免上述問題。</p><p>　　圖20 字符識(shí)別流程圖</p><p>　　此處采用相減的方法來求得字符與模板中哪一個(gè)字

96、符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫也極為方便。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此相同。</p>

97、<p>　　首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識(shí)別出來的結(jié)果。</p><p>　　第六章車牌識(shí)別系統(tǒng)實(shí)現(xiàn)</p><p>　　6.1車牌識(shí)別系統(tǒng)總流程</p><p>　　圖6.1車牌識(shí)別系統(tǒng)總流程</p><p&g

98、t;<b>　　6.2識(shí)別結(jié)果</b></p><p>　　通過對(duì)原始待識(shí)別圖像的一系列預(yù)處理，然后進(jìn)行圖像矯正，將圖像分割成單個(gè)字</p><p>　　符圖像，最終識(shí)別出結(jié)果如圖6.2所示:</p><p><b>　　圖6.2識(shí)別結(jié)果</b></p><p>　　由于在實(shí)際中，我們通過數(shù)碼相機(jī)采

99、集的車牌圖像數(shù)量有限，并且遇到的車牌圖像多半比較清楚，所以我們認(rèn)為這個(gè)數(shù)據(jù)并不能完全反映出整個(gè)識(shí)別系統(tǒng)的性能，不過，系統(tǒng)的性能穩(wěn)定，識(shí)別率比較高，還是滿足了我們的需要，具有實(shí)用性強(qiáng)的特點(diǎn)。</p><p><b>　　第七章結(jié)論</b></p><p>　　隨著汽車數(shù)量的增加，城市交通狀況口益惡化，如何能夠智能有效地進(jìn)行交通管理，已經(jīng)成為了各國政府和相關(guān)部門所關(guān)注的焦

100、點(diǎn)，而汽車牌照識(shí)別系統(tǒng)(LPRS)在智能交通系統(tǒng)(ITS)中占有非常重要的地位，如何實(shí)現(xiàn)汽車牌照的自動(dòng)識(shí)別已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問題之一。本文采用傳統(tǒng)的圖像處理技術(shù)和模式識(shí)別技術(shù)，在總結(jié)前人研究的基礎(chǔ)上，提出自己的方法和改進(jìn)方法，分別對(duì)車牌圖像預(yù)處理，車牌圖像的傾斜校正，車牌圖像字符分割，車牌字符識(shí)別等四個(gè)方面作了系統(tǒng)的研究，并提出了理論上和使用的解決方法。本文的研究工作如下:</p><p>

101、<b>　　(1)圖像預(yù)處理</b></p><p>　　該階段主要研究內(nèi)容是數(shù)字圖像的基礎(chǔ)以及對(duì)車牌圖像的去噪處理和二值化。首先闡述了數(shù)字圖像的基礎(chǔ)，作為隨后各種對(duì)數(shù)字圖像操作的基礎(chǔ)，其次為了去除牌照上的噪音點(diǎn)，更好的保留牌照上的有效信息，我采用了中值濾波的方法，對(duì)大多數(shù)車牌圖像都有較好的效果，最后，針對(duì)車牌圖像的二值化，我在總結(jié)前人理論的基礎(chǔ)上，結(jié)合車牌圖像自身的特點(diǎn)，提出了一種改進(jìn)的閩

102、值算法，通過實(shí)驗(yàn)證明，該方法能較好的保留圖像有效信息，并且能夠在光照不好，圖像陰暗的情況下仍然取得比較好的效果，方便后續(xù)處理。</p><p>　　(2)車牌的傾斜校正</p><p>　　在將圖像二值化以后，我就可以進(jìn)行進(jìn)一步的處理。因?yàn)榕臄z角度等原因，某些車牌圖像并不是非常標(biāo)準(zhǔn)，存在著一些傾斜角度，這樣，在進(jìn)行分割等處理前還需要對(duì)圖像進(jìn)行傾斜校正。在進(jìn)行傾斜校正的時(shí)候，首先用Hough

103、變換取得車牌傾斜的角度，然后通過兩次變換將圖像校正，最終達(dá)到我們的目的。在這一部分，我們首先利用Hough變換取得兩個(gè)傾斜角度，然后我們采取有別十通常采用的一次校正，取得了比較好的效果。</p><p>　　(3)車牌的字符分割</p><p>　　通過傾斜校正，我們得到了比較正規(guī)的圖像，這樣就便十分割處理。在進(jìn)行字符分割前，我們首先利用統(tǒng)計(jì)黑白跳變次數(shù)的方法分割出車牌的上邊框，然后再利用

104、改進(jìn)后的垂直投影法成功將字符分割。這里對(duì)垂直投影法的改進(jìn)主要采取的是忽略部分字符粘連后造成的影響，合并斷裂字符，最后再通過寬高比值驗(yàn)證。在將字符分割后，我們采用最近鄰插值法將字符圖像作歸一化處理，為字符識(shí)別打好了基礎(chǔ)。</p><p><b>　　(4)車牌字符識(shí)別</b></p><p>　　在進(jìn)行字符識(shí)別的時(shí)候，為了滿足我們的項(xiàng)目需要，我采用了改進(jìn)的模板匹配的方法

105、。在進(jìn)行模板匹配之前，首先采用了數(shù)學(xué)形態(tài)學(xué)中的細(xì)化操作，將字符圖片中的字符細(xì)化成骨架，提高了匹配的速度;在進(jìn)行匹配的時(shí)候又采用了先粗匹配，然后分組，根據(jù)細(xì)節(jié)部分和字符位置再次細(xì)比對(duì)的方式，提高了匹配成功率，降低了誤識(shí)率。</p><p>　　但是系統(tǒng)本身還存在許多不足，距離具體實(shí)用的要求仍有很大差距，但我卻在這次課程設(shè)計(jì)中學(xué)到了很多知識(shí)。</p><p><b>　　致謝<

106、/b></p><p>　　在本論文完成之際，我想起了所有關(guān)心和幫助過我的老師、朋友，在此我向他們表達(dá)我最誠摯的感謝。</p><p>　　首先感謝我的導(dǎo)師一一xx老師，導(dǎo)師不僅學(xué)識(shí)淵博、誨人不倦，指導(dǎo)我獲得深厚的專業(yè)知識(shí);而且他工作務(wù)實(shí)、經(jīng)驗(yàn)豐富、啟示了我為人處事的生活態(tài)度。</p><p>　　我還要感謝我的同學(xué)，幫助我收集材料和圖像資料，因?yàn)橛辛怂麄兊膸?/p>

107、助，才使我順利的完成了這次的畢業(yè)設(shè)計(jì)，在此非常感謝。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1]與信息.土笑京，沈鴻飛，江林.中國智能交通系統(tǒng)發(fā)展戰(zhàn)略研究.交通運(yùn)輸系統(tǒng)工程2006. 4期.1-4</p><p>　　[2]楊墉金，陳志鋼.淺談智能交通系統(tǒng)((TI'S).江西測(cè)繪.2005. 3期.12-1

108、4.</p><p>　　[3] Underwood, Steven E.，A Review and Classification of Sensors for Intelligent Vehicle-Highway 48 Systems，U.S. Federal Highway Administration，F(xiàn)HWA Report DTFH61一89-P-00827，Washington, D.C.，1

109、990.</p><p>　　[4] Bir Bhanu, D.E.Dndgeon, E.G..Zelnio.Introduction to the special issue on automatic target detection and recognition. IEEE Trans. Image Processing.1997, 6 (1).1一6.</p><p>　　[

110、5]劉慶祥，蔣天發(fā).一種新的車牌圖像自動(dòng)識(shí)別系統(tǒng).武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版).2004. 6期.25-28.</p><p>　　[6]陳良育，‘曾振柄，張問銀.漢字構(gòu)形分析與識(shí)別.上海電力學(xué)院學(xué)報(bào).2005. 1期.15一18.</p><p>　　[7]中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn).中華人民共和國機(jī)動(dòng)車號(hào)牌(GA36-92</p><p>　　[8]

111、沈庭芝，方子文編著.《數(shù)字圖像處理及模式識(shí)別》.北京理工大學(xué)出版社.1998.</p><p>　　[9] Swanson M D, Tewfik A H. Fast Progressively Refined Image Retrieval.Journal of Electronic Imaging .1998.7(3).P443-452.</p><p>　　[10] Granieri