1、西安電子科技大學(xué)碩士學(xué)位論文汽車牌照自動識別技術(shù)的研究姓名:齊林申請學(xué)位級別:碩士專業(yè):交通信息工程及控制指導(dǎo)教師:張向東20080101 第三章汽車牌照的定位19特點,并有效結(jié)合車牌的先驗知識,就可以準確的把車牌區(qū)域定位出來。該方法主要過程分為兩大塊:行定位與列定位。具體實現(xiàn)方法步驟如下:1獲取特征圖像要想從一整幅包括車身,背景等其他相對于車牌來說屬于干擾因素的圖像中提取出車牌,就必須抓住車牌區(qū)域的最主要特征。車牌區(qū)域最主要的特征應(yīng)該是:車牌的底色和車牌字的顏色形成強烈對比,而且灰度變化頻繁。要好好的抓住這個特征來完成車牌提取,而目前所得到的二值圖像顯然還沒有充分的突出這個特點,因此有必要對

2、二值圖像進行進一步處理。在這里設(shè)計了一個處理函數(shù):G(f'-,=:i,凳翟F。+1”2。&IF1。Fi+1?！?5。式(31 F(j,為原二值圖像,G(f,為處理后得到的特征圖像,該圖像相對于原來的二值圖像突出了車牌區(qū)域灰度頻率變化劇烈這一特點,而且消除了原來二值圖像中的黑色的孤立點,減少了對下一步的水平掃描的干擾。 圖3.1特征圖像效果圖2水平掃描車牌區(qū)域由于存在字符和漢字,并且分布緊湊而有規(guī)律,因此車牌區(qū)域的灰度變化的頻率非常劇烈,這是車牌區(qū)域的最主要的特征,在獲得的特征圖像中這一特征得到進一步放大。對圖3.1所示的特征圖像進行逐行掃描,每一行的灰度由白到黑或由黑到白都記為

3、一次灰度跳變。令m表示灰度跳變次數(shù),對于任一掃描行,黑白灰度跳變一次則m加1,當(dāng)本行掃描結(jié)束后m的值即為本行灰度跳變次數(shù)。每一行跳變次數(shù)計算公式如下:研=丑G:(f一G(f一1I式(32越n為特征圖像的列數(shù),G(f為特征圖像的任一掃描行。20汽率簿照爨韻識剮技術(shù)的研究蟲于車薄區(qū)壤一般包攙7個字符,裰據(jù)式2霉舞掃接一個字德至少會出現(xiàn)4次魏變,彳令字警至多會窶瑗囂次跳囊,搖蘧可霞定一令醚交瓣後f,考惑搦安甄籍囂,警翔二菹純懿藤囡絞孥膊矮霪太差或字符瑟囂等器爨,黲掰跫牽艨存在顴斜豹情況,設(shè)置弱閾值T掰稍小一點,實驗孛設(shè)定T=25左右取褥了紇較好的效果。在掃描過程中如果一段隧城內(nèi)出現(xiàn)了連續(xù)的掃描行灰度

4、跳變次數(shù)滿足太于T的情況,可視此區(qū)域為假造率牌區(qū)域。車牌區(qū)域上下界可袋閣濺三(f>:丁=口來約束,L為滿足條件的連續(xù)掃描行數(shù),t為當(dāng)前掃描行的敷媵跳變次數(shù),窿為經(jīng)驗值。經(jīng)過上述行捆描后即可確定候選車牌區(qū)域的上下邊界。 鬻3.2車牌區(qū)域 豳3.3偽率牌區(qū)域3>垂直投影在隸平行掃描楚理蓐,犬粼努祭教囂蠛己基奉濾睬,毽實驗表爨:瀚像綴承平毒亍桎接囊舞熬會存在些送域具有與擎耱區(qū)壤拳乎蟊描楱骰蕊紋毽捂攢特撼,運些區(qū)域擎瑟諉瓣攜車簿醫(yī)璦,囂萋;懣逶垂壹投影法寒瀵驤。圖3.4舉牌區(qū)域垂直投影翳3.5錯攀薅囂域垂壹投影第三章汽車牌照的定位2l如圖3.4與圖3.5所示,車牌區(qū)域的投影圖具有明顯的連續(xù)

5、的規(guī)律的峰一谷一峰的特性,并且可能的車牌區(qū)域的幅值要遠高于其他區(qū)域,而偽車牌區(qū)域的這個特性則不明顯,根據(jù)車牌區(qū)域的垂直投影圖以及車牌長寬比的先驗知識則可確定車牌的左右邊界。圖3.6車牌定位經(jīng)過步驟(1(2(3后,基本上能夠把車牌圖像準確定位出來,但由于在定位過程中設(shè)定的條件相對較寬松,定位出來的車牌圖像還相對粗糙,不滿足下一步的字符分割要求,因此還需要進一步精確定位,定位方法與上述過程類似,圖3.7為精確定位后的二值圖像,圖3.8為定位后的原始車牌。圖3.7車牌精確定位示意圖 圖3.8定位后的原始車牌圖 汽車牌照自動識別技術(shù)的研究格計數(shù)加1,統(tǒng)計所有點后,則有大的計數(shù)值的小方格對應(yīng)于共線點,其

6、(,回可作為直線擬合參數(shù)。雖然該方法有易受到較長非車牌區(qū)域直線的干擾,但由于它是針對預(yù)處理圖像進行操作,并且對直線比較敏感,所以在很多直線檢測系統(tǒng)中它還是一直占有非常重要的地位。本文采用的就是Hou曲變換法來對傾斜的車牌進行校正。4.2.4增強字符區(qū)域由于所拍攝的車輛圖像的質(zhì)量受天氣、光照、觀察點等的影響,車牌圖像往往會產(chǎn)生對比度不足的弊端,使圖像細節(jié)分辨不清,影響識別率。因此,需要將牌照圖像進行圖像灰度擴展,以便改善圖像的觀察質(zhì)量,提高字符識別率。這里采用對比度擴展技術(shù)。車牌由于成像時光照不足,使得圖片偏暗(如圖像的灰度范圍從O至63;或者成像時光照過強,使得圖片偏亮(如圖像的灰度范圍從20

7、0至255,這些情況稱為低對比度,即灰度都在一個狹小的區(qū)域,沒有分布到整個圖像區(qū)域。采用對比度擴展技術(shù)就是把灰度范圍分布到整個灰度區(qū)域,使得該范圍內(nèi)的像素,亮的越亮,暗的越暗,從而達到增強字符區(qū)域的目的。對灰度化的圖像進行對比度拉伸,使圖像上邊緣更加凸顯,這樣車牌區(qū)域的筆畫更明顯,更有益于下一步的邊緣檢測。 圖4.1車牌的原始灰度圖像 第四章車牌字符的分割O .1O l4.1O .1O .1.10.18-1.1.1.1圖4.7拉普拉斯高斯算子模板拉普拉斯高斯模板有一個基本要求:模板中心的系數(shù)為正,其余相鄰系數(shù)為負,所有系數(shù)的和應(yīng)該為零。容易看出來拉普拉斯模板的含義,先將自身與周圍的8個像素相減

8、,表示自身與周圍的像素的差別,再將這個差別加上自身作為新像素的灰度?？梢?如果一片暗區(qū)出現(xiàn)了一個亮點,那么銳化處理的結(jié)果是這個亮點變得更亮,增加了圖像的噪聲。因為圖像中的邊緣就是那些灰度發(fā)生跳變的區(qū)域,所以銳化模板在邊緣檢測中很有用。在拉普拉斯高斯算子的檢測過程中,首先要用高斯低通濾波器將圖像進行預(yù)先平滑;然后利用拉普拉斯高斯算子找到圖像中的陡峭邊緣;最后用O灰度值進行二值化,產(chǎn)生閉合的、連通的輪廓,消除所有內(nèi)部點。3.Canny法c枷y邊緣檢測是一種比較新的邊緣檢測算子,具有很好的邊緣檢測性能,在圖像處理中得到了越來越廣泛的應(yīng)用。caIlny算子邊緣檢測的算法是通過尋找圖像梯度的局部極大值,梯度是用高斯函數(shù)的一階微分來計算的。在c鋤y方法中,通過兩個閾值來分別檢測強邊緣和弱邊緣;當(dāng)且僅當(dāng)弱邊緣與強邊緣連接時,弱