1、黑龍江科技學(xué)院利民校區(qū)畢 業(yè) 設(shè) 計(jì)題 目： 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與分析 所在專(zhuān)業(yè)： 電子信息科學(xué)與技術(shù) 學(xué)生簽字: 導(dǎo)師簽字: 摘 要 汽車(chē)牌照識(shí)別系統(tǒng)是近幾年發(fā)展起來(lái)的基于圖像處理和字符識(shí)別技術(shù)的智能化交通管理系統(tǒng)。它是智能交通系統(tǒng)的關(guān)鍵技術(shù)之一，是在交通監(jiān)控的基礎(chǔ)上，引入計(jì)算機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)圖像的采集和處理，獲得更多信息，從而達(dá)到更高的智能化管理。由于牌照拍攝場(chǎng)景的復(fù)雜性以及車(chē)牌位置和圖像的不可預(yù)知性，車(chē)牌定位系統(tǒng)一直都未做到令人滿意，所以車(chē)牌定位一直是這個(gè)領(lǐng)域研究的熱點(diǎn)。具有很高的經(jīng)濟(jì)價(jià)值和實(shí)用價(jià)值。 本文對(duì)車(chē)牌識(shí)別相關(guān)技術(shù)進(jìn)行研究，主要工

2、作包括：首先，本文論述了汽車(chē)牌照識(shí)別的主要應(yīng)用技術(shù)和現(xiàn)階段的發(fā)展動(dòng)向，簡(jiǎn)要介紹了車(chē)牌識(shí)別系統(tǒng)軟件設(shè)計(jì)要求，對(duì)圖像處理處理技術(shù)中的圖像分割理論和方法進(jìn)行了討論。其次，對(duì)如何在復(fù)雜的環(huán)境、天氣等因素下獲得較為清晰的圖片，采取了的動(dòng)態(tài)的圖像獲取技術(shù)。由于圖像受到諸多因素的影響、出現(xiàn)模糊、歪曲、缺損、粗細(xì)不均勻等顯現(xiàn)，這樣會(huì)大大影響車(chē)牌區(qū)域分割與字符識(shí)別工作，所以圖像識(shí)別之前必須等原始圖像進(jìn)行預(yù)處理。 關(guān)鍵詞 模式識(shí)別 車(chē)牌檢測(cè) 邊緣檢測(cè) 投影法AbstractAutomobile license plate recognition system is developed in recent year

3、s based on image processing and character recognition technologies intelligent traffic management system. It is intelligent transportation system one of the key technologies in the monitoring of traffic on the basis of the introduction of the computer information management technology, the use of ad

4、vanced image processing, pattern recognition and artificial intelligence technology, by the collection and processing of images, more information , so as to achieve a higher intelligent management. Scene license because of the complexity of the position and image plates, as well as the unpredictabil

5、ity of the plate positioning system had not been achieved satisfactory, positioning plates has been a hot research field. Have high economic value and practical value. This paper plates to identify relevant technology research, main functions include: First，This article discusses the main applicatio

6、ns of vehicle license plate recognition technology and stage of development trends outlined license plate recognition system software design requirements, processing technology in image processing theory and method of image segmentation are discussedSecond，how to get clearer picture in complex envir

7、onment, the weather and other factors has taken a dynamic image acquisition technology. The images are affected, blurry, distorted and defects, such as uneven thickness show, it would greatly affect the regional segmentation and license plate character recognition work, such as image recognition pri

8、or to the original image preprocessing. Keywords Pattern Recognition License Plate Detection Edge Detection，Projection目 錄 TOC o 1-3 h z u HYPERLINK l _Toc319665174 摘 要 PAGEREF _Toc319665174 h I HYPERLINK l _Toc319665175 Abstract PAGEREF _Toc319665175 h II HYPERLINK l _Toc319665176 第1章 緒論 PAGEREF _To

9、c319665176 h 1 HYPERLINK l _Toc319665177 1.1 研究目的和意義 PAGEREF _Toc319665177 h 1 HYPERLINK l _Toc319665178 1.2國(guó)內(nèi)外發(fā)展情況 PAGEREF _Toc319665178 h 2 HYPERLINK l _Toc319665179 1.3車(chē)牌識(shí)別系統(tǒng)的結(jié)構(gòu) PAGEREF _Toc319665179 h 3 HYPERLINK l _Toc319665180 1.4車(chē)牌定位的難點(diǎn) PAGEREF _Toc319665180 h 4 HYPERLINK l _Toc319665181 1.5本

10、文章節(jié)安排 PAGEREF _Toc319665181 h 5 HYPERLINK l _Toc319665182 第2章 車(chē)牌的定位 PAGEREF _Toc319665182 h 6 HYPERLINK l _Toc319665183 2.1 預(yù)處理 PAGEREF _Toc319665183 h 6 HYPERLINK l _Toc319665184 2.2 車(chē)牌定位的方法比較 PAGEREF _Toc319665184 h 7 HYPERLINK l _Toc319665185 2.3 基于邊緣檢測(cè)和投影分析的車(chē)牌定位算法 PAGEREF _Toc319665185 h 8 HYPER

11、LINK l _Toc319665186 2.3.1 適用于車(chē)牌邊緣檢測(cè)的邊緣檢測(cè)算子 PAGEREF _Toc319665186 h 8 HYPERLINK l _Toc319665187 2.3.2 基于邊緣檢測(cè)的水平投影分析 PAGEREF _Toc319665187 h 8 HYPERLINK l _Toc319665188 2.3.3 基于邊緣檢測(cè)的垂直投影分析 PAGEREF _Toc319665188 h 9 HYPERLINK l _Toc319665189 第3章 車(chē)牌字符分割算法 PAGEREF _Toc319665189 h 13 HYPERLINK l _Toc3196

12、65190 3.1 車(chē)牌圖像歸一化 PAGEREF _Toc319665190 h 13 HYPERLINK l _Toc319665191 3.2 車(chē)牌圖像二值化 PAGEREF _Toc319665191 h 14 HYPERLINK l _Toc319665192 3.3 字符分割算法 PAGEREF _Toc319665192 h 14 HYPERLINK l _Toc319665193 第4章 字符識(shí)別 PAGEREF _Toc319665193 h 16 HYPERLINK l _Toc319665194 4.1 常用字符識(shí)別方法 PAGEREF _Toc319665194 h 1

13、6 HYPERLINK l _Toc319665195 4.2 漢字識(shí)別 PAGEREF _Toc319665195 h 16 HYPERLINK l _Toc319665196 4.2.1 現(xiàn)行車(chē)牌特點(diǎn) PAGEREF _Toc319665196 h 16 HYPERLINK l _Toc319665197 4.2.2 建立模板庫(kù) PAGEREF _Toc319665197 h 17 HYPERLINK l _Toc319665198 4.2.3 圖像預(yù)處理 PAGEREF _Toc319665198 h 17 HYPERLINK l _Toc319665199 4.2.4 最小距離法 PA

14、GEREF _Toc319665199 h 17 HYPERLINK l _Toc319665200 4.3 數(shù)字與字母識(shí)別 PAGEREF _Toc319665200 h 18 HYPERLINK l _Toc319665201 4.3.1 字符的特征與分類(lèi) PAGEREF _Toc319665201 h 18 HYPERLINK l _Toc319665202 4.3.2 圖像預(yù)處理 PAGEREF _Toc319665202 h 18 HYPERLINK l _Toc319665203 4.3.3 識(shí)別算法 PAGEREF _Toc319665203 h 19 HYPERLINK l _

15、Toc319665204 4.3.4 實(shí)驗(yàn)結(jié)果 PAGEREF _Toc319665204 h 21 HYPERLINK l _Toc319665205 第5章 結(jié)論 PAGEREF _Toc319665205 h 33 HYPERLINK l _Toc319665206 5.1本文工作總結(jié) PAGEREF _Toc319665206 h 33 HYPERLINK l _Toc319665207 5.2下一步工作展望 PAGEREF _Toc319665207 h 33 HYPERLINK l _Toc319665208 致 謝 PAGEREF _Toc319665208 h 34 HYPER

16、LINK l _Toc319665209 參考文獻(xiàn) PAGEREF _Toc319665209 h 35 HYPERLINK l _Toc319665210 附 錄 PAGEREF _Toc319665210 h 38第1章 緒論1.1 研究目的和意義隨著社會(huì)經(jīng)濟(jì)的發(fā)展，人民生活水平的不斷提高，私人擁有機(jī)動(dòng)車(chē)輛的數(shù)量迅速增加，車(chē)輛普及成為必然的趨勢(shì)。在此情況下，僅僅依靠大力發(fā)展交通設(shè)施己不能解決交通擁擠、交通事故頻發(fā)、環(huán)境污染加劇等問(wèn)題。盡管現(xiàn)在世界上的許多國(guó)家，仍然主要依靠建設(shè)更多的道路基礎(chǔ)設(shè)施，建立完善的道路網(wǎng)絡(luò)緩解道路交通增長(zhǎng)的需求，但由于城市空間的不斷減小、修建新路所需的巨額資金以及環(huán)

17、境的壓力，建設(shè)更多的基礎(chǔ)設(shè)施將受到限制。因此，只有道路建設(shè)和現(xiàn)代化管理齊頭并進(jìn)，在加強(qiáng)交通建設(shè)的同時(shí)，大力發(fā)展智能交通系統(tǒng)，才有可能真正地解決日益嚴(yán)重的交通問(wèn)題。車(chē)輛牌照識(shí)別 (LPR)技術(shù)是智能交通系統(tǒng)中的一個(gè)重要環(huán)節(jié)，它在交通監(jiān)視和控制中占有很重要的地位，車(chē)輛牌照識(shí)別技術(shù)作為交通信息服務(wù)系統(tǒng)的重要手段，其任務(wù)是分析處理車(chē)輛圖像，自動(dòng)識(shí)別汽車(chē)牌號(hào)碼。為了避免人工干預(yù)所帶來(lái)的弊端，提高管理效率，對(duì)車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)的需求和標(biāo)準(zhǔn)的要求越來(lái)越高。汽車(chē)牌照自動(dòng)識(shí)別技術(shù)己經(jīng)越來(lái)越受到人們的重視。車(chē)輛識(shí)別系統(tǒng)在道路交通監(jiān)控、交通事故現(xiàn)場(chǎng)勘察、交通違章自動(dòng)紀(jì)錄、高速公路自動(dòng)收費(fèi)系統(tǒng)、停車(chē)場(chǎng)自動(dòng)安全管理、

18、智能園區(qū)管理等方面有著廣泛的應(yīng)用前景，其研究的意義在于1-10：收費(fèi)管理系統(tǒng)：在高速公路、橋梁、隧道等地點(diǎn)，人們將LPR系統(tǒng)應(yīng)用于收費(fèi)管理系統(tǒng)中，可以實(shí)現(xiàn)高效、準(zhǔn)確、自動(dòng)和不停車(chē)收費(fèi)，真正實(shí)現(xiàn)無(wú)人干預(yù)，克服常規(guī)收費(fèi)系統(tǒng)的工作量大、人工易疲勞等不足，極大地減輕勞動(dòng)強(qiáng)度，節(jié)省大量人力、物力，同時(shí)，對(duì)于不停車(chē)收費(fèi)系統(tǒng)，還可以節(jié)省車(chē)主的大量時(shí)間11。交通監(jiān)控：在公路交通檢測(cè)部門(mén)，幾乎每天都有大量的交通違規(guī)車(chē)輛，對(duì)于列“黑名單”的車(chē)輛，如掛失的車(chē)輛、肇事后逃逸的車(chē)輛、欠費(fèi)的車(chē)輛等，通常將這些車(chē)輛用攝像機(jī)拍攝下來(lái)，用人工來(lái)識(shí)別、比較車(chē)牌，這樣導(dǎo)致工作效率低下、易出錯(cuò)，而應(yīng)用LPR系統(tǒng)，只需要將車(chē)輛信息輸入

19、系統(tǒng)中，系統(tǒng)可以24小時(shí)連續(xù)對(duì)過(guò)往的車(chē)輛進(jìn)行自動(dòng)檢測(cè)，對(duì)車(chē)牌號(hào)碼進(jìn)行識(shí)別、比較、處理，若符合條件則立刻發(fā)出控制信號(hào)。其它如海關(guān)邊境，應(yīng)用LPR系統(tǒng)同樣可以收到很好的效果12。小區(qū)、停車(chē)場(chǎng)管理：在智能小區(qū)和智能停車(chē)場(chǎng)，應(yīng)用LPR系統(tǒng)后，出入車(chē)輛可以在不停車(chē)狀態(tài)下進(jìn)入入口，而系統(tǒng)可以及時(shí)識(shí)別車(chē)牌號(hào)，將車(chē)輛信息經(jīng)過(guò)通信網(wǎng)絡(luò)傳到小區(qū)或停車(chē)場(chǎng)管理系統(tǒng)，從而免去管理人員的人工干擾，節(jié)省人力物力。車(chē)牌驗(yàn)證，車(chē)流統(tǒng)計(jì)，移動(dòng)和車(chē)載系統(tǒng)：LPR系統(tǒng)也可以應(yīng)用于交通管理部門(mén)、路橋卡口等進(jìn)行車(chē)流統(tǒng)計(jì);在移動(dòng)和車(chē)載中，應(yīng)用LPR系統(tǒng)可以對(duì)公路、街道等復(fù)雜地點(diǎn)的車(chē)輛隨時(shí)進(jìn)行車(chē)輛牌照識(shí)別，有利于管理部門(mén)進(jìn)行巡視、監(jiān)管、處理

20、突發(fā)情況。同時(shí)，汽車(chē)牌照自動(dòng)識(shí)別的基本方法還可應(yīng)用到其他檢測(cè)和識(shí)別領(lǐng)域，所以汽車(chē)牌照的識(shí)別問(wèn)題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一13。車(chē)輛的牌照就像車(chē)輛的身份證一樣，在交通系統(tǒng)中有不可替代的作用。隨著我國(guó)國(guó)民經(jīng)濟(jì)的高速發(fā)展，國(guó)內(nèi)高速公路、城市道路、停車(chē)場(chǎng)建設(shè)越來(lái)越多，對(duì)交通控制、安全管理的要求也日益提高，智能交通系統(tǒng)(ITS)已成為當(dāng)前交通管理的方向。而且隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，自動(dòng)化的信息處理能力的水平不斷提高，并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用。在這種情況下，作為信息來(lái)源的自動(dòng)檢測(cè)、圖像識(shí)別技術(shù)越來(lái)越受到人們的重視。而且在智能交通系統(tǒng)中，車(chē)輛

21、牌照的自動(dòng)識(shí)別是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域結(jié)合應(yīng)用的重要研究課題之一，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。車(chē)輛牌照識(shí)別技術(shù)可應(yīng)用于道路交通監(jiān)控、交通事故現(xiàn)場(chǎng)勘察、交通違章自動(dòng)記錄、高速公路自動(dòng)收費(fèi)系統(tǒng)、停車(chē)場(chǎng)自動(dòng)安全管理、小區(qū)智能化管理等方面，對(duì)提高這些場(chǎng)所交通系統(tǒng)的管理水平和自動(dòng)化程度具有重要的意義和巨大的經(jīng)濟(jì)價(jià)值。1.2國(guó)內(nèi)外發(fā)展情況從20世紀(jì)80年代，國(guó)外的研究人員已經(jīng)開(kāi)始了對(duì)車(chē)牌自動(dòng)識(shí)別系統(tǒng)的研究，其主要途徑就是對(duì)車(chē)牌的圖像進(jìn)行分析，自動(dòng)提取車(chē)牌信息，確定車(chē)牌號(hào)。隨著交通問(wèn)題的尖銳化，各國(guó)都在這個(gè)領(lǐng)域投入了大量的人力、物力和財(cái)力。如美國(guó)德克薩斯公司的TIVIS AVI系統(tǒng)，以色

22、列公司的TI_TCEH的See/Car System系列產(chǎn)品，香港 Asia Vision公司的VECON系統(tǒng)等。外國(guó)的技術(shù)相對(duì)成熟，而我國(guó)主要是在學(xué)習(xí)和不斷完善發(fā)展中。我國(guó)的實(shí)際情況與國(guó)外有所不同，國(guó)外車(chē)牌比較規(guī)范統(tǒng)一，而我國(guó)的車(chē)牌顏色多，且位數(shù)不統(tǒng)一，不同汽車(chē)的類(lèi)型有不同的規(guī)格大小和顏色，給識(shí)別帶來(lái)了一定的困難。我國(guó)很多大學(xué)都在做此研究，但是大都因條件各異而適用范圍很有限，離實(shí)際應(yīng)用還有一定的差距，比如對(duì)汽車(chē)拍攝時(shí)的要求較高，距離不能太遠(yuǎn)，光線要求較強(qiáng)，對(duì)實(shí)際因素考慮少，只是對(duì)研究提供了一個(gè)參考，要想在實(shí)際中達(dá)到滿意的效果還是需要做很多工作。目前，基于數(shù)字圖像處理和模式識(shí)別的方法是車(chē)牌自動(dòng)

23、識(shí)別中最為常用和最為有效的方法。車(chē)牌識(shí)別的兩個(gè)關(guān)鍵指標(biāo)是識(shí)別精度和識(shí)別速度。隨著計(jì)算機(jī)技術(shù)的發(fā)展，計(jì)算機(jī)處理能力越來(lái)越強(qiáng)，識(shí)別速度有了很大的提高，隨著LPR技術(shù)的發(fā)展，國(guó)內(nèi)外都有大量關(guān)于車(chē)牌識(shí)別方面的研究的報(bào)道。國(guó)外這方面的研究工作開(kāi)展的比較早，其中有代表性的工作有如下幾個(gè)方面：R.Mullot等開(kāi)發(fā)了一種既可以用于集裝箱識(shí)別，又可用于車(chē)牌識(shí)別的系統(tǒng)，該系統(tǒng)主要是利用文字紋理在車(chē)輛圖像中的共性進(jìn)行定位與識(shí)別，車(chē)牌識(shí)別與集裝箱識(shí)別共用一套硬件系統(tǒng)。Youngsungso開(kāi)發(fā)出一套實(shí)時(shí)車(chē)牌識(shí)別系統(tǒng)，據(jù)報(bào)道該系統(tǒng)的車(chē)牌定位正確率達(dá)到99.2%。日本在車(chē)牌圖像的獲取的方面作了大量的研究，并為系統(tǒng)產(chǎn)業(yè)化

24、作了大量的工作14-20。國(guó)內(nèi)也有大量的學(xué)者從事這方面的研究，中國(guó)科學(xué)院自動(dòng)化所的劉智勇等發(fā)表文章針對(duì)車(chē)牌特點(diǎn)，設(shè)計(jì)了一個(gè)變換函數(shù)來(lái)突出其特點(diǎn)，從而進(jìn)行車(chē)牌提取，該方法采用最大方差法來(lái)進(jìn)行二值化閩值的選取，并對(duì)二值化后的圖像進(jìn)行水平掃描，找出候選區(qū)域。他們?cè)谝粋€(gè)樣本數(shù)為3180的樣本集中，車(chē)牌定位準(zhǔn)確率為99，42%，切分準(zhǔn)確率為94.52%，從當(dāng)時(shí)來(lái)看這是一個(gè)非常高的指標(biāo)，他們這套系統(tǒng)后來(lái)和漢王公司的車(chē)牌識(shí)別系統(tǒng)有很大的關(guān)系。北航的胡愛(ài)明等也利用模板匹配技術(shù)開(kāi)發(fā)了一種車(chē)牌識(shí)別系統(tǒng)，其識(shí)別正確率據(jù)報(bào)道為97%以上，應(yīng)用環(huán)境為收費(fèi)站21-23。1.3車(chē)牌識(shí)別系統(tǒng)的結(jié)構(gòu)車(chē)牌識(shí)別技術(shù)的任務(wù)是處理，分

25、析攝取汽車(chē)圖像，實(shí)現(xiàn)車(chē)牌號(hào)碼的自動(dòng)識(shí)別。典型的車(chē)牌識(shí)別系統(tǒng)是由圖像采集系統(tǒng)，中央處理器，識(shí)別系統(tǒng)組成，一般還要連接相應(yīng)的數(shù)據(jù)庫(kù)以完成特定的功能。當(dāng)系統(tǒng)發(fā)現(xiàn)有車(chē)通過(guò)時(shí)，則發(fā)出信號(hào)給圖像采集系統(tǒng)，然后采集系統(tǒng)將得到的圖像輸入識(shí)別系統(tǒng)進(jìn)行識(shí)別，其識(shí)別結(jié)果應(yīng)該是以文本格式的汽車(chē)牌照號(hào)碼。圖1-1顯示了車(chē)牌識(shí)別系統(tǒng)的結(jié)構(gòu)框圖。圖1-1 車(chē)牌識(shí)別結(jié)果框圖整套系統(tǒng)實(shí)際是硬件和軟件組成的。在硬件上，它需要集成可控照明燈，鏡頭，圖像采集模塊，數(shù)字信號(hào)處理器，存儲(chǔ)器，通信模塊，單片機(jī)等；在軟件上，它需要包括車(chē)牌定位，車(chē)牌字符分割，車(chē)牌字符識(shí)別算法。車(chē)牌識(shí)別系統(tǒng)的硬件在整個(gè)系統(tǒng)中的一個(gè)十分關(guān)鍵的組成部分，它決定了軟

26、件所攝的圖像的質(zhì)量?，F(xiàn)在的硬件基本上采用了嵌入式一體化的結(jié)構(gòu)形式，照明，拍攝，圖像采集，車(chē)牌辨別算法及通信模塊都集成在一起，作為一個(gè)整體設(shè)備加以設(shè)計(jì)和實(shí)現(xiàn)。它主要是基于2大關(guān)鍵技術(shù)：光電耦合器件和數(shù)字信號(hào)處理器。其中前者用于采集車(chē)輛圖像；后者用于運(yùn)行算法。車(chē)牌識(shí)別過(guò)程可以分成4個(gè)步驟：圖像預(yù)處理，車(chē)牌定位和分割，車(chē)牌字符的分割和車(chē)牌的字符識(shí)別。而這四個(gè)部分又可以分成2大部分，即車(chē)牌分割和車(chē)牌字符識(shí)別，如圖1-2所示。圖1-2 車(chē)牌識(shí)別系統(tǒng)流程圖1.4車(chē)牌定位的難點(diǎn)現(xiàn)有的車(chē)輛牌照具有一些共同特征：（1）圖像上有大量長(zhǎng)短不一類(lèi)似于直線與長(zhǎng)方形的區(qū)域，還有一些灰度特征類(lèi)似于文字區(qū)域的廠商標(biāo)志區(qū)域，如

27、奧迪車(chē)的類(lèi)似于四個(gè)O組成的標(biāo)志；（2）牌照文字周?chē)幸粋€(gè)類(lèi)似于長(zhǎng)方形的邊框，其厚度不一，而且有斷裂處，有時(shí)彎曲度比較大；（3）我國(guó)根據(jù)不同車(chē)輛、車(chē)型、用途、規(guī)定了許多牌照格式(例如分為軍車(chē)、警車(chē)、普通車(chē)等)；（4）我國(guó)汽車(chē)牌照的規(guī)范懸掛位置不是唯一的；（5）由于環(huán)境、道路或人為因素造成的汽車(chē)牌照污染嚴(yán)重。另外，車(chē)輛圖像拍攝的背景復(fù)雜。所有的這些都導(dǎo)致每張圖片的質(zhì)量全都不同，變形、噪聲等干擾信息的無(wú)規(guī)律、不確定性出現(xiàn)，這些都給汽車(chē)牌照定位造成很大困難。1.5本文章節(jié)安排本文以解決牌照識(shí)別中的問(wèn)題為主線，各個(gè)章節(jié)內(nèi)容安排如下：第一章：緒論中介紹了課題研究的背景，國(guó)內(nèi)外研究的現(xiàn)狀等，已經(jīng)本文的章節(jié)安

28、排。第二章：介紹了車(chē)牌識(shí)別系統(tǒng)的結(jié)構(gòu)。第三章：車(chē)牌的圖像預(yù)處理技術(shù)，介紹了幾種預(yù)處理技術(shù)，以及各種技術(shù)的應(yīng)用。車(chē)牌的定位技術(shù)，介紹了幾種車(chē)牌定位技術(shù)和算法，并舉實(shí)例說(shuō)明算法的過(guò)程。第四章：車(chē)牌的分割技術(shù)，介紹了幾種車(chē)牌分割技術(shù)和算法，并舉實(shí)例說(shuō)明算法的過(guò)程。第五章：車(chē)牌的字符識(shí)別技術(shù)，介紹了幾種車(chē)牌字符識(shí)別技術(shù)和算法，并舉實(shí)例說(shuō)明算法的過(guò)程第六章：總結(jié)與展望?？偨Y(jié)了本文的主要工作，展望下一步的可能工作安排。第2章 車(chē)牌的定位2.1 預(yù)處理為了便于車(chē)牌識(shí)別的分割和識(shí)別，攝像機(jī)攝下的原始圖像應(yīng)具有適當(dāng)?shù)牧炼群蛯?duì)比度。但攝像時(shí)的光線條件，拍照的整潔度，攝像機(jī)的狀態(tài)，以及車(chē)速的不穩(wěn)定等因素都會(huì)不同程度

29、得影響圖像的效果，出現(xiàn)圖像模糊，歪斜或缺損，車(chē)牌字符邊界模糊，細(xì)節(jié)不清，筆畫(huà)斷開(kāi)，粗細(xì)不均等現(xiàn)象，從而影響車(chē)牌區(qū)域分割與字符識(shí)別的工作。在實(shí)際應(yīng)用中，我們的系統(tǒng)獲取的原始圖像不是完美的，例如對(duì)于系統(tǒng)獲取的原始圖像，由于噪聲、光照等原因，圖像的質(zhì)量不高，所以需要進(jìn)行預(yù)處理，以有利于提取我們感興趣的信息。圖像的預(yù)處理既可以在空間域?qū)崿F(xiàn)，也可以在頻空間內(nèi)實(shí)現(xiàn)，為了便于圖像處理，將更多的精力投入到算法的研究與實(shí)現(xiàn)上，車(chē)牌圖像預(yù)處理是指對(duì)獲取的原始車(chē)牌圖像進(jìn)行車(chē)牌定位、分割和字符識(shí)別前所進(jìn)行的前處理。預(yù)處理的主要目是消除圖像中的干擾信息，恢復(fù)有價(jià)值的信息，增強(qiáng)汽車(chē)牌照的可檢測(cè)性和最大限度的降低車(chē)牌識(shí)別系

30、統(tǒng)的運(yùn)算量，從而改進(jìn)車(chē)牌圖像進(jìn)行車(chē)牌定位、分割和字符識(shí)別的可靠性20-36。本文圖像預(yù)處理包括對(duì)采集到的原始圖像進(jìn)行色彩校正、圖像增強(qiáng)、灰度化、濾波、銳化等處理，以克服干擾因素，最大限度的提高識(shí)別效果。車(chē)牌識(shí)別中的圖像獲取一般通過(guò)攝像機(jī)完成的。由于硬件等因素，所獲取的目標(biāo)圖像中，含有復(fù)雜的車(chē)身背景及自然背景信息，同時(shí)易受照明條件、天氣條件和運(yùn)動(dòng)失真、模糊等因素的影響，嚴(yán)重影響獲取圖像的質(zhì)量，給之后的車(chē)牌分割及字符識(shí)別帶來(lái)很大的困難，所以在進(jìn)行車(chē)牌識(shí)別之間有必要對(duì)圖像進(jìn)行預(yù)處理操作。（1）消除模糊。圖像的攝取一般在汽車(chē)運(yùn)動(dòng)的情況下進(jìn)行的，有時(shí)候難出現(xiàn)圖像的運(yùn)動(dòng)模糊。因此要在原來(lái)的系統(tǒng)中加入逆濾波

31、處理，對(duì)由勻速直線運(yùn)動(dòng)造成的圖像模糊進(jìn)行恢復(fù)。（2）圖像去噪。通常得到的汽車(chē)圖像會(huì)有一些污點(diǎn)，為了保證識(shí)別的效果，需要對(duì)圖像進(jìn)行去噪。（3）圖像增強(qiáng)。由于車(chē)牌識(shí)別系統(tǒng)需要全天侯工作，自然光照度的晝夜變化引起汽車(chē)圖像對(duì)比度的嚴(yán)重不足，所以增強(qiáng)圖像是十分必要的。（4）水平校正。攝像機(jī)的位置，車(chē)輛的運(yùn)動(dòng)等因素經(jīng)常使拍攝出來(lái)的汽車(chē)圖像有一定的傾斜，這就需要對(duì)圖像進(jìn)行水平校正，或者在分割出車(chē)牌區(qū)域之后對(duì)字符水平校正。2.2 車(chē)牌定位的方法比較目前車(chē)牌定位的方法大致分兩類(lèi)：一類(lèi)是基于彩色圖像的車(chē)牌定位方法，另一類(lèi)是基于灰度圖像的車(chē)牌定位方法。由于灰度圖像的數(shù)學(xué)關(guān)系簡(jiǎn)單，數(shù)據(jù)量較彩色圖像少，故而在對(duì)其處理時(shí)

32、所需的存儲(chǔ)空間較小，同等條件下處理灰度圖像的速度會(huì)更快。相應(yīng)的，彩色圖像含有比灰度圖像更豐富的信息，但其數(shù)學(xué)表達(dá)也較為復(fù)雜，處理時(shí)所需的存儲(chǔ)空間更大，同時(shí)對(duì)處理器性能的要求更高。但隨著近年來(lái)硬件水平的不斷提高以及灰度圖像信息的丟失等原因，對(duì)基于彩色圖像的車(chē)牌定位算法也逐漸發(fā)展起來(lái)。牌照的定位從圖像處理的意義上來(lái)說(shuō)就是從一幅隨機(jī)圖像中找出一塊具有某種特征的區(qū)域，該區(qū)域中包含了汽車(chē)牌照。這種特征就是牌照本身區(qū)別于圖像其他部分的特征。根據(jù)特征提取的不同，牌照定位的方法也就有很大的不同:1.利用牌照具有四邊形邊框的特點(diǎn)，通過(guò)檢測(cè)圖像中的長(zhǎng)直線段，然后用一定的約束條件進(jìn)行搜索的方法來(lái)確定牌照的位置。這種

33、方法定位的精度較高，但是易受到噪聲的影響。且對(duì)有些邊框磨損、不明顯的牌照效果不好。2.利用統(tǒng)計(jì)投影直方圖的方法，通過(guò)對(duì)含有汽車(chē)的圖像水平和垂直兩個(gè)方向的灰度投影直方圖的分析，來(lái)推斷出汽車(chē)牌照的位置。這種方法優(yōu)點(diǎn)是對(duì)圖像中的噪聲不敏感，缺點(diǎn)是定位精度不夠高。3.區(qū)域生長(zhǎng)法是對(duì)邊緣圖像進(jìn)行均勻性區(qū)域生長(zhǎng)以獲得潛在車(chē)牌區(qū)域，然后利用車(chē)牌的幾何特征以及車(chē)牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)特征刪除偽車(chē)牌，即得到真實(shí)車(chē)牌。4.DTF變換法是先對(duì)圖像逐行做DTF變換，然后把頻率系數(shù)逐行累加平均，并根據(jù)這些平均值做出頻率譜曲線，根據(jù)頻譜曲線中的“峰”的起始點(diǎn)位置確定車(chē)牌水平位置，對(duì)這一水平區(qū)域逐列做DTF變換可確定

34、車(chē)牌豎直位置。5.近年來(lái)又出現(xiàn)了基于彩色汽車(chē)圖像牌照定位的方法。這種方法主要是利用我國(guó)汽車(chē)牌照字符與底色對(duì)比較多，彩色圖像比灰度圖像能夠更多的視覺(jué)信息并對(duì)各種光照不敏感等特點(diǎn)。這種方法也取得了較好的效果。本文使用的車(chē)牌定位方法主要目的是在預(yù)處理后的灰度圖像中確定牌照的具體位置，并將包含牌照字符的子圖像從整個(gè)圖像中劃分出來(lái)，供字符識(shí)別系統(tǒng)識(shí)別。2.3 基于邊緣檢測(cè)和投影分析的車(chē)牌定位算法2.3.1 適用于車(chē)牌邊緣檢測(cè)的邊緣檢測(cè)算子車(chē)輛牌照通常情況下可近似為矩形，即使發(fā)行形變或傾斜，仍可看作平行四邊形。車(chē)牌中包含字符，因而有豐富的筆劃邊緣信息。如果車(chē)牌圖像處于自然背景中，如樹(shù)木、房屋建筑、標(biāo)識(shí)牌等

35、背景都會(huì)成為車(chē)牌的干擾信息。好的車(chē)牌邊緣提取方法是在盡量保證車(chē)牌字符信息的基礎(chǔ)上，將車(chē)牌的邊緣完好的提取出來(lái)。Roberts算子對(duì)邊緣的定位較準(zhǔn)，所以分割結(jié)果的邊界寬度不大。在圖像噪聲較少的情況下，邊緣保持較好。Prewitt算子并不是各向同性的，邊緣也并不是完全連通的，有一定程度的斷開(kāi)，而使用Roberts算子和Laplacian算子就不存在這樣的問(wèn)題。Krisch算子考慮了8個(gè)特定方向的邊緣響應(yīng)，計(jì)算量大，但對(duì)灰度漸變和噪聲較多的圖像效果較好。Sobel算子對(duì)噪聲有抑制作用，因此不會(huì)出現(xiàn)很多孤立的邊緣像素點(diǎn)。它對(duì)邊緣的檢測(cè)比較準(zhǔn)確，在背景和目標(biāo)對(duì)比較明顯且噪聲不大的時(shí)候效果較好。相比之下，

36、Laplacian算子屬于二階微分算子，對(duì)噪聲十分敏感，因而會(huì)檢測(cè)出圖中各種物體的邊緣(包括噪聲)，但它具有旋轉(zhuǎn)不變性，與邊緣方向無(wú)關(guān)。結(jié)合車(chē)輛牌照的特點(diǎn)，在車(chē)牌識(shí)別系統(tǒng)中多使用一階微分算子，因?yàn)長(zhǎng)aplacian算子所檢測(cè)出來(lái)的大多數(shù)邊緣屬于干擾信息，大大加重了判斷的難度。對(duì)于各種一階算子，需要檢測(cè)出準(zhǔn)確度較高的連續(xù)邊緣，并且盡量避免多余的邊緣信息。實(shí)際操作中多使用Sobel或Roberts算子，本文主要使用Sobel算子。2.3.2 基于邊緣檢測(cè)的水平投影分析就車(chē)牌圖像而言，統(tǒng)計(jì)它的邊緣圖像信息比灰度圖像信息要容易得多，因而借助圖像的垂直邊緣信息進(jìn)行水平投影分析。經(jīng)過(guò)預(yù)處理后，可以得到車(chē)牌

37、的垂直邊緣分布圖，這種分布在汽車(chē)的邊緣及車(chē)牌區(qū)域都有顯著的表現(xiàn)，首先統(tǒng)計(jì)圖像中每行的跳變數(shù)以進(jìn)行初步篩選。在汽車(chē)圖片中存在很多干擾信息，而其投影分布與車(chē)牌相似的區(qū)域有汽車(chē)標(biāo)志、排氣管等等。先把這些區(qū)域從背景中分離出來(lái)，接著進(jìn)行判斷。整個(gè)過(guò)程的具體步驟如下：構(gòu)造水平投影函數(shù)。這里所說(shuō)的投影函數(shù)不是單純的投影值函數(shù)，而是經(jīng)過(guò)統(tǒng)計(jì)的黑白像素跳變數(shù)函數(shù)，設(shè)之為T(mén)(x)，其中x表示圖像的行數(shù)。原始圖像的下半部分有兩個(gè)跳變數(shù)較多的區(qū)域，一個(gè)是車(chē)尾的標(biāo)志區(qū)域，另一個(gè)就是我們要提取的車(chē)牌區(qū)域。首先，對(duì)圖像進(jìn)行二值化，這時(shí)候原圖中的標(biāo)志區(qū)域和車(chē)牌區(qū)域都會(huì)凸顯出來(lái)。對(duì)應(yīng)于二值圖像的每一行，計(jì)算出每行的黑白像素跳變

38、數(shù)，構(gòu)成我們需要的水平投影函數(shù)。分離候選區(qū)域。為了精確的分離出這兩個(gè)區(qū)域，我們使用最小區(qū)域分析法去除投影值相對(duì)較小的部分。所謂的最小區(qū)域分析法就是一種標(biāo)記一個(gè)連續(xù)函數(shù)在某一區(qū)間內(nèi)最小值的方法，這種方法能標(biāo)記出圖中的函數(shù)區(qū)域最小值，即圖像的一系列谷底，當(dāng)取適當(dāng)?shù)膮^(qū)域差值時(shí)，便能標(biāo)記出圖像中所有較低的部分，從而分離出兩個(gè)投影值較大的區(qū)域。候選區(qū)域判斷。最小區(qū)域化處理后，圖像中存留三個(gè)部分。可以設(shè)置一個(gè)限制，去除那些投影值相對(duì)較小且分布范圍較窄的區(qū)域，這樣就能得到可能為車(chē)牌區(qū)域的最后兩個(gè)或者多個(gè)候選區(qū)域。同時(shí)，最小區(qū)域處理后的投影函數(shù)變成一個(gè)二值函數(shù)，圖像中的兩個(gè)區(qū)域轉(zhuǎn)換成兩個(gè)所含元素值為0的連續(xù)數(shù)

39、列，對(duì)這兩個(gè)數(shù)列進(jìn)行連通區(qū)域標(biāo)記便可得到原始灰度圖中所對(duì)應(yīng)的部分。實(shí)驗(yàn)得出，非車(chē)牌區(qū)域的跳變函數(shù)分布較均勻，峰值較多且相鄰峰值間的距離較小；車(chē)牌區(qū)域的跳變函數(shù)則主要集中在那一行圖像的車(chē)牌部分，其它部分的跳變數(shù)較小。利用車(chē)牌區(qū)域的這個(gè)特點(diǎn)，可以分離出車(chē)牌區(qū)域，具體做法如下：(1)只考慮待判斷區(qū)域的中間部分?？紤]到車(chē)牌區(qū)域不會(huì)在極左或極右的位置，因此可以取圖像里靠中間的位置進(jìn)行判斷，這樣即使車(chē)牌在比較靠近兩邊的情況下也能判斷出來(lái)。(2)設(shè)定一個(gè)常數(shù)C(如8)，這個(gè)常數(shù)表示最小跳變數(shù)。如果圖像中跳變函數(shù)T(x)超過(guò)C時(shí)，累加器加1。最后統(tǒng)計(jì)累加器中的數(shù)值N，如果N屬于某一設(shè)定范圍(7-10)內(nèi)，則這

40、一區(qū)域?yàn)檐?chē)牌區(qū)域。2.3.3 基于邊緣檢測(cè)的垂直投影分析經(jīng)過(guò)水平投影分析后，得到兩個(gè)候選區(qū)域，而真正的車(chē)牌區(qū)域只有一個(gè)，所以需要進(jìn)一步的判斷。在投影分析中，考慮到了車(chē)牌區(qū)域跳變數(shù)較多且存在于一定范圍內(nèi)，這個(gè)特征很容易區(qū)別于其它區(qū)域。這部分就介紹利用候選區(qū)域的垂直投影分析進(jìn)行判斷的方法。非車(chē)牌區(qū)域的投影分布非常密集，而車(chē)牌區(qū)域一般只在圖像中間部位有比較密集的分布。對(duì)這兩個(gè)區(qū)域的垂直投影圖同時(shí)進(jìn)行最小區(qū)域變換，剔除一些投影分布較小的部分后，統(tǒng)計(jì)圖像的跳變數(shù)k，當(dāng)這個(gè)數(shù)符合某個(gè)標(biāo)準(zhǔn)K時(shí)，判斷為車(chē)牌區(qū)域，這里的K是人為設(shè)定的。當(dāng)正確的車(chē)牌區(qū)域被篩選出來(lái)后，需要把車(chē)牌的左右邊界從中分離出來(lái)。包含車(chē)牌在內(nèi)

41、的整行圖像中，車(chē)牌區(qū)域的投影分布為峰-谷-峰狀，而且峰值高于其它區(qū)域并與鄰近峰值相近。根據(jù)這個(gè)特點(diǎn)，可以找出這一分布開(kāi)始和結(jié)束的部位，即車(chē)牌大致的左右邊界。由于噪聲和干擾的影響，車(chē)牌附近區(qū)域也可能產(chǎn)生類(lèi)似的分布，并且緊挨著車(chē)牌區(qū)域。因此，需要考慮以下因素來(lái)提取車(chē)牌的左右邊界：1.去除兩邊投影值較大的獨(dú)立區(qū)域，這些區(qū)域一般靠近圖像的兩邊，故可以使用最小區(qū)域法剔除；2.車(chē)牌的左邊界靠近漢字，由于邊框與漢字的距離小于字符間的距離，如果車(chē)牌出現(xiàn)粘連現(xiàn)象，邊框與漢字間的谷底將會(huì)消失，故在考慮左邊界時(shí)，首先要判斷它是否為高投影值出現(xiàn)的開(kāi)端，還要看它后面是否存在連續(xù)的峰谷分布，并且峰谷的變化數(shù)不超出一定范圍

42、K；3.左邊界確定后，從圖像的右端開(kāi)始判斷右邊界。由于左邊界已經(jīng)判斷好，故右邊界的判斷只需考慮峰谷變化和這一變化起始的位置即可。4.由于這種分割的目的是完好的保證車(chē)牌中的字符沒(méi)有殘留，故可提取稍微多的邊界部分，閾值K的大小可以適當(dāng)放寬要求。對(duì)圖3-1(a)、(c)、(e)、(g)和(i)所示圖像應(yīng)用基于邊緣檢測(cè)的投影分析車(chē)牌定位算法后，定位得到車(chē)牌區(qū)域如圖3-1(b)、(d)、(f)、(h)和(j)所示?？梢?jiàn)，文中所采用的車(chē)牌識(shí)別算法，對(duì)于拍攝距離不固定時(shí)所獲得的車(chē)尾部圖像，仍能獲得較理想的分割效果。 (a) (b) (c) (d) (e) (f) (g) (h) (i) (j)圖2-1 原始

43、圖像及進(jìn)行車(chē)牌定位處理后圖像第3章 車(chē)牌字符分割算法在車(chē)牌識(shí)別的整個(gè)過(guò)程中，車(chē)牌定位準(zhǔn)確定位只是完成了第一步，為了達(dá)到字符識(shí)別的目標(biāo)，從提取的車(chē)牌圖像中分割出字符的工作必不可少。字符切割是車(chē)牌定位和字符識(shí)別的橋梁，只有從車(chē)牌圖像中準(zhǔn)確的切割出車(chē)牌字符，并進(jìn)行歸一化，才能為之后進(jìn)行識(shí)別做好準(zhǔn)備工作。車(chē)牌定位之后，為了準(zhǔn)確地識(shí)別牌照上的漢字、英文字母和數(shù)字，必須把單個(gè)字符從牌照中提取分離出來(lái)，得到車(chē)牌中每個(gè)字符的圖像作為識(shí)別模塊的輸入。將車(chē)牌圖像的字符一個(gè)個(gè)的分割開(kāi)來(lái)，即進(jìn)行所謂的字符分割。在實(shí)際處理中，我們面對(duì)的是要識(shí)別的牌照字符情況非常復(fù)雜?？赡軙?huì)存在較大的干擾、噪聲，這是由于各種設(shè)備可能產(chǎn)生

44、的噪聲所引起的，使得牌照?qǐng)D像中可能產(chǎn)生字符之間斷裂的現(xiàn)象，圖像中算符的筆畫(huà)可能產(chǎn)生字符之間粘連或者字符斷裂的現(xiàn)象;算符的筆畫(huà)可能變粗，其影響是字符的輪廓模糊不清、字符之間粘連。同時(shí)，經(jīng)牌照定位而分割出的牌照區(qū)域亦非完全精確到牌照上的字符區(qū)域，所面對(duì)的是在牌照四個(gè)邊框附近誤差幾個(gè)象素;并且字符為白字，還將有汽車(chē)保險(xiǎn)杠與牌照四邊邊框的殘留圖像以及牌照上兩個(gè)鉚釘干擾的一個(gè)區(qū)域。這就要求我們對(duì)牌照要有一定的了解?，F(xiàn)有的牌照有四種類(lèi)型:(1)小功率汽車(chē)所用的藍(lán)底白字牌照;(2)大功率汽車(chē)所用的黃底黑字牌照;(3)軍用或警用的白底黑字、紅字牌照;(4)國(guó)外駐華機(jī)構(gòu)用的黑底白字牌照。這四種牌照的外輪廓長(zhǎng)度均

45、為450mm，總的寬度為150mm，共有字符7個(gè)(不包括第二、三字符之間的小圓點(diǎn))。標(biāo)準(zhǔn)的民用車(chē)輛牌照(軍車(chē)、警車(chē)、教練車(chē)、領(lǐng)事館車(chē)除外)均為七個(gè)字符，首位為省名縮寫(xiě)(漢字)，次位為英文字母，再次位為英文字母或阿拉伯?dāng)?shù)字，末四位字符均為數(shù)字。字符總長(zhǎng)度為409mm，其中單個(gè)字符統(tǒng)一寬度為45mm，高90mm，第二三個(gè)字符間間距為34mm(中間小圓點(diǎn)10mm寬，小圓點(diǎn)與第二、三個(gè)字符間間距分別為12mm)，其余字符間間距為12mm。牌照字符為規(guī)則的印刷體字，其字符串長(zhǎng)度比、字符間隙、字符的寬高比及筆畫(huà)寬高都是按照嚴(yán)格的標(biāo)準(zhǔn)制造的，在牌照?qǐng)D像數(shù)字化、提取和校正的過(guò)程中會(huì)代入一些干擾，但字符串參數(shù)之

46、間的相互關(guān)系都不會(huì)發(fā)生很大的變化。3.1 車(chē)牌圖像歸一化由于實(shí)際輸入的圖像通常都會(huì)大小不一，理論上對(duì)圖像的大小和顏色數(shù)都無(wú)嚴(yán)格要求，但車(chē)牌圖像過(guò)小會(huì)影響識(shí)別的正確率，為了能夠適應(yīng)不同的大小的圖像，需要對(duì)輸入的灰度圖像進(jìn)行大小歸一化，對(duì)于較適中的圖像，可以不用歸一化而直接處理，這樣處理效果會(huì)更好。3.2 車(chē)牌圖像二值化為獲取更好的、更清晰的邊緣，得到準(zhǔn)確的車(chē)牌照外形參數(shù)值，需對(duì)圖像進(jìn)行二值化運(yùn)算，也就是閾值法運(yùn)算。閾值分割相當(dāng)于對(duì)圖像進(jìn)行二值化，就是對(duì)每一個(gè)像素點(diǎn)確定一個(gè)閾值，根據(jù)閾值確定當(dāng)前像素是前景還是背景點(diǎn)。實(shí)質(zhì)上是將圖像中的每個(gè)像素按一定閾值進(jìn)行分類(lèi)，將圖像轉(zhuǎn)換成只有兩個(gè)等級(jí)(黑、白)的

47、二值圖像。大于此閾值的像素點(diǎn)置成黑(白)，而小于此閾值的像素點(diǎn)置成白(黑)。當(dāng)物體的灰度級(jí)比較集中時(shí)，簡(jiǎn)單設(shè)置灰度級(jí)閾值提取物體是一個(gè)有效的方法。原始圖像f(x，y)經(jīng)過(guò)閾值T分割后的圖像g(x，y)為: (3-1)閾值法分割相當(dāng)于對(duì)圖像進(jìn)行二值化，其中閾值的選取是關(guān)鍵。如果定的過(guò)高，偶然出現(xiàn)的物體點(diǎn)就會(huì)被認(rèn)為是背景;定的過(guò)低，則會(huì)發(fā)生相反的情況。閾值的選取直接影響分割的結(jié)果。一般來(lái)說(shuō)，整體閾值法對(duì)質(zhì)量較好的圖像較為有效，而局部閾值法則適應(yīng)于較復(fù)雜的圖像。3.3 字符分割算法我國(guó)車(chē)牌類(lèi)型很多，每種類(lèi)型的格式不盡相同，在這里以使用量最大的藍(lán)色車(chē)牌的格式為例說(shuō)明。由定位后獲得的車(chē)牌圖像往往都包含了

48、車(chē)牌邊框，邊框的存在會(huì)干擾字符的準(zhǔn)確劃分，所以在進(jìn)行字符分割之前先去除邊框。在切除上下邊框之后，車(chē)牌高度統(tǒng)一為30像素，由藍(lán)色車(chē)牌的標(biāo)準(zhǔn)格式可以計(jì)算得出:車(chē)牌總長(zhǎng)136像素，字符寬度為巧像素，字符間距為4像素，第2個(gè)字符和第3個(gè)字符的間距為11像素，小圓點(diǎn)的寬度約為3像素。本文采用垂直投影法實(shí)現(xiàn)字符分割。垂直投影法是最常用的字符分割方法，經(jīng)過(guò)投影之后二維信息降為一維，信息有缺失容易出現(xiàn)誤判現(xiàn)象。利用車(chē)牌幾特征可以彌補(bǔ)信息缺失。實(shí)現(xiàn)字符分割的算法如下:記錄豎直方向投影值小于一定閾值的水平坐標(biāo)，為的字符分界點(diǎn)，從而進(jìn)行字符的分割。影響算法效率的主要因素:1.判斷是否為字符邊界線的閉值;2.尋找字符

49、右側(cè)邊界的時(shí)候跳動(dòng)的距離。這種切分算法簡(jiǎn)單，但是適應(yīng)性不強(qiáng)。實(shí)際中漢字可能與左邊框相連，在字符分割時(shí)有可能會(huì)把邊框包括進(jìn)去。對(duì)于這個(gè)問(wèn)題的處理方法是:如果發(fā)現(xiàn)漢字寬度大于標(biāo)準(zhǔn)寬度，則根據(jù)標(biāo)準(zhǔn)寬度由左到右取出預(yù)選字符的一部分作為最后的漢字部分，以去掉左邊框部分。對(duì)于與字符相連的右邊框，我們也作同樣處理。其中，標(biāo)準(zhǔn)寬度是根據(jù)字符高度與字符固定寬高比例計(jì)算所得。通過(guò)檢查字符的寬度，我們也可以發(fā)現(xiàn)字符間的粘連問(wèn)題。如果某字符的寬度遠(yuǎn)遠(yuǎn)大于標(biāo)準(zhǔn)字符寬度，先找出它所在的位置，根據(jù)此預(yù)選字符的實(shí)際寬度和所處位置可估算出所含的這幾個(gè)字符在車(chē)牌字符串中的排位。例如:如果發(fā)現(xiàn)車(chē)牌的第4、5、6這幾個(gè)字符相連成一個(gè)

50、預(yù)選字符，我們從預(yù)選字符的左端開(kāi)始取一個(gè)具有標(biāo)準(zhǔn)字符寬度的部分，作為第4個(gè)字符，然后右移一個(gè)標(biāo)準(zhǔn)間距寬度，再同理選擇第5個(gè)字符，剩下的便是第6個(gè)字符。第4章 字符識(shí)別字符識(shí)別是車(chē)牌識(shí)別中的最后一個(gè)重要環(huán)節(jié)，是直接影響最后識(shí)別率的關(guān)鍵性部分。字符識(shí)別包括漢字識(shí)別、數(shù)字與字符識(shí)別，為了提高識(shí)別率，下面分別設(shè)計(jì)了漢字識(shí)別器和數(shù)字與字母識(shí)別器。4.1 常用字符識(shí)別方法在車(chē)牌字符識(shí)別部分，字符集中包含約50個(gè)漢字，26個(gè)大寫(xiě)英文字母及10個(gè)阿拉伯?dāng)?shù)字。首字符為漢字，第二、第三、第四個(gè)字符為英文字母或數(shù)字，其余字符為數(shù)字。目前，字符識(shí)別主要有以下3種方法:(l)模板匹配法:利用M*N的模板圖像與待識(shí)別的字

51、符圖像進(jìn)行點(diǎn)對(duì)點(diǎn)的比較，取相似度最高的字符。此方法如果模板取得多則耗時(shí)，而且較易受待識(shí)別字符圖像的噪聲和傾斜度的影響，容易產(chǎn)生誤識(shí)別。(2)神經(jīng)網(wǎng)絡(luò)法:通過(guò)用模板字庫(kù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)參數(shù)，其中輸入?yún)?shù)可以是字符提取的一些特征或象素點(diǎn)集，然后識(shí)別字符。這種方法中網(wǎng)絡(luò)訓(xùn)練往往難以收斂，當(dāng)識(shí)別類(lèi)型增多時(shí)，很難達(dá)到理想的效果。(3)特征匹配法:通過(guò)分析字符的筆劃特征或字符象素在圖像中的分布，設(shè)計(jì)各種分類(lèi)器，把字符識(shí)別出來(lái)。其中，字符的特征提取至關(guān)重要，一組具有代表性的特征能有效地排除干擾，區(qū)分出各個(gè)模式，從而進(jìn)行分類(lèi)。對(duì)于漢字，由于拍攝圖像的像素點(diǎn)陣小，大部分漢字筆劃比較復(fù)雜，常出現(xiàn)模糊、變形、筆劃斷裂等

52、現(xiàn)象，因此使用模板匹配的識(shí)別方法;針對(duì)數(shù)字與字母，由于其筆劃簡(jiǎn)單，可以比較容易提取到字符的筆劃結(jié)構(gòu)特征，這里使用基于特征提取和識(shí)別的方法。4.2 漢字識(shí)別4.2.1 現(xiàn)行車(chē)牌特點(diǎn)自1994年至1995年，全國(guó)換發(fā)了如今正使用的這種“92式”熒光牌照，它具有以下特點(diǎn):(l) 除特種車(chē)輛外，都以各省、市、自治區(qū)簡(jiǎn)稱(chēng)打頭，總共七位，既規(guī)范，又易辨認(rèn)，很科學(xué)。(2) 用英文字母作為地、州、市級(jí)代號(hào)，例如“粵A”為廣東省廣州市，即便河南那樣的大省，地級(jí)行政區(qū)域多，亦能編排得下，無(wú)須共用一個(gè)字母。后面五位數(shù)，既可用阿拉伯?dāng)?shù)字，又可用英文字母:例“粵B口口口口口”，容納量非常大，這樣以此類(lèi)推，能適應(yīng)車(chē)輛不斷

53、增加。(3) 牌照的顏色主要分為黃底黑字、藍(lán)底白字、黑底白字和白底黑字四種。(4) 牌照的大小為一矩形，其高度大約140mm，寬度大約440mm。由上述的幾個(gè)主要特征可以將圖的位基元分為五類(lèi):a) 純漢字位集合Cl:京，云，藏，津，冀，晉，蒙，吉，黑，粵，貴，遼，滬，蘇皖，豫，寧，浙，川，渝，閩，桂，贛，魯，鄂，湘，瓊，新，陜，甘，青，使;b) 純字母位C2=A，B，C，D，E，F(xiàn)，G，H，J，K，L，M，N，0，p，Q，R，S，T，U，V，W，X，Y，Z;c) 純數(shù)字位C3=l，2，3，4，5，6，7，8，9，0;d) 數(shù)字與字母混合位C4=C2+C3;e) 數(shù)字與漢字混合位C5=C3+領(lǐng)，

54、學(xué)，試，境，掛，警。4.2.2 建立模板庫(kù)模板法的關(guān)鍵技術(shù)是設(shè)計(jì)模板。本文根據(jù)分割的大量漢字字符圖像，從中抽取部分正規(guī)的有代表性的字符。根據(jù)采集的字符頻率，不同的字符取的模板數(shù)目不相同，這樣有利于提高最后的識(shí)別率。4.2.3 圖像預(yù)處理分割出來(lái)的字符是二值化了的字符圖像，但是字符邊框處可能會(huì)存在空白區(qū)域。為了更準(zhǔn)確的定位識(shí)別字符，從字符圖像的四個(gè)邊往內(nèi)縮小范圍，去除空白的區(qū)域，進(jìn)行基于字符外邊框的位置歸一化，使字符圖像周?chē)紕偤媒?jīng)過(guò)字符，這樣就能排除字符平移而產(chǎn)生的誤差。然后再對(duì)圖像進(jìn)行大小歸一化，把圖像歸一化成為與模板同一大小的字符圖像，準(zhǔn)備進(jìn)行匹配。4.2.4 最小距離法比較歸一化了的待識(shí)

55、別樣本與模板庫(kù)里的字符模板之間的距離，距離最小的模板結(jié)果作為識(shí)別結(jié)果。常用的距離測(cè)度有歐氏距離、城市距離、相關(guān)距離、加權(quán)距離等?？紤]到速度等原因，采用歐氏距離作為距離測(cè)度。用X代表待識(shí)樣本的矢量，Y代表模板庫(kù)的矢量，d代表距離。， (5-1) (5-2)識(shí)別結(jié)果取Min(d)對(duì)應(yīng)i的模板結(jié)果。當(dāng)這個(gè)距離越小時(shí)，就說(shuō)明和模板的字符圖像越接近，那么可靠度就越高。4.3 數(shù)字與字母識(shí)別4.3.1 字符的特征與分類(lèi)字符的筆劃特征、輪廓特點(diǎn)等是描述一個(gè)字符最根本的要素，即使存在少許斷裂、少量噪聲和存在一定的旋轉(zhuǎn)，其結(jié)構(gòu)特征基本不變。為簡(jiǎn)化算法，首先按照孔的個(gè)數(shù)把34個(gè)字符粗分為兩類(lèi)，含孔的為第一類(lèi)，沒(méi)有

56、孔的為第二類(lèi)。例“8”，“B”，“A”，“D”，“0”，“p”，“Q”，“R”，“4”，“6”，“9”是第一類(lèi);其它的就是第二類(lèi)。然后對(duì)兩個(gè)子類(lèi)中的字符，根據(jù)字符筆劃的相對(duì)位置進(jìn)行判斷分析與識(shí)別。4.3.2 圖像預(yù)處理在字符識(shí)別之前，為了進(jìn)一步消除噪聲，盡量減少分割過(guò)程中出現(xiàn)的斷裂情況，對(duì)二值化字符圖像進(jìn)行了下面幾個(gè)步驟的處理。(l)數(shù)學(xué)形態(tài)學(xué)閉運(yùn)算(膨脹與腐蝕)，去除孤立噪點(diǎn)在字符圖形的獲取過(guò)程中，由于字符本身殘缺、不干凈及二值化處理等原因，得到的二值化字符圖像可能含有一些噪聲，有些筆劃可能會(huì)斷裂，因此先用膨脹算法，在不改變字符大體形狀的情況下對(duì)圖像字符象素進(jìn)行擴(kuò)大，使一些斷裂的線連接起來(lái)，

57、然后再用腐蝕算法，將圖像中可能存在的孤立噪聲去掉，這樣就得到比較理想的字符圖像。(2)細(xì)化，為了提取結(jié)構(gòu)特征，采用一個(gè)33的窗口象素表示Pi的空間位置關(guān)系。圖像矩陣P位置示意圖如圖4-1所示。P8 P1 P2P7 P0 P3P6 P5 P4圖4-1圖像矩陣P位置示意圖4.3.3 識(shí)別算法具體識(shí)別步驟如下:(l) 通過(guò)種子填充法找圓孔及其位置信息對(duì)圖像背景用種子填充法，尋找字符骨架是否有圓孔的特征，并且記錄下圓孔的個(gè)數(shù)（Holes），其可能取值為0，1，2。這樣就能把帶有圓孔的英文字符和數(shù)字分類(lèi)出來(lái)。當(dāng)Holes=1時(shí)，還可以確定圓孔中心的位置，存變量為Position_Hole，其取值1，2，

58、3，分別表示在上、中、下位置，根據(jù)圓孔的位置能再次分類(lèi)。(2) 有孔字符的分類(lèi)方法對(duì)于第一類(lèi)，當(dāng)Holes=2時(shí)，根據(jù)字符圖像左邊位置筆劃的垂直度，就可以區(qū)分“8”和“B”。統(tǒng)計(jì)細(xì)化圖像左邊部分的白色(非字符)區(qū)域，若超過(guò)某個(gè)門(mén)限，即為“8”，否則為“B”。當(dāng)Holes=1時(shí)，先根據(jù)圓孔的位置，再區(qū)分為三類(lèi)。當(dāng)Position_Hole=l時(shí)，有“A”，“P”，“R”，“4”，“9”為第一小類(lèi)。通過(guò)掃描線法查找孔外的線段位置及其長(zhǎng)度特征，就可以全部區(qū)分出來(lái)。根據(jù)孔外的筆劃線條，再次將它們歸三小類(lèi)，“A”和“R”為一類(lèi)，“4”和“9”為一類(lèi)，“P”為一類(lèi)?！癆”和“R”根據(jù)左右兩邊的輪廓曲線區(qū)分

59、，“9”下面的線條是長(zhǎng)而曲的，“4”下面的線條是短而直的。當(dāng)Position_Hole=2時(shí)，有“D”、“O”，為第二小類(lèi)。分析圖像的左半部分和下半部分，也是統(tǒng)計(jì)其白色區(qū)域就能分開(kāi)來(lái)。當(dāng)Position_Hole=3時(shí)，只有“6”，為第三小類(lèi)。驗(yàn)證孔外的線段是在圖像的左上位置即可以識(shí)別出來(lái)。(3)無(wú)孔字符的分類(lèi)方法掃描線法，主要是根據(jù)字符的筆劃特征來(lái)直接識(shí)別字符。對(duì)于第二類(lèi)，即Holes=0時(shí)，有“J”，“L”，“7”，“T”，“E”，“F”，“Y”“2”，“Z”，“3”，“5”，“S”，“C”，“G”，“X”，“K”，“H”，“U”，“V”，“M”，“N”，“W”，在這里主要是通過(guò)尋找字符的

60、筆劃特征來(lái)進(jìn)一步判斷。把字符橫向分塊，共分三塊，分別作線條跟蹤，獲取字符的橫的特征，存到變量Line_Hor，其值格式為*，分別對(duì)應(yīng)此字符上、中、下位置是否出現(xiàn)橫特征。當(dāng)出現(xiàn)橫特征時(shí)，對(duì)應(yīng)的位為1，沒(méi)出現(xiàn)則為0。如，字符只有上三分之一部分出現(xiàn)橫特征，則Line_Hor=100;同理，豎也分塊，分三塊，也分別作線條跟蹤，獲取字符的豎的特征，存到變量Line_Ver，其含意和Line_Hor;類(lèi)似，它的位置排列是左中右，如字符只有右三分之一出現(xiàn)豎特征，Line_Ver=001。這樣定義之后，就可以識(shí)別出，“J”，“L”，“7”，“T”，“E”，“F”。規(guī)則如下:if (Line_Hor=001&L