車輛牌照圖像識別算法研究與實現(xiàn)本科畢設(shè)論文當前位置：文檔視界車輛牌照圖像識別算法研究與實現(xiàn)本科畢設(shè)論文車輛牌照圖像識別算法研究與實現(xiàn)本科畢設(shè)論文車輛牌照圖像識別算法研究與實現(xiàn)摘要：近年來隨著國民經(jīng)濟的蓬勃發(fā)展，國內(nèi)高速公路、城市道路、停車場建設(shè)越來越多，對交通控制、安全管理的要求也日益提高。因而，汽車牌照識別技術(shù)在公共安全及交通管理中具有十分重要的實際應用意義。本文對車牌識別系統(tǒng)中的車牌定位、字符分割和字符識別進行了初步研究。對車牌定位，本文采用投影法對車牌進行定位；在字符分割方面，本文使用閾值規(guī)則進行字符分割；針對車牌圖像中數(shù)字字符識別的問題，本文采用了基于BP神經(jīng)網(wǎng)絡(luò)的識別方法。在學習并把握了數(shù)字圖像處理和形式識別的一些基本原理后，使用VC++6.0軟件利用以上原理針對車牌識別任務(wù)進行編程。實現(xiàn)了對車牌的定位和車牌中數(shù)字字符的識別。關(guān)鍵詞：車牌定位；字符分割；BP神經(jīng)網(wǎng)絡(luò)；車牌識別；VC++ResearchandRealizationofLicensePlateRecognitionAlgorithmAbstract:Inrecentyears,withthevigorousdevelopmentofthenationaleconomy，therearemoreandmoreconstructinthedomesticexpressway,urbanroad,andparkingarea.Therequisitiononthetrafficcontrol,safetymanagementimprovesdaybyday.Therefore,licenseplaterecognitiontechnologyhastheparticularlyimportantpracticalapplicationvalueinthepublicsecurityandthetrafficcontrol.Inthepaper,apreliminaryresearchwasmadeonthelicenselocation,characterssegmentandcharactersrecognitionofthelicenseplaterecognition.Onthelicenselocation，theprojectionwasusedtolocatethelicenseplate;Onthecharacterssegmentation,theliminalrulewasusedtodividethecharacters;Inordertosolvetheproblemofthedigitalcharactersrecognitionintheplate,BPnervenetworkwasusedtorecognizethedigitalcharacters.Afterstudyingandmasteringsomebasicprinciplesofthedigitalimageprocessingandpatternrecognition,thetaskoflicenseplaterecognitionwasprogrammedwithVC++6.0usingaboveprinciples.Thelicenselocationandthedigitalcharactersrecognitioninthelicenseplatewereimplemented.Keywords:licenselocation,characterssegmentation,BPnervenetwork,licenseplaterecognition,VC++目錄第1章緒論(1)1.1課題研究背景(1)1.2車輛牌照識別系統(tǒng)原理(1)1.3車輛牌照識別在國內(nèi)外研究現(xiàn)狀(2)1.4本文主要工作及內(nèi)容安排(3)第2章車輛牌照的定位方法(4)2.1車輛牌照圖像的預處理(4)2.1.1256色位圖灰度化(4)2.1.2灰度圖像二值化(5)2.1.3消除背景干擾去除噪聲(6)2.2車輛牌照的定位方法簡介(6)2.3系統(tǒng)采用的定位方法(7)2.3.1車輛牌照的水平定位(7)2.3.2車輛牌照的垂直定位(7)2.3.3定位的算法實現(xiàn)(10)2.4實驗結(jié)果分析(12)第3章車輛牌照的字符分割(13)3.1車牌預處理(13)3.1.1去邊框處理(13)3.1.2去噪聲處理(13)3.1.3梯度銳化(15)3.1.4傾斜調(diào)整(16)3.2字符分割方法簡介(17)3.3系統(tǒng)采用的分割方法(19)3.3.1算法介紹(19)3.3.2算法的實現(xiàn)(20)3.4字符分割實驗結(jié)果(21)第4章特征提取與字符識別(22)4.1字符的特征提取(22)4.2字符的識別方法簡介(23)4.3系統(tǒng)采用的識別方法(24)4.3.1人工神經(jīng)網(wǎng)絡(luò)簡介(24)4.3.2BP神經(jīng)網(wǎng)絡(luò)識別車牌(25)4.3.3BP神經(jīng)網(wǎng)絡(luò)識別算法實現(xiàn)(28)4.4實驗結(jié)果分析(29)總結(jié)(32)致謝(33)參考文獻(34)第1章緒論1.1課題研究背景當代社會已經(jīng)進入信息時代，計算機技術(shù)、通信技術(shù)和計算機網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，自動化信息處理能力的不斷提高，在人們社會活動和生活的各個領(lǐng)域得到了廣泛的應用，在這種情況下，作為信息來源的自動檢測、圖像識別技術(shù)越來越遭到人們的重視。隨著汽車數(shù)量的急劇增加，車牌自動識別(licenseplaterecognition,LPR)技術(shù)日益成為交通管理自動化的重要手段[1]。車牌自動識別技術(shù)是計算機視覺、圖像處理技術(shù)與形式識別等技術(shù)的融合，是智能交通系統(tǒng)中一項非常重要的技術(shù)。通過車輛牌照自動識別，就能夠?qū)\動車輛查詢相關(guān)的數(shù)據(jù)庫，根據(jù)提取的車輛信息，實現(xiàn)有針對性的車輛檢查，極大的提高工作人員的效率，降低工作強度，同時也減少了國家財政收入的流失，減少交通事故的發(fā)生以及加強社會治安。因而對車牌識別技術(shù)研究有宏大的經(jīng)濟價值和現(xiàn)實意義。由于車牌自動識別技術(shù)在智能化交通控制管理中發(fā)揮的重要作用，吸引了各國的科研工作者對其進行廣泛的研究，目前已有諸多的算法，有些已應用于穿插路口、車庫管理、路口收費、高速公路等場合。由于需適應各種復雜背景，加之要識別的車輛種類繁多，顏色變化多端，以及檢測時要適應不同天氣變化導致的不同光照條件，因而，目前的系統(tǒng)都或多或少地存在一些問題。但隨著計算機性能的提高和計算機視覺理論及技術(shù)的發(fā)展，這種技術(shù)必將日趨成熟。車牌的定位與識別技術(shù)，總體來講是圖像處理技術(shù)與車牌本身特點的有機結(jié)合，當然也包括小波分析、神經(jīng)網(wǎng)絡(luò)、數(shù)學形態(tài)學、模糊理論等數(shù)學知識的有效運用[2]。本課題是對汽車圖像進行分析，從算法角度來研究車牌的定位與識別。1.2車輛牌照識別系統(tǒng)原理一個典型的車輛牌照識別系統(tǒng)(LPR)是由圖像收集系統(tǒng)和圖像識別系統(tǒng)組成的，如圖1-1[3]。當系統(tǒng)發(fā)現(xiàn)有車時，圖像收集系統(tǒng)便開場收集車輛牌照信息，得到的信息是圖像識別系統(tǒng)的輸入。通過識別系統(tǒng)的預處理，為目的搜索提供一個良好的定位環(huán)境。在預處理的基礎(chǔ)上把圖像中的車牌從背景中分割出來。對車牌中的字符做字符分割，最后把分割后的字符進行識別，便得到了汽車牌照的號碼。整套系統(tǒng)實際是一種硬件和軟件的集成。在硬件上，它需要集成可控照明燈、鏡頭、圖像收集模塊、數(shù)字信號處理器、存儲器、通信模塊、溫控模塊、單片機等；在軟件上，它包括車牌定位、車牌字符切割、車牌字符識別等算法。這樣一體化的構(gòu)造形式能在現(xiàn)實中降低對環(huán)境的要求。圖1-1車輛牌照識別系統(tǒng)原理框圖1.3車輛牌照識別在國內(nèi)外研究現(xiàn)狀自1988年以來，人們就對車輛牌照識別系統(tǒng)進行了廣泛的研究，目前國內(nèi)外已經(jīng)有諸多的算法，一些實用的LPR技術(shù)也開場用于車流監(jiān)控、出入控制、電子收費等場合。然而無論是LPR算法還是LPR產(chǎn)品都存在一定的局限性，都需要適應新的要求而不斷完善。如以色列Hi-Tech公司的See/CarSystem系列，它需要多種變形的產(chǎn)品來分別適應某一個國家的車牌；新加坡Optasia公司的VLPRS系列，只合適于新加坡的車牌；See/CarChinese系統(tǒng)能夠?qū)χ袊箨懙能嚺七M行識別，但都存在一定的缺陷，而且不能識別車牌中的漢字。我國在90年代初期開場了車輛牌照識別技術(shù)的研究。但由于下面幾個原因使我國的車輛牌照識別技術(shù)在研究和應用方面都有一定難度，且落后于其它國家：①我國的標準汽車牌照是由漢字、英文字母和阿拉伯數(shù)字組成，漢字的識別與字母和數(shù)字的識別有很大的不同，進而增加了識別的難度。②國外很多國家汽車牌照的底色和字符顏色通常只要比照度較強的兩種顏色，而我國汽車牌照僅底色就有藍、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等幾種顏色。③其他國家的汽車牌照格式通常只要一種，而我國則根據(jù)不同車輛、車型、用處，規(guī)定了多種牌照格式。④我國汽車牌照的規(guī)范懸掛位置并不唯一，而且由于環(huán)境、道路或人為因素造成汽車牌照污染的情況比擬嚴重，這都給車牌識別造成了一定的難度。因而，我國車輛牌照識別技術(shù)的提高和廣泛應用還需廣大科研工作者和相關(guān)交通部門的共同努力。1.4本文主要工作及內(nèi)容安排本文主要研究車輛牌照識別系統(tǒng)中的數(shù)字識別技術(shù)，將數(shù)字圖像處理技術(shù)與形式識別技術(shù)嚴密結(jié)合，針對汽車牌照字符識別的特點，分析了車牌定位與分割、字符分割、特征提取、BP神經(jīng)網(wǎng)絡(luò)等算法。在車牌定位、字符分割和特征提取的基礎(chǔ)上，具體研究了車牌數(shù)字字符的識別。文章在接下來的第二章介紹了車輛牌照的定位方法；第三章介紹了車輛牌照的字符分割算法；第四章介紹了車輛牌照數(shù)字字符的識別。其中車輛牌照數(shù)字字符的識別是本課題的重點。文章在每一步處理后給出了實驗結(jié)果，并給出了最后的識別結(jié)果。第2章車輛牌照的定位方法車輛牌照的定位方法是基于圖像處理的基礎(chǔ)上，對圖像進行分析、總結(jié)并經(jīng)過大量的試驗所獲得的。定位方法的研究與車牌特征和圖像處理技術(shù)是分不開的。從自然背景中準確可靠地分割出車牌區(qū)域是提高系統(tǒng)識別率的關(guān)鍵，但是由于車牌圖像攝于背景復雜且光照不均勻的自然場景，因此會出現(xiàn)顏色失真或低比照度的圖像，這給車輛牌照的定位帶來了很大的困難。為此人們進行了大量的研究，并獲得了一定的成果。本課題中，根據(jù)車牌的二值圖像在水安然平靜垂直方向的投影特性提出了基于二值化圖像投影法和數(shù)學形態(tài)學相結(jié)合的車牌定位算法，該算法具有快速、簡潔實用和與背景相關(guān)性小的特點。車牌的定位算法分為預處理、水平定位、垂直定位。其流程圖如圖2-1所示。圖2-1車輛牌照定位原理2.1車輛牌照圖像的預處理為了使車牌能夠被準確定位，在定位搜索以前，要對車牌圖像進行預處理。為了能夠方便的進行后期的數(shù)字圖像處理，需要將彩色圖像轉(zhuǎn)化成256色的灰度圖后進行處理，然后對圖像做二值化處理，削弱背景干擾，消除噪聲。經(jīng)過以上的預處理，就能夠?qū)嚺七M行定位和分割處理。2.1.1256色位圖灰度化由于256色的位圖的調(diào)色板內(nèi)容比擬復雜，使得圖像處理的很多算法都沒有辦法展開，因而有必要對它進行灰度處理。所謂灰度圖像就是圖像的每一個象素的RGB分量的值是相等的。彩色圖像的每個象素的RGB值是不同的，所以顯示出紅綠藍等各種顏色?；叶葓D像沒有這些顏色差異，有的只是亮度上的不同。灰度值大的象素比擬亮，反之比擬暗。圖像灰度化有各種不同的算法，比擬直接的一種是給象素的RGB值各自一個加權(quán)系數(shù)，然后求和。經(jīng)常用到的灰度化公式由式(2-1)完成：BGRI*114.0587.0*229.0++=(2-1)式(2-1)中I為灰度值。加權(quán)系數(shù)的取值是建立在人眼的視覺模型之上的，對于人眼較為敏感的綠色取較大的權(quán)值，對人眼較為不敏感的藍色則取較小的權(quán)值。這樣能夠使得到的灰度圖像在視覺上更接近人的主觀感覺。應該注意的是最后得到結(jié)果一定要歸一到0～255之內(nèi)。2.1.2灰度圖像二值化在進行了灰度化處理以后，圖像中的每個象素只要一個值，即象素的灰度值。它的大小決定了象素的亮暗程度。為了愈加便利的開展下面的圖像處理操作，還需要對已經(jīng)得到的灰度圖像做一個二值化處理。圖像的二值化就是把圖像中的象素的灰度值根據(jù)一定的標準分化成兩種顏色。在系統(tǒng)中是根據(jù)象素的灰度值將圖像處理成黑白兩種顏色。圖像的二值化有很多成熟的方法：能夠采用閾值分割法，可以以采用給定閾值法。閾值分割法能夠分為全局閾值法和局部閾值分割法。所謂局部閾值分割法是將原始圖像劃分成較小的圖像，并對每個子圖像選取相應的閾值。在閾值分割后，相鄰子圖像之間的邊界處可能產(chǎn)生灰度級的不連續(xù)，因而需用平滑技術(shù)進行排除。局部閾值法常用的方法有灰度差直方圖法、微分直方圖法。全局閾值分割方法在圖像處理中應用比擬多，它在整幅圖像內(nèi)采用固定的閾值分割圖像。根據(jù)閾值選擇方法的不同，能夠分為模態(tài)方法、迭代式閾值選擇等方法。這些方法都是以圖像的灰度直方圖為研究對象來確定閾值的。另外還有類間方差閾值分割法、二維最大熵分割法、模糊閾值分割法、共生矩陣分割法、區(qū)域生長法等等。在本系統(tǒng)中考慮到所要進行處理的圖像大多是噪聲比擬少的灰度車牌，系統(tǒng)中采用全局閾值分割的方法進行處理，初始閾值T確實定方法是由式(2-2)完成：()3/minmaxmaxGGGT--=(2-2)maxG和minG分別是最高和最低灰度值。該閾值對不同牌照有一定的適應性，能夠保證背景基本被置為0，以突出牌照區(qū)域。經(jīng)過二值化，能夠進行下一步處理。2.1.3消除背景干擾去除噪聲對二值化后的圖像進行相鄰象素灰度值相減，得到新的圖像，左邊緣能夠直接賦值，不會影響整體效果?？紤]到圖像中的文字是由短的橫豎線組成，而背景噪聲有一大部分是孤立噪聲，所以用模板(1，1，1，1)T對圖像進行中值濾波，得到去除大部分干擾的圖像。2.2車輛牌照的定位方法簡介經(jīng)過以上的預處理，我們就能夠?qū)D像進行車牌的定位和分割。為了快速、準確地定位車牌，目前已有很多學者提