图形识别实验报告

1 / 14 图形识别实验报告 武汉理工大学 学 生 实 验 报 告 书 实验课程名称 仪器仪表电路 开 课 学 院机电工程学院 指导老师姓名陈祯 学 生 姓 名 侯烨 学生专业班级测控 zy1201 2016 2016 学年 第 一 学期 实验课程名称： 仪器仪表电路 数字图像处理在车牌识别中的应用 摘 要 随着汽车数量在我国大面积的增加，城市交通状况逐渐受 到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。 针对此问题，人们运用新的科学技术，相继研制开发出了各种交通道路监视、 管理系统。因此，智能交通系统已成为世界交通领域研究的重要课题。车牌识别系统作为智能交通系统的核心，起着非常关键的作用。目前，图像处理技术在车牌识别中的应用研究已经成为科学界的一个重要研究领域。 本文旨在粗浅的运用所学基本原理和知识分析数字2 / 14 图像处理技术在友好环境下的应用。以车牌为研究对象，主要研究如何通过图像的预处理、车牌的定位、车牌字符分割和字符识别等 一系列过程，完成车牌的识别。 1.绪论 背景及现状： 基于图像处理的车牌识别技术的研究在国外起步比较早，在美国、意大利、德国、以色列、新加坡等国家，现在都已经有比较成熟的产品投入使用，比如美国的 XX系统、以色列的 Hi-Tech 公司研制的 See/Car System、德国西门子公司的 ARTEM7SXI系统、新加坡的 Optasia公司研制的 VLPRS等车牌识别系统，但因为我国车牌样式的多样性、车牌颜色的多样性以及包含汉字等特点，这些车牌识别系统不适合我国国情。 基 于图像处理的车牌识别技术主要包括车牌定位、车牌分割、字符识别等方面的技术。 关于车牌定位方面，主要理由车牌的边缘、形状、颜色等特征，再结合数字图像处理、形态学、小波变换、人工神经网络等技术对车牌进行定位。 基于特征的车牌定位的方法有提出的基于字符边缘检测的车牌定位方法，提出一种基于迭代阈值的车牌定位方法。完全基于形态学的算法有运用数学形态学的闭运算获得车牌的候选区，然后采用投影的方法剔除假车牌，定位针车牌。 3 / 14 基于神经元网络的方法有基于 BP网络的牌照定位方法，基于彩色的车牌定位方法有采 用多层感知器网络对输入彩色图像进行彩色分割及多级混合集成分类器的车牌自动识别方法。还有根据彩色边缘检测算子 ColorPrewitt 和彩色边缘检测与区域生长相结合的车牌定位算法。 原理及方法 通常，车牌识别过程分为图像预处理、 车牌定位、车牌校正、 车牌分割 和车牌识别五个部分。 1.图像预处理 : 在整个车牌识别系统中，由于采集进来的图像为彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质量并不高，其背景和噪声会影响字符的正确分割和识别，所以在进行车牌分 割和识别处理之前，需要先对车牌图像进行图像预处理操作。 2.车牌定位 : 首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。 3.车牌分割 : 首先对车牌进行水平投影，去除水平边框；再对车牌进行垂直投影。通过对车牌进行投影分析可知，与最大值峰中心对应的为车牌中第二个字符和第三个字符的间隔，与第二大峰中心距离对应的即为车牌字符的宽4 / 14 度，并以此为依据对车牌进行分割。 4.字符识别 : 本文采用模板匹配方法来对车牌进行识别。识别过程中，首先建立标准字库，再将分割所得到的字符进行归一化，将归一化处理后的字符与标准字库里的字符逐一比较，最后把误差最小的字符作为结果显示出来。 图 1 牌照识别系统原理图 2.图像预处理 由于光照条件，牌照的整洁程度，拍摄条件都会出现图像模糊，车牌字符边界模糊不清，细节不清歪斜，粗细不均等现象，从而影响车牌区域的进一步处理工作，所以识别之前要进行预处理。 图像预处理及边缘提取简易流程 图 2 预处理及边缘提取流程图 预处理： 1消除模糊 用滤波处理消除图像的运动模糊 2图像去噪 应用中值滤波去除得到的汽车图像中的一些环境噪声，椒盐噪声， 3图像增强 由于自然光照度的变化会引起图像对比度的不足，所以应进行图像增强，可以采用灰度拉伸，直方图均衡等。 5 / 14 通过以上处理，提高了图像的质量，强化了图像提取区域。 边缘检测 采用 Sobel 算子经行边缘检测 该算子包含两 组 3*3 的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以 A 代表原始图像， Gx 及 Gy 分别代表经横向及纵向边缘检测的图像，其公式如下 : ?10?1?1?2?1?00? Gx?20?2?*A and Gy?0?*A ?10?1?1?2?1? 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 G?Gx?Gy 22 然后可用以下公式计算梯度方向。 ?arctan?Gy ?Gx? ? 在以上例子中，如果以上的角度 ?等于零，即代表图像该处拥有纵向边 缘，左方较右方暗。 3. 车牌的定位和分割 牌照的定位和分割主要目的是在经图象预处理后的6 / 14 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。 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字 符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。 图 3 牌照定位与分割流程图 字符分割难点 由于铆钉和周围其它干扰像素的原因，使得垂直投影中，铆钉会对图像的分割起干扰作用，所以要先去除铆钉和确定字符上下界。 字符大小归一化 外形归一化： 将文字的外边框 按比例线性放大或缩小成为规定尺寸的文字图像。 简单的采用图像的放大和缩小算法，实现所有字符的同大小，为下一步识别做好准备。 4.字符识别 7 / 14 字符分割与特征提取 在牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。 一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进 行后期处理。 单个字符识别 字符的识别目前用于车牌字符识别中的算法主要有基于模板匹配的 OCR算法以及基于人工神经网络的 OCR算法。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。 图 4 字符识别流程图 首先取字符模板，接着依次取待识别字符与模板进行匹配， 将其与模板字符 图像处理 班别： 11 医学应用班 组长：组员： 指导老师： 目录 8 / 14 一、摘要 - 3 二、 设 计 原 理 - 3 1 、 车 牌 的 定 位 研 究 - 3 2 、 字 符 分 割 的 研 究 - 4 3 、 字 符 识 别 的 研 究 - 4 三、 详 细 设 计 步 骤 - 4 1 、 车 牌 定 位 - 4 图 像 的 预 处 理 9 / 14 - 4 车牌定位 - 8 2 、 字 符 分 割 - 10 对 读 入 图 像 进 行 预 处 理 操 作 - 11 图像校正 - 12 去除水 平方向上的边框 - 13 去除垂直方向上的边框 - 15 去除车牌上的圆点 - 17 3 、 字 符 识 别 -10 / 14 - 19 建 立 字 符 模 板 数 据 库 - 20 对 分 割 字 符 进 行 匹 配 - 22 4 、 系 统 界 面 的 实 现 - 25 四、 设 计 结 果 分 析 - 29 五、 设 计 体 会 - 29 车牌识别系统的设计 一、摘要 车牌是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨 识一辆车最为有效的方法。随着ITS 的高速发展，对车牌识别技术的研究也随之发展。从根本上讲，牌照识别应用了先进的图像处理，模式识别，人工11 / 14 智能技术来获取， 处理，解释，记录拍照的图像。目前， 汽车牌照的自动识别技术已经得到了广泛应用。汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，其中字符识别过程主要由以下 3个部分组成：正确地分割文字图像区域；正确的分离单个文字；正确识别单个字符。用 MATLAB软件编程来实现每一个部分 ,最后识别出汽车牌照。在研究的同时对其中出现的 问题进行了具体分析、处理。 二、设计原理 车牌自动识别是一项利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。其核心包括车牌定位算法、车牌字符分割算法和字符识别算法等。 图 1 牌照识别系统原理图 主要研究内容如下： 1、车牌的定位研究。 先进行图像的预处理，包括 RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化等 ;车牌定位采用基于水平和垂直投影分布特征的方 法。 2、字符分割的研究。 先对定位后的车牌图像进行预处理，然后按照车牌12 / 14 的先验信息 , 用区域增长算法来确定候选车牌的字符区域。 3、字符识别的研究。 对于提取出的单个字符，先进行归一化操作，再与给定的模板做对比，识别出字符。 三、 详细设计步骤 1. 车牌定位：车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位； 图像的预处理 为了用于牌照的分割和牌照字符的识别，原始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。 一般的车牌识别只对小对象进行移除，但是有时候因为拍照原因，即使对图像进行了很好的预处理，还是不能排除一些比较大的又和车牌比较相像的地方，例如图中，车后面的玻璃窗仅仅进行灰度处理和形态学处理，平滑处理是无法排除其对车牌定位的影响的，因此需要对 大对象移除。 图 13