（信号与信息处理专业论文）车牌定位与字符分割算法的研究及实现.pdf

摘要 摘要 随着信息化时代的到来，我们的生活变得更加便捷，汽车的数量也与日俱增， 这就需要一个高效的方法来实现对汽车的管理。智能交通系统在这种背景下应运 而生，而智能交通系统的关键技术便是车牌识别系统。本文就是对车牌识别系统 ( s y s t e mo f l i c e n s ep l a t er e c o g n i t i o n ) 中的车牌定位算法和车牌字符分割算法的研 究。车牌识别系统能够广泛用于高速公路车辆监测、十字路口车辆监测、小区车 辆管理等。有了车牌识别系统，我们便可以对车辆进行2 4 小时的自动监控，这大 大提高了效率，节省了人力和物力。 车牌识别系统主要由硬件和软件构成，本文主要介绍了车牌识别系统中的车牌 定位与车牌字符分割算法。该算法以绵阳一个十字路口采集所得图片为图片源， 该图片源和实际应用时所用图片源一致，这就决定了本文的算法并非是针对于理 想图片源的，该算法充分考虑到了实际中车牌的特征。路面上的车牌因天气、光 照的不同而呈现出不同的特点，且路面上的车牌具有脏、旧等特点，这些都加大 了车牌识别系统算法的难度。本文算法充分考虑到了这些情况。车牌识别算法主 要分为三个部分：车牌定位、字符分割、字符识别。本文主要介绍了车牌定位与 字符分割算法。 a 车牌定位。车牌定位算法是整个系统算法的基础，本算法采用一维小波变 换来实现车牌定位。首先将由小波变换得到的高频系数组成一幅图像数据，然后将 该数据进行中值滤波、二值化、形态学操作。接下来再对其进行区域标记并记录下 每个区域的大小及其位置，最后根据每个区域的特征来筛选出车牌候选区域。 b 字符分割。车牌字符分割就是要求我们从车牌中正确分割出每个字符，为 字符识别做好准备。当我们得到候选车牌后，我们首先利用h o u g h 变换来检测出 车牌倾斜角度，然后将倾斜车牌旋转至水平，接下来去除车牌区域的上下、左右边 框。这样我们就得到了一个比较精确的车牌区域了，然后采用基于字符双峰特征的 投影法来分割字符。 本文的算法采用c 语言进行实现，以绵阳一个十字路口采集到的图片为测试 源，测试结果表明车牌定位算法准确率白天为9 5 9 ，晚上为9 7 5 ，字符分割算 摘要 法准确率白天为9 6 7 ，晚上为9 7 4 。 关键字：车牌识别系统，车牌定位，字符分割，小波变换，数学形态学 n a b s t r a ( 汀 a b s t r a c t a l o n g 、) l ，i lt h ec o m i n go ft h ei n f o r m a t i o na g e , o u rl i f eb e c o m em o r ea n dm o r e c o n v e n i e n t ，a tt h es a m et i m et h e r ei sm o r ea n dm o r ev e h i c l e s oi ti su r g e n tf o ru st o s t u d ya ne f f i c i e n tm e t h o dt om a n a g et h e m i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e me m e r g e si n t h i sc o n d i t i o n , a n dt h ek e yt e c h n o l o g yo ft h i ss y s t e mi s “c e n s ep l a t er e c o g n i t i o n s y s t e m ( l p r s ) t h i sa r t i c l es t u d i e st h ea l g o r i t h mo fl i c e n s ep l a t el o c a t i o na n dt h e a l g o r i t h mo fl i c e n s ep l a t ec h a r a c t e rs e g m e n t a t i o ni nd e t a i l s l p r si sw i d e l yu s e di nt h e m o n i t o r i n go fv e h i c l eo nh i g h w a y , t h em o n i t o r i n go fv e h i c l ea tc r o s s - r o a da n dv e h i c l e m a n a g e m e n ti nd i s t r i c t t h es y s t e mc a nw o r ki nd a ya n dn i g h te f f i c i e n t l y , w h i c hs a v e s l a b o r sa n dr e s o u r c e s l p r si s c o n s i s t i n go fh a r d w a r ea n ds o f t w a r e ，a n dt h i s a r t i c l es t u d i e s t h e a l g o r i t h mo fl i c e n s ep l a t el o c a t i o na n dt h ea l g o r i t h m o fl i c e n s ep l a t ec h a r a c t e r s e g m e n t a t i o ni nl p r s t h ea l g o r i t h mi sb a s e do np i c t u r e so b t a i n e da to n e c r o s s r o a di n m i a n y a n g f o rt h er e a s o nt h a tt h et e s t e dp i c t u r e sa r eo b t a i n e do nr o a d w a y , t h ep i c t u r e a r ea c c o r d a n tw i t hw h a tw ew i l lm e e tw h e nt h es y s t e mw o r k s s ot h ea l g o r i t h mi sn o t b a s e do ni d e a lp i c t u r e sb u tb a s e do nn o r m a lp i c t u r e s t h el i c e n s ep l a t e so nr o a d w a y h a v ed i f f e r e n tc h a r a c t e r i s t i c sa st h ew e a t h e r , i l l u m i n a t i o nc h a n g e ，a n dm e ya r ed i r t ya n d o l d ，a l lo ft h i si n c r e a s et h ed i f f i c u l t yo ft h es y s t e ma l g o r i t h m t h ea l g o r i t h md e s c r i b e d i nt h i sa r t i c l et a k ea l lc o n d i t i o n si n t oc o n s i d e r a t i o n l p r si n c l u d e st h r e es t e p s ：l o c a t i n g l i c e n s ep l a t e , s e g m e n t i n gc h a r a c t e r s ，r e c o g n i z i n gc h a r a c t e r s a n dt h i sa r t i c l es t u d i e s t h ea l g o r i t h m so ft h ef o r m e rt w os t e p s a l i c e n s ep l a t el o c a t i o na l g o r i t h m l i c e n s ep l a t el o c a t i o na l g o r i t h mi st h e f o u n d a t i o no ft h ew h o l es y s t e ma l g o r i t h m w a v e l e tt r a n s f o r mi sa d o p t e di no u r a l g o r i t h m f i r s t l yw ec a n o b t a i nh i g hf r e q u e n c yc o e f f i c i e n ta f t e rt h et r a n s f o r m a t i o na n d f o r mt h ec o e f f i c i e n ti n t oi m a g ed a t a t h e nw ed i s p o s et h ei m a g ed a t aw i mm e d i a nf i l t e r , b i n a r i z a t i o na n dm o r p h o l o g yo p e r a t i o n s w el a b e la n dr e c o r dt h ea r e aa p p e a r si nt h e i m a g e t h e nw ec a l lo b t a i nl i c e n s ep l a t ec a n d i d a t e sf r o mt h ea r e aa c c o r d i n g t ot h ea r e a i n f o r m a t i o n b c h a r a c t e rs e g m e n t a t i o na l g o r i t h m c h a r a c t e rs e g m e n t a t i o nr e q u i r e su s l i l a b s t r a c t s e g m e n te v e r yc h a r a c t e ro u tf r o mt h el i c e n s ep l a t ep r e p a r i n gf o rc h a r a c t e rr e c o g n i t i o n h e nw eg e tal i c e n s ep l a t ec a n d i d a t ew ed e t e c ti t sl e a na n g l eu s i n gh o u g ht r a n s f o r m a n dt h e nw er o t a t ei tt oh o r i z o n t a l a f t e rt h a tw er e m o v et h eb o r d e ro ft h el i c e n s ep l a t e i n c l u d i n gt h eu p d o w nb o r d e ra n dr i g h t - l e f tb o r d e r s of a r , w eg e ta na c c u r a t ec a n d i d a t e ， t h e nw es e g m e n tc h a r a c t e r sb a s e do nc h a r a c t e r i s t i co f b i m o d a lc u r v e t h ea l g o r i t h md e s c r i b e di nt h i sa r t i c l ei sp r o g r a m m e di nc ，a n dt e s t e do np i c t u r e s o b t a i n e da to n ec r o s s r o a di nm i a n y a n g f r o mt h et e s tr e s u l t sw ek n o wt h a tt h ea c c u r a c y r a t eo fl i c e n s ep l a t el o c a t i o ni s9 6 9 i nd a y t i m ea n d9 7 5 a tn i g h t a n dt h ea c c u r a c y r a t eo fl i c e n s ep l a t es e g m e n t a t i o ni s9 6 7 i nd a y t i m ea n d9 7 4 a tn i g h t k e y w o r d s ：l i c e n s ep l a t er e c o g n i t i o ns y s t e m ，l i c e n s ep l a t el o c a t i o n , c h a r a c t e r s e g m e n t a t i o n ，w a v e l e tt r a n s f o r m ，m a t h e m a t i c a lm o r p h o l o g y i v 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名： 杰当日期：刊p 年s 月相 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：茎蚕导师签名： 日期：伽f o 年，月谚日 第一章绪论 第一章绪论 1 1 车牌识别技术背景及研究意义 随着信息化时代的到来，信息化技术正在日益改变着我们的生活使我们的生 活更加便利。这种便利特别体现在出行方面，人们的出行逐渐告别了徒步，取而 代之的是汽车，飞机，火车等。它们使世界变得更小了，不再像从前那样受距离 的约束了。其中用的最多的还是汽车。随着人们生活水平的提高，汽车已经变得 越来越普及了，随之带来的问题就是与日俱增的汽车数量与有限的道路之间的矛 盾。在城市中，我们的道路是有限的，所以我们必须管理好这与日俱增的车辆。 相信这是一个很大的人力投入。随着近年来计算机，通信，网络技术的迅猛发展， 利用现代化技术来管理这与日俱增的汽车变得更加现实与急切。智能交通系统便 应运而生了。 智能交通系统利用信息处理技术，图像处理技术，通信技术，自动控制技术 等有效地管理着交通，使交通管理更加高效与方便。智能交通系统在实现交通管 理智能化、自动化、简单化上起着很大的作用。它使得我们的交通运行更加安全， 有效减少交通堵塞，提高运行效率。在智能交通系统中，有效的管理车辆运行， 车辆停放等是一个重要内容。车牌识别系统( l i c e n s ep l a t er e c o g n i t i o n ) 就在这种情 况下出现了。车牌识别系统主要运用在以下几个方面： 高速公路车辆管理。高速公路车辆管理包括高速公路路口收费和高速公路超 速检测。高速公路车流量大，现在主要靠人工进行车型识别和收费。这大大降低 了收费的效率，并且容易出错。如果我们改用车牌自动识别系统的话，就可以实 现在不停车的情况下自动识别车牌进行收费，这样既提高了效率，节约了人力也 保证了正确率。使用车牌识别系统避免了人类由于心情或疲劳导致的错误。故在 高速公路路口使用车牌识别系统进行收费有很大的优势。其次，高速公路上，对 速度的控制能很好的减少交通事故。我们可以在高速公路上安装车牌识别系统和 其他装置用于检测车速，如果该汽车超速后就将该车的车牌识别出来对驾驶员进 行罚款，这便能够对超速车辆进行有效， 路的管理上有很大的应用前景。 十字路口交通监控。由于道路有限， 实时的检测。故车牌识别系统在高速公 车辆很多，所以对于十字路口的交通进 电子科技大学硕士学位论文 行有效管理就显得异常重要了。如果管理得当可以有效得减少交通事故，提高行 车效率。车牌识别系统可以安装在十字路口进行监控，检测违规车辆并将违规车 辆的牌号进行自动识别出结果。目前虽然大多十字路口都有装置进行检测违规车 辆，但是检测出的违规车辆只能用人工进行识别，对于全国各省市的违规车辆人 工识别无疑是个巨大的工程。车牌识别系统能够有效的将违规车辆检测，车牌号 识别集成到一体，有效的节约人力、物力和财力。 小区车辆管理。对于各大停车场，车牌识别系统也有巨大的应用潜力。我们 可以用车牌识别系统对停车场内的车辆进行自动检测车牌号从而进行有效的登记 出入时间，这对停车收费有较高的效率。因为整个场地都进行了监控，每辆开出 的车都进行了登记，所以该系统还都能够有效的防止车辆丢失。 1 2 车牌识别国内外现状 鉴于车辆的普遍性以及车牌识别的巨大优点，各国都纷纷投入车牌识别系统 的研究中，对于车牌识别方法的研究也是学术界的热点。 对车牌识别的研究在二十世纪九十年代兴起于发达国家，国内对车牌识别的 研究始于二十世纪末期。由于国外车牌特征单一、科技比较发达、研究力量雄厚， 国内车牌种类复杂、起步晚、科研力量相对较弱，故现在国外的车牌识别系统做 的比国内好。而国内的车牌识别系统总体上还不成熟【4 】。 国内外对车牌的定位都针对特定车牌的特征来进行，多利用了车牌的颜色信 息、纹理信息、区域形状信息等，后来很多学者又将车牌处理方法拓展到频域处 理，从而引入了小波变换处理、对称变换等处理；对车牌的分割利用了投影、p c n n 、 h s i 模型、模板匹配等分割方法，而且多是将几种方法结合在一起以达到较好效果； 对于字符的识别主要利用模板匹配算法、支持向量机、特征提取、神经网络中的 一种或几种方法。 但是很难找到一个统一的方法来对各种图片进行处理。某一个车牌处理方法 只能针对特定情况下采集到的一类图片进行处理。因此不同的应用场景需要不同 的算法来实现我们的目的。 1 3 车牌特征与车牌识别系统技术条件 要高效的实现车牌识别系统，首先就需要了解车牌标准。各国都制定了本国 2 第一章绪论 的车牌标准，中国现在执行了标准是中华人民共和国机动车号牌( g a 3 6 2 0 0 7 ) u j 。 但路面上多是g a 3 6 1 9 9 2 标准的车牌。 g a 3 6 2 0 0 7 标准和g a 3 6 1 9 9 2 相比更加规范一些，这体现在g a 3 6 1 9 9 2 对具 体细节没有规定清楚。该标准可能造成车牌颜色不统一，在颜色配料上面有差别， 而且车牌中的汉字、英文字母和数字版本也可能不统一。还有就是车牌使用的材 料也可能不统一。机动车牌行业标准、机动车号牌用反光膜等对车牌生产的材 质有严格要求，但是有的车牌生产企业受经济利益驱动，不考虑质量，出现车牌 所用铝板厚薄不一、反光膜质量参差不齐等问题。g a 3 6 2 0 0 7 标准统一机动车号 牌字模就很好的解决了类似问题。 根据g a 3 6 - 2 0 0 7 标准，国内的根据车型的不同，所悬挂的车牌的类型也不一 样，本文以小型汽车所悬挂的车牌为例来介绍车牌特征。小型汽车悬挂车牌如下 所示： 1 0 01 1 5 i2 l ol i l 到 7一 件枉k b t 1 i 呐 刊 r r1 756 尿j | 一 l l一 i - r _ i0 3l 。iliq 1 l | i到 i l 砌1 2 4 5h 2 6 01 24 5i 1 2 51 2蚓45451 24 51 2 l4 5 电子科技大学硕士学位论文 符为汉字。其中特殊字符包括：“领 、“港 、“澳、“警 、“学 等。 车牌底色包括多种：蓝底白字( 适用于中型以下的载货载客汽车以及专项作 业车) ，黑底白字、红“使”、“领 字( 适用于驻华使馆领事馆汽车) ，黑底白字 白“港 “澳”字( 适用于港澳地区出入内地汽车) ，白底黑字红“警字( 适用 于汽车类警车) ，黄底黑字黑“学 字( 适用于教练用汽车) 等。 车牌分隔符大多位于第二字符和第三字符之间，有少数车牌位于第一个字符 后。车牌式样也分为多种，包括4 4 0 m i n x l 4 0 m m 和4 4 0 m m x 2 2 0 m m 在内的多种车 牌。对于大型车的前车牌和后车牌大小不一致。对于小型汽车其前后车牌大小一 致。 在掌握国家出台的中华人民共和国机动车号牌同时，要进行车牌识别系 统的研究还要了解中华人民公安部发布的公路车辆智能检测系统通用技术条件 【2 】，该标准包括公路车辆智能检测记录系统的技术要求、试验方法、检验规则、安 装和运行条件、标志、标签、包装等，适用于安装在公路、城市道路的公路车辆 智能监测记录系统的生产、监测和验收。该标准规定：公路车辆智能检测记录系 统由辅助照明单元、车辆检测单元、摄像单元、图像采集单元、图像处理和传输 单元组成。车辆通过时，公路车辆智能检测记录系统能准确拍摄其特征图片和全 景图像，并在全景图像中表明车辆信息，在监控区内对5 k m h - 1 4 0 k m h 行驶的车 辆图像捕获率应达9 9 以上，系统在实时记录通行车辆图像的同时，应具备车辆 号牌自动识别的功能，其用于号牌识别的字符库应齐全，即应能识别在我国道路 上行驶的机动车号牌( 至少包括：g a 3 6 规定中的除摩托车号牌、临时号牌外的号 牌、2 0 0 2 式机动车号牌、武警汽车号牌、军队汽车号牌) 。白天车辆号牌识别率应 不小于9 0 ，号牌识别准确率应不小于8 5 ；夜间车辆号牌识别率应不小于8 5 ， 号牌识别准确率应不小于7 5 。其中用于车牌识别的特征图像其号牌图像水平分 辨率不低于1 0 0 个像素点，全景图像应能人眼看清车辆类型、号牌、颜色和轮廓 及装载情况。 如果该车牌识别系统应用于十字路口的车辆管理还应该了解中华人民公安部 发布的闯红灯自动记录系统通用技术条件【3 】。该标准中明确规定了闯红灯自动 记录系统的要求、试验方法、检验规则、标志、安装和运行条件，使用于安装在 具有控制信号的交叉路口和路段的闯红灯自动记录系统的生产、检测和验收。该 标准规定：闯红灯自动记录系统由闯红灯检测单元、图像采集单元和应用软件组 成。闯红灯自动记录系统应记录机动车闯红灯过程中两至三个位置的信息以反映 机动车闯红灯违法过程。第一个位置的信息应能清晰辨别闯红灯时间、车辆类型、 4 第一章绪论 红灯信号和机动车压在或越过停止线的情况：第二和第三个位置的信息应能清晰 辨别闯红灯时间、车辆类型、红灯信号和整个机身已经越过停止线的情况；并且 至少有一个位置的信息能够清晰辨别号牌号码。 1 4 车牌识别的特点与难点 车牌识别系统在国内外研究都有一段时间了，国外的车牌识别系统有一定的 应用，但是国内的车牌识别系统总体上来说还处于实验室阶段，离实际的工程应 用还有一段距离。其原因是因为国内的车牌不统一、汉字识别难度大等因素。但 车牌其自身的特点为我们研究车牌识别系统提供了突破口。 首先车牌有固定的颜色搭配，其中蓝底白字车牌、黄底黑字车牌和黑底白字 车牌是在城市中最主要的车牌种类。 其次车牌有固定的长宽比率，固定的形状。固定的车牌种类有固定的大小， 虽然随着图像分辨率的不同，图片中车牌大小有所不同，但车牌的长宽比率还是 固定的。所以在车牌定位中我们可以根据区域的长宽比率作为判断该区域是否是 车牌区域的一个因素。车牌是固定的矩形区域，我们也可以利用矩形区域的角点 来定位车牌。 第三，车牌区域内纹理比较丰富，我们可以通过检测纹理来判断某个区域是 否为车牌。对于纹理的判断，我们可以通过在时域内进行边缘检测或者在频域内 进行高频系数的检测，从而判断某个区域内的纹理是否丰富。如果某个区域为车 牌区域，我们必然可以找到某个检测方法来检测该区域内的纹理信息。比如本文 使用的是利用小波变换来检测变换后的高频系数来判断区域内纹理的丰富程度。 第四，在车牌区域其颜色的配置很有特点。以蓝底白字为例，该类车牌在四 周边框内除了自字外就是蓝色背景。我们可以利用蓝色背景很容易的找到车牌的 边界，提高字符分割率。利用车牌内部的颜色特征能够很有效的提取车牌的边界。 对于使馆领事馆的号牌可以利用其车牌最后一个字符为红色来定位、分割车牌和 去除车牌边框。 尽管车牌有其特有的特征，但在车牌识别系统中，我们也会遇到很大的困难。 具体体现在以下几点。 首先，在具体应用中采集到的图片背景比较复杂，这对于图像的处理明显增 加了难度。 其次，采集得到的图片受天气、光照等的影响，故在图像处理过程中需要利 5 电子科技大学硕士学位论文 用有效的算法排除光照、天气对图像的影响，这无疑对我们车牌识别系统的算法 提出了更高的要求。这就需要研究性能更好的算法来提高算法的鲁棒性。 第三，在实际采集的图片中，很多采集到的车牌是旧车车牌，或者是赃车车 牌，这造成图片中的车牌区域很模糊、车牌区域的颜色信息丢失、车牌字符粘连 等情况。这对车牌的定位、分割、识别都增加了难度。 第四，由于在路上行驶的车辆所挂的车牌多是在标准g a 3 6 1 9 9 2 下生产的， 由于该标准的不严密性，在该标准下生产的号牌其色度值分布范围广，再加上一 条原因，从而使得采集所得到的号牌其色度值分布范围广泛，从而加大了我们对 该信息利用的难度。 第五，在国内的车牌识别系统需要解决的一个难题就是在字符识别过程中的 对汉字的识别问题。由于中国汉字复杂、笔画多、分布较密，再加上如果图像的 分辨率如果不是很高的话，那么图像中汉字将粘连在一起从而很难辨别。 在同一副图像中，上面提到的困难可能几项都存在而不仅仅是单一困难的存 在，当其中几项困难一起存在时，其带来的难度并不是简单相加的过程，所以难 度更大。这些就是存在于车牌识别系统中的一些问题，从这些问题中，我们也能 隐约看到车牌识别系统中的难度。 1 5 本课题的研究内容与文章结构 本文主要研究车牌识别系统算法中车牌定位与字符分割算法。研究图像由绵 阳九州集团提供。该系统主要是为了实现十字路口违规车辆自动检测，且对违规 车辆的车牌进行自动识别。现在的交通监控系统主要能够对违规车辆进行检测， 但是对于违规车辆的车牌号识别工作主要是由人工担任。在全国众多的十字路口 中，要对全部违规车辆进行人工识别车牌号无疑是一个巨大的工程，本文所提出 的车牌识别系统正是在这种背景下产生的。本文所使用的数据源来源于九州集团 检测系统采集所得，该数据源能很好的反映实际行驶中车辆的特征。由数据源可 以看出，在实际路口采集所得的图片与停车场和小区中采集的图片有很大的不同。 小区中的图片背景单一，光照均匀，分辨率高。与此不同的是，在十字路口采集 的图片背景复杂、光照不均、分辨率低、车牌旧、车牌脏等，这些都给车牌识别 带来了很大的困难，本文针对这些图片研究了适合这类图片的车牌自动定位、分 割算法。 在本文算法中，首先对图像进行小波变换，然后提取其中的高频系数。因为 6 第一章绪论 在车牌区域，图像的灰度变换比较大，在频域就体现在高频信息比较丰富，也就 是当图像进行小波变换后，其高频系数很大，所以我们可以将高频系数看作是车 牌区域的一个特征。其次车牌有固定的颜色匹配，而将图像从r g b 空间装换到 h s i 空间后，其中h 值的范围就体现了颜色，所以我们可以根据图像的h 值来判断 图像相应地方的颜色。因此我们可以将图像区域h s i 模型中h 值看作是车牌区域 的另一个特征。然后我们将根据这两个信息将变换后的小波高频系数进行二值化。 在二值化过程中我们将高频系数大于某个阈值t h r e s h o l d ，并且h 值在一个颜色范围 内的像素二值化为自像素，其像素值为2 5 5 ，否则将其二值化为黑像素。当图像经 过这样处理后，我们可以很明显的将车牌区域提取出来，与车牌区域同时提取出 来的还有一些伪车牌区域。此后将二值化图像进行形态学处理，将图像进行腐蚀、 膨胀处理后可以消除噪声区域且可以将断裂的区域链接起来。这样便可以将每个 车牌候选区域进行逐个处理。将车牌区域提取后的下一步工作便是去除车牌区域 的上下、左右边框得到一个比较准确的车牌区域，然后就可以对车牌进行字符分 割了。本文采取改进的投影法对车牌进行字符分割，分割出字符后对每个字符进 行识别，采用自学习的支持向量机和a d a b o o s t 算法来对字符进行识别。其中识别 算法由本项目组另一同学负责完成。 本文的机构安排如下：第一章为绪论，介绍了车牌识别的研究意义、应用范 围、车牌识别国内外研究现状以及车牌识别系统的技术条件。 第二章介绍了车牌识别系统中车牌定位、车牌字符分割算法需要了解的理论 知识和常用的图像处理算法。 第三章详细介绍了本文采用的车牌定位算法。车牌定位算法是基于小波变换 的，充分利用车牌区域在小波变换后拥有较高的高频系数来实现对车牌区域的定 位。 第四章详细介绍了本文采用的车牌字符分割算法。该算法充分利用了字符投 影曲线的双峰结构来对字符进行分割，这种分割方法较一般的基于投影的字符分 割方法具有更高的正确率。 第五章为总结和展望。本章总结了车牌定位分割算法，并展望了以后车牌识 别算法的发展方向。 7 电子科技大学硕士学位论文 第二章车牌识别算法相关理论介绍 2 1 小波理论介绍 对于图片的处理，我们可以根据其时域信息即图片每个像素点的灰度或其 r g b 值来处理，我们也可以将图像转换到频域进行处理。针对不同的图片，时域 处理和频域处理各有各的优点。在时域对图像的处理主要是利用图片的灰度或者 色度信息进行处理，通常的处理方法有图像反转、边缘检测、图像增强、直方图 处理等操作。图像频域的处理一般是先把图像转换到频域，然后在频域对图像进 行处理。有很多种方法来把图像从时域转换到频域，比如：可以通过傅里叶变换 将图像转换到频域，也可以通过小波变换将图像转换到频域。在频域我们可以很 容易的提取信息，高频表示时域中灰度变化比较频繁和剧烈，在时域中具体表现 为纹理和边缘；低频表示时域中灰度变化比较平缓，在时域中具体体现为背景或 目标中灰度变化比较小的地方。 小波变换和傅里叶变换都可以将图像从时域转换到频域，但各自有自己的特 点。传统的傅里叶变换是将信号在时域完全展开，而丢弃了原信号在时域的信息。 在传统傅里叶变换后，很多学者根据具体应用希望在将原信号在频域展开的同时 也引入时域信息，这就出现了时频分析、短时傅里叶变换、小波变换等方法。其 中短时傅里叶变换初次将时域信息引入到变换后的频域信息，为频域中引入时域 信息做出了伟大的尝试。该方法假设在一定的时间范围内，信号是平稳的，故可 以将信号按照时间窗进行分段变换，所以在某一个时间窗里我们就可以去获得频 域信息。但由于其时间窗宽度是固定的，所以该方法只能在一个分辨率上进行。 小波变换将该方法进一步进行了发展，克服了其单一分辨率的缺点，具有了多分 辨率的功能。在时域和频域都可以根据具体的信号调整时间窗和频域窗以更好的 表现该信号的特征。在高频信息，我们可以选择较窄的时间窗来对信息进行变换， 与之对应在低频信息处我们可以选择较宽的时间窗来对信息进行变换，这样我们 就可以根据具体的信息特点和我们的要求来变换信息从而提取我们感兴趣的特 性，所以在这方面小波变换有其不可替代的优点。 第二章车牌识别算法相关理论介绍 2 1 1 从傅里叶变换至l j , j x 波变换 傅里叶变换与其逆变换可以表述如下： f ( t o ) = i e - 衙出 ( 2 1 ) f ( t ) = 芴1e ettd(2-2) 傅里叶变换存在的条件是时域信号厂是在时域是绝对可积的。 由以上公式可以看出傅里叶变换是将信号的所有时刻统统按照统一标准进行 变换到频域，如果我们想了解某一个点的频域信息，我们就必须将信号的所有时 刻都统统进行计算，与此同时也丢弃了全部的时域信息。如果信号是平稳的，傅 里叶变换可以很好的解决我们的问题，但是如果信号频率是变换的，要想了解每 个时刻附近的频率成分的话，傅里叶变换就无法实现了。为了解决该问题，学者 在傅里叶变换的基础上引进了“窗。即把信号在每个窗中进行频域变换，这样的 话，在单一的窗内，我们可以得到信号的频域信息，但是窗和窗之间则反映的是 频率随时问的变化规则。该思想的代表分析方法就是短时傅里叶变换【9 1 。 如果非平凡函数国口( r ) 是一个窗函数，州x ) r ( 尺) ，该窗函数的中心和 半径定义如下所示： 1 ；，x i c o ( x ) 1 2d r ( 2 - 3 ) 小赤叫1 2d x 2 ( 2 - 4 ) 如果取窗函数为高斯函数，那么该变换就是g a b o r 变换。高斯函数描述如下： 邑( ) 2 焘4 ( 2 - 5 ) ， f 因此以高斯函数为窗函数的g a b o r 变换可以描述如下： s ( t o ，f ) = ie 砌厂( f ) 邑。一r 渺 ( 2 - 6 ) 从上式可以看出在g a b o r 变换中可以通过控制t 来控制窗函数的移动，通过控 9 电子科技大学硕士学位论文 制a 值来控制高斯函数形状，也就是控制时间精度，a 越小，其时间窗就越窄。可 以计算出其对应的时间窗宽度为2 口，其频域窗为 。根据测不准原理，不管采 用何种窗函数，我们都无法达到时间窗和频域窗的肯时最小值，这两个窗宽度的 乘积为常量2 。这样我们就必须根据我们的实际需要来平衡这两个窗宽度，而小波 变换就是学者努力的结晶。小波变换可以根据具体信号特点和研究者的兴趣对信 号不同部分进行不同分辨率分析，小波变换也被称为“数学显微镜。 小波变换就是找到一组特定的基函数，让信号在这组特定的基函数所形成的 空间中进行展开，即用这组基函数的线性组合来表示信号。为了使该频域的展开 能有不同的分辨率，我们就要求这组基函数需要由单一函数伸缩和平移来组成。 平移就使得我们能够在特定的频率点来观察信号，而伸缩的结果便是使我们能够 用不同的窗函数来分解信号，从而达到了我们多分辨率的效果。且定义基函数 y ( f ) 口( r ) 满足条件： ，纠 q = i 净缈 、 其中秒= a r c c o s ( r g ) 2 + ( r g ) ( 尺一b ) “2 ( 2 2 1 ) s = 1 一南【i i l i n ( 印，召) 】 ( 2 - 2 2 ) i = ( r + g + 曰) ( 2 - 2 3 ) j 以上四个公式就完全描述了从r g b 模型到h s i 模型的转化。从上面的公式可 以看出1 分量的取值范围在0 - 2 5 5 ，s 分量的取值范围在0 1 ，h 分量的取值范围在 0 - 3 6 6 ，所以在具体应用时我们需要对这些分量作归一化或者去归一化处理。 b h s i 模型到r g b 模型的转化。在转化过程中，假设s 、i 值都已经归一化 且h 值已经去归一化。不同的h 值，转化到r g b 模型的公式有所不同，具体分为 三种情况： a 当0 。h 1 2 0 。时，转化公式如下： 第二章车牌识别算法相关理论介绍 b = i ( 1 - s ) r = 坤+ 面s 石c 石。面s h ) ( 2 - 2 4 )c o s i o u 。一爿i g = 1 - ( r + 曰) b 当1 2 0 。s h 2 4 0 。时，转化公式如下： b = i ( 1 一s ) m ( 1 + 粤c o s l 嘉箸- ) ( 2 _ 2 5 ) 1 5 u 。一j g = 1 一( 尺+ 曰) c 当2 4 0 。h t h l o w & & c o 旷o ，y ) t h h i 毋 f ( x ，y ) = r 。 ( x ，y ) ) c o l o r l o w & & h ( x ，y ) c o l o r h 动 ( 3 - 1 ) l 0 e l s e 在上式中，e y ( x ，) 表示点( x ，y ) 处的高频系数。而t l a l o w , t h h i g h 则是事先选 用的门限值，乩k y ) 表示点( y ) 处的h s i 模型中的h 分量的值，从前面叙述中我 们也可以知道h 分量的值琏着颜色的不同是变化的，所以我们可以根据该值来判 断颜色。比如要判断蓝色的话，归一化后该h 僮分稚在0 6 左右，但是路面上的 车牌很多由于根脏或者车牌颜色退色等原因造成h 值的分布范围偏丈，在该算法 中对于白天采集图片我们选取c o l o r l o w = o5 ，c o l o r h i g h = 0 6 。而对于晚上聚集的 图片我们选取c o l o r l o w = 0 ，c o l o r h 擅自= 1 。而对于符台车牌字符的高频系数，由经 验所得取值聩1 0 w = 3 & t h h i g h = 2 0 。 源图片： 未滤波进行二值化后图片 滤波后进行二值化后图片 幽3 - 2 源幽片及其小波变换厉图片 电子科技人学硕士学位论文 源图片来滤波进行二值化后图片 滤波后进行二值他后图片 刿3 - 3 源蚓片段其小波变换后图片2 在图3 - 2 和3 - 3 中，左边的图像是输入的源图像，右边墨像是由源图像利用 h a r r 小波变换后得到的高频系数组成的图像根据高频系数阐值和图像h s i 模型中 h 值的闽值二值化后的图像。在对原图像进行小波变换时充分利用的车牌位置只 会出现在图像下三分之二处的先验信息，故只对图像下三分子二进行变换( 后面 所用到的图像的小波变换同样是对图片的下面三分之二进行的变换) 。右上图是高 频系数没有经过滤波直接二值化后的图像，右下图是高频系数经过r f l 值滤波后二 值化的图像。由以上两个图像可咀明显看出经过中值滤波后的图像效果要好于没 有经过中值滤波的图像。从图像中可以很清楚的看出，经过中值滤波后的图像， 车牌区域集中性更强一些。我们在第二幅图像中能更好的定位车牌区域。 325 形态学处理图像 在得到二值化图像后，我们可以看出在该一值化图片中，有很多孤立的点、 未联通的区域。有些图片中检测到的车牌区域并未连通，此时我们就需要将孤立 的点去除，并且将来连通的车牌区域连接起来，这就需要我们的形态学算法。 首先我们用腐蚀算法来去除孤立点，在图像中车牌宽度为1 0 0 像素左右。在 该算法中选取腐蚀结构体为3 3 的结构体。在腐蚀完后，基本上去掉了一些较小 的孤立点，然后选取7 x 1 5 的结构体对该腐蚀后的图像进行膨胀，此时便可以将某 些未连通的区域连接起柬。通过形态学操作后的二值化图像如r ： 第三章车牌定位算法研究与实现 来滤波得二值图形态学处理结果：滤波后得_ 值图形态学处理结果 图3 4 二值图片形态学处理后图片1 术滤波得二值图形态学扯理结果： 滤波后得二值图形态学处理结果 图3 - 5 二值圈片形态学处理后图片2 图3 4 和3 - 5 中图片是由图3 - 2 和图3 3 中图片处理得来，其左边图像是未经 过中值滤波得到的二值图直接用形态学方法处理后的图像，而右侧则是经过中值 滤波得到的二值化图利用形态学方法处理的结果。从上面的结果柬看，右侧图片 中，我们可以清晰的看出车牌区域，但是也引入了较大块的非车牌区域。右侧囝 中能很容易定位出车牌区域，但是在未经过中值滤波的图像，就很难得l 其中符 合车牌矩形特征的区域，从这里我们也可以看出中值滤波在车牌定位中的重要作 用。但是由上图可以看出，中值滤波后经过形态学处理的图像中也引入了较大块 的非车牌区域但符合车牌矩形特征，这也是一个干扰区域，这也给我们的算法提 出了个问题，就是如何去除这些伪车牌区域，该问题将在本文字符分割算法中 加以| 兑明。 3 26 区域标记 得到经过形态学处理后的图片后，此时的图像效果如图3 4 和3 5 ，在整幅图 像中，由不同个数的白色像素组成了不同大小不同形状的区域，我们的目的就是 首先对这些区域进行一一标记，为下一步在这些标记出的区域中找到车牌候选区 域做准备。在匡域标记中，我们需要首先确定判断区域连通性的条件，即选择在 电子科技大学硕士学位论文 区域标记过程中选择8 领域连通还是4 领域连通。设点( x ，y ) 为一像素，则该像素 的周围像素可以表示为 + 1 ，j ，) ，( x - 1 ，y ) ，( x ，y + 1 ) ，“y - 1 ) ，( x - 1 ，y - 1 ) ， ( x + l ，y 1 ) ，o l ，y + 1 ) ，( x + l ，y + 1 ) ，如果该像素的周围八个像素都判断为与该 像素是连通的，则这种方法就是8 领域连通，如果在判断过程中，只认为中心像 素与其上下左右像素是连通的而与其它像素是不连通的，则这种判断连通的方法 是4 _ 领域连通判断法。在我们算法中，我们由于在图像中已经对原二值图像进行 了形态学操作，大部分车牌区域都已经很好的连接在一起了，故我们在区域标记 中采用4 领域连通方法来判断像素是否属于同一个区域。这样也能节省很多计算 量。在区域标记算法过程中，我们首先要标记一种子点，然后再根据该种子点进 行搜索与之属于同一区域的点，并记录其坐标信息。该标记算法如下： 步骤1 ：首先从图像第一行开始搜索第一个不为零的边缘像素点即种子 点，并设定区域标号 步骤2 ：查找该种子点的上下左右像素，看是否有不为零值的边