（信号与信息处理专业论文）基于cs下交通字符识别理论及应用.pdf

t r a f f i cc h a r a c t e rr e c o g n i t i o nt h e o r ya n da p p l i c a t i o n b a s e do nc s ad i s s e r t a t i o ns u b m i t t e df o r t h ed e g r e eo fm a s t e r c a n d i d a t e ：c h e nj i a n s u p e r v i s o r ：p r o f g u o y u a n s h u c h a n g a nu n i v e r s i t y , x i a n ，c h i n a 论文独创性声明 本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工 作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重 要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何 未加明确注明的其它个人或集体已经公开发表的成果。 本声明的法律责任由本人承担。 敝作者虢际辞 川。年6 月铲日 论文知识产权权属声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学 校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权 利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成 果时，署名单位仍然为长安大学。 ( 保密的论文在解密后应遵守此规定) 论文作者硌陬倬 导师签名：冲呵 2 0 o 年占月铲日 伽f o 年参其 日 摘要 随着我国汽车数量的不断增加，城市交通状况日益受到人们的重视，如何有效地进 行交通管理，越来越成为人们关注的焦点。因此，智能交通系统得到了迅猛的发展，车 牌识别系统作为智能交通系统中的一个重要分支也得到了飞快的发展，并在高速公路、 城市道路和停车场等项目管理中占有不可取代的地位。 本文整理和总结了近年来车牌识别领域的一些方法和最新进展，并且将一种新的理 论即压缩感知理论运用到字符识别上。车牌识别系统基本可以分为图像采集、预处理、 车牌定位、字符分割、字符识别五大模块，本文主要研究了简单背景条件下静态图像的 车牌识别技术，对车牌定位、字符分割和字符识别分别作了研究、改进及提出一些新的 方法。完成的主要工作是： 首先对汽车图像进行了预处理来为后续的处理做准备，包含彩色图像灰度化，灰度 拉伸等。然后根据车牌的特征，采用基于字符纹理、边缘检测与形态学和基于矢量量化 的方法对车牌进行定位，实验表明可以满足实际应用的要求。进而对定位后的车牌进行 了校正、二值化等处理，然后用直接投影的方法进行字符分割，由于投影法可能会导致 字符的粘连和一个字符被分开的现象，本文又采用一种模板的方法进行分割，效果比较 好。在字符识别部分，文章先对字符的特征进行提取，然后对b p 神经网络等常用的字 符识别方法进行了介绍、分析。最后将一种新的理论，既压缩感知理论运用到字符识别 当中，证明了这是一种高效可行的方法。 本文的研究能较准确地定位车牌、分割字符并进行识别，对车牌的倾斜、变形等情 况有较强的抗干扰能力，具有很好的研究和开发价值。 关键词：预处理，数学形态学，支持向量机，字符识别，压缩感知 a b s t r a c t w i t ht h ee v e r - i n c r e a s i n gn u m b e ro fc a r s ，u n b a nt r a f f i ci si n c r e a c i n g l ya t t e n t i o n e db yp e o - p i e h o wt oc a r r yo u tt r a f f i cm a n a g e m e n te f f e c t i v e l ym o r ea n dm o r eb e c o m et h ef o c u s t h e r e f o r e ，t h ei t sh a sm a d er a p i dd e v e l o p m e n t ，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 ma sa n i m p o r t a n tb r a n c ho fi t sh a sa l s ob e e nf a s td e v e l o p m e n t ，a n dh i g h w a y s ，u r b a nr o a d sa n dc a r p a r k so c c u p y a l li r r e p l a c e a b l ep r o j e c tm a n a g e m e n tp o s i t i o n t h i sp a p e rs u m m a r i z e st h ec o n s o l i d a t i o na n dl i c e n s ep l a t er e c o g n i t i o ni nr e c e n ty e a r s ， s o m eo ft h em e t h o d sa n dt h el a t e s tp r o g r e s s ，a n dw i l lan e w t h e o r y t h et h e o r yo fc o m p r e s s e d s e n s i n ga p p l i e dt oc h a r a c t e rr e c o g n i t i o no n 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 mc a nb eb a s i c a l l y d i v i d e di n t o p r e p r o c e s s i n g ，l i c e n s ep l a t el o c a l i z a t i o n ，c h a r a c t e rs e g m e n t a t i o n ，c h a r a c t e r r e c o g n i t i o nf i v em o d u l e s ，t h i sp a p e rs t u d i e sas i m p l es t a t i cb a c k g r o u n di m a g eu n d e rt h e l i c e n s ep l a t er e c o g n i t i o nt e c h n o l o g y , o nt h el 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 rs e g m e n t a t i o na n d c h a r a c t e rr e c o g n i t i o n , a n di m p r o v e m e n t sa n ds o m en e wm e t h o d s t h em a i nt a s ki st o ： f i r s to fa l l ，t h ec a ri m a g ep r e t r e a t m e n tt op r e p a r ef o rt h ef o l l o w - u pt r e a t m e n t ，i n c l u d i n g t h ec o l o rg r a y , 铲a ys t r e t c hs o t h e na c c o r d i n gt ot h ec h a r a c t e r i s t i c so f p l a t e s ，c h a r a c t e r - b a s e d t e x t u r e ，e d g ed e t e c t i o na n dm o r p h o l o g ya n dv e c t o rq u a n t i z a t i o no ft h ep l a t ep o s i t i o n i n g ， e x p e r i m e n t ss h o wt h a tt h ea p p l i c a t i o nm e e t st h er e q u i r e m e n t s a n dt h e na f t e rt h el i c e n s ep l a t e o nt h ep o s i t i o n i n gw a sc o r r e c t ，b i n a r ya n do t h e rt r e a t m e n t ，t h e nt h em e t h o do fd i r e c t p r o j e c t i o nc h a r a c t e rs e g m e n t a t i o n ，d u et op r o j e c t i o nm a yl e a dt oa d h e s i o no fc h a r a c t e r sa n da c h a r a c t e rt ob es e p a r a t ep h e n o m e n a , t h ep a p e rt h e nu s e sat e m p l a t es e g m e n t a t i o nm e t h o d s ， r e s u l t sw e r eb e t t e r i nt h ec h a r a c t e rr e c o g n i t i o np a r t ，t h ea r t i c l ef i r s te x t r a c tt h ec h a r a c t e r i s t i c s o ft h ec h a r a c t e r s ，a n dt h e nu s e do nt h eb pn e u r a ln e t w o r kc h a r a c t e rr e c o g n i t i o nm e t h o d sw e r e i n t r o d u c e da n da n a l y z e d f i n a l l y , an e wt h e o r y , b o t ht h ec o m p r e s s e ds e n s i n gt h e o r yw e r e a p p l i e dt oc h a r a c t e rr e c o g n i t i o n ，t h a tt h i si sa ne f f i c i e n tw a yp o s s i b l e t h i sr e s e a r c hc a nm o r ea c c u r a t e l yl o c a t el i c e n s ep l a t e ，s e g m e n t a t i o n , a n dr e c o g n i t i o no n t h et i l to ft h ep l a t e ，d e f o r m a t i o n ，e t c h a v es t r o n ga n t i - i n t e r f e r e n c ea b i l i t y , g o o dr e s e a r c ha n d d e v e l o p m e n tv a l u e k e y w o r d s ：p r e t r e a t m e n t ；m a t h e m a t i c a lm o r p h o l o g y ；s u p p o r tv e c t o rm a c h i n e s ；c h a r a c t e r r e c o g n i t i o n ；c o m p r e s s i o ns e n s i n g 1 l 目录 第一章绪论1 1 1 课题研究的意义l 1 1 1 概述l 1 1 2 车牌识别系统的评价标准l 1 2 国内外i t s 研究现状2 1 3 我国车牌的特点3 1 4 车牌识别的研究现状。4 1 4 1 车牌定位研究现状4 1 4 2 字符分割研究现状5 1 4 3 字符识别研究现状6 1 5 本论文的结构及工作6 第二章汽车图像的预处理8 2 1 彩色图像灰度化8 2 2 灰度拉伸10 2 3 图像去噪1 1 2 3 1 噪声的分类1 1 2 3 2 图像去噪方法1 2 2 4 本章小结13 第三章车牌区域定位的研究1 4 3 1 边缘检测技术1 4 3 1 1 梯度算子1 4 3 1 2l a p l a c i a n 算子16 3 2 车牌定位方法17 3 2 1 基于数学形态学及边缘检测的定位1 7 3 2 2 基于字符纹理的定位2 0 3 2 3 基于矢量量化的定位2 2 3 3 本章小结2 4 第四章车牌字符分割方法研究2 5 4 1 统一底色2 5 4 2 车牌图像二值化2 6 4 2 1 迭代法2 7 4 2 2 最大类间方差法2 8 4 3 车牌倾斜校正2 9 4 4 去边框3l 4 5 字符分割3 2 4 5 1 垂直投影法字符分割3 2 4 5 2 模板法字符分割3 3 4 6 字符归一化3 5 4 7 本章小结3 6 第五章常用的车牌字符识别方法3 7 5 1 车牌字符特点3 7 5 2 字符特征提取3 7 5 3 字符识别方法3 9 5 3 1 模板匹配法3 9 5 3 2 神经网络法4 0 5 3 3 支持向量机法4 4 5 4 本章小结。4 7 第六章基于压缩感知理论的字符识别4 8 6 1 压缩感知概述4 8 6 2 压缩感知中的关键问题4 9 6 2 1 信号的稀疏表示4 9 6 2 2 压缩传感51 6 2 3 测量矩阵。5 3 长安大学硕士学位论文 1 1 课题研究的意义 第一章绪论 1 1 1 概述 随着我国社会经济的迅速发展，人民生活水平的不断提高，汽车在人们的日常生活 中起到越来越重要的作用，越来越多的家庭拥有了汽车。但是随着汽车的普及，机动车 数量不断地增加，也带来了许多交通问题，比如说道路拥挤、交通事故的频发、严重制 约着交通运作效率。智能交通系统i t s ( i n t e l l i g e n tt r a n s p o r ts y s t e m ) 是解决这些问题的有 效途径。它利用先进的科技加强道路、车辆和驾驶员之间的联系，实现道路交通管理的 自动化和车辆行驶的智能化，增强了交通安全，减少了交通堵塞，提高了运输效率。 在i t s 中，车辆牌照识另l j ( v e h i c l el i c e n s ep l a t er e c o g n i t i o nv l p r ) 系统是其重要的组 成部分之一，应用十分广泛，在高速公路超速监管、城市交通流量控制和汽车防盗等项 目中有着举足轻重的作用。车牌识别系统以计算机视觉，数字图像处理，模式识别等技 术为基础，对图像或者视频进行分析，得到每一个车牌，它能实时识别车辆，实现对车 辆的自动监控和管理，不但节省了资金，而且还提高了交通系统的车辆监控和管理的自 ” 动化程度。 车牌字符识别系统一般由以下几个环节构成：图像获取、图像预处理、车牌定位、 字符分割、字符识别；前一个环节的正确率对后一个环节都有着直接的影响。 图1 1 车牌识别的流程 目前v l p r 系统应用于多个领域： ( 1 ) 高速公路、隧道等卡e l 的自动收费系统。 ( 2 ) 交通路口的智能化管理及交通信息的自动采集 ( 3 ) 机场、港口等出入车辆的管理。 ( 4 ) 住宅小区、停车场、重要单位的汽车出入管理等。 ( 5 ) 道路治安卡1 3 抓拍识别，车流量监测。 1 1 2 车牌识别系统的评价标准 每一个系统都有其评价标准，车牌识别系统的优劣主要由以下两个参数所决定： 第一章绪论 l 识别率 识别率是车牌识别系统最重要也是最基本的指标。只有满足一定的要求才是合格的 系统。目前国际公认的识别率要求是8 5 - 9 5 。识别率的统计也分为以下三种方式： a 、自然流量识别率= 识别车牌号的总数实际通过的车辆总数 b 、可识别车牌率= 人工正确读取的车牌号总数实际通过的车辆总数 c 、全牌识别准确率= 全牌正确识别的车牌总数人工识别读取的车牌号总数 2 识别速度 识别速度也是车牌识别系统的一个重要指标，它决定了系统是否能够满足实时应用 的要求。一个识别率很高的系统，如果需要几秒钟，甚至几分钟才能识别出车牌结果， 那么这个系统也毫无实用意义。国际交通技术提出的识别速度是1 秒以内，越快越好。 在车牌识别过程中，虽然运用了很多的技术方法，但由于种种原因，使得v l p r 系 统一直得不到很好的应用，而且很多方法需要大量的数值运算，没有考虑到实时处理的 要求。所以对车牌识别系统的研究是有实际和研究意义的。 1 2 国内外i t s 研究现状 从国际上i t s 的发展历史来看，i t s 的研究工作起步于上个世纪的6 0 7 0 年代，最 初是在以监控为主体的交通工程基础上发展起来的。开始只进行道路和车辆智能化的研 究，现在已经扩展到了交通运输的全部过程。 i t s 正越来越受到各国的重视。特别是近十几年来，美国、欧洲、日本已经发展成 为世界i t s 研究的三大基地，对i t s 的研究开发极为的重视。 美国的i t s 雏形始于2 0 世纪6 0 年代末期的电子路径导向系统，中间研究暂停了十 多年，8 0 年代中后期加州交通部门研究的f a t h f n i d e r 系统获得成功，此后开展了一 系列这方面的研究，1 9 9 0 年美国运输部成立了智能化车辆道路系统组织，1 9 9 1 年美国 国会通过了“综合地面交通效率方案( i s t e a ) ，旨在利用高新科技和合理的交通分配提 高整个道路网的效率，由美国交通部负责全国的i t s 发展工作。1 9 9 4 年i v h s 更名为i t s 。 其实施战略是通过实现面向2 1 世纪的“公路交通智能化”，以便从根本上解决和减轻事 故、效率低、能源浪费等交通中的各种问题。 日本的i t s 发展始于7 0 年代，1 9 7 3 1 9 7 8 年成功地组织了一个叫做动态路径诱导系 统的实验。8 0 年代中期至9 0 年代中期的这1 0 年时间内，日本相继完成了道路车辆问的 通信系统，交通信息通信系统，超智能车辆系统，安全车辆系统以及新交通管理系统等 2 长安大学硕士学位论文 方面的研究。1 9 9 4 年1 月成立了w e r t i s ( 道路车辆交通智能协会) ，1 9 9 5 年7 月成立了 v l c s ( 道路交通信息通信系统) 中心，1 9 9 7 年4 月正式启动v i c s 工作，先在东京圈内， 而后推广至名古屋、大阪等地，1 9 9 8 年面向全国推进，日本的v i c s 是i t s 实用化的第 一步，居于世界领先水平。其研究的一个显著特点就是政府有关各部门共同参与，密切 合作，以保证在技术发展过程中没有遗漏。日本目前在i t s 项目的研究上己经形成了官 方、民间、学术机构的协调体制，这对日本i t s 的发展起到了很大的推动作用。 欧洲的i t s 研究开发工作是由官方( 主要是欧盟) 与民间并行进行的。由于欧洲的国 家大部分都很小，因此，i t s 的开发与应用是与欧盟的交通运输一体化建设进程紧密联 系在一起的。1 9 6 9 年欧共体委员会就提出了要在各个成员国之间开展交通控制电子技术 的演示。1 9 9 8 年由欧洲1 0 多个国家投资5 0 多亿美元，联合执行了一项旨在完善道路设 施、提高服务质量的d r i v e 计划，其实质是欧洲用于车辆安全的专用道路基础设施， 现在已经进行到第二阶段的研究开发工作。目前欧洲各国正在进行t e l em a s t i c s 的全面 应用开发工作，计划在全欧洲范围内建立起专门的交通无线数据通信网、智能交通系统 的交通管理、车辆行驶和电子收费等都将围绕t e l em a s t i c s 和全欧洲无线数据通信网来 展开。欧洲各国也联合开发了一个叫p r o m e t h e u s 的计划，即欧洲高效安全交通系统 计划。 我国的i t s 研究工作刚刚起步，但是从上世纪7 0 年代末开始，城市交通控制系统 就已经开始。国家科技攻关项目“津塘疏港公路交通工程研究 首次在高等级公路上把 计算机技术、通信技术和电子技术用于监视和管理系统。8 0 年代中期，我国开始引进国 外的智能交通系统。从9 0 年代中期开始，在交通部的组织下，我国交通运输界的科学 家和工程技术人员开始跟踪国际上i t s 的发展。交通部将i t s 的研究工作纳入了公路、 水运科技发展“九五 计划和2 0 1 0 年发展纲要中。中国在智能交通系统的开发和应用 方面也取得了相当大的进步。我国己于1 9 9 8 年批准成立“国家智能运输系统工程技术 研究中，心( i t s c ) ”，1 9 9 8 年该中心与欧洲合作成立了中欧i t s 信息服务中心( s t i c n 卜 s c a t s ) ，并开始向国际社会提供基于i n t e m e t 的信息资讯和技术服务，标志着我国i t s 发展走入国际化轨道，如今i t s 也成为交通系统最热门的课题。 1 3 我国车牌的特点 每个国家的车牌都是不同的，都有其自身的特点，我国的车牌具有以下几个特征： 字符特征：标准的车牌( 军车、警车、教练车、领事馆车除外) 均为七个字符，首位 3 第一章绪论 是省、自治区、直辖市的简称，第二位是大写的英文字母，后面五位是大写英文字母与 阿拉伯数字的组合。 颜色特征： 表1 1 车牌颜色特征 车辆类型车牌颜色 小功率汽车 蓝底白字 大功率汽车黄底黑字 军用警用汽车白底黑字、白底红字 国外驻华机构汽车黑底白字 形状特征：四种牌照的尺寸均为长4 4 c m ，宽1 4 c m ，字符总长度为4 0 9 c m ，单个字 符统一宽度为4 5 c m ，高9 0 c m 。第二、三个字符间距为3 4 c m ，其余字符间距均为1 2 c m ， 整个车牌的长宽比为3 1 4 ：1 ，单个字符的宽高比为l ：2 。 1 0 0 5 。 2 1 0 ii ii b4 一r 4 岗 r 1 7 l i o 京z i a p o l 一二】 t = h、 一 1 j 、一耳 1 5 、r 1 0 阜 1 5 5 24 512012 4 5 124 5l24 5124 5l24 5 4 5 喜矗兰薯三 i 闭l ! 弓符注j 编号 1 4 车牌识别的研究现状 关于车牌定位的研究，国外的起步比较早，有几种比较成熟的车牌定位方法。但是 我国的车牌和国外的不同，使用国外的方法可能会导致定位的失败。所以接下来所介绍 的定位，分割，识别研究现状都是我国的研究成果。我国从上世纪9 0 年代开始对车牌 长安大学硕士学位论文 的定位进行了研究，经过2 0 年的不断发展，也提出了不少适合我国车牌的定位方法。 秦钟等人提出了基于字符角点信息的车牌定位方法【l 】，该方法利用三级阈值，由粗到细， 先去掉大量非角点的像素，提高角点的定位速度，用大阈值突出显示车牌区域的角点， 再根据车牌纹理的角点特征，利用滑动窗口粗略的选定车牌区域，然后用小阈值对粗选 车牌区域进行精确定位。韩丽萍等人提出了基于小波变换与数学形态学的车牌定位方法 口j ，该方法先使用边缘检测来检测出车牌的边缘，然后用数学形态学的方法对二值化后 的边缘图像进行一系列的形态学运算，进一步的消除无用的信息，最后用基于车牌底色 的方法进行车牌的定位。由于人眼对彩色信息比较敏感，而车牌是由几种固定颜色的字 符和背景所组成，因此有些学者提出了基于彩色特征的车牌定位，主要的方法有利用彩 色边缘检测与区域生长相结合的方法等；有的学者受到图像编码的启发，提出了用矢量 量化的方法来定位车牌，将汽车图像分成小块，然后对小块进行一定方法的处理，最终 定为出车牌。 1 4 2 字符分割研究现状 目前许多学者都对字符分割进行了研究，也提出了很多关于车牌字符分割的方法。 迟晓君等人提出了基于投影特征值的车牌字符分割算法【3 】，根据车牌图像垂直投影图的 特点，取出一个特征值，并将车牌图像的先验知识和此特征值相结合起来进行字符的分 割。王兴玲提出了基于类间方差的车牌字符分割的算法1 4 】。根据字符串的结构特点和尺 寸特征，设计适合的车牌字符串模板，通过该模板在车牌区域滑动进行分类，并结合最 大类间方差判决准则，确定最佳的匹配位置，分割出车牌字符。赵海燕等人提出了基于 最小面积的方法进行的车牌字符分割【5 】。依据车牌横平时牌照所形成的连通域面积最小 的特点提出了最小面积法计算旋转角度，然后进行灰度均值化处理，并通过投影法去除 边界，最后根据实际车牌信息做垂直投影图进行分割。北京理工大学的吴大勇、魏平等 人提出了基于区域最小值判断分割点的算法j ，区域最小值的定义是以当前像素位置为 中心，指定区域宽度内的投影信息最小值。在确定具体分割点时，先找到投影信息的波 谷点横坐标x ，接着利用以x 为中心的区域最小值与图像在x 处的垂直投影进行比较， 如果二者相等，则x 才是真正的分割点坐标。刘弈等人提出了一种利用颜色信息的车牌 字符分割算法【7 j ，考虑到一般字符分割采用灰度处理的方法丢失了很多颜色的信息，而 采用了一种基于模糊神经网络的算法，充分利用车牌的颜色信息，根据车牌底色对不同 分量进行加强，并将颜色信息作为模糊神经网络的输入，最后进行字符分割。 5 第一章绪论 1 4 3 字符识别研究现状 自上世纪5 0 年代人们开始研究印刷体字符的识别方法以来，随着算法的不断改进， 到8 0 年代中后期，印刷体汉字的识别得到了很大的发展，已经进入了商业应用阶段。 清华文通、中字汉王、重庆大学光机所等机构的研究具有一定得代表性。8 0 年代末9 0 年代初，字符识别的范围由印刷体字符识别发展到手写体字符的识别。手写汉字的识别 被认为是字符识别的最终目标之一。1 9 9 2 年以后，单个手写字符体的识别技术有了长足 的发展。 现在也有很多学者提出了车牌字符识别的新方法。杨晓敏等学者提出了一种基于相 似度判据的尺近邻分类器的车牌字符识别方法【8 1 ，选取字符的网格特征和轮廓作为分类 依据，用特征融合的方法将两种特征合并在一起，实现了特征的串合。根据相似度判据 作k 近邻分类，实现了车牌字符的识别。潘石柱等人提出了基于支持向量机和核主成分 分的车牌字符识别方法1 9 1 ，该方法首先利用k p c a 准则进行非线性特征提取，然后送入 s v m 分类器进行识别。曲新亮等人提出了一种基于小波变换的车牌字符识别算法【l o 】。 通过对标准字符模板和分割好的车牌字符进行正交小波变换获取低频系数和高频系数， 构造低频系数矢量和高频系数矢量，定义隶属函数，设定阈值，并定义加权矩阵。先将 待识别字符的低频系数矢量与标准字符的低频系数矢量进行比较，再比较高频系数矢 量，从而最终获得字符识别结果。 经过多年的研究，对于标准字体的识别技术目前已经相当的成熟，但在车牌识别系 统中，由于实际使用条件的影响，存在着许多不利于字符识别的因素。目前我国的车牌 识别系统主要存在以下两个问题： ( 1 ) 汉字的识别率较低：二值化后的汉字会发生一定程度的变形，所以汉字的识别率 远低于数字、英文字符的识别率。 ( 2 ) 车牌识别率受拍摄角度影响较大：比如摄像机从右上方进行拍摄，车牌图像会发 生倾斜，车牌字符的高宽比与实际比例相差较大，这些都会降低车牌识别率，甚至无法 识别。 1 5 本论文的结构及工作 本论文以车牌识别工作地先后顺序作为结构顺序。对图像预处理，车牌定位，字符 分割，字符识别都做了介绍。主要内容概括如下。 第一章是绪论，主要讨论了本论文的研究意义，介绍了国内外车牌识别的发展情况 6 长安大学硕士学位论文 及现状，并阐述了本论文的研究工作。 第二章是图像预处理，对图像进行的先期处理，可更好的为以后的识别工作创造良 好的条件，主要有彩色图像灰度化，灰度拉伸等。 第三章是车牌定位，介绍了车牌定位的一些常用的方法，如形态学和边缘检测结合 的方法，并讨论了定位中存在的问题。 第四章是字符分割，在分割前首先进行了一系列的处理，如统一底色，二值化、倾 斜校正等。之后介绍了基于投影法的字符分割的方法，分析了优缺点，进而使用了一种 更好的分割方法。 第五章介绍了几个常用的成熟的字符识别方法，比较了这些方法的优缺点。 第六章介绍了这几年新兴的一个重要理论压缩感知理论，介绍了压缩感知中的关 键问题，并将其用到了车牌字符识别上。 最后是结论及展望和致谢，对全文进行了总结，并对后续工作进行了展望。 7 第二章汽车图像的预处理 第二章汽车图像的预处理 在获取汽车图像的过程中，由于受到噪声，光照等许多因素的影响，图像的质量往 往会受到不同程度的影响，因此，必须对所拍摄到的汽车图像进行预处理，改善图像的 质量，为后面一系列的处理做准备。通过预处理后不但能够提高图像质量，降低其对车 牌识别的负面影响，还可以有效地降低存储空间，提高识别速度。汽车图像预处理【1 1 1 通常包括彩色图像灰度化、灰度拉伸和图像去噪等。 2 1 彩色图像灰度化 本论文中的汽车图片都是通过数码照相机所拍摄的j p e g 格式的彩色图片。但是在 数字图像处理中，很多的处理都是针对灰度图像进行的，因此，我们首先要把彩色图像 转换成灰度图像。 把彩色图像转化成灰度图像的过程称为彩色图像的灰度化处理。在彩色图像中，每 个像素的颜色由r 、g 、口三个分量所决定，每个分量又有2 5 5 种取值，这样一个像素 点就有1 6 0 0 多万( 2 5 5 2 5 5 2 5 5 = 1 6 5 8 1 3 7 5 ) 种的颜色变化范围。而灰度图像是r 、g 、 丑三个分量相同的一种特殊的彩色图像，它的一个像素点的变化范围只有2 5 5 种，所以 在数字图像处理中一般先将各种彩色图像转变成灰度图像，以使后续的图像计算量变 小。彩色图像灰度化可以用三种方法来实现。 ( 1 ) 分量法 分量法是将彩色图像中j j c 、g 、占三个分量的亮度作为三个灰度图像的灰度值，可 根据实际需要选取一种灰度图像。原彩色图像及各分量灰度图像如图2 1 所示。 石( f ，) = g ( i ，j f )厶( f ，) = g ( i ，da ( ，j ) = b ( i ，j ) ( 1 1 ) 8 长安大学硕士学位论文 rgb 图2 1 彩色图像及三分量灰度图像 ( 2 ) 平均值法 平均值法是将彩色图像中的三个分量的亮度求平均而得到的一个灰度图。如图2 2 f ( i ，) = ( r ( f ，) + g ( i ，) + b ( i ，j ) ) 3 ( 2 2 ) 图2 2 平均值灰度图像 ( 3 ) 加权平均法 加权平均法是根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由 于人眼对绿色的敏感度最高，对蓝色的敏感度最低，因此，可以用( 2 3 ) 式对尺、g 、b 三分量进行加权平均得到较合理的灰度图像。其中】，被称为灰度值。 y = 0 2 9 9 r + 0 5 8 7 g + 0 1 1 4 b ( 2 3 ) 9 第二章汽车图像的预处理 2 2 灰度拉伸 图2 3 加权平均灰度图像 由于光照等条件的影响，图像的灰度有时可能会集中在一个较小的区域内，使图像 过暗或过亮，这两种情况统称为低对比度，即灰度都挤在了一起，没有拉开。过暗的话， 可能会导致车牌无法定位和字符分割，更无法识别。因此我们要对低对比度的灰度图像 进行灰度拉伸，灰度拉伸又叫做对比度拉伸，其作用就是把感兴趣的灰度范围拉开，从 而达到增强对比度的目的。 假设原始图像的灰度范围是( 口，b ) ，变换后的灰度范围是( m ，) ，其中，某一灰度 级k 经过变换后为k ，要求k ( m ，n ) ，灰度拉伸的公式为： k ：冬生( k 一口) + k m ( 2 4 ) 2 5 5 图2 4 灰度拉伸原理图 从图2 4 中可以看出，灰度拉伸需要有两个控制点，其坐标分别为( x 1y 。) 和( x 2 ，y ：) ， 这两个点把变换函数分成了3 段。两个点的位置决定了变换函数的形状。一般情况下 x 2 五，y 2 y l 。接下来分析灰度拉伸的作用。 如果_ = 乃i i lx 2 = 奶，则变换函数成为一条直线，变换前后图像的灰度级没有变化。 如果中间线段的斜率大于1 ，就可以对一幅对比度较低的图像进行拉伸，以增强对 比度。 如果中间线段的斜率小于1 ，与上一条恰恰相反。 下面给出低对比度图像及直方图，来说明灰度拉伸后的效果。 1 0 长安大学硕士学位论文 图2 5 低对比度灰度图像及直方图 从图2 5 中我们可以看出，汽车图像的对比度不高，灰度主要集中在了( 0 7 0 ) 这个 范围以内，整个图像显得比较暗，车牌基本上看不清楚。 图2 6 拉伸后灰度图像及直方图 从图2 6 中我们可以很明显得看出来，图像的灰度范围被拉伸到了( 0 1 7 0 ) 之间。 灰度图像有很好的对比度，车牌区域也十分明显，便于后面的处理工作。 2 3 图像去噪 2 3 1 噪声的分类 由于许多条件的限制，任何一幅未经处理过的原始图像都不可避免的存在噪声，噪 声恶化了图像的质量，使图像变得模糊，甚至淹没了图像的特征，给处理带来了许多困 难，所以需要进行图像去噪。 图像噪声在理论上是这样定义的：它是不可预测的，只能用统计的方法来认识的多 维随机误差。根据噪声和信号的关系可将其分为三种形式： 1 加性噪声。这种噪声与输入信号无关，信道的噪声就属这类噪声； 2 乘性噪声。这种噪声与图像信号有关，电视图像中的相干噪声，胶片中的颗粒 11 第二章汽车图像的预处理 噪声都属于这种噪声。 3 量化噪声。这种噪声与输入图像信号无关，是量化过程中存在量化误差，再反 映到接收端而产生的。 常见的噪声有椒盐噪声、高斯噪声、白噪声等。椒盐噪声又称为脉冲噪声，含有随 机出现的黑白亮度值；高斯噪声是含有亮度服从高斯或正态分布的噪声，是很多传感器 噪声的模型；白噪声服从频谱均匀分布。 2 3 2 图像去噪方法 消除图像噪声的工作称之为图像的平滑或滤波。常采用滤波的方法，下面介绍两种 常用的方法。 1 均值滤波 均值滤波也称为线性滤波，它采用的方法是领域平均法。即用所选模板中的全体像 素的平均值来代替原来的像素值，对待处理的像素点( x ，y ) ，选择一个模板，该模板由 其相邻的像素组成，求模板中所有像素的均值g ( x ，y ) ，再把该值赋给当前像素点( x ，y ) ， 作为该点现在的灰度值，即g ( x ，y ) = 1 m f ( x ，y ) ，m 为该模板中像素点的总个数。 图2 7 含嗓图像及均值滤波后的图像 邻域平均法很好地抑制了噪声，但同时引起了模糊现象，模糊的程度与邻域的半径 成正比。 2 中值滤波 中值滤波是一种常用的非线性滤波，它的基本原理是把图像中一个像素点的值用该 1 2 长安大学硕士学位论文 点的一个邻域中各点值的中值代替。中值滤波的过程如下：( 1 ) 让模板在图像中游动，并 把模板的中心与图像中某一个像素重合。( 2 ) 读取模板下各像素的灰度值并将这些灰度值 从小到大排成一列。( 3 ) 找出这些值中排在中间的那一个值。( 4 ) 把这个值赋给对应模板 中心位置的像素。中值滤波的主要功能是把与周围象素点灰度值差别较大的像素点改取 与周围像素灰度值接近的值，从而可以消除孤立的噪声点，所以中值滤波对椒盐噪声有 非常好的滤除效果。中值滤波器可以做到既去除了噪声又能很好的保护图像的边缘，从 而获得较满意的效果。 图2 8 含噪图像及中值滤波后的图像 此外，还可以通过傅立叶变换，将图像变换到频域进行滤波处理，它是依据图像中 的边缘和噪声对应的是图像傅立叶变换中的高频部分，背景对应的是低频部分，因此可 r 以通过用低通滤波器来达到抑制高频、强化低频的目的。当然，也可以通过高通滤波器 来抑制低频、强化高频达到图像锐化的目的。 2 4 本章小结 车牌图像预处理是车牌识别系统中一个必不可少的环节，预处理效果的好坏直接影 响到最后的识别环节。本章介绍了彩色图像的灰度化，灰度拉伸，及图像去噪的一些方 法，并用m a t l a b 语言加以实现，效果明显，有利于后续图像处理工作的进行。 1 3 第三章车牌区域定位的研究 第三章车牌区域定位的研究 所谓车牌定位【1 2 1 是指从拍摄到的汽车图像中找到车牌所在的位置，并把含有车牌的 子区域提取出来的过程。车牌定位的是否准确将直接影响最后的识别效果。目前车牌定 位的方法大致都是基于车牌区域的特征来进行的，所利用的车牌特征主要包括： ( 1 ) 形状特征( 绪论中介绍过) ； ( 2 ) 颜色特征( 绪论中介绍过) ； ( 3 ) 灰度跳变特征：因为车牌的底色、边缘颜色和汽车车身的颜色各不相同，表现在 图像中就是灰度级互不相同，这样就会在车牌的边缘形成灰度突变的边界。在车牌区域 内部，由于字符串的特点，穿过车牌的水平直线呈现连续的峰、谷、峰的分布； 3 1 边缘检测技术 边缘检测【1 3 】是大多数图像处理必不可少的一步，也是所有基于边界的图像分割的第 一步。所谓“边缘”是指其周围像素的灰度有阶跃变化或者屋顶变化的那些像素点的集 合。“边缘广泛的存在于物体与背景之间、物体与物体之间。“边缘”可以分为两种： 一种是阶跃边缘，它两边的像素灰度值有着明显的不同；另一种是屋顶边缘，它位于灰 度值从增加到减少的变化的转折点。在车牌图像中，车牌部分存在有大量的边缘，而背 景部分，特别是简单背景条件时，边缘相对要少得多。由于车牌的灰度值与周围区域有 明显的不同，因而在其边缘就会造成灰度突变，这样就可以通过边缘检测的方法来对灰 度图像进行分割。边缘检测的任务就是定位边缘和抑制噪声【1 4 】。边缘是灰度不连续的结 果，这种不连续通常可以利用求导数的方法方便地检测到，一般常用一阶和二阶导数来 检测边缘。一阶或二阶导数所对应的边缘检测算子又叫微分算子，常用的有梯度算子和 拉普拉斯算子。 3 1 1 梯度算子 梯度所对应的是一阶导数，对于一个连续函数f ( x ，y ) ，它在位置( x ，y ) 的梯度可以 表示成为一个矢量： v f ( x , y ) - 【瓯叫= 慧】 ( 3 1 ) 矢量的幅度和方向角分别为： 长安大学硕士学位论文 m a g ( v f ) = 【g x 2 + g r 2 1 2 ( 3 2 ) 船，y ) = a r c 伽( 象) ( 3 3 ) = 卧吲 b 4 ， w 叫= m a x 圈+ 矧) c 3 渤 g ( x ，y ) ：毛孑丽一、孑弋j j j 而】：+ 哆i j 而一5 i 石而】z y 他( 3 6 ) 雕 1 1 二1 第