（机械电子工程专业论文）车牌识别技术研究.pdf

车牌识别技术研究 摘要 车牌识别技术是智能交通系统中的重要技术，对提高交通运输效率和保障交 通安全具有重要的价值。本文对车牌识别技术中的车牌定位、车牌字符分割和车 牌字符识别分别进行了研究。 首先，本文提出了一种先基于灰度图像粗定位后基于彩色图像精定位的车牌 定位新方法。将彩色汽车图像灰度化后，分别使用h a a r 小波与g a b o r 滤波提取 垂直与水平边缘，并对其投影分析实现车牌的粗定位；对车牌粗定位得到的彩色 车牌图像阈值化处理后，根据其二值图像的投影特征实现车牌精定位。 在车牌字符分割方面，本文采用1 3 投影分析法确定了车牌字符区域的边界， 再利用垂直投影分析法对车牌字符区域图像进行字符切分。 在车牌字符识别方面，本文对车牌字符图像进行预处理后，提取了图像的7 3 维特征，然后给出了基于支持向量机的车牌汉字字符识别方法和基于特征匹配的 英文字母与数字字符识别方法。 实验仿真结果证明本文的车牌识别方法是有效的。 关键词：车牌定位；车牌字符分割：车牌字符识别；支持向量机；特征提取； t h er e s e a r c ho nt h e l i c e n s ep l a t er e c o ( n i t i o n a b s t r a c t t h el i c e n s ep l a t er e c o g n i t i o np l a y sa r li m p o r t a n tr o l e0 1 1i m p r o v i n gt r a n s p o r t e f f i c i e n c ya n dt r a f f i cs a f e t y i ti sa ni m p o r t a n tt e c h n o l o g yf o ri n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m s r e s e a r c h e so nt h el i c e n s ep l a t el o c a t i o n ，l 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 n a n dr e c o g n i t i o na r eg i v e ni nt h i st h e s i s f i r s t ，an e wm e t h o do fl i c e n s ep l a t el o c a t i o ni sd e s i g n e di nt h et h e s i sa n di ti s d i v i d e di n t ot w os t e p s ，w h i c ha r er o u g hl o c a t i o ns t e pb a s e do n 黟a yi m a g ep r o c e s s i n g a n dp r e c i s el o c a t i o no n eb a s e do nc o l o ri m a g ep r o c e s s i n g v e r t i c a la n dh o r i z o n t a l e d g ei m a g e sa r ee x t r a c t e df r o m 铲a yc a l i m a g eu s i n gh a a rw a v e l e ta n dg a b o r f i l t e r t h er o u g hl o c a t i o ni sa c h i e v e db a s e do nt h es p e c i f i cp r o j e c t i o nf e a t u r e so ft h e s ee d g e i m a g e s t h ep r e c i s el o c a t i o ni sa c h i e v e dt h r o u g hm a k i n gp r o j e c t i o na n a l y s i so ft h e b i n a r yi m a g eo b t a i n e df r o mt h eb i n a r i z a t i o no f t h er o u g h l yl o c a t e dc o l o rp l a t ei m a g e i nt h el 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 n ，t h el i c e n s ep l a t ec h a r a c t e r sr e g i o ni s e x t r a c t e du s i n ga l li m p r o v e dp r o j e e t i o na n a l y s i s l i c e n s ep l a t ec h a r a c t e ri m a g ei s o b t a i n e db a s e do nt h ev e r t i c a lp r o j e c t i o nf e a t u r e so fl i c e n s ep l a t ec h a r a c t e r sr e g i o n i m a g e i nt h el i c e n s ep l a t ec h a r a c t e rr e c o g n i t i o n ，7 3 d i m e n s i o n a lf e a t u r ei se x t r a c t e d f r o mt h el i c e n s ep l a t ec h a r a c t e ri m a g e t h e n ，b o t ht h el i c e n s ep l a t ec h i n e s ec h a r a c t e r r e c o g n i t i o nm e t h o db a s e do ns u p p o r tv e c t o rm a c h i n ea n dt h er e c o g n i t i o nm e t h o df o r n u m b e ra n dl e t t e rc h a r a c t e rb a s e do nf e a t u r em a t c h i n ga r eg i v e n t h es i m u l a t i o nr e s u l t sp r o v et h a tt h em e t h o do fl i c e n s ep l a t er e c o g n i t i o ni nt h e t h e s i si se f f e c t i v e k e y w o r d s ：l i c e n s ep l a t el o c a t i o n ，l 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 n ，l i c e n s ep l a t e c h a r a c t e rr e c o g n i t i o n ，s u p p o r tv e c t o rm a c h i n e ( s v m ) ，f e a t u r ee x t r a c t i o n i l 北京服装学院硕士学位论文 第l 章绪论 1 1 研究背景及意义 近年我国汽车数量迅速增加。据统计局数据显示，到2 0 1 0 年底，机动车辆 的数量已过两亿辆，其中汽车占8 5 0 0 多万辆，私人轿车的数量大概以每年1 0 的速度增长，我国逐渐地成为汽车大国，汽车已经成为人们的代步工具。但相应 的交通设施与燃油供给跟不上汽车数量的增长速度，例如有些城市的交通管理系 统不完善，道路结构不合理，道路系统不健全，交通管理水平不高，相关设施缺 乏等，因此，给城市交通系统造成了极大的压力，以至于出现了交通堵塞、能源 不足以及环境污染等问题，与此同时交通事故也不断增多，这些问题对人民的生 命财产安全带来了严重的威胁。于是，如何高效的进行交通管理成为当今政府和 交通管理部门的重要任务，研究高效的交通管理协调系统成为很多学者研究的热 点问题之一，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 t a t i o ns y s t e m ，简称i t s ) 便 应运而生。 i t s 是人们把先进的计算机技术、图像处理和识别技术、传感器技术、自动 控制技术、数据传输技术等有效地进行综合运用，建立了一种包括智能公共设施 系统与智能车辆管理系统的集成智能交通管理系统；它能够大范围、全方位并且 实时、准确、高效地发挥综合管理作用，以期保证人、车、路的密切配合，从而 极大地提高交通运输效率，改善交通服务质量，缓解交通拥堵现象，保障交通安 全，减少空气污染，同时也提高资源能源的利用率，呼应了当前世界交通领域倡 导的节能环保技术。 车牌自动识别l p r ( l i c e n s ep l a t er e c o g n i t i o n ，简称l p r ) 作为车辆身份的 鉴定技术，是智能交通管理系统的基础和核心技术之一，在智能交通管理系统中 占据了重要地位。l p r 是一种以车牌为研究目标的专用计算机视觉系统，它运 用模式识别、人工智能技术对采集到的汽车图像进行处理，对车牌的数字、字母、 汉字字符实时并准确地识别，使车辆的电脑化监控和管理成为现实。车牌识别系 统的研究不但在智能交通管理工作中占有很重要的地位，同时也可以推动图像处 理、模式识别等领域的研究发展，因此，车牌识别技术的研究具有很重要的理论 价值和现实意义。 l p r 具体的应用可以归纳如下： l 第1 章绪论 1 ) 高速公路收费管理 车牌自动识别设备安装在高速各个出入点，当车辆进入时，车辆信息被存入 收费系统，当车辆驶出时，收费系统对车辆再次识别，调用入口处的车辆资料， 实现车辆的自动收费管理，同时也可以防止中途互换入口卡的行为。 2 ) 出入管理 在学校或者医院等重要部门出入口处，安装车牌自动识别设备，当有车辆进 出时，对其车牌号码自动识别并记录出入时间。这类设备也可以用在自动收费计 时的停车场中，节省人力的同时提高管理效率。 3 ) 交通监控 在重要路段安装车牌采集识别设备对其交通状况进行直接监控，根据每辆车 在一个地点的通过时间，可以计算出路段上的车流密度、排队等候规模等信息， 以此向将要驶入的车辆提供参考信息，对交通进行操作与控制，可以避免交通拥 堵现象的出现。另外，也可以计算车辆行驶速度，用以检测车辆超速与否，保障 行车安全，规范交通秩序。 4 ) 车牌验证 这个应用主要针对被纳入黑名单的特殊车辆，如违章与肇事逃跑车辆、被通 缉的车辆、欠费或未按期年检的车辆等，具体操作是先把上述车辆的车牌信息存 、入数据库，车牌识别系统对即将驶入的车辆进行实时监测，与数据库中的特殊车 辆的车牌进行比较，一旦发现纳入黑名单的车辆经过，系统便立即给出警报信号。 5 ) 车流量统计 为相关交通部门对交通路口和交通措施的改进提供依据。 由此可见，车牌识别系统有着非常广泛的应用前景，研究与开发适合我国国 情的实时、高效的车牌识别系统具有重要的实用价值。 1 2 国内外研究现状 1 2 1 国外研究现状 从2 0 世纪8 0 年代开始，为适应现代交通事业的迅速发展，欧美等发达国家 就开始了对车牌识别技术的研究，首次将图像处理技术引入到自动交通管理系统 中。早期的研究使用的图像处理技术比较简单，首先以一幅不含车辆的背景图像 作为基准，然后把待处理的汽车图像与基准图像的对应部分进行灰度比较，根据 2 北京服装学院硕七学位论文 差分原理得到车辆区域，以此粗略计算车流量、车速、以及道路负载等数据信息。 初期阶段的研究主要针对某个具体的问题，实现车流量统计、车型与车速的检测、 车牌检测以及车辆事故检测，没有形成完整的车牌识别系统。 随着社会经济水平的提高，摄像机制造技术、图像处理和识别技术【，7 ，8 , 2 9 , 3 2 、 信息处理技术、自动控制技术、导航定位技术、无线通信技术等也得到了很大的 发展，使得车牌识别系统的研究逐渐地完善。美国、英国、德国、日本、法国、 新加坡、意大利等西方发达国家都已研究出了适合本国车牌的车牌识别系统，并 且在实际的交通管理工作中得到了成功应用。 英国p i pt e c h n o l o g y 公司主要开发和生产各种车牌识别系统，包括软件算法 的开发、硬件的制造以及整体设备的集成安装，p 3 7 2s p i k e + 是他们的一个集成 自动车牌识别摄像机产品，与识别系统整合在一起进行车辆图像的采集和车辆车 牌识别，提高了系统的整体性能。 德国d i e h l 集团生产的t e l i d e s 产品不但能够识别车牌号，还可以识别车 辆类型，进而大大提高了车辆管理工作的效率。 以色列的h i t e c h 公司的s e e c a rs y s t e m 车牌识别系列产品，有不同的产品 种类以便适应于不同国家的车牌识别。其中，s e e c a rc h i n e s e 系列能够以每秒2 3 辆的识别速度识别中国大陆的车牌。 另外，还有新加坡的v l p r s 和i m p s 系统、i n s i g n i a 系统，美国的 e l e c t r o o p t i c a lt e c h n o l o g i e si n c 公司的产品，俄罗斯的g o l d e ne a g l 公司的l p r s ， 挪威的a u t o p a s s 不停车收费系统，以及日本的车辆信息管理与通信系统v i c s 等都是国外比较成熟的车牌识别系统。 1 2 2 国内研究现状 我国在2 0 世纪9 0 年代开始了这方面的研究，l p r 系统经过许多公司与学者 的不断研究与实践，已经取得了较好的研究成果，比较成熟的产品有以下几个， 中科院自动化研究所汉王科技公司的产品“汉王眼 、上海德威智能交通系统有 限公司的汽车车牌识别器、深圳吉通电子有限公司的产品“车牌通 、中国信息 产业部下属的中智交通电子系统有限公司与国内的亚洲视觉科技有限公司等公 司也有自己的车牌识别产品，这些产品在良好的光照条件下，车牌识别率可达到 9 0 以上。此外，国内的很多高校和科研院所也有类似的理论研究，并根据我国 3 第l 章绪论 的车牌特点开发了相关的产品，西安交大的图像处理与识别研究室、上海交大的 计算机科学与工程系、清华人工智能国家重点实验室、浙大的自动化系、四川大 学图形图像研究所等也都在进行这方面的研究工作。 “汉王眼”不再使用c c d 外接电路，而是将自动变焦、光线调节、图像或 视频采集、图像压缩、图像调整、车牌识别、数据传输等模块都嵌入到d s p 芯 片中，以此实现了高度集成，不仅节省了处理系统的硬件设备、简化了程序算法， 还大大提高了系统的运算速度和可靠性。 香港的亚洲视觉科技有限公司的l p r 产品，能够自动识别静止或运动车辆 的车牌号码，识别率可达9 5 以上。但是，该系统对车辆图像质量要求严格，并 且要求车牌的宽度不少于整个图像宽度的五分之一，所以严格限制了摄像机与车 辆的距离以及光圈的自动调节。 尽管国内外都进行着车牌识别技术的研究，但现在都尚未达到完全实用化和 普及化的要求。由于国外的车牌识别系统大都比较昂贵，引进使用这些系统所需 要的成本过高，使得许多部门和企业难以承受。所以研究开发廉价的、实用的并 且能够被广泛应用的适合我国国情的车牌识别系统是非常有意义的。 1 3 车牌识别系统简介 完整的车牌识别系统主要包括图像采集、图像预处理、车牌定位、车牌字符 分割和车牌字符识别几个模块，如图l 所示： 图像 采集 图像 预处理 车牌 定位 车牌字 符分割 车牌字 符识别 图1 车牌识别系统流程图 图像采集模块一般包括车辆检测部分与图像拍摄部分。车辆传感器设置在车 辆检测点，当有车辆经过时，传感器向系统发出采集信号，进行车辆图像或视频 采集；摄像机将采集到的信息存入计算机用以下一步的处理。目前，汽车图像的 采集方式主要由c c d 摄像机和图像采集卡以及计算机组成，主机负责接收图像 采集信号，以此控制图像采集卡采集一幅或多幅图像，完成汽车图像的采集过程。 对于车牌识别系统，图像预处理是其基础步骤，对后续的识别算法与识别效 率有直接的影响。目前，主要有两种预处理方法，分别是基于灰度图像和基于彩 色图像的预处理。基于彩色图像的预处理，主要是基于不同的色彩模型进行对比 4 北京服装学院硕十学位论文 度调整、色调均衡、降噪、阈值化等操作，根据采用的颜色模型又分为基于h s v ， 基于r g b ，基于c m y 等，这种方法可以较好地保留图像的原始信息，有利于目 标特征的提取以及进一步的分割识别，但是由于彩色图像的信息量大，在实时的 车牌识别系统中，对计算机的存储空间与运算能力都有较高的要求，使得硬件成 本较高。而基于灰度图像的预处理是首先把采集到的彩色汽车图像转换成灰度图 像，一般包括灰度图像的二值化、滤波降噪、边缘检测等方法，这种预处理方法 的好处在于需要较少的存储空间，涉及的运算量少，进而对硬件设备的要求也较 低，但是因为灰度化处理损失了一部分原始信息，所达到的处理效果便不如基于 彩色模型的好。 车牌定位是l p r 技术最基础的一步，也是最重要的一步，它直接关系到车牌 识别的准确率，对后续处理有较大的影响。车牌定位过程是研究如何从预处理得 到的整幅车辆图像中把车牌区域切分出来，属于图像分割问题。目前主要有基于 灰度图像的车牌定位与基于彩色图像的车牌定位，大多数定位算法是根据车牌字 符与车牌外形的特点，寻找并切分车牌区域的。这一步是车牌识别系统中的难点， 由于采集到的车辆图像常常存在着复杂的自然背景和车身背景、变化的光照条件 和气候条件 1 9 , 2 4 ，以及车辆图像自身的模糊、磨损、变形、倾斜等使得车牌定位 十分困难。 车牌字符分割【3 7 堤对车牌定位后得到的车牌区域进行字符切分，分割出单个 车牌字符图像以便进行最后的字符识别。 车牌字符识别对切分出来的单个车牌字符图像进行识别，将识别结果转为文 本数据形式并存入车牌识别系统车牌号数据库或者显示输出到相应的用户界面 上。 1 4 论文的结构 本文对基于数字图像处理的车牌识别技术进行了研究。主要有以下几章： 第一章主要介绍l p r 的研究背景与意义以及国内外研究现状。 第二章首先对车牌定位技术进行综述，研究了当前的车牌定位算法，根据车 牌特征设计了本文的定位方法：采用基于边缘检测与颜色信息的两步定位法。利 用车牌区域的灰度边缘特征实现车牌的粗定位，再根据车牌的颜色信息，精确定 位出车牌位置。 5 第1 章绪论 第三章研究了车牌字符分割的问题，首先将彩色车牌图像进行阈值化处理， 采用1 3 投影法对车牌字符区域进行边界定位，再根据其垂直投影进行字符切分。 第四章先对车牌字符图像进行归一化预处理，再提取字符图像的网格重心特 征、1 3 点特征以及边界点特征，得到字符图像的7 3 维特征向量，然后采用了分 组识别法：基于s v m 的车牌汉字字符识别和基于特征匹配的英文字母与数字字 符识别，最后给出实验仿真结果。 第五章给出了本课题研究的工作总结与展望。 6 北京服装学院硕士学位论文 第2 章车牌定位 2 1 概述 车牌定位是车牌识别的基础，它是指从采集到的彩色汽车图像中分割出车牌 区域图像的处理过程，是车牌识别( l p r ) 技术的一个难点。车牌定位是整个车 牌识别系统的关键步骤，如果不能准确确定车牌区域在整幅图像中的位置，将直 接影响后面的车牌字符分割与车牌字符识别。 本章采用了基于图像的边缘信息与颜色特征的车牌定位的算法，车牌定位分 粗定位与精定位两步进行。在粗定位步骤中，首先对图像进行灰度化、图像增强 等预处理，然后提取图像边缘，通过投影分析确定车牌区域的粗略位置；精定位 过程充分利用了车牌的颜色特征，先把粗定位得到的彩色图像阈值化，再利用投 影分析得到车牌区域的精确位置，实现车牌定位。 2 1 1汽车车牌标准与规范 汽车车牌作为汽车身份的唯一认证，其制造与使用都必须符合一定的规范与 标准。现在国内的汽车车牌是按1 9 9 2 年制定的中华人民共和国机动车号牌 g a 3 6 9 2 标准制【4 3 】作的，即九二式车牌，有着特定的规格。 首先，不同车型车牌的背景色和文字字符颜色不同。 车牌的底色有蓝色、黄色、白色、黑色。蓝色是小车车牌( 包括小吨位的货 车) ，黄色是大车、农用车、新产品为定型的试验车以及摩托车的车牌，白色是 特种车的车牌( 如军车警车车牌及赛车车牌) ，黑色是外籍车辆的车牌。 大型民用汽车：黄底黑字； 小型民用汽车：蓝底白字； 其它外籍汽车：黑底白字； 使、领馆外籍汽车：黑底白字及空心“使”字标志： 临时车牌：白底红字，数字前有“临时”二字； 汽车补用车牌：白底黑字。 其次，车牌的外形特征都是矩形，并且宽度与高度分别是4 4 c m 和1 4 e r a ，宽 高比约为3 1 4 ；我国汽车车牌号由8 个字符组成，按照一定的规则分布于矩形区 域内，见图2 所示，从左至右依次为中文简体汉字、英文大写字母、圆点分隔符、 以及后五位字符( 它是阿拉伯数字与英文大写字母的组合) 。其中，中文简体汉 字表示汽车所属地区的简称，如京代表北京， 津表示天津：紧接汉字字 7 第2 章车牌定位 符的英文大写字母表示省直辖市、自治区的名称和发证照及监督机关的代号。第 三个字符是圆点分隔符，最后面的五位字符是汽车的编号，一般为5 位数字，即 从0 0 0 0 1 - - - 9 9 9 9 9 。编号超过1 0 万时，就用a 、b 、c 等大写英文字母代替，为 了避免与阿拉伯数字的0 和1 混淆，英文大写字母中的o 和i 不予采用。 图2 汽车车牌字符样式 除了上述这些外在特征外，车牌还具有以下特征：车牌号的字符集是一个有 限的字符集合，一共有十个阿拉伯数字，2 4 个英文大写字母以及3 0 个左右的中 中文汉字；车牌区域与背景图像一般有比较明显的颜色差异：车牌区域内的字符 和背景各自的颜色灰度基本保持均匀连续；车牌内字符的最小外接矩形是固定大 小的，不同车牌的大小以及其内部的字符间距、字数与字体基本一致。这些特征 是进行车牌定位算法探索之前的必备知识，它有效地指导我们如何进行车牌定位 算法的研究。 2 1 2车牌定位技术综述 目前对车牌定位算法的研究很多，根据其出发点不同可分为两类：直接法和 间接法。直接法是指首先对车牌区域进行特征分析与提取，再根据所选择的车牌 特征设计定位算法，主要有以下几种方法：基于直线边缘识别的图像区域定位算 法、基于线模板的二值图像的角检测算法、基于车牌图像特征( 如车牌尺寸、字 符间距、字符结构特征) 的车牌定位算法、基于边缘检测算法【9 1 、差分定位算法 以及彩色分割定位法 t 0 1 等。间接法则主要指利用人工神经网络或遗传算法进行车 牌定位，这类方法不必首先进行车牌特征分析，而是直接利用采集到的大量车牌 样本训练事先设定的网络，再用训练好的网络进行车牌的自动检测与提取，这类 方法容易陷入局部最小的情况，执行时间也相对较长，因此实际应用中相对不广 泛。 r 北京服装学院硕士学位论文 根据处理的汽车图像类型又可以分基于灰度图像的车牌定位和基于彩色图 像的车牌定位。彩色汽车图像几乎包含了所有的有用信息，直接基于彩色图像进 行的车牌定位效果一般比较好，但是因为图像本身的数据量往往很大，定位过程 所涉及的运算量也就比较大，所需的定位时间较长，同时对硬件设备的性能要求 比较高。而基于灰度图像的车牌定位，是先把彩色汽车图像转换为灰度汽车图像， 在很大程度上减少了数据运算量，缩短了车牌定位所需要的时间，可是定位效果 一般不如基于彩色图像的车牌定位好。 因此，本文提出了一种新的车牌定位方法，首先基于灰度图像处理实现车牌 粗定位，然后基于彩色图像处理实现车牌精定位。粗定位过程利用车牌的边缘特 征，实现了车牌区域在整幅图像中行列位置的粗略确定；精定位过程充分利用车 牌的颜色信息特征，确定了车牌在整幅图像中的精确行列位置。由于车牌区域往 往只占整幅汽车图像的小部分，而且图像背景区域的信息有时会比车牌本身的信 息复杂得多，或图像背景区域与车牌区域的图像差异很小，所以如何从包含庞大 数据量的汽车图像中有效并快速地确定车牌区域的位置，成为车牌识别技术的关 键所在。本文车牌定位的详细流程如图3 所示： 网 i 车图像l 【一 图3 车牌定位流程图 2 2 车牌粗定位 彩色汽车图像的数据量大，直接进行处理会加大程序的运算量与运行时间， 增加硬件设备的性能要求，鉴于此，本章的车牌粗定位过程是基于灰度图像进行 的。首先对采集到的彩色汽车图像进行灰度化【l 】、去噪【3 】等预处理，然后采用小 波分析【- 2 ，1 3 】提取图像的垂直边缘，对其投影分析确定车牌的上下位置；再采用 g a b o r 滤波器【l i 3 6 】提取上下定位后的图像的水平边缘，通过投影分析确定车牌的 左右位置，完成粗定位过程。车牌粗定位的详细流程见图4 所示： 攀鲁藿h 船h 。尘鋈耄磊h 甏辫h 藻谶 图4车牌粗定位流程图 9 投影分析( 确 定车牌的左 右位置) 租定位 车牌图像 第2 章车牌定位 2 2 1 图像预处理 在实际场景中，由于各种原因，对道路上行驶的车辆进行拍摄所得到的图像 并不理想。周围环境光线的不均匀反射、车牌本身的光线反射、车灯强光对车牌 图像拍摄的影响、数据传输引起的图像质量下降、车牌本身存在污损点以及车辆 的行驶使拍摄的图像出现运动模糊等，都会使拍摄的汽车图像存在噪声，给后续 的处理增加难度，所以首先需要对汽车图像进行预处理【2 7 】，以便提高整个系统的 识别准确率与速度。车牌粗定位步骤所用到的图像预处理主要包括对彩色汽车图 像灰度化和对灰度汽车图像的去噪。 2 2 1 1 图像灰度化 图像采集设备得到的汽车图像一般是彩色r g b 图像，其每个像素分别由红、 绿、蓝三种颜色分量组成。在计算机内存中，一幅彩色图像是以多个矩阵的数据 形式来存储的。如果需要查看一幅图像的像素r g b 值，可以在m a t l a b 平台 下，通过执行矩阵元素的读取命令来获取。彩色汽车图像包含大量的颜色数据信 息，需要很大的数据存储空间，对其直接定位识别处理一般会影响车牌定位与字 符识别的速度；而灰度图像只包含亮度信息，其数据形式是一个矩阵，其处理涉 及的运算量相对较少，系统的执行速度便会相应地提高。目前大多数的车牌识别 系统，一般首先把采集到的彩色汽车图像转换为灰度汽车图像，然后再进行车牌 定位与字符识别等处理。 图像灰度化，即彩色图像到灰度图像的转换过程。在m a t l a b 平台下，灰 度图像用一个数据矩阵便可表示所有的图像信息，而彩色图像需要3 个数据矩阵 才能表示出图像的全部信息。在图像的r g b 模型中，三个颜色分量为尺、g 、b ， 每个像素的颜色值可以表示为f ( r ，g ，曰) ，r 、g 、b 的取值范围是0 , - , 2 5 5 ：设灰 度图像的像素灰度值表示为，取值范围也是0 2 5 5 。图像灰度化就是把三个颜 色分量表示的图像数据转换为用灰度值表示的数据处理过程，转换算法主要有最 大值法、平均值法、加权平均法。其中，加权平均法是最常用的同时也是可以达 到比较合理的灰度化处理结果的方法，其原理表示如式( 2 1 ) 【8 】所示： i = 阿，r r + w g g + 阿，b b ( 2 1 ) 式中，参数孵、岷、既分别表示r 、g 、b 的加权系数，其取值是根据人眼的 视觉模型特征设定的。绿色对于人眼较为敏感，因此其权值较大；而人眼对蓝色 1 0 北京服装学院硕士学位论文 较为不敏感，所以对应的权值取值较小。参数的具体取值一般为以= 0 2 9 9 ， - - 0 5 8 8 ，既= o 1 1 4 ，这样得到的灰度图像最接近人类的主观感觉。 在m a t l a b 中，上述算法可以通过对图像进行点运算实现，也可以直接调 用灰度转换函数r g b 2 9 r a y 来实现，图6 所示是彩色汽车图像的灰度化处理结果。 ， 一 图5 彩色汽车图像 气 i 蕊盖蜀 图6 图5 所示彩色汽车图像的灰度图像 2 2 1 2 图像去噪 在图像采集与数据传输过程中会使图像混入一些噪声，例如采集设备中图像 传感器自身的质量与环境因素与传输信道的干扰等，噪声的存在往往会影响车牌 的准确定位，因此非常有必要对灰度化的汽车图像进行去噪，滤波 2 - 4 , 7 , 8 , 2 7 1 就是 一种很好的图像去噪技术。滤波就是将混入有效信号中的噪声信号滤除的过程， 即从被十扰的信号中提取干净的有效信号的一种方法。从不同的角度，滤波可分 为不同的处理方法，例如空域滤波与频域滤波，线性滤波与非线性滤波等。本文 对以下几种滤波方法进行了对比研究，然后确定了灰度汽车图像去噪所用的滤波 方法。 ( 1 ) 均值滤波 均值滤波是一种线性滤波技术，也称局部邻域平均法，其一般表示见式( 2 2 ) 所示。式中表示邻域s 内的像素点个数，f ( x ，y ) 是邻域s 内点( x ，y ) 处的图像 像素的灰度值，g ( x ，表示点( x ，y ) 处图像像素点的滤波处理结果： 咖川：专s 厂( x , y ) ( 2 2 ) 第2 章车牌定位 采用均值滤波方法对图像进行处理时，一般首先给目标像素规定一个模板， 该模板包括了其周围的临近像素，再用模板中所有像素的加权平均值来代替当前 处理像素的原像素值，作为滤波处理后该像素的灰度值。常用的滤波模板见表1 所示，其中a ( i ，_ ，) 表示模板系数。 表1 均值滤波模板 a ( - 1 ，- 1 ) a ( - 1 ，o )a ( - 1 ，1 ) a ( o ，- 1 )a ( o ，0 )a ( o ，1 ) 口( 1 ，- 1 )a o ，o )a o ，1 ) 根据滤波模板，均值滤波可以表示为式( 2 3 ) 所示。式中，n 门表示滤波 模板的大小，一般取，z = 3 。并且根据模板系数取值的不同，一般有图7 所示的 几种常用滤波模板，图8 所示为采用每个模板的图像滤波结果。 一一l一一l 22 g ( ) = ( 工“，y + j ) l ( 2 3 ) 月一i n l 卢一丁7 一丁 胃：土i ? 4 i o 日：! | ： 8 1 1 ab 图7 滤波模板 由于均值滤波实质是计算图像像素邻域的均值，具有低通特性，所以它虽然 能够去除图像中的噪声，但同时也会使得图像中的尖锐处、边缘处、不连续的点 和细节部分变得模糊造成图像边缘信息的丢失 a - ，- 牟狄度甾像b ：敌添知椒盐噪声后的汽车狄废图像 1 2 北京服装学院硕士学位论文 c ：采用图7 ( a ) 所示模板的去噪结果d ：采用图7 ( b ) 所示模板的去嗓结果 图8 ( 2 ) 中值滤波 中值滤波是空域滤波法中的一种非线性信号处理方法，对滤除脉冲干扰及图 像扫描噪声最为有效，并且由于它在实际运算过程中并不需要图像的统计特性， 所以处理起来也比较方便。 在对图像进行中值滤波【2 9 1 处理时，先给目标像素规定一个滑动窗口，窗口内 应该包含奇数个像素点，将每一个像素点的灰度值用该点的邻域窗口内所有像素 点灰度值的中值代替，从而消除孤立的噪声点。二维中值滤波的窗口形状和尺寸 对滤波效果影响较大，根据不同的要求与所处理图像的差异，一般需要采用不同 的窗口形状与尺寸。常用的有线状、方形、圆形、十字形以及圆环形等形状的滤 波窗口，而且一般先用3 3 大小的窗口尺寸，再取5 x5 、7 7 ，以此逐渐增大， 直到得到满意的滤波效果为止。根据一般经验，如果待处理图像中有缓变的较长 轮廓线物体时，宜采用方形或圆形的滤波窗口，若图像含有尖顶角物体时，适宜 采用十字形的窗口。窗口大小一般尽可能小，因为随着窗口尺寸的增大，滤波处 理也会造成图像细节的模糊。 对汽车灰度图像滤波是为了更加突出车牌目标，同时最大程度地滤除噪声， 因此适宜采用方形滤波器。具体操作步骤是：先在图像中以当前像素点( x ，y ) 为 中心划分出一个刀，z( 例如3 3 ) 大小的像素邻域窗口s ，像素邻域见表2 所 示：然后把这 x n 个像素灰度值按大小进行排序，取序列中间像素的灰度值作 为滤波处理后的像素灰度值，记为g ( x ，y ) 。 第2 章车牌定位 表2 中值滤波模板( 像素邻域窗口s ) f ( x - i ，j ，一1 )f ( x - l ，j ，)f ( x - l ，y + 1 ) i ( x ，y - 1 )( 工，y )( x ，y + 1 ) f ( x + l ，y - 1 )f ( x + l ，y )f ( x + l ，y + 1 ) 中值滤波的操作可以表示为以下形式： g ( 工，夕) = m s e d ( 工，y ) ，s 为滤波窗口( 2 - 4 ) 图9 采用表2 所示的滤波模板对图8 ( b ) 所示图像的去噪结果 中值滤波属于一种非线性滤波，它对去除椒盐噪声非常有效；但它对所有象 素点都采用一致的处理，在滤除噪声的同时可能会改变非噪声象素点的灰度值， 引入误差，也可能会损坏图像的边缘和细节信息，而且它不太适合处理含有高斯 噪声和均匀分布噪声的图像。 ( 3 ) 高斯低通滤波器 图像经过二维傅里叶变换后，在频域空间，图像自身的大量有用信息主要分 布在低频率区域内，噪声则一般分布在频率较高的区域内，所以可以通过构造低 通滤波器【3 】的方式，抑制高频分量，达到图像平滑的目的。这种平滑方法的基础 是卷积定理，即信号在空域内的卷积对应到频域的乘积，如式( 2 5 ) 所示。为了 方便计算，可以直接设置频域滤波器，这种图像处理技术即图像频域滤波技术， 一般分为低通、高通、带通滤波，这里只分析低通滤波。 g ( x ，y ) = f ( x ，y ) h ( x ，y ) g ( u ，) = f ( u ，v ) h ( u ，v ) ( 2 5 ) 其中，f ( x ，j ，) 、f ( u ，) 分别表示原始图像与其傅里叶频谱，g ( x ，y ) 、g ( u ，v ) 分别 1 4 北京服装学院硕士学位论文 式( 2 6 ) 表示了高斯滤波器的频谱响应。高斯滤波器的形状容易确定，而且 高斯函数的傅里叶变换与其反变换都是高斯函数。分析高斯滤波器的频率响应可 知，它在高频区域具有很好的衰减特性，对图像滤波时相对不会出现振铃现象， 因此它是对图像去噪时常用的一种滤波器。本文选择了高斯滤波器对汽车灰度图 像进行去噪。 一旦：! ! ! 生 h ( u ，v ) = e 2 a 2 ( 2 6 ) 其中，d ( u ，v ) = 4 u 2 + v 2 ， 盯为尺度参数，控制高斯函数的伸缩程度。本文经 过实验确定了频域滤波器的参数取值为仃= 0 4 。滤波器的频率响应见图l l 所示， 对汽车灰度图像的去噪过程见图1 0 所示。 u ，l 气气 ，一- 一一。趔 a ：汽车灰度图像b ：采用高斯低通滤波器的对图( a ) 所示图像的处理结果 图1 0 图l l 高斯低通滤波器频率响应( 仃= 0 4 ) 2 2 2 基于小波变换的上下定位 2 2 1 1 小波分析理论 小波变换1 3 , 7 1 最早提出于2 0 世纪8 0 年代初，在当时主要用来分析地球物理信 号，是一种新的f 寿号分析的数学t 具，经过人概十年的探索研究，逐渐形成为一 1s 第2 章车牌定位 2 2 2 基于小波变换的上下定位 2 2 1 1 小波分析理论 小波变换【3 ，】最早提出于2 0 世纪8 0 年代初，在当时主要用来分析地球物理信 号，是一种新的信号分析的数学工具，经过大概十年的探索研究，逐渐形成为一 种比较体系化的理论。目前小波分析已经发展成为一个独立的数学分支学科，被 应用到了各种领域中，如信号分析、图像处理、语音识别、机器视觉以及理论物 理领域等。其中在信号和图像处理方面的应用，呈现了优于傅里叶分析的新特点， 主要的应用有滤波、压缩、传输与识别等。 小波变换的实质仍然是傅里叶变换，它是对信号进行局部化分析的一种数学 处理方法。小波变换虽然是基于傅里叶级数分解的原理，但是与傅里叶变换又不 完全相同，因为其级数分解的基函数不再是正弦函数，而是一些小型波，正因为 如此，称为小波。小波是指一系列的频率与位置都不同、持续时间有限并且均值 为零的信号波形：小是指它的衰减性，波表示它的波动性，即它与普通的信号一 样，也是呈现为在振幅之间的震荡形式。图1 2 7 是普通的信号和小波的波形示意 图： 图1 2 普通的信号和小波的波形示意图 设一个实值函数( z ) ，如果它的频谱满足式( 2 7 ) 的允许条件，则称这样 的一个函数为基本小波或母小波，其中，( o ) = o ， ) = 0 。根据其频谱特征可知， 小波分析等价于一个带通滤波器，可以从信号中提取所需的某段频率的信息。 f 牛 协7 ， 小波变换之所以能够进行空间( 时间) 和频率的局部变换，是因为它首先通 北京服装学院硕士学位论文 过对母小波，( j ) 的伸缩平移运算，得到一系列的变换基函数厶j ( x ) ，见式( 2 - 8 ) 所示。其中，a 表示伸缩因子，反应了一个特定的基函数的尺度；b 是平移因子， 表示母小波沿水平轴的平移位置。然后以厶j ( x ) 对信号进行多尺度分解细化，从 而最终达到在信号的高频率处进行时间细分、在信号的低频率处进行频率细分， 有效地检测出信号的细节特征。 厶。6 ( 石) = 口。1 2 厂( 生旦) 口，b rga0(2-8) 口 采用小波变换进行信号分析，小波的选取有很大的灵活性，只要满足式2 7 的允许条件即可，那么对于预处理后的汽车灰度图像的边缘提取应该怎么选择母 小波呢? 其实，到目前为止，人们已经构造了几种小波基与小波 7 1 。1 9 9 5 年m e y e r 提出了第一组正交小波基；1 9 8 8 年d a u b e c h i e s 利用二进多尺度分析，构建了具 有紧支集和一定正交性的小波正交基，并进行了证明：除h a a r 基外不存在对称 与反对称的紧支小波正交集：此外，还有后来的c o l i f m a n 构造的正交基库，以 及比较有影响的s t r o m b e r g 基与其他非正交小波基等。 h a a r 正交小波基是一个不连续的标准正交小波基，母小波是时域内的单脉冲 函数，具体运算处理时简单易行，执行速度也快，同时也能很好地实现信号的局 部分析；m e y e r 正交小波基是具有紧支集的正交小波，但由于其母小波函数不具 有指数衰减性，因此限制了它在图像与信号处理领域的应用；墨西哥草帽小波， 虽然在时域与频域都具有较好的局部化效果，但是由于它的尺度函数不存在，所 以不具有正交性。 根据上述分析，在既能够很好的实现信号的局部分析同时又可以提高车牌识 别系统的处理速度，本文选择了h a a r 小波基，对预处理后的汽车灰度图像进行 小波变换，提取得到了图像的垂直边缘。 2 2 1 2h a a r 小波变换提取图像边缘 h a a r 函数是单位高度、单位宽度的小波函数，如式( 2 9 ) 所示。根据算式 伊( x ，y ) = 缈( 工) 缈( y ) ，把h a a r 函数从一维信号空间扩展至二维图像信号空间， 得到其二维形式缈( x ，y ) 。 1 7 第2 章车牌定位 吣，2 怕。裂 协9 ， 6 ( 工，y ) ：上伊( x - b ，y - b ) 口口口 ( 2 1 0 ) 口= 2 七；6 ，七z ，z 表示整数集 根据式( 2 1 0 ) ，将二维母小波砸，力进行伸缩平移，得到一系列的小波函 数，即h a a r 正交小波基。然后对预处理后的汽车灰度图像进行二维离散小波分 解，提取其垂直边缘细节子图像。记预处理后的汽车灰度图像为，( x ，j ，) ，见图 1 3 ( a ) 所示，其大小为2 m 2 n ；记提取的图像垂直边缘为f ( x ，j ，) ，见图1 3 ( b ) 所示，其大小为m a ：预处理后的；，i 车狄度图像b ：提舣削aj i j ；f 不幽像的垂直边缘 图1 3 2 2 1 3 边缘信息的能量计算 实验发现，若直接对小波分析所提取的垂直边缘图像作投影分析d l , 1 4 , t 5 ，最 后的车牌定位效果不佳。因此，本文采用了先计算边缘图像的能量，再对其投影 分析的方法。式( 2 - 1 1 ) 为图像他力的能量计算公式，和力是其能量，n x 刀表 示像素的方形邻域。以一般取值为3 、5 、7 ，实验分析表明，刀= 3 时定位效果 较差，甩= 7 时程序的计算量较大，造成程序的执行时间较长，所以确定力= 5 。 图1 4 为垂直边缘图像的能量。 n - i n - i 如，y ) ：妻主九z “y 。2 川) 胆一一2j = - 下 1 8 北京服装学院硕士学位论文 ：盟，盟，m一一n-1x，2 22= 一，一，一一， ，。 y = 孚，字，n 一孚 y2 t t 卅t 图1 4图1 3 ( b ) 所示图像的能量 2 2 1 4 通过投影分析进行车牌的上下定位 对e ( x ，y ) 进行水平投影，得到投影曲线e 0 ) 。为了便于后续处理，采用改进 的加权平均算法，先去除曲线的毛刺与其他噪声。平滑原理如式( 2 - 1 2 ) 所示， e ( y ) 表示平滑后的曲线，其中文0 ) = e ( 1 ) ，五表示权重因子，取值范围为( o ，1 ) 之 间，一般取其经验值，即见= 0 2 ，实验也表明此时平滑效果最佳，图1 5 为平滑 前后的曲线。 p ( y ) = 允e ) + ( 1 一兄) e ( y 一1 ) ( 2