（信号与信息处理专业论文）汽车牌照字符识别系统的研究.pdf

哈尔滨工程大学硕士学位论文 摘要 本课题是汽车牌照自 动识别系统的一部分， 建立了一个完全由软件来实 现的 汽车牌照牌字符识别系统。本系统能将输入的汽车灰度图像通过处理识 别， 输出 可编辑的字符串。 整个处理过程分为图 像二值化、图 像预处理、 字 符串的切割和字符识别四部分。 字符串的切割和识别过程处理的是二值化图像而非灰度图像， 所以 二值 化算法的好坏决定着分割和识别的 准确性。本文利用车牌灰度图像直方图的 双峰特性， 提出了一种改进型的二值化算法， 此算法满足最小错误率贝叶斯 决策规则。 在图像预处理部分， 本文结合中 值滤波、边缘检测技术和h o u g h 变换， 达到去噪平滑和提取车牌2 个角度参数的目 的。以角度参数确定图像中的 牌 照是否发生形变。针对变形车牌文本提出一种实用的校正算法，将校正过程 中图 像两次平移、一次刚体旋转， 一次非刚体旋转组合成一个校正矩阵，即 本文中提到的复合矩阵。 字符串切割是采用经过切割预处理后取得的垂直投影图进行第一次分 割，在反馈第一次分割结果的基础上根据先验知识进行二次切割。并讨论了 在两次分割中遇到各种情况的处理。切割后的字符图像经过规范化处理后， 使用网格法提取特征矢量。本文提出利用四个算子，分解并提取字符的结构 特征， 最终建立自己的标准模板库，并对易混淆字符采取周边特征法进行进 一步检验。 实验证明本文了 本系统取得了 较好的识别率， 有实 用价值。 关键词: 直方图; h o u g h 变换; 垂 直投影图; 字符识别 哈尔滨 1 : 程人学硕士学位论文 a b s t r a c t t h e p a p e r i n t r o d u c e s a p a rt o f l i c e n s e p l a t e r e c o g n i t i o n s y s t e m , a n d t h e a i m i s t o s e t u p a l i c e n s e p l a t e c h a r a c t e r r e c o g n i t i o n s y s t e m t h r o u g h u s i n g s o f t w a r e c o m p l e t e l y . i m p o rt o f t h e s y s t e m i s g r a y li c e n s e p la t e i m a g e , a n d o u t p u t o f t h e s y s t e m i s a s t r i n g o f c h a r a c t e r t h a t c a n b e e d i t t e d . t h i s s y s t e m i n c l u d e s l i c e n s e p l a t e i m a g e b i n a r i z a t i o n , l i c e n s e p l a t e i m a g e p r e t r e a t m e n t , s e g m e n t i n g c h a r a c t e r a n d t h e r e c o g n i z i n g c h a r a c t e r . s e g m e n t i n g c h a r a c t e r a n d t h e r e c o g n i z i n g c h a r a c t e r d e a l w i t h b i n a r i z a t i o n i m a g e , s o b i n a r i z a t i o n a l g o r i t h m s d e c i d e s v e r a c i t y o f c h a r a c t e r s e g m e n t a t i o n a n d r e c o g n i t i o n . t h e p a p e r m a k e s u s e o f b im o d a l h i s t o g r a m a n d p u t s f o r w a r d im p r o v e d b i n a r i z a t i o n a l g o r i t h m s . t h e a l g o r it h m s i s a c c o r d w i t h t h e m a x im u m e r r o r p r o b a b i l i t y b a y e s d e c i s i o n r u l e . i n t h e c o u r s e o f p r e t r e a t m e n t , t h e a i m o f s m o o t h i n g g e t s t w o a n g l e p a r a m e t e r s t h a t i s o b t a in e d b y m e d i a n f i l t e r , v e r g e d e t e c t i o n a n d h o u g h t r a n s f o r m a t i o n . w e m a y d e c i d e i f l i c e n s e p l a t e h a s b e e n d i s t o r t e d , a c c o r d i n g t o t w o a n g l e p a r a m e t e r s . c o r r e c t i o n a l g o r it h m s i s i n t r o d u c e d i n t h e p a p e r a n d is a c o m p o s i t e t r a n s f o r m a t i o n s m a t r i x . t h e r e a r e f o u r p r o c e s s e s i n c o r r e c t i o n o f l i c e n s e p l a t e i m a g e , c o n s is t i n g o f p a r a l le l m o t i o n t w o t i m e s , r i g i d b o d y r o t a t i o n a n d n o n - r i g i d b o d y r o t a t i o n o n e t i m e . f i r s t c h a r a c t e r s e g m e n t a t i o n a d o p t s v e rt i c a l p r o j e c t i o n d i a g r a m t e c h n i q u e , a ft e r p r e t r e a t m e n t o f c h a r a c t e r s e g m e n t a t i o n h a s b e e n d o n e . s e c o n d c h a r a c t e r s e g m e n t a t i o n i s b a s e d o n r e s u l t o f f i r s t s e g m e n t a t i o n , a c c o r d i n g t o k n o w l e d g e a b o u t l i c e n s e p l a t e . ma n y t h i n g s t a k i n g p l a c e i n t h e c o u r s e o f s e g m e n t a t io n a r e d i s c u s s e d i n t h e p a p e r . a ft e r c h a r a c t e r i m a g e t h a t h a s s e g m e n t e d s u c c e s s f u l l y i s s t a n d a r d i z e d , w e w i l l g e t e n g e n v e c t o r f r o m i t b y u s i n g g r i d d i n g m e t h o d . t h e p a p e r i n t r o d u c e s h o w f i n d s s t r u c t u r e c h a r a c t e r i s t i c t h r o u g h m a k i n g u s e o f f o u r o p e r a t o r . f i n a l l y , t e m p l a t e l i b r a r y i s c o m p o s e d o f m u c h e n g e n v e c t o r . f u r t h e r c h e c k i n c o n f u s i n g c h a r a c t e r i s r e a l i z e d t h r o u g h m a k i n g u s e o f c o n t o u r e n g e n v e c t o r . i t i s p r o v e d b y e x p e r i m e n t t h a t t h e l i c e n s e p l a t e c h a r a c t e r r e c o g n i t i o n s y s t e m 哈尔滨工程大学硕士学位论文 h a s g o o d r e c o g n i t i o n r a t e a n d p r a c t i c a l v a l u e . k e y w o r d : b i m o d a l h i s t o g r a m , h o u g h t r a n s f o r m a t i o n , v e r t i c a l p r o j e c t i o n d i a g r a m , c h a r a c t e r r e c o g n it i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明: 本论文的所有工作， 是在导师的指导 下，由作者本人独立完成的。有关观点、 方法、数据和文 献的引用已在文中指出， 并与参考文献相对应。 除文中已 注明引用的内容外， 本论文不包含任何其他个人或集体已 经公开发表的作品成果。 对本文的研究做出重要贡献的个 人和集体， 均己在文中以明确方式标明。 本人完全意识到 本声明的法律结果由本人承担。 作 者( 签 字 ) :at k 墩 日 期:a iv 3 年认月右日 哈尔滨工程大学硕士学位论文 第 1 章 绪论 1 . 1课题背景及实现意义 今天， 道路运输已 成为了 最重要的 地面运输方式之一， 进入9 0 年代以 来 世界上各国交通拥堵，交通事故和环境污染越来越影响着社会经济发展和生 活，虽然道路运输增长的需求可以 靠提供更多的道路设施来满足，但是在资 源、环境矛盾越来越突出的今天，道路设施的增长将受到限制，这就需要依 靠提供除设施之外的技术方法来满足这一需求，交通的迅速发展使得全世界 的研究者不断采用先进的电子和计算机视觉技术来监视超速车辆、掌握车辆 位置，或者用于收费站，以提高车辆的通过速度等等。智能运输系统 i t s ( i n t e l l ig e n t t r a n s p o r ta ti o n s y s te m s ) 是 解 决 这 一 矛 盾的 途 径 之一， 而 车 牌 识 别 l p r ( l i c e n s e p l a t e r e c o g n i t i o n ) 又是i t s 中的 关键技术 之一。 车 牌 识别 ( l p r ) 是it s的 一 个重 要 组 成 部 分， 它 在交 通控 制 与 监 视中 有多种应用，如不停车缴费、失窃车辆侦察、 停车场管理、禁止车辆进入等 等。在通道网络入口和出口处分别安装车辆检测系统，通过对车牌的匹配和 智能交通系统网络，对车辆行驶速度、流量进行估计，检测当前的交通拥挤 程度，自 动提供实时交通信息。它能从一幅图像中自 动提取车牌图像，自 动 分割字符图像，进而对字符进行识别。车辆牌照识别是计算机视觉与模式识 别技术在智能交通领域应用的重要研究课题之一，若能用计算机实时地识别 车牌就可以在无需为车辆加装其他特殊装置的情况下实现对车辆的自动监 测，从而给交通系统的自 动管理提供极大的方便，因此车辆牌照自 动识别系 统的实现是推动交通管理计算机化的关键技术 之一。 车牌自 动识别系统能将 输入的汽车图像通过处理识别，输出为几个字节大小的车牌字符串，无论在 存储空间的占用上还是与管理数据库相连方面都有无可比拟的优越性。在大 型停车场，交通部门的违章监测 ( 电子带察)、高速公路及桥梁的收费站及 桥梁的收费站管理等方面，有着广泛的应用前景。车牌识别系统的成功开发 将大大加速 its的进程。 目前车牌识别系统可广泛应用于各个领域: 哈尔滨工程大学硕士学位论文 1 ) 高 速公路收费 管理 系统 在高 速公路 收费 入、 出口 分别完 成车 牌号 码识 别和车牌匹配工作，可以发现通行车辆的换卡行为，收费员的舞弊行为，维 护业主利益。 z ) 高速公路超速自 动化监管系统的应用以 车牌识别技术为核心技术， 辅 助其他高科技手段，建立高速公路超速无人值守的自 动监测、自 动布控系统 是解决高速公路上因超速造成交通事故的有效手段。 3 ) 公路布控采用车牌识别技术， 实现对重点车辆的自 动识别、 快速报警 处理不仅可以有效防止机动车辆被盗，而且为公安、监察机关对犯罪嫌疑人 所驾驶的车辆自 动监控、跟踪提供了高科技手段。 4 ) 用于城市交通路口 的“ 电 子警察”。 5 ) 停车场收费管理系统。 6 ) 封闭 式居民小区 物业管理及重要部门的 保安管理。 1 . 2车牌识别技术的国内外研究动向 1 . 2 . 1国外车牌识别情况的介绍 i t s是目 前世界交通运输领域的前沿研究课题，发达国家提出并执行了 一系列研究计划，其核心是针对日 益严重的交通需求和环境保护压力，采用 信息技术、通信技术、计算机技术、控制技术等对传统交通运输系统进行深 入的改造，以 提高系统资源的使用效率、系统安全性，减少资源的消耗和环 境污染。 九十年代，美国国会通过了“ 综合地面交通效率方案” ( i s t e a )，旨 在利用高新技术和合理的交通分配提高整个路网的效率，由美国交通部负责 全国的i t s发展工作。1 9 9 5 年3 月，美国交通部正式出版公布了 “ 国家智能 交通系统项目 规划”，明确规定了智能交通系统的7 大领域 ( 即基本系统) 和2 9 个用户服务功能 ( 即子系统)。 日 本i t s 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。1 9 9 3 年7 月，日本 “ 车辆、道路与交通 智能协会”成立.在与i t s 有关的5 个省和警事厅之间建立了加强合作的机 制。 1 9 9 5 年8 月， 有关部门 提出 公路 交通 车辆领域的 信息化实施方案 ， 哈尔滨工程大学硕士学位论文 亩 亩 宙 日 . 日 . . . . 口 . . . 口 . . . . 苗 困 亩 曰 目 . 曰 曰. 曰. . 目 曰 曰 曰 曰 亩 亩 日 日 . . . . . . . . . . . . . . 亩 曰 . 舀 石 亩 日 曰 . 亩奋宙 奋 曰曰 曰奋亩亩 亩 曰奋 . 其目 的在于在i t s 的统一规划下推进其工作。 欧洲的国家大部分很小，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。自1 9 8 6 年以 来， 西欧国家主要是在“ 欧洲 高效安全交通系统计划 ( p r o me t h e u s )” 和“ 保障车辆安全的欧洲道路基 础设施计划 ( d r i v e )” 两大计划指导下开展交通运输信息化领域的 研究、 开发与应用。 除了欧、美、日以 外， 新兴的工业国家和发展中国 家也开始i t s的 全面 开发。 在亚太地区，由 于城市人口 密度大和汽车数量的急剧增多而造成的交 通问 题尤其严重。 为解决这些问 题， 许多国 家和地区， 如马来西亚、 新加坡、 香港等， 都安装了电 子收费系统 ( e t c )。 其他国家也己 开展了 类似的工作。 由 各国的i t s开发领域可以 看出，未来的智能交通系统将使目 前道路交通系 统存在的种种问题得以解决或大大缓解。 1 . 2 . 2国内车牌识别情况的介绍 我国在8 0 年代初， 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。 1 9 8 6 - 1 9 9 5 年期间，国家在交通管理系统方面开展了 一系列科学 研究和工程 实施，这些工作无疑是我们今天进行i t s研究和开发的基础。虽然智能运输 系统的研发和推进在我国还处于起步阶段，但i t s作为新世纪的经济增长点 和交通系统建设必然选择的重要性己得到国家相关部门的高度重视。 9 0 年代 中期以来。交通部将 i t s的研究纳入了公路、水运科技发展 “ 九五”计划和 2 0 1 0 年发展纲要。目 前，国内的 研究与开发还都是就某一个地区 或城市进行 的，全国范围的 i t s研究计划尚没有制定，但己有许多部门在致力于这方面 的研究了。 虽然，国外汽车牌照识别系统研究工作已有一定进展，但并不尽合我国 国情，这主要是因为以下五个方面的原因: ( i )我国标准汽车牌照是由汉字、 英文字母和阿拉伯数字组成， 汉字的识别 与字母和数字的识别有很大的不同，增加了识别的难度。 ( 2 )国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种 哈尔滨工程大学硕士学位论文 颜色， 而我国汽车牌照仅底色就有蓝、 黄、 黑、白 等多种颜色， 字符颜 色也有黑、红、白等若千种颜色。 ( 3 )其他国家的汽车牌照格式 ( 如汽车牌照的尺寸大小， 牌照上的字符的排 列等) 通常只有一种， 而我国则根据不同车辆、 车型、 用途， 规定了多 种牌照格式。 4 )我国汽车牌照的规范悬挂位置不唯一。 5 )由于环境、 道路或人为因素造成汽车牌照污染严重， 这种作情况下国外 发达国家不允许上路，而在我国仍可上路行驶。 由于我国汽车车牌识别的特殊性，采用任何一种单一识别技术均难以奏 效。许多新方法仅停留在理论和文章上或者限定在比 较狭窄的约束范围内， 并不能以产品的形式大范围投入使用。因而车牌字符识别的研究仍然有很长 的路要走。 1 . 3课题研究的内容 在整个车牌字符识别系统主要有 分的定位、定位后车牌字符的识别。 2个关键部分:在全车身图像中车牌部 本文是在车牌部分定位实现的基础上对 光电转换 牌照的定位与分割 灰度牌照图像二值化 几何校正 牌照上字符分割 提取特征 图 1 车牌中的字符进行识别。 字 符 识 别 . 1车牌字符识别系统流程图 本系统有四大部分组成，车牌图像的二值化、二值 哈尔滨工程大学硕士学位论文 亩苗亩曰奋舀曰石曰.曰奋亩 化图像的几何校正、车牌上的字符分割、 单个字符的识别，汽车牌照字符识 别系统流程如图 1 . 1 0 论文的结构是按照流程顺序来安排的。第一章是序论，简单介绍汽车牌 照识别系统的现状和国内外动态以其应用范围。第二章在综合考虑处理对象 特点的基础上，提出了实用的、改进型的适合车牌二值化的算法，能很好的 满足后续处理的要求。 算法将灰度牌照图像统一变成白底黑字的二值化图像， 并与其他一些现有的二值化算法进行了比较。第三章是图像预处理部分，在 预处理过程中主要的工作是对一些倾斜的汽车牌照图像，利用图形学的知识 计算校正前、后的参数变化，归纳一个适用于所有倾斜牌照校正的算法，经 过试验验证，此方法取得了很好的效果.第四章介绍了字符分割的算法，对 字符串进行两次分割，在垂直投影图的基础上综合考虑字符本身的宽、高信 息具有更好的自 适应性:第五章进入单个字符识别阶段，本文依据不同的 识别对象对应建立 4个特征库:汉字特征库、字母特征库、字母和数字混合 特征库、数字特征库。并且根据多次试验结果，再对容易发生识别混淆的字 符提取更多的特征矢量用于区分细微的不同。第六章是对汽车牌照字符识别 系统软件的一个总结，给出系统的软硬环境、程序执行界面和试验结果.最 后，论文归纳了本文的优点与不足以 及系统有待完善之处，也谈到了 作者在 课题期间的一些收获和体会。 哈尔滨工程大学硕士学位论文 第 2 章 数字图像二值化的算法 2 . 1数字图像有关内 容的介绍 图像的数字处理是在以电子计算机为中心，包括各种输入、输出及显示 设备在内的数字图像处理系统上进行的，是将连续的模拟图像变成离散的数 字图 像后，用建立在特定的物理模型和数学模型 基础上编制的程序 软件) 控制，运行并实现种种要求的处理。 利用计算机对图像信息的处理，其处理特点可以基本分成两大类: 一类是以 最终恢复原图 像为前提的信息压缩和用于原图像相异的形式有 效的表现和显示图像的变换处理。基于图像数据压缩的图像传输和存储，通 过图 像变换来改善图像的增强和恢复，都属于这一类。 另一类对图 像的处理，主要是提取特征信息， 其处理的最终目 的是为了 识别。处理时，对于那些用于判别景物的特征信息给予抽取，而其他信息则 尽量予以舍弃，达到高度的信息压缩，并根据抽取的特征信息进行分类和识 别。这一类对图像的计算机处理， 属于数字模式识别的范畴。 2 . 1 . 1图像内 存格式 为了利用数字计算机来处理图像，首先必须把连续的图像变换成离散的 数字图 像。 一幅数字图 像f ( x ,y ) 是 在其空间 坐 标上 和灰度 上都离散 化并 进行数 字 编 码的 图 像。 图 像f ( x ,y ) 在空 间 坐 标 上的 离 散 化 称 为 采 样， 图 像f( x ,y ) 在灰 度上的 离散 化则称为量化. 经过采样和量化， 图 像f ( x ,y ) 可以 用一 个矩阵 来表 示， 取行和列的交点标出图像的每个象素，每一个象素对应一个灰度值。本 文讨论的识别工作， 是建立在对灰度数字图像处理的基础上， 其图 像以b mp 文件格式存放，图 2 . 1 表示一幅数字图像的图像数据在计算机内部的存储方 式。 文本的识别工作主要就是针对图 像数据这一块， 把图 像数据看成是有一 定内部联系的二维数组，这个二维数组里不仅包含了有用的信息，同时也包 含了大量的噪声和冗余信息，只有通过不断的变换，抽象出能够用于识别的 哈尔滨工程大学硕士学位论文 .曰. .曰. 信息， 才 能 最终 到 达 识别 的目 的。 故 而 对 这 部 分 二 维 数 组， 必 须了 解 其 特性， 在 处 理 过 程中 需要 注意的 是: 实 际 看 到的图 像与内 存中 的 图 像并 不是 完 全一 致的， 上下 是颠 倒的， 左 右 是 一 致 的! 不 加 注意， 会 造 成 程 序过 程无 错， 但 结果反复调试就是不对的现象. 图 。 。 ， 匕 图像宽度 洲 图像高度 最后一行 图像数 据倒数 第二行 不一 图像倒数第二行 一 左边第二个象素的灰度值。范围是0 f 1 2 5 5 之间的一个整数 图2 . 1二维图 像数据在计算机中的存贮方式 2 . 1 . 2直方图 灰度级的直方图是反映图像中的灰度级与出现这种灰度的概率之间的关 系的图形。它给出了一幅图像的概貌的描述，从直方图中的灰度级分布还可 以看出图像的灰度分布特性。 设变量r 代表图像中象素灰度级。在图像中，象素的灰度级可作归一化 处理，; 的值将限定在下述范围之内: 0_r_1 在灰度级中，; 二 0 代表黑，r = 1 代表白。 对于一幅给定的图像来说， 每一个 象 素 取 得0 ,1 区 间内 的 灰 度 级 是 随 机 的， 也 就 是 说; 是 一 个 随 机 变 量。 假 定 对每一瞬间它们是连续的随机变量， 就可以 用概率密度函数p r ( r ) 来表示原 始图像的灰度分布。如果用直角坐标系的横轴代表灰度级; ， 用纵轴代表灰 哈尔滨工程大学硕士学位论文 度 级的 概率密度函数p , ( r ) ， 这 样就可以 针 对一幅图 像在这个坐标系中作一 曲 线来。 这条曲 线在概率论中就是分布密度曲线，见图2 . 2 . p . ( 尸 ) p . ( r ) i r ( a ) ( b ) 图2 . 2图像灰度分布概率密度函数 从图像灰度级的分布可以看出一幅图像的灰度分布特性。 例如， 从图2 . 2 中的 ( a )和 ( b )两个灰度密度分布函数中可以看出: ( a )的大多数象素灰 度值取在较暗的区域， 所以这幅图像肯定较暗: 而 ( b ) 图像的象素灰度值集 中在亮区，因此，图像 ( b )的特性将偏亮。 为了 有利于数字图 像处理， 必须引 入离散图 像。 在离散形式下， 用r k 代 表离散灰度级，用p , ( r k ) 代表p . ( r ) ，并且有下式成立: p , ( r k ) =n k 0 5几 t f ( x , y ) t f ( x , y ) p ( w 2 / x ) ， 决 策为w , ， 显 然 在做出 决 策w : 时， x 的 条 件 错 误 概 率 为 p ( w , / x ) 。 反 之， 则 应 为p ( w , / x ) 可 表 示 为: p(e/x)= p ( w 2 / x ) p ( w , / x ) 当 p ( w , / x ) p ( w , 2 / x ) 当 p ( w , / x ) p ( w , / x ) ( 2 一8 ) 这样就有: p (e ) 一 j lp (- 2 / x )p (x )d x + j . p (w , / x )p (x )d x 一 工 p (x / w , )p (w , )d x + t : p (x / w ,)p (w ,)d x 一 p (w 2 ) 1 . p (x / w , )d x + p (w ,) 工 : p (x /w ,)d x = p ( w , ) p , ( e ) + p ( w , ) p , ( e ) ( 2 一9 ) 图 2 . 5给出了一维情况的例子。图中 t是决策边界，斜线面积为 p ( w 2 ) p 2 ( e ) ， 纹线 面积 为p ( w , ) p , ( e ) ， 两者 之 和为p ( e ) 。 决 策规则 ( 2 一 5 ) 式实 际 上是 对每个x 都使p ( e / x ) 取最小 值， 这就 使式 ( 2 - 9 ) 的 积分也必然达到最小， 即 使平均错 误概率p ( e ) 达到最小。 本文二 值化方法所求得的闽值就是最佳阐值。 哈尔滨工程大学硕士学位论文 p ( x 加j p 加. ) p ( x 加, ) p (- z ) r , i r , 图2 . 5条件概率密度图 2 . 2 . 3几种二值化算法的t r 较 本文力求寻找一种快速、 效果好的算法。 它基于汽车牌照图像统计特征， 同时溶入了对直方图形态的考虑，能够更有针对性的解决牌照图像的二值化 问题。本文二值化算法的实现相对于其他方法简便易行，效果更好。 为了测试本文所述算法的二值化效果，下面将本文的结果、o t s u 算法结 果和文献14 1 的结果加以比较。其中文献4 1 算法的问值是直方图2 个峰值位置 的中间点， 而非最小点。图2 . 6 是正常情况下取得的，图2 . 7 牌照曝光过强， 图2 . 8 是倾斜的牌照。 从每幅图中 标出的阐 值t 看出 本文和文献14 1 的 结果相 近， 与o t s u 算法的闽 值相差较大. 从对比图 也能看出本文和文献4 1 的 二值化 效果是不错的，边框清晰，字符无断笔、丢笔，为下一步的几何校正和字符 识别做好了 准备条件， 明显好于o t s u 算法。 但是由于篇幅大小的限制不能明 显看出本文的结果也好于文献14 曝光过强的牌照按照文献14 1 的算法会产生 一些小噪声 ( 见图2 . 7 ( d ) )，是因为由 此文献算法生成的阐值不是波谷值， 所以 在二值化的时候会把一部分背景当作字符形成我们看见的小噪声。 本文比较了三种算法二值化后的图像， 得出o t u s 算法处理后的车牌， 虽 然字符笔划还保持连贯， 但是边框缺损较多， 后续的几何校正无法利用h o u g h 变换提取倾斜边框，而且噪声最多;文献14 1 效果由 于处理后添加了噪声也不 如本文的结果;本文的算法获得的牌照最清晰，噪声较少，字符、边框也很 完整，对于后续处理是非常有利的。 本文的算法不光适合汽车牌照图像的处理，也适合其他类型的图像。但 哈尔滨r . 程大学硕士学位论文 是要满足以下2 个条件:其一，图像的直方图是双峰图;其二，就是需要做 大量的数据统计目标区占所有象素的百分比，如果直方图的双峰离得越近则 百分比就要求越准确，所以这个百分比的准确性是依据具体的图像的要求。 麟然 彝 a 1 0 8 5 b ! 1 5 .a 10 8 ba1aaau- .atlllj/yla r ( a ) 原图( h ) 本文算法t = 1 9 7 ( c ) o t s u 法 图2 . 6未倾斜牌照图像 t = 2 4 5 ( d ) 文 献 4 1 t = 1 7 1 ( a ) 原图( b ) 本文算法t =2 3 8( c ) o t s u 法t =2 5 3( d ) 文 献0 1 t = 2 1 9 图2 . 7 曝光过强的牌照图像 翩% i初翩恤 4 ,gy p 8 9 0 4 ( a ) 原图( b ) 本 文 算 法 t = 1 6 6 ( c ) o t s u 法 丁 一 2 3 1 ( d ) 文 献 4 1 t - 1 8 盛 图2 . 8倾斜牌照图像 2 . 3本章小结 本章首先介绍一些常用的二值化方法: 全局闭值二值化方法和局部闭值 二值化方法。并在此基础上提出了一种符合最小错误率贝 叶斯决策规则的牌 照图像二值化算法口最后，以 试验结果证明本文的二值化算法是能取得较好 的效果。 哈尔滨工程大学硕士学位论文 第3 章 车牌图像的预处理 3 . 1车牌图像增强 为了提高牌照图像质量，必须对降质图像进行改善。通常有两类方法: 图像增强和图像复原。图像增强技术是不考虑图像降质的原因，只是将图像 中感兴趣的特征有选择地突出，而衰减其不需要的特征，改善后的图像不一 定要去逼近原图像。图像复原技术则与增强技术不同，它需要了解图像降质 的原因，根据图像降质过程的某些先验知识，建立 “ 降质模型”，再借助该 模型，按照某种处理方法，恢复或重建原来的图像。 但本文的实际情况并不 需要将图 像恢复原样，只需突出其中的某些特征，以 便后续处理。另外，我 们对牌照图像的降质过程也了解不全，无法建立较准确的模型。 所以选择了 下面的灰度变换增强技术。 灰度变换是一种对图像在空间域进行增强的简单而有效的方法，使用这 种变换的目的是为了增强图像的对比度。在实际应用中，为了突出图像中感 兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围 的灰度值进行不同的拉伸处理，即分段线性拉伸。图3 . 1 给出了 分段线性拉 伸 的 示 意 图 ， 其 对 应的 变 换 公 式 如 式( 3 - 1 ) ， 图3 . 1 变 换 的目 的 是 将0 , 司 拉 g ( x , y )( f ( x , y ) 一 a ) + a 0 _ f ( x , y ) a a 5 f ( x , y ) b ( 3 一i ) m- b - m 一b( f ( x , y ) 一 b ) + b b _ f ( x , y ) m 尹十几!少十t 工一 伸 到 10 , a , a , b 】 压 缩 到 a , b , b , m 拉 伸 到 b , m 。 牌 照 图 像 为2 5 6 级 灰 度 ， 变换前后的灰度级均为0 -2 5 5 。对于质量较差的汽车牌照图像， 用灰度变换 的确可以 达到改善图像的目 的，尤其是对曝光过强的图像，从其直方图可以 明显看出，图像的灰度集中在一小块区域，导致对象对比 度太差，如果能将 灰度集中的区域拉伸，就能达到改善图像质量的目 的， 但是随之而来的一系 列问 题也出 现了。首先，对于每幅图像灰度集中的区域并不一致，所以不能 哈尔滨工程大学硕士学位论文 o e 图3 . 1分段线性拉伸示例 用统一的参数进行灰度分段线性拉伸， 那么每次拉伸灰度时，都必须计算每 幅图像的拉伸系数，这样做是比 较困难的，可行性也很小;其次，拉伸后的 图像虽然有了较强的对比 度，但是图像会出 现类似水纹的纹理，反而不如不 做灰度变换的图像。所以本文决定对处理的汽车牌照图像都不做灰度拉伸。 3 . 2图像平滑 一幅图像可能存在着各种寄生效应。这个寄生效应可能在传输中产生， 也可能在量化等处理过程中产生。一个较好的平滑方法应该是既能消掉这些 寄生效应又不使图像的边缘轮廓和线条变模糊。 这就是研究图像平滑处理要 追求的主要目标。 3 . 2 . 1平滑方法介绍 图像平滑法主要有邻域平均法、空间域低通滤波法、多图像平均法和中 值滤波法等。邻域平均法是简单的空域处理方法，此方法对抑制噪声是很有 效的， 但是随着领域的加大，图像的模糊程度也愈加严重。空间域低通滤波 法是利用图像中噪声具有空间相关性弱的性质，噪声的频谱一般位于较高频 率区域，而图像本身的频率分量则分布在较低频率内，因此可用低通滤波来 实现平滑。多图像平均法是当一幅图像包含有加性噪声，这些噪声对于每个 坐标点是不相关的，并且其平均值为零， 在情况下就可能采用多图像平均法 来达到去掉噪声的目的。这种方法在实际应用中的最大困难在于把多幅图像 哈尔滨工程大学硕士学位论文 配准起来，以 便使相应的象素能正确地对应排列。中值滤波法是一种非线性 平滑方法，对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能 有效保护边缘少受模糊。 3 . 2 . 2车牌图像平滑 对于定位后提取出来的车牌灰度图像，由于在拍摄或处理过程中会有噪 声加入，也可能车牌图像本身的噪声。所以去除噪声、平滑图像是车牌处理 必要的一步，虽然在平滑过程中，能够达到去噪声的目的，但是随之也会消 失一部分有用的边缘信息。因为前面提到过，边缘和噪声一样， 尤其是小噪 声，都属于高频部分，想要既去除噪声，又要最大限度的保证有用的边缘信 息，那么上面的几种平滑方法中属中值滤波的效果好，平滑后的 模糊很少， 而经过邻域平均后的图像最模糊，效果最差。 在车牌图像上一般都是小面积的噪声，不需要使用过宽的算子，规定长 度是 3即可去掉大部分噪声，即使有部分剩下的噪声，对后面的处理不会有 太大的影响。为了尽量保留图像的 边缘，也是使用长度是3 而不是更宽 ( 例 如5 )算子的原因之一。下面的图3 . 2 列出长度是3 各种的算子: 111 111 匡 1 口 ( a ) ( b ) ( c ) 图3 . 2长度是3 的中 值滤波算子 图 3 . 2 ( a ) 算子只对水平方向的噪声有抑止作用，算子 ( b )只对竖直 方向的噪声有抑止作用， 而算子 ( c ) 是对水平和竖直方向的噪声都有抑止作 用。具体看下图3 . 3中的3 个平滑后车牌图像对比图就可以得出图3 . 3 中的 ( d )是平滑效果最好的图像。其对应的算子是图3 . 2 中的算子 ( c )。 中值滤波平滑车牌图像，目的是进行下一步边缘检测。边缘检测目的是 要提取出车牌的边框，如果没有平滑这一步，在边缘检测时会把更多的噪声 哈尔滨工程大学硕士学位论文 误认为车牌边框。那么确定车牌图像的倾斜角度时，将有角度偏差发生。 圆 圆 ( a ) 原图( b ) 使用图3 2 ( a ) 算子平滑 鬯衄 ( c ) 使用图3 2 ( b ) 算子平滑( d ) 使用图3 2 ( c ) 算子平滑 图3 3 中值滤波算子平滑图像对比图 3 3 基于边缘检测技术的边框提取 边缘是图像信息最丰富、集中的地方，通常一幅图像的边缘信息能够完 整描述图像的全部内容。本节的边缘检测主要是为了提取车牌边框信息，为 了下一步的h o u g h 变换做准备。 3 3 ，1 边缘检测在车牌图像中的应用 检测图中每个象素点与其邻域内的灰度变化，利用边缘邻近的一阶或二 阶方向导数的变化规律来检测出边缘，以达到从背景中分割出对象物的目的。 常用的边缘检测算子有：梯度算子、s o b e l 算子、p r e w i t t 边缘算子、k i t s c h 边缘算子、高斯拉普拉斯算予等。 在这里我们希望提取的边缘并不是车牌上的字符，而是车牌的矩形边框， 对于边框我们考虑一下它的特征，车牌在不倾斜的情况下是有2 条水平和2 条竖直方向的线段组成，并且灰度变化比较明显，即使是倾斜的车牌图像， 它不再保持水平和垂直方向的线段，但是仍然有较为明显的灰度变化。 图3 4 给出了车牌图像利用几种算子对同一图像的检测结果。不难看出， s o b e l 算子和p r e w i t t 算子检测的边缘较粗。k i r s c h 算子的检测效果也较差， 而且算法较复杂。高斯拉普拉斯算子是一个二阶导数，该算子非常敏感，并 常产生双象索边缘，故很少直接用于边缘检测。算子中的r o b e r t 算子是2 哈尔滨工程大学硕士学位论文 2 算子，对具有陡峭的低噪声图像响应最好，而且运算简单，容易实现，是 这几个边缘检测算子中比较好算子。因为我们在边缘检测以前做过陶像平滑， 去掉了大部分噪声，为这一步的边缘检测打下一个很好的基础，所以平滑后 的车牌图像符合了低噪声图像的要求。 ( a ) 边缘检测前车牌图像( b ) r o b e r t 算子 ( c ) s o b e l 算子处理( d ) p r e w i t t 算子 ( o ) k i t s c h 算子( f ) 高斯拉普拉斯算子 图3 4 各种算子处理后的图像 3 32 提取车牌边框象素 如果为了节省处理时间，可以直接对第二章的二值化图像提取边框，而 且效果很好。本文刚开始也这样做的，提耿二值化图像的边框要比提耿扶度 图像的边框简单很多，步骤也少。不过一旦遇见边框缺损大的图像甚至部分 车牌图像二值化后边框消失就无法提取边框。造成后续处理无法进行，所以 为了避开这种情况，最好从灰度图像开始提取边框。 妇灰度图像开始的话，就必须找到图中的边缘部分。边缘捡 9 1 i i 的目的就 是为了强调车牌的边框部分，当然其他的边缘也同时被强调了。边缘检测后 的图像是提取边框的前提图像，所以能否获取一个效果较好的边缘图像是完 成车牌图像边框提取的关键因素之一。从上图3 4 可以看出各种边缘算子中， s o b e 】算子和k i r s c h 算子提取的边缘较粗，不适合做提取车牌的边框前提图 像，剩下的算子中属r o b e r t 算子的边缘提取效果最好，故而我们选取了此算 子作为边缘提取的算子。 但是还需要注意的一点是，r o b e r t 算子处理后的图像还是灰度图像，我 哈尔滨工程大学硕士学位论文 们需要把灰度图像变成二值化图像，才能方便提取边框。首先想的是利用直 方图的方法，此时的灰度图像直方图并不一定呈现双峰图，我们可以看下 图3 4 中( b ) 图像对应的直方图，如图3 5 ( a ) 所示，可以看见图中并没 有明显的双峰。此直方图上很多象索都集中在0 灰度级附近，甚至直观的看 去，好像其他灰度级上的象素不存在，事实上，实际的情况并不是这样的， 原因在于0 灰度级附近韵象素太多了。如果把直方图的灰度级设定成从5 0