（电路与系统专业论文）基于tms320dm642的车牌识别系统设计.pdfVIP

摘要 本文介绍了一种以t i 公司的t m s 3 2 0 d m 6 4 2 为核心芯片的d s p 车牌识别系统设计、实现和优化。结合课题的实际工作对车牌识别的 算法和嵌入式系统开发的各个方面作了的阐述。 论文首先简述车牌识别系统和嵌入式的意义及研究现状。在算 法研究方面，首先用基于数学形态学的车牌定位方法对车牌进行分 割；然后运用投影二分法的字符分割算法把字符从车牌中提取出来； 最后根据投影统计出的结构特征识别字符。该系统硬件主要包括三个 部分：摄像机、d s p 系统和网络p c 。介绍了d s p 系统中车牌识别系 统的实现和优化。由于d s p 系统与普通p c 机的不同，说明了未来提 高运行的速度，对d s p 车牌识别软件进行的各种优化。这些优化主 要包括，减少运算和使用t i 提供的经过优化的库等。通过这些优化， 使d s p 车牌识别系统能在不到o 5 秒内完成一个车牌的识别及其它处 理，满足了实际应用要求。 在论文的最后还总结了本文的研究成果和不足，提出了课题进 一步深入研究的展望和前景。 关键词：车牌识别，d s p ，d m 6 4 2 ，嵌入式 a b s t r a c t t h i st h e s i sm a i n l yd i s c u s s e dt h er e s e a r c ha n dd e s i g no fe m b e d d e d l r ps y s t e mb a s e do nd m 6 4 2 i t e x p o u n d e d a l l a s p e c t s o ft h i s a c c o m p l i s h e dp r o j e c t i n d e t a i l ，i n c l u d i n g t h ea l o g r i t h mo fl r p , t h e h a r d w a r ea n dt h es o f t w a r eo fe m b e d d e ds y s t e m t h es i g n i f i c a n c ea n dg o a lo ft h i sr e s e a r c hw a sp r o d u c e da tt h e b e g i n n i n gb a s e do na c o n c i s ei n t r o d u c eo ft h ep r e s e n ts i t u a t i o no f e m b e d d e ds y s t e ma n dl r p ak i n do fl i c e n s ep l a t el o c a t i o na g l o r i t h m w h i c hb a s e do nm a t h e m a t i c a lm o r p h o l o g yw a sp u tf o r w a r d b yt h eu s eo f al i c e n s e p l a t e c h a r a c t e rs e g m e n t a t i o nm e t h o db a s e do np r o je c t i o n d i c h o t o m y , e a c hc h a r a c t e ro nt h ep l a t ew a ss e g m e n t e ds u c c e s s f u l l y a k i n do fc h a r a c t e rr e c o g n i t i o nm e t h o dw a sp r o p o s e db a s e do np r o je c t i o n c h a r a c t e r i s t i c sm a t c h i n g t h i sh a r d w a r es y s t e mi sd i v i d e di n t ot w op a r t s ： v i d e oc a m e r a ，d s ps y s t e m t h ep a p e rm a i n l ye x p l a i n st h eo p t i m i z a t i o no f l p rs o f t w a r er u n n i n go nd s pb o a r d b e c a u s eo ft h ed i f f e r e n c eb e t w e e n d s ps y s t e ma n dp c ，w eh a v et ou s em a n yw a y st oo p t i m i z et h es o f t w a r e w e i m p r o v e dt h ep a r a l l e l i s mo fc o d e ，r e d u c e dt h eo p e r a t i o n sa n du s e dt h e o p t i m i z e dl i b r a r i e ss u p p l i e db yt i a f t e rt h eo p t i m i z a t i o n ，t h es y s t e mc a n w o r kf a s t e rt h a nb e f o r ea n di ta c h i e v e sr e q u e s tf o ra p p l i c a t i o n o u t i nt h ee n do ft h i sp a p e r , s o m ec o n c l u s i o n sa n df o r e s i g h t sw e r eg i v e n k e y w o r d s ：l p r ，d s p , d m 6 4 2 ，e m b e d d e ds y s t e m 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外， 本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对 本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。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：卉乞欠 伽毋年6 月6 日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权湖南师范大学可以将本学位 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和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密母 ( 请在以上相应方框内打“”) d1 ，f ， 作者签名：前名久秒日期：劢p 砗6 月6 日 、r 、- -， 导师签名：砂叫日期：c 妒年月 日 基于t m s 3 2 0 d m 6 4 2 的下牌识别系统设计 第一章绪论 1 1 研究车牌识别系统的意义 进入2 0 世纪9 0 年代以来，许多发达国家为了解决日益严重的 道路交通问题，会同企业界和学术界共同提出了智能交通系统 ( 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 s ( i t s ) ) q t 2 1 的概念。智能交通系统是 将先进的信息技术、数据通信传输技术、电子传感技术、电子控制 技术及计算机处理技术等有效的集成运用于整个地面交通系统的一 种在大范围内、全方位发挥作用的，实时、准确、高效的综合交通 运输管理系，向人们提供更为安全、高效和舒适的汽车交通，构成一 个复杂且高效率的智能管理系统，以求彻底解决与汽车交通相关的 种种问题。它是公路建设和运输发展到一定阶段的产物。 车辆牌照对于车辆的重要性就相当于身份证在人生活中起的作 用，在交通系统中是不可替代的。电子自动收费系统、优化交通管 理系统的实现都离不开对车辆牌照的识别。车辆牌照识别系统 ( 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 p r s ) ) t 3 删是i t s 的一个重要组成 部分，它能从一幅图像中自动提取车辆图像，自动分割字符图像， 进而对字符进行识别，从而可以在无需为车辆加装其他特殊设置的 情况下实现对车辆的自动检测，因此车辆自动识别系统的实现是推 进交通管理自动化的关键技术之一，必大大加速i t s 的进程。 智能交通的车牌识别系统，一般都要求该系统能够在无人值守 硕十学位论文 的状态下2 4 小时不间断的运行，对产品工作的稳定性要求很高，而 使用d s p 芯片构建的车牌识别系统，具有体积小、重量轻、成本低、7 操作简单等特别。相比使用p c 机的车牌识别系统，d s p 车牌识别 系统更能适应道路的复杂环境，更能满足智能交通系统中的全天候 要求，因此具有更加广阔的应用前景。 1 1 1 技术难点 目前车牌识别主要面临这些的技术难点。车牌识别系统应用的 大多数环境，如收费站、十字路口等特殊地段，车牌大小位置基本 上规范。但是车牌因为视觉效果造成的各种形变还是存在，昼夜的 更替及各种条件下造成车牌区域灰度的无规律变化。 相对于西方车牌，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，从 而增加了识别的难度。许多国家汽车牌照的底色和字母颜色通常只 有对比度较强的两种颜色，而我国车牌底色有蓝、黄、黑、白等多 种颜色，字符颜色也有黑、红、白等若干颜色。 使用d s p 芯片构建的车牌识别系统，除了面临一般车牌识别系 统会遇到的困难外，还会遇到以下困难。 我们选用的d m 6 4 2 芯片没有浮点运算器，它的浮点运算都是通 过软件模拟的，因此效率很低。所以如果光把p c 机上的车牌识别软 件移植过来，运行于d m 6 4 2 中，识别的效率会降低。我们需要改进 算法，尽可能的减少浮点运算的使用，将一些浮点运算转化为整数 计算，提高效率。 基- f t m s 3 2 0 d m 6 4 2 的车牌识别系统设计 1 1 2 论文的主要研究内容 本文的主要研究内容是设计一个基于t m s 3 2 0 d m 6 4 2 的车牌识 别系统，该系统能够实时的采集动态视频，锁定车牌位置，识别车 牌号码。这个系统包括软件和硬件。 我的论文有以下主要内容。 第二章，研究车牌识别算法； 第三章，设计并搭建车牌识别系统硬件平台； 第四章，d s p 车牌识别软件的实现； 第五章，d s p 车牌识别软件的优化； 第六章，总结和展望。 1 2 车牌识别系统介绍及其研究现状 车辆牌照识别( l i c e n s ep l a t er e c o g n i t i o n ，l p r ) 系统是车辆检测 系统中的一个重要环节，它在交通管理中占有重要的地位，有着多 种应用，例如自动收费系统、不停车缴费、失窃车辆的查寻、停车 场车辆管理等。同时，汽车牌照识别的方法还可应用到其他检测和 识别领域。所以汽车牌照的识别问题已成为现代交通工程领域中研 究的重点和热点问题之一。 1 2 1 车牌识别系统概述 车牌识别系统在交通监管的基础上，引入了数字拍摄技术和计 算机信息管理技术，采用先进的图像处理、模式识别和人工智能技 术，通过对车辆图像的采集和处理，获得更多的信息，从而达到更 高的智能化管理水平。它直接利用每辆合法车辆都配有汽车牌照和 硕士学何论文 牌照的唯一性的特点，不需要在汽车上额外安装条形码或无线电发 送装置，从而避免了对现有车辆系统进行大幅度的改造。 车牌识别系统一般可顺序地分为车牌图像获取、车牌定位、车 牌字符分割和字符识别等4 大部分。其流程图如下所示： 图1 - 1 车牌识别流程 车牌图像获取是车牌识别的第一步，也是很重要的一步，车辆 图像的好坏对后面的工作有很大的影响。如果车牌图像质量不高， 连人眼都无法分辨，那么再好的车牌识别系统也很难识别出来。车 辆图像都是在实际现场拍摄出来的，实际环境情况比较复杂，图像 受天气和光线等环境影响比较大，在恶劣的工作条件下系统性能显 著下降。 现有的车辆图像获取方式主要有两种：一种是由彩色摄像机和 图像采集卡组成，其工作过程是：当车辆检测器( 如地感线圈、红 外线等) 检测到车辆进入拍摄范围时，向主机发送启动信号，主机 通过采集卡采集一幅车辆图像，为了提高系统对天气、环境、光线 等自适应性，摄像机一般采用自动对焦和自动光圈的一体化机，同 时光照不足时还可自动开启补光照明，保证拍摄图片的质量；另一 种是由数码照相机构成，其工作过程是：当车辆检测器( 如地感线 圈、红外线等) 检测到车辆进入拍摄范围时，直接给数码相机发送 一个信号，数码相机自动拍摄一幅车辆图像，再传到主机上，数码 相机的一些技术参数可以通过与数码相机相连的主机进行设置，光 照不足时也需要自动开启补光照明，保证拍摄图片质量。 基于t m s 3 2 0 d m 6 4 2 的下牌识别系统设计 车牌识别系统是建立在图像处理技术和模式识别技术的基础上 的。7 车牌定位和车牌字符分割属于图像分割的范畴，而车牌字符识 别则需要运用模式识别理论。但与文本字符识别系统不同的是：自 然场景中的字符受光照和透视变性的影响比较大，需要将字符区域 从复杂的自然环境中提取出来，字符识别的难度更大，识别率的提 高也很难。 1 2 2 基于d s p 芯片的车牌识别系统 嵌入式系鲥5 l ( e m b e d d e ds y s t e m ) 是指以应用为中心，计算机技 术为基础，并且软硬件可剪裁，适用于应用系统对功能、可靠性、 成本、体积、功耗等有严格要求的专用计算机系统；主要由硬件环 境、嵌入式操作系统及应用软件系统等组成。其以计算机为基础， 以通信技术为载体，以消费产品为对象，引入各类传感器，接入因 特网，并适应应用环境，是将先进的计算机技术、半导体技术和电 子技术和各个行业的具体应用相结合的产物。 嵌入式系统是一种软件以固态化形式出现而又无多余软件，硬 件亦无多余存储器，可靠性高，成本低，体积小，功耗少的非计算 机系统。其又是技术密集，产品更新换代快，具有不断创新性才能 发展的系统。与普通p c 系统相比，嵌入式系统具有以下特点： 嵌入式系统面向特定的应用，实现相对单一的功能。其包含 的硬件和软件都必须根据需求高效率设计，在有限的体积内实 现更高的性能。 根据功能需要选择特定的微处理器作为系统核心。微处理器 硕十学位论文 不同于通常所说的c p u ，它除了完成c p u 的功能外还集成丰富 多样的外设接口、r o m 和r a m 存储器、中断控制、d m a 控 制、硬件乘法器等设置，最大程度的减少系统的外围器件，缩 小电路板面积。 软件一般固化在系统的存储器芯片和微处理器内部的存储器 中，而不是存储于磁盘等载体中。 没有操作系统或使用专为嵌入式设备设计的操作系统。 低功耗、高可靠性。很多嵌入式系统采用电池供电，需要采 用各种低功耗技术以延长供电时间。工业中应用的嵌入式系统 一般处于一天2 4 小时的连续工作状态中，对可靠性要求极高。 车牌识别系统采用这种嵌入式一体化结构的基本思想是：将从 摄像到识别所有工作模块全部集成到一个箱子中，作为一个独立整 体，完成车牌识别的全部工作，并以约定的传输协议与计算机管理 软件进行数据交换。 d s p 芯片，也称数字信号处理器，是具有特殊结构的微处理器， 也是嵌入式处理器的一种。目前，已经有不少可以在p c 机上运行的 车牌识别软件，他们使用方便，识别率也不错。但是使用p c 机也有 不少弊端： p c 机成本较高。目前，主流的p c 机需要三四千元；而使 用d s p 芯片的嵌入式系统的成本大约在千元左右。 p c 机体积和重量比较大。p c 机有主机箱，还有显示器， 比较笨重；而使用d s p 芯片的嵌入式系统大概只有本3 2 开 基t - t m s 3 2 0 d m 6 4 2 的下牌识别系统设计 的书那么大，重量也差不多。 p c 机操作复杂。p c 机不是专门为车牌识别系统设计的， 还具有其他很多功能，因此操作起来会复杂一些；而专门为车 牌识别系统设计的嵌入式系统，功能单一，将非常易于操作。 因此，使用嵌入式d s p 芯片作为车牌识别系统的硬件平台，是 一个不错的选择。使用d s p 芯片嵌入式系统的有点还在于： 工作稳定性好。由于嵌入式产品都是基于嵌入式操作系统 的，而不依赖于我们常见的p c 机操作系统，一般均采用单任务 的、稳定性非常好的专门嵌入式操作系统或l i n u x 操作系统， 在追求短小精悍的同时，非常重视其工作的稳定性。同时，嵌 入式系统产品一般都带有复位功能，在系统出现死机时可自动 复位，重新启动运行。 环境适应能力强。嵌入式系统一般都是一体化设计的，在 结构设计、功能模块设计中都充分考虑了对环境的适应能力， 结构简单、元器件数量少、封闭式设计都使其比微机甚至于高 档工控机的环境适应能力强得多。 设备独立性好。嵌入式产品处理的是数字信号，可以毫无 困难的与微机控制系统实现数据通信，而且由于往往设计为一 体化的形式，与外界的数据交换仅仅通过数据传输协议进行， 因此设备独立性、可更换性、通用性都非常好，可灵活装配、 更换、升级。 硕十学位论文 1 2 3 车牌识别系统现状 近年来来我国车牌识别系统已经进入应用阶段，但是由于中国 车牌的特殊性、技术本身以及其他众多因素的影响，实际使用的车 牌自动识别系统的效果却并不能让人满意，因此车牌识别技术仍需 进一步提高。总体看来，保证识别率在9 5 以上和识别时间在o 5 秒以下的产品还较少。另一方面，目前大多产品都是基于p c 机的应 用程序，其成本高。因此我们很有必要研制一套脱离p c 机的低成本 高性能的车牌识别系统，以期降低系统成本及提高运行可靠性和灵 活性等。表l 给出来国内部分目前使用的车牌识别系统【6 。o 】的一些数 据。 表1 1 国内部分公司车牌识别数据 公司名称 车牌识别率识别时间 上海高德威大于9 0 0 5 秒至1 秒 利普视觉大于9 0 小于0 3 秒 北京汉王大于9 0 小于o 5 秒 沈阳聚地 9 5 小于0 5 秒 弗雷德科技大于9 0 小于0 2 秒 基于t m s 3 2 0 d m 6 4 2 的乍牌识别系统设计 第二章车牌识别算法研究 车牌自动识别系统是一个基于图像处理、机器视觉、模式识别 等技术的高度智能化的综合集成系统。一个典型的车牌识别算法由 车牌定位，字符分割和字符识别组成。其工作原理可简单描述为： 由摄像头或者c c d 摄像头拍摄的含有车牌的图像经过数据采 集输入主机进行预处理。由定位模块进行拍照搜索与检测，定位并 分割出包含牌照字符号码的矩形区域。分割出车牌的单个字符，经 归一化后输入字符识别系统中进行识别，最后输出车牌号码一级必 要的附加信息。本文详细研究了车牌定位、字符分割和字符识别三 部分算法。下面本章将分别予以介绍。 2 1 车牌定位 车牌定位决定其后的车牌字符分割和识别的效果，因此车牌定 位是车牌识别技术中最关键的一步，车牌定位就是从包含整个车辆 的图像中找到车牌区域的位置。车牌定位方法的出发点是利用车牌 区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。 利用的车牌图像中分割出来。利用的车辆特征主要包括： 车牌区域内的边缘灰度直方图统计特征，车牌区域内的边 缘灰度直方图具有两个明显且分离的分布中心。 车牌的几何特征，即车牌的高、宽和高宽比在一定范围内。 车牌区域的灰度分布特征，穿过车牌的水平直线及其灰度 硕十学位论文 呈现连续的峰、谷、峰的分布、 车牌区域水平或垂直投影特征，车牌区域水平或垂直投影 呈现连续的峰、谷、峰的分布。 车牌形状特征和字符排列格式特征，车牌有矩形边框，字 符位于矩形边框中间且有间隔。 频谱特征，即对车辆图像做离散傅立叶变换( d f t ) 、离散余 弦变换( d c t ) 、离散沃尔什哈达玛变换( w a l s h ) 和小波变换等正 交变换，其频谱图中包含车牌的位置信息。 车牌的色彩特征，目前我国的汽车牌照有黄底黑字、蓝底 白字、黑底白字、白底黑字红字、黑底红字等5 种颜色的车牌， 常见的是民用的黄底黑字和蓝底白字两种车牌，可以根据车牌 的色彩特征将车牌定位。 车牌定位的研究国外起步比较早，如v a r s h ak a m a t 等用h o u g h 变换从车辆图像中检测到车牌的边框，实现车牌区域的定位【l l 】【1 2 1 ； j o ec h p o n n 等用数学形态学的方法对车辆的二值化图像进行处 理，实现定位1 3 】；s a n gk y o n gk i m 等将分布式遗传算法应用到车牌 定位；s i f i t h i n a p h o n gt 等采用四层神经网络从车辆图像中分割出车 牌。 2 0 世纪9 0 年代以来，由于交通现代化发展的需要，我国的车牌 定位的研究也开展起来，也获得了一定成效。国内比较好的车牌识 别算法有基于车牌字符变化特征的自动扫描识别算法，该方法是将 图像二值化，然后用水平扫描线对二值化图像进行扫描，根据车牌 基于t m s 3 2 0 d m 6 4 2 的车牌识别系统设计 区域的灰度变化的大概次数，设定好阈值，从而将车牌分割出来。 不过这种方法的缺点是，都只确定了车牌区域的上下边界。其他方 法有范钢锋等先用快速b e m s e n 二值化方法将车辆灰度图像二值化， 再除去噪声，运用模糊评判的方法得到车牌区域【14 】；胡爱明等根据 车牌在图像中单位长方形面积的水平灰度梯度最大的特点，将整幅 图像按4 4 分块进行局部二值化，统计整幅图像中一定高和宽的长 方形的水平梯度，找到最大水平梯度的长方形，实现车牌定位【1 5 】； 国内也有一些研究学者将数学形态学的方法应用到车牌定位中，并 结合车牌的一些特征实现车牌定位；姚德宏根据实际车牌的宽高比 例，确定样本图像的尺寸，将每幅样本图像的全部灰度值作为输入 量，用神经网络的方法训练产生车牌区域；王建平等将车辆灰度图 像进行小波分析和高频重构，然后对所取得的重构信息投影，得到 车牌区域的位置。这些算法都是基于车牌的一些具体特征来研究车 辆的定位，因而具有一定的针对性和局限性。以上介绍的方法都是 基于灰度图像的车牌定位算法，也是传统的图像处理技术与车牌特 征的有机结合。 本文提出的基于灰度图的车牌定位方法充分利用了车牌区域的 特征，其算法如下： ( 1 ) 对汽车灰度图像进行阈值分割，形成二值化图像，并除去 噪声； ( 2 ) 对二值化图像进行边缘检测，形成边缘图像； ( 3 ) 对边缘图像进行图像形态学处理，以便形成密集的矩形车 硕十学位论文 牌区域； ( 4 ) 标记连通区域；7 ( 5 ) 连通区域筛选，根据连通的长宽比及密度，判定是否为车 牌，是车牌至第( 6 ) ，不是车牌回到( 4 ) ； ( 6 ) 通过得到的车牌定位标志的位置对原始汽车图片进行分 割，即可得到车牌位置。 2 1 1 图像二值化 一般的车牌识别，预处理都是基于灰度图的，但是在通常情况 下，车牌所在位置是亮度较高的区域。如果设置一个比较恰当的阈 值，就可以生成一个含有车牌信息的二值化图像，而在二值化图像 的情况下运算的话，计算量将大大的减少。具体方法如下： ，c x ，y ，= 2 ；5 ； 二：；三；( 2 - - ) 其中讹为图像中某一像素点的亮度。丁为设置好的阈值。在 m a t l a b 中，只要用i m r e a d ，i m 2 b w 就可以实现以上步骤。在实践中 发现，只要将i m 2 b w 中的阈值比设置为o 3 8 左右的话，车牌信息就 可以完全体现出来。效果如图2 1 。 2 1 2 图像边缘检测 边缘检测是为了检测出图像的边缘，而非边缘区域将会被去掉。 本文将梯度边缘增强1 6 1 引入到二值化图像中，也就是说，在图像中 亮度没有发生突变的区域，将会变黑。公式如下： 臣u ) = ib u ) 一b 棚i + i 最u ) 一b u + 1 ) i ( 2 2 ) 其中b ( i , j ) 表示二值化图像每点所对应的像素的二值化亮度值， 基于t m s 3 2 0 d m 6 4 2 的车牌识别系统设计 臣幺，燃l 翟 瓣鞘簟斓l 阕 鹃渤霪蕤囊i 飘荔螽鏊 n li 图2 1 图像二值化 e ( i j ) 表示经过边缘检测后新图像中每个点所对应像素的二值化亮度 值。 l3 硕十学1 1 i 7 ：论文 先将图像向右移一个像素，然后用原图像减去平移后的图像； 再将图像向下移一个像素，然后再用原图像减去平移后的图像。取 两个 平移后的结果的绝对值，然后再相加。在二值化图像中，因为大于1 的数也是显示白色，那么用这种方法对图像进行边缘检测后，发生 突变的地方在新图像中将为白色。这种边缘检测方法的优点是速度 很快，而且将存在边缘的地方在图像显示上都得到了加强。效果如 图2 2 。m a t l a b 的算法如下： m ，n - s i z e ( b ) ； i = l ：m j = 1 ：n ； e ( i , j ) = a b s ( b ( i , j ) - b ( i j + 1 ) ) + a b s ( b ( i j ) - b ( i + 1 j ) ) ； 图表2 - 2 边缘检测 基于t m s 3 2 0 d m 6 4 2 的下牌识别系统设计 2 1 3 图像形态学处理 车牌所在的区域含有丰富的边缘信息，而形态学的膨胀【1 刀能使 这些区域形成连通区域，以便进一步筛选。假设图像为z 结构元素 。为s 膨胀的定义为： x o s = ( x ，y ) l ( s ) n x o ) ， ( 2 3 ) 普通的膨胀是扫描上面生成图像所有的像素，如果扫描的点为 白色，那么则执行膨胀命令，使用于该点右下角mx n 矩形为膨胀结 构元素，虽然这种方法可以形成连通区域，但是很容易使一些单独 存在的细小线段变粗，也就是说，对线段多的图像效果可能不会太 好。而本文膨胀算法能很好的处理以上情况，不会使无用细小线段 变粗，而且能有效的消除细小线段。算法如下： ( 1 ) 扫描边缘检测生成图像所有像素， i f ( e ( i j ) 一1 ) ( 为白色) 向右扫描n 个像素。 i f ( e ( i j + b ) _ 1 ) ( 其中b n ) k = l ：b ；p 1 ( i l j + k ) _ 1 。 e n d ；e n d ； 执行后生成p 1 。 ( 2 ) 扫描p 1 中各像素， i f p l ( i j ) 2 l 向下扫描m 个像素， i f p l ( i + a j ) ( 其中a m ) 硕士学何论文 图2 3 形态学处理 k = 1 ：a ； p 2 ( i j + k ) 2 1 。 e n d ；e n d ； 执行后生成p 2 。 ( 3 ) 扫描p 2 中所有像素 i f ( p 2 ( i , i + a ) - - - o & & p 2 0 , i _ , o = o ) p 2 0 j ) = o ； i f ( p 2 ( i + 州) 一o & & p 2 ( i w j ) 一0 ) p 2 0 j ) = o ； 1 6 基于t m s 3 2 0 d m 6 4 2 的下牌识别系统设计 图像仍然保存为p 2 。 垂直方向的膨胀效果如图2 3 所示。相比普通的膨胀算法，这 种膨胀算法可以最大限度的消除无效膨胀，并不是任何白像素点都 会进行膨胀处理，而是在周围一定范围内存在其他白像素点才会在 膨胀。 2 1 4 标记连通区域 l t f 图2 4 普通标记处理流程 普通的区域标记( 4 连通) ，是在大量重复的扫描后，才能标记的 区域内所有像素点。做法是，沿一个方向扫描( 如从左上往右下扫描) ， 首先给某个区域标记，每次遇到一个白像素点，则其周围的白像素 点也标上相同的标号，一次扫描后，如果所有区域内点没标记好， 再一次标记。最终要扫描多少次是不确定的，只有当得知所有目标 像素点都被标记后才停止，本文提出一种六步扫描法，也就是说， 经过这六步以后，某一个连通区域所有点将被全部标记。比如图2 4 ， 箭头所指为扫描方向，l a b e l 为每次扫描标记的点，如果按照普通的 区域标记法，因为总是一个方向，如果靠近扫描开始方向的点第一 次扫描时没标号，那么次数将会增加很多，比如图2 4 ，四次扫描以 后还有很多点没标号。而采用提出的标记区域算法速度将大大提高， 硕士学何论文 具体步骤如下： ( 1 ) 扫描p 2 ，如过遇到没有标记的目标像素( 白像素) ，添加一个 新的标记l a b e l ，标记好以后，l a b e l 自加l ，而且只到第( 6 ) 步完成时， 不再进行新的标记，并跳到( 2 ) 。假设用大小为h e i g h t ) w i d t h 。 ( 2 ) 从左上向右下扫描图像，如果遇到有标记的目标像素，则给 这个像素右侧和下方的白像素点标号，标号为l a b e l 。 ( 3 ) 从右上向左下扫描图像，如果遇到有标记的目标像素，则给 这个像素左侧和下方的白像素点标号。 ( 4 ) 重复( 2 ) 。 ( 5 ) 从右下向左上扫描图像，如果遇到有标记的目标像素，则给 这个像素左侧和上方的白像素点标号。 ( 6 ) 如果所有白像素都有标号，则停止，否则跳到( 1 ) 。 相比普通的区域标记算法，这种方法扫描图像的次数是固定的， 也就是说，在运行到第( 5 ) 步的时候，某个连通区域所有像素均标号。 这样，面对比较复杂的连通区域，也能很快的标记。流程如图2 5 。 i l i t i - 一l - 一l l 。一 图2 5 本文区域标记流程 2 1 5 连通区域筛选 通过第5 节，最终生成的p 2 。然后通过连通区域的筛选，最终 得出几个车牌的候选区域。在连通区域的判决过程中，主要是根据 基于t m s 3 2 0 d m 6 4 2 的1 i 牌识别系统设计 车牌图像的特征参数来决定，是否保留。比如中国车牌的长宽比为 4 0 ：1 4 = 2 8 5 ，但是可能因为车牌发生形变，所以一般的情况是横边要 比竖边要长，而且经过膨胀后，车牌内的区域白像素的密度一般都 比较高，而这两点都是可以用来筛选的参数。具体算法如下。 ( 1 ) 扫描图p 2 ，如果碰到的目标像素的白像素点，有编号且为 图2 - 6 连通区域筛选 l a b e l ，记录其的标号，然后进入( 2 ) 。 ( 2 ) 继续扫描p 2 ，只有所扫描的点标号为( 1 ) 步中所记录下的标 - ， 号，才开始判决，并同时记录下连通区域最左最右的横坐标和最上 最下的纵坐标，并保存在x m i n , x m a x ，y m i n ，y m a x 。而且，每扫描一个 目标点，则白像素点的个数n u m b e r 自加1 。 ( 3 ) 如果l x m i n - x m a x l 3 。那么这个区域为非车牌区域。 l q 硕十学位论文 ( 4 ) 如果n u m b e r ( x x * y y ) m , ) j这个连通区域也不是车牌区 7 域。其中x x = x m a x - x m i n ，y y = y m a x y m i n 。m 一般为o 8 以上，因 为经过本文中的几步膨胀，车牌区域内的白像素所占百分比一般很 古 同o ( 5 ) l a b e l 自加1 ，并跳到( 2 ) 。直到所有连通区域都经过以上几步 以后才结束。设最后生成图像p 3 ，如图2 - 6 。 2 1 6 蒙板判决 在几何理论中，连通区域的宏观形态可以用它的拓扑性质来衡 量。除撕裂或者扭接外，在任何变形下不改变的图像性质为拓扑性 质。而图像的连通性和区域的空洞数是拓扑性质。欧拉数是一种区 域的拓扑描述符，描述的是区域的连通行。对一个给定平面区域来 说，区域内的连通组元( 其中任何两点可用完全在内部的曲线相连接 的点集合) 的个数c 盒区域内的孔数日都是常用的拓扑性质，可被进 一步用来定义欧拉数( e u l e rn u m b e r ) 。e = c - h 。 经过上一节的处理，图像最后是剩下一些车牌的候选区域，可 能有很多只是连通区域类似于车牌区域，而且这些连通区域只有白 色和黑色，如果把p 3 与最初生成的二值图像取交集，那么只有类似 车牌的区域图像是有效的，然后在去分析每个区域内的欧拉数可以 了。这种处理是叫做蒙板处理。当某一区域的欧拉数大于3 的时候， 就可以当作车牌区域。所以在本文中，将计算候选区域内的欧拉数， 如果小于3 的将不是车牌区域【18 1 。 综上所述，车牌分割是车牌识别系统中一个很重要的环节，这 基于t m s 3 2 0 d m 6 4 2 的乍牌识别系统设计 个步骤的成功与否直接影响车牌识别的效果。本文对1 6 9 幅照片进 7 行了车牌分割。准确率达到了9 5 以上，分割错误的原因是，一些带 有文字长条形区域会误以为车牌。不过这种情况比较少。总之，本 文算法能较好的对车牌进行准备定位及分割，能为车牌识别系统提 供可靠的保障，如图2 7 所示。 图2 7 车牌定位总过程 2 2 车牌字符分割算法 字符分割是字符识别的前提，它将提取并校正过的车牌区域分 割成单一的字符区域供下一步字符识别使用。本文的字符分割算法 是基于投影二分法的一种方法【1 9 】。这个方法简单、易于实现，比较 适合于在d s p 车牌识别系统上实现。 硕十学位论文 2 2 1 牌照区域二值化预处理 因为在车牌定位的过程中就产生了二值化图像，直接对可得到 车牌区域的二值化图像。而车牌的颜色有黄底黑字、黑底白字、白 底黑字、蓝底白字等，当车牌为黄底黑字或白底黑字时，二值化后 的车牌图像为白底黑字；当车牌为蓝底白字或者黑底白字的时候， 二值化后的车牌图像为黑底白字。为了便于处理，在文中统一改为 黑底白字。如果对黑白像素进行统计，由于背景的像素多于字体的 像素，所以像素数量大的设置为“0 ”，即黑色；像素数量少的设置 为“1 ，即白色，其过程如图2 8 所示。 i 蜀h ：5 0 6 8 剥悃h 5 0 0 8 学】 ( a ) 车牌照片( b ) - - 值化 ( c ) 背景统一图像 图2 - 8 二值化图像预处理 2 2 2 基于投影二分法的字符分割 传统的垂直投影法只设置一次阈值，然后就进行分割，但是车 牌可能存在污损或者图像拍摄过程中噪声比较大，都容易造成分割 时使字符粘连起来。针对这一缺陷，本人引用投影二分法对车牌字 符进行分割【1 9 】。假设，车牌被分割出来的部分称为车牌子图像，长 度最大的子图像称为最大长度子图像厶甜，对厶甜用投影的方法找到 分割的阈值点，然后在以这个点为分割点车牌字符分为两部分，即 两个子图像。车牌图像经过6 次的迭代被分割成7 个子图像，其中 每次迭代都是一个寻找最优分割点的过程。算法流程如图2 - 9 。 基丁t m s 3 2 0 d m 6 4 2 的车牌识别系统设计 图2 - 9 投影二分法流程 投影二分法的步骤如下。 ( 1 ) 获得最长子图像厶似。通过对每个子图像的长度对比，可以 获得长度最长的子图像厶甜，并求出l 聊似；流程开始默认的厶似是原 车牌字符图像。 ( 2 ) 确定阈值t h r e s h 。l m 似和t h r e s h 比较后，判定是否继续分割。 对车牌图像仔细分析后，可以发现，加些每个字符平均长度为厶如 果分割到最后一个子图像时，剩下的长度会小于2 倍三，于是文中 设置为1 5 三，足够满足要求。 ( 3 ) 对k 做投影。对厶戤进行投影，获得垂直直方图，以便下一 步获得二分法的分割点。 ( 4 ) - - 分法分割厶似。采用二分法的目的是把厶似分成两个子图像， 最理想的情况是其分割点落在厶甜中间的一个小范围内；首先从厶似 中间开始向两端三小5 的长度对厶甜的投影直方图进行搜索，获得其 最低点l o w ；然后在l o w 点的位置上把厶似分割成两个子图像。 ( 5 ) 重新排列子图像。通过( 4 ) 的分割，厶似已经变成两个子图像， 要把这两个子图像按顺序插到字符子图像集合中，将原来的i m a x 在 2 3 硕七学位论文 字符子图像集合中取消；跳回( 1 ) 作新一轮的循环。图2 - 1 0 是以上5 步的流程。 本文针对垂直投影法存在的不足，运用二分法的车牌字符分割 方法。该方法通过多次分割，可解决实现车牌字符分割中出现的字 符分割粘连和断裂现象。通过大量实验表明，分割率达到9 7 ，该方 法满足系统要求。 ( a ) 预处理后图像 皿团晌哑团响园圃团呵 ( b ) 第一次循环( c ) 第二次循环( d ) 第三次循环 圆圆团呵圆圆团晌圆圆互即日 ( e ) 第四次循环( f ) 第五次循环( g ) 第六次循环 图2 1 0 字符分割算法过程说明 2 3 车牌字符识别 2 3 1 字符识别的原理与一般方法 字符识别的一些常规方法，如结构模式识别法，贝叶斯统计决 策模式识别法，结构与统计相结合的识别法，人工神经网络法等。 其中结构模式识别法主要的识别对象是汉字，因为汉字的结构信息 与组字规律非常丰富。结构模式识别具体法包括通过细化提取笔划、 抽取轮廓结构，然而车辆牌照本身的无损造成处理后字符粘连腐蚀 等情况，由于结构信息与组字规律均能难确定，故结构模式识别法 识别率比较。与结构法相比，统计法具有良好的抗噪音以及抗干扰 性能。根据抽取区域的不同，字符的统计特征可以分为全局统计特 基于t m s 3 2 0 d m 6 4 2 的车牌识别系统设计 征和局部统计特征两大类，它们有着不同的研究对象；不同的特征 有不同的匹配方法，如模板匹配、相关匹配i 树分类器等。模板匹 配法经常用在车辆牌照的识别上，它并不需要提取某一特征，而是 将字符图像直接作为特征与字典中的模板相比，相似度高的模板对 应的字符类就是识别结果。这种方法简单易行，可以并行处理，但 一个模板只能识别同样大小、同种字体的字符，对于倾斜、笔划变 粗变细的字符没有良好的适应能力。基于以上情况衍生出了一种结 构和统计相结合的识别方法，从两个方面对这两种方法进行结合： 一是特征结合，如在信息提取时注意方向特征等； 二是识别方法的联合运用，即先使用统计法进行粗分类，然后 再用结构法进行细分类来区分相似字。 多种识别方法联合运用可以将多个简单的分类器组合在一起， 不仅提高了识别率，还缩短了识别时间。作为模式识别的常见方法， 人工神经网络法有着独特的优点和局限。人工神经网络可以大规模 地并行处理信息，具有良好的自适应能力、自组织能力，以及一定 的学习能力和联想功能等，它在数字和英文字母等效规模字符集的 识别应用方法取得了很大的成功，但在汉字识别上还存在着一定的 困难。常用于车牌识别的神经网络法有基于b p 神经网络的识别方法 等。神经网络法的缺点也在于其结构非常复杂，运算较为耗时。 目前国内一些较为成熟的车牌识别方法有基于神经网络的车牌 字符识别法，基于矩和小波变换提取字符特征的神经网络方法，采 用多种简单识别器进行融合的字符识别法，区分相似字符细微差别 硕十学位论文 的识别方法，基于关键点的模板匹配法，利用轮廓特征的字符识别 7 法等等。与其他的字符识别系统一样，牌照字符识别系统有两个关 键因素，分别是特征的选取和识别器的构成。而车牌字符识别不仅 与字符的识别算法有关，还与车牌图像自身因素相关联，是一种综 合性的技术。 2 3 2 汉字识别算法 我国的车牌与国外的车牌不同，不但包括数字与字母，还有汉 字，这也就是我国车牌识别系统较国外车牌系统难以实现的原因。 不过车牌中使用的汉字数量不多，如果不包括军用车牌，仅仅有3 4 个字，加上2 4 个字母，1 0 个阿拉伯数字，要识别的字符并不多。如 果采用模板匹配的方法，足够实现在d s p 车牌识别中快速的识别车 牌号码。 中国车牌上的汉字大多代表省份，基本上都在车牌的首字符。 而本文将利用投影特征识别汉字字符【2 0 1 。主要流程如下： 预处理 上 l 水平垂直投影 上 结构分类 上 求像素比 上 l 求竖长直线数 上 l 求横长直线数 1 l 输出 图2 1 1 汉字字符识别流程 基于t m s 3 2 0 d m 6 4 2 的乍牌识别系统设计 ( 1 ) 预处理 7 对于提取出来的字符图像，经过倾斜校正和归一化后，以便接 下来的模板匹配顺利进行。本文中字符图像大小均为4 0 2 5 。假定 水平方向的投影函数为五，垂直投影上的函数为石。图像宽为趼如，高 为h e i g h t 。二值化图像为矩阵b 研w i d e h e i g h t 。 ( 2 ) 求水平及垂直投影直方图 字符图像的水平和垂直投影曲线的直方图分布特征是不同的。 车牌中的汉字字符首先可分为上下结构和左右结构，在图2 1 2 中， “沪 和“湖”字是左右结构，“鲁”与 京 字是上下结构。只需根 据几个特征点就可对它们分类，比如“京 字，能够划分为上下两 个独立的部分，在水平投影中有一个明显的谷底。如果水平投影中 没有出现谷底则可排除为 园 一 】 囡 一 i 日mj 团m】 、 ( a ) 汉字( b ) 垂直投影( c ) 水平投影 图2 1 2 车牌上下结构汉字的投影 上下结构。 不过车牌首字的3 4 个汉字中，也有既不是上下结构也不是左右 结构的字，比如“辽 ，“闽”，“甘”。 硕七学位论文 囤啊| 回m】 田mj ( a ) 汉字c o ) 垂直投影( c ) 7 7 , 平投影 图2 1 3 车牌非上下结构字符的投影 “辽 和“闽 在垂直投影中有明显的波谷，而在水平投影中 没有明显的波谷，所以可以划分为左右结构，而“甘”在水平投影 中有两个波谷，可以划分为上下结构。 当然，把车牌中汉字进行上下左右结构分类后，肯定不足以对 车牌字符进行识别，还要加入几个特征，方便进一步分类识别。比