（计算机应用技术专业论文）车牌识别系统中的字符分割与识别.pdf

安徽人。? 坝t 毕业论文捅我 摘要 随着国民经济的迅速发展，我国的汽车数量迅速增加。虽然我国政府在基础 设施建设上加快了步伐，高级公路、停车场越来越多，但配套的道路、车辆管理 系统却显得相对滞后，仍停留在以人工管理为主的水平上。科学、高效的利用好 现有交通基础资源成为进一步挖掘我国城市交通能力的有效途径。车牌识别技术 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。其目的 就是无需为车辆加装其它特殊装置，在不改变车辆的运动状态的情况下实现对车 牌的自动识别，从而给交通系统的自动管理提供了极大的方便。因此智能车牌识 别系统是推进交通管理智能化的关键技术之一。 本文对车牌识别系统的各阶段的任务及遇到的问题进行了比较详细的说明和 分析研究，然后用神经网络中的b p 算法，基本完成了车牌识别系统的设计与实 现。 本论文所做的主要工作如下： 1 论文首先研究智能车牌识别系统中所用到的一些理论知识，介绍了智能车 牌识别系统中的车牌定位，字符分割，字符识别的一些常用的算法。最后给出了 我们采用的字符分割和字符识别的详细方法。 2 在车牌的定位阶段，我们通过对水平纹理投影平滑后的峰谷分析，对粗定 位的上下边界进行了微调；在字符分割阶段中，我们通过对目标象素的竖直投影 平滑后的峰谷分析，并且利用车牌字符的宽、高等先验信息改善了字符分割的效 果：这种方法相对于传统的方法，既可以减少工作量，又可以避免对汉字的错误 切分。 3 在字符识别阶段，本文根据车牌字符的特殊性，采用一种特征提取与b p 神经网络学习算法相结合的分类识别技术，选取字符的粗网格特征作为字符的识 别特征，以改进后的归一化字符原始特征直接输入到b p 神经网络分类器中进行 车牌字符识别研究，有效地提高了字符、数字混合情况下的识别率。 本文的车牌识别系统是模式识别领域的一个典型应用。它的基本思路 和具体设计可扩展适用于其他行业的应用中，具有很好的应用前景。 关键字：车牌识别；数字图像处理；字符分割；字符识别 安敷人学it # 业论上a b s l r a c l a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fd o m e s t i ce c o n o m y , t h en u m b e ro fv e h i c l e sh a s i n c r e a s e sq u i c k l y m o r ea n dm o r ef u n d sa r ep u ti n t ot h ec o n s t r u c t i o no fr o a d s ， h i 【g h w a y s ，p a r k i n gl o t s r o a d sb e c o m eb r o a d e ra n dp a r k i n ga r e a sh a v em o r es p a c ef o r d r i v e r s ；h o w e v e r , a sav e r yi m p o r t a n tp a r to ft r a n s p o r t a t i o ns y s t e m ，m a n a g e m e n td o e s n o tf o l l o wt h es t e p so fh a r d w a r ec o n s t r u c t i o n s ，a l m o s te v e r y t h i n gi sd o n eb yh u m a n b e i n g s t ou t i l i z et h ec o n v e n i e n c eo fm o d e r nt r a n s p o r t a t i o n , aw a ys h o u l d b ef o u n dt o m a k eg o o du s eo ft h ee x i s t e dt r a n s p o r t a t i o nc o n s t r u c t i o n s l i c e n s ep l a t er e c o g n i t i o n i so n eo ft h er e s e a r c hs u b j e c t si nw h i c ht h et e c h n o l o g yo fc o m p u t e rv i s i o na n d r e c o g n i t i o na p p l i e d t h ep u r p o s eo fl i c e n s ep l a t er e c o g n i t i o ni s t or e a l i z et h e a u t o m a t i cv e h i c l es u p e r v i s i n gw i t h o u to t h e rs p e c i a le q u i p m e n t s ot h ea u t o m a t i c m a n a g e m e n to ft r a f f i cs y s t e mw i l lb em u c hm o r ec o n v e n i e n t t h i ss y s t e mi so n eo f k c y si na d v a n c e m e n ti nt r a f f i cs y s t e m t h i st h e s i sc o m p a r a t i v e l ye x p l a i n st h et a s k sa n dp r o b l e m sa n dd o e sa n a l y t i c r e s e a r c ha c r o s sa l lt h ep h a s e so ft h es y s t e m ，a n dt h e nu s eb pn e r v en e t w o r kb a s i c a l l y c o m p l e t et h ec a rl i c e n s er e c o g n i t i o ns y s t e md e s i g na n dt h er e a l i z a t i o n w h a tw ed oi nt h et h e s i si sf o l l o w i n g ： 1 i nt h et h e s i s ，w ei n t r o d u c es o m et r a d i t i o n a lm e t h o do fc h a r a c t e rs e g m e n t a t i o na n d r e c o g n i t i o n s a tl a s tw cg i v et h em e t h o do fc h a r a c t e rs e g m e n t a t i o na n dc h a r a c t e r r e c o g n i t i o nw eu s e di nt h i st h e s i s 2 i nt h el o c a t i n gp h a s eo ft h es y s t e m ，t h r o u g ha n a l y z i n gt h ev a l l e y so ft h es m o o t h e d h o r i z o n t a lg r a yt e x t u r ep r o j e c t i o n , w ep e r f o r mm i n o r - a d j u s t i n gt ot h eb o t t o ma n d t o pp o s i t i o nd e t e r m i n e db yt h er o l l g hl o c a t i n go p e r a t i o n ：i nt h ep h a s eo f c h a r a c t e r s e g m e n t a t i o n ，w ei m p r o v et h eo p e r a t i o nb ya n a l y z i n gt h ev a l l e y so ft h es m o o t h e d p r o j e c t i o no ft h et a r g e t e dp i x e l sf r o ml e f tt or i g h ta n db yu s i n gt h ew i d t h ，h e i g h t i i 安徽大学坝i 毕业论史 a b s l r a c t a n do t h e rb a s i ci n f o r m a t i o no ft h ep r o c e s s e dp l a t ec h a r a c t e r ： 3 i nc h a r a c t e rr e c o g n i t i o n ，w ec h o o s et h ef e a t u r eo fr o u g hg r i da st h ef e a t u r eo f c h a r a c t e r , a n dd i r e c t l yi n p u tt h ei m p r o v e du n i t a r yc h a r a c t e ro r i g i n a l i t yf e a t u r et o b pn e u r a ln e t w o r kc l a s s i f i e rt or e c o g n i z et h el i c e n s ep l a t ec h a r a c t e r t oi m p r o v e t h er e c o g n i t i o nr a t eo ft h ec h a r a c t e rr e c o g n i t i o ns y s t e mf o rv e h i c l el i c e n s ep l a t e ， t h et h e s i sa n a l y z e dt h er e s u l to ft e s t ，a n dp u tf o r w a r das e r i e so fm e a s u r e ，f o r e x a m p l e ，d e s i g n e dac a r e f u ln e u r a ln e t w o r kc l a s s i f i e r t og e td e t m lf e a t u r eo f c h a r a c t e r , w h i c hi sa n a l o g i c a la n dp r o m i s c u o u s t h er e s u l ts h o w st h a tt h em e t h o d c a nm a x i m a l l yi m p r o v et h es o l i d i t yp e r f o r m a n c eo fc h a r a c t e rn e t w o r k t h ep l a t er e c o g n i t i o ns y s t e mi nt h i st h e s i si sat y p i c a la p p l i c a t i o ni nt h ea r e ao f p a r e r nr e c o g n i t i o n i t sg e n e r a li d e a sa n dd e t a i ld e s i g nc a l l b ee x p a n d e dt oo t h e r a p p l i c a t i o na r e a sw i t ht h es i m i l a rt a s k so fc l a s s i f y i n g , a n di th a sap r o s p e r o u sf u t u r e 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 n , d i g i t a li m a g ep r o c e s s i n g , c h a r a c t e r s e g m e n t a t i o n ，c h a r a c t e rr e c o g n i t i o n l l i 安徽人学坝i 毕业 幽霹，j 图索引 图l ：系统i ：作流程图1 图2 ：模式识别系统的基本构成8 图3 ：车牌识别系统总构架图2 2 图4 ：车牌识别系统详细工作流程2 3 图5 ：拍摄到的车图2 5 图6 ：定位后的车图 图7 ：字符分割详细流程图。 图8 ：灰度拉升变换函数图 图9 ：车辆牌照投影图。 图l o ：投影图分成两个部分 图1 1 ：测试用的部分车牌 图1 2 ：车牌分割示意图 图1 3 ：分割结果 图1 4 ：有大量噪音的车图 图1 5 ：字符断裂的车图。 3 3 3 9 4 0 4 3 图1 6 ：b p 神经网络示意图 图1 7 ：字符0 归一化后的点阵( 3 2 x 1 6 ) 4 4 图1 8 ：字符0 的白色像素特征数字统计图( 8 x 4 ) 图1 9 ：字符0 和d 归一化后的点阵 4 5 5 1 5 3 5 3 图2 0 ：字符识别过程图5 4 图2 1 ：各神经网络权值 图2 2 ：标准样本和待识别的字符样本。 5 7 图2 3 ：字符“1 ”与“7 ”。5 8 图2 4 ：字符0 d ”与字符“o ”“c ” 图2 5 ：字符8b ”与字符0 d ” 图2 6 ：改进后的字符识别结果 5 8 安徽人学帧f 毕业论芷 f i g u r ei n d e x f i g indq；xlgure 1 ne x f i g u r e1 ：s y s t e mw o r kf l o wc h a a f i g u r e2 ：t h es t r u c t u r a lf r a m eo fp a t t e r nr e c o g n i t i o ns y s t e m 8 f i g u r e3 ：t h es t r u c t u r a lf r a m e o f c a rl i c e n s er e c o g n i t i o n 2 2 f i g u r e4 ：t h em a k e u po ft h ec a rl i c e n s er e c o g n i t i o n 2 3 f i g u r e5 ：av e h i c l ep l a t e f i g u r e6 ：ap l a t el o c a t i o nr e s u l t f i g u r e7 ：t h ec h a r to f c h a r a c t e rs e g m e n t a t i o n 。 f i g u r e8 ：g r a ye x t e n d i n gt r a n s f o r m a t i o nf u n c t i o n f i g u r e9 ：t h ed i r e c tp r o j e c t i o nc h a r to f t a r g e t e dp l a t ep i x e l s f i g u r e1 0 ：t w op a r to f t a r g e t e dp l a t ep i x e l s f i g u r e1 1 ：s o m ev e h i c l ep l a t e sf o rt e s t ， 4 0 f i g u r e1 2 ：t h es k e t c hc h a r to f c h a r a c t e rs e g m e n t a t i o ne x a m p l e 4 3 f i g u r e1 3 ：t h er e s u l to fc h a r a c t e r ss e g m e n t a t i o n f i g u r e1 4 ：av e h i c l ep l a t ew i t hs o m en o i s e f i g u r e1 5 ：c h a r a c t e rb r e a k si nav e h i c l ep l a t e f i g u r e1 6 ：b pn e r v en e t w o r ks c h e m a t i c 4 5 f i g u r e1 7 ：c h a r a c t e r0n o r m a l i z a t i o nl a t t i c e ( 3 2 x l f i g u r e1 8 ：w h i t ee l e m e n t s c h a r a c t e r i s t i c n u m e r a ls t a t i s t i c s o f 0 ( s x 4 ) f i g u r e1 9 ：c h a r a c t e r0a n ddn o r m a l i z a t i o nl a t t i c e f i g u r e2 1 ：p o w e rv a l u eo fn e r v en e t w o r k 。5 3 5 3 5 5 f i g u r e2 2 ：s o m es a m p l e sf o rc h a r a c t e rr e c o g n i t i o n f i g u r e2 3 ：c h a r a c t e r1a n d 7 f i g u r e2 4 ：c h a r a c t e ro a n dda n dc h a r a c t e roa n dc f i g u r e2 5 ：c h a r a c t e r8a n db a n dc h a r a c t e r0a n dd 5 8 f i g u r e2 6 ：r e s u l t so fc h a r a c t e rr e c o g n i t i o na f t e ri m p r o v e m e n t 5 9 6 7 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，也不包含为获得安徽大学或其他教育机 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。 学位论文作者签名：雨易 签字日期：2 0 0 7 年4 月2 0 日 学位论文版权使用授权书 本学位论文作者完全了解安徽大学有关保留、使用学位论交的挚定，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。本人授权安徽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，可毗呆用影印、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适用本授衩书) 学位论文作者签名：高勇 导师签名： 稂毫斗 签字日期：2 0 0 7 年4 月2 0 目签字日期：2 0 0 7 年4 月23 丑 学位论文作者毕业去向： 工作单位：电话： 通讯地址：邮编： 安徽人学硕i 毕业论立第一章绪论 第一章绪论 1 1 车牌识别系统简介 近几年来，随着计算机科技的发展，硬件水平的不断提高，模式识别技术的 发展以及人工智能理论在图形图像处理中的成功运用，智能车牌识别技术不断发 展，所谓智能车牌识别系统以及其工作原理，在文献 1 l v f 有详细的介绍：实际上 就是通过引入数字摄像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，通过对图像的采集和处理，获得更多的图像信息，从而达 到对车牌字符进行自动识别的系统，这个系统是模式识别技术在实践中的一个运 用【2 】。目前主要的车牌识别系统主要由以下几个具体步骤构成 3 1 ：图像采集、图 像处理、车牌定位、车牌识别。其具体流程图如图1 所示。 啪 兰凳匝 车辅倍息 丹围便备p c 帆一培宣挣 图1 ：系统工作流程图 f i g u r e1 ：s y s t e mw o r kf l o wc h a r t 其中核心部分，也就是需要在p c 机上处理的过程主要有：图像处理，车牌定位， 车牌识别，这些步骤是我们研究车牌识别技术的重点所在。 1 2 车牌识别系统的应用前景 近几年来，车牌识别技术成为了一个热门。车牌识别系统集中了先进的光电、 计算机、图像处理、模式识别、远程数据访问等技术，实现对监控路面过往的每 一辆机动车的特征图像和车辆全景图像进行连续全天候实时记录，计算机根据所 拍摄的图像进行牌照自动识别。该系统可以应用于路桥关口，实现对过往车辆的 不停车收费，还可以置于交通要塞，实现对进出车辆的不间断适时监控，除此之 外，车牌识别系统还可以应用在以下几个领域： 丘徽人学硕ll 乍业论文车牌识别系统中的，符分割1 ，识别 ( 1 ) 交通适时监控。利用车牌识别系统的摄像设备，可以直接监视相应路段 的交通状况，获得车辆密度、队长、排队规律等交通信息，防范和观察交通事故。 这种适时监控系统一旦成功运用，将极大的方便交通管理，节约大量的人力物力。 同时也提高管理效率。 ( 2 ) 流控制指标参数的测量。该系统能够测量和统计很多交通流指标参数，如 总的服务流率，总行程时间，总的流入量和流出量，车型及车流组成，日车流量， 小时，分钟车流量，车流高峰时间段，平均车速，车辆密度等，这为交通诱导系 统提供必要的交通流信息。 ( 3 ) 路费交纳、安全检查、运营管理实行不停车检查。根据识别出的车牌号码 从数据库中调出该车档案材料，可发现没有及时交纳养路费的车辆。另外，该系 统还能发现无车牌的车辆。若同车型检测器联用，还可迅速发现所挂车牌与车型 不符的车辆，对车辆管理实现真正的智能化，相比较于目前的人工管理这种管理 方式极大的提高了效率。 ( 4 ) 车辆定位。由于能自动识别车牌号码，因而极易发现被盗车辆，以及定位 出车辆在道路上的行驶位置，这为防范、发现和追踪涉及车辆的犯罪，保护重要 车辆的安全有重大作用，从而对城市治安及交通安全有重要的保障作用。 ( 5 ) 军事应用。在一些军事要塞的出入口处，车辆流量较大，由于其特殊性， 对过往车辆的管理就显的特别严格，如果人工管理，必然极大的消耗人力物力， 同时由于人的主观性，有时候又不免会出现一些错误，而这些错误有的时候是致 命的。如果采用智能车牌识别系统，就可能避免这些错误，极大的提高了这些部 门的安全性。 1 3 车牌识别技术中的难点 车牌识别系统在实验室里已经取得了令人满意的效果，但很难应用于实际工 程中，这是因为实验室的环境是处于理想状态的，而在自然环境里，由于受到人 工拍摄条件，天气等因素的影响，识别率很难达到要求。我们大致的把这些因素 归纳为三类【4 】： 1 汽车牌照本身的特征 ( 1 ) 牌照的图像质量本身无法保证。有些牌照被污损，而有些牌照的字符模 糊不清，对光线的散射性不好，这些不确定性极大得影响了识别的准确率。 2 - 教人学颂j 毕业硷史第一章绪论 ( 2 ) 牌照缺乏统一的标准。根据中华人民共和国公共安全行业标准对机动车 辆牌照的有关规定，车牌的规格、颜色和适用范围各有不同。就目前我国的各种 车牌中，有蓝底白字的，黄底黑字的，还有一些特殊的如军车，警车，国外驻华 机构的工作的车辆，由于缺乏统一的标准，使得车牌识别过程中字符的分割难度 较大，缺乏统一的模式规则的指导。 ( 3 ) 车牌附近环境恶劣。车牌附近往往有复杂的外形或挡车器等，不利于车 牌的定位和分割。有的车辆在车牌处有广告的文字，这些图像对车牌定位有很大 干扰，不利于车牌定位与字符识别。 2 外部环境的特征 ( 1 ) 外界光照条件的不相同：白天和晚上光照强度不同。光照对图像质量影 响很大。不同的光照角度，对车牌影响也较大。不同时间，不同气候条件，以及 背景光、车牌反光程度决定了车牌区域的亮度特征。 ( 2 ) 外界背景的复杂程度也影响着车牌的定位准确率。背景中与车牌区域特 征相似区域的大小反映了背景的噪声程度。例如与车牌字符相似的背景远处的广 告语就很容易影响车牌的租定位。 3 车牌识别系统应用方案的特征 ( 1 ) 不同实际工程其摄像方位和角度不一样。实际工程中摄像方位相对于车 辆行驶的方向一般是正上方、左侧和右侧，摄像角度一般在1 5 0 。一3 0 0 。之间。相 对来说，摄像角度越小，车牌在平面图像中变形越小，识别效果越好。摄像方位 和角度对车牌字符分割影响较大，对车牌校正的方法的校正能力要求也更高了。 ( 2 ) 光线较暗时，不同的人工光照角度、方位和亮度对车牌识别系统影响也 不一样。尽管规范车牌对光的散射能力较强，但人工光照的方位角度不同时，也 会影响车牌的亮度。亮度不均匀对车牌二值化算法提出了更高的要求。 ( 3 ) 不同的实际工程，图像的分辨率要求也不同。分辨率大小影响车牌识别 系统的识别速度和字符的识别率。o c r 中字符的象素分辨率一般为3 2x3 2 ，而车 牌识别系统字符的分辨率一般在1 2x1 2 和2 4x2 4 之间。分辨率过高时，整个识 别系统的处理时间会明显增多，特别是在车牌分割，车牌二值化的处理中所要求 的时间会显著增加。分辨率过低，字符识别率就会下降，字符中的汉字二值化效 果较差，车牌识别系统的识别率也会下降。 立徽人学硕i 。毕业论卫车牌识别乐统中的，符分割。j 识别 总之，车牌识别系统的研究由于受到多方面的限制，其技术还存在着一些不 足。但现代智能交通的发展，使其具有巨大的应用潜力。相信随着研究的不断深 入，车牌识别技术肯定会逐步走向成熟。 1 4 车牌识别技术国内外发展现状 智能车牌识别技术的研究，国外的起步要比国内早的多，从2 0 世纪9 0 年代初， 国外的研究人员就已经开始了对汽车牌照识别的研究 5 1 ：以色列h i - t e c h 公司的 s e ec a rs y s t e m 系列，新加坡o p ta s i a 公司的v l p r s 系列都是比较成熟的产品。 其中v l p r s 产品主要适合新加坡的车牌，h i t e c h 公司的s e ec a rs y s t e m 有多种变 形的产品来分别适应某一个国家的车牌。s e ec a rc h i n e s e 系统可以对中国大陆 的车牌进行识别，但都存在很大的缺陷，而且不能识别车牌中的汉字，另外日本、 加拿大、德国、意大利、英国等各个西方发达国家都有适合本国车牌的识别系统。 国内在9 0 年代末也开始了车牌识别的研究。目前比较成熟的产品有中科院自 动化研究所汉王公司的“汉王眼”，亚洲视觉科技有限公司、深圳吉通电子有限 公司、中国信息产业部下属的中智交通电子有限公司等也有自己的产品，另外西 安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清 华大学人工智能国家重点实验室、浙江大学的自动化系等也做过类似的研究。字 符识别是车牌识别系统的一个重要组成部分，车牌字符识别可以认为属于印刷体 文字识别的范畴。早在五十年代人们就已经认识到印刷体字符识别的意义，开始 了相应的研究，在以后的三十年中不断有一些不是很成熟的软件出现。到了八十 年代后期。计算机硬件资源获得飞速的提高，使得印刷体文字的快速识别成为可 能。九十年代，出现了大量的o c r 方面的论文和系统，s p i e ，i e e e 在这一方面也 曾举行过多次会议，大大推动了该方向的研究，所有这些研究为国内车牌字符的 识别提供了理论上的指导。但目前的科学技术还不能揭示人的文字识别的机制， 脑机能研究的进展会不断地揭示人的这种机制，一旦这一机制被我们所认识，建 立在这个基础上的文字识别理论和技术将会产生质的飞跃。 由于目前我国国内汽车牌照种类还比较繁多，没有统一的标准，这些使得我 们不能把国外现成的车牌识别系统直接拿来使用，同时，由于我国过内的汽车牌 照自动识别系统的研究起步晚，技术和方法目前还落后于国外，目前国内的车牌 识别的研究，多基于车辆的灰度图像，方法比较单一，也就在最近几年，才出现 4 立徽人学顾l + 毕业论上 第帝绪论 车牌识别这方面的研究高潮。 1 5 我国汽车牌照识别的特殊性 目前牌照自动识别技术尚未达到很完美的程度，但是在国外由于高速公路和 收费停车场发展较早，己经成功地开发了一些类似地自动系统。日本等国家早就 开始试验在智能交通监控系统中应用这项技术，目的也是为了推动这项技术的发 展。虽然，国外汽车牌照识别系统研究工作己有一定进展，但并不尽合我国国情， 这主要是因为以下五个方面的原因：( 1 ) 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；( 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 两种颜色( 例如韩国，其车牌底色为红色，车牌上的字符为自色) ，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、白等若干种颜 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( 例 如分为军车、警车、普通车等) ；( 4 ) 我国汽车牌照的规范悬挂位置不统一；( 5 ) 由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下在国外发达国家 是不允许上路，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目前正在研制的无源型汽车牌照智能识别系 统综合利用了车辆检测技术、计算机视觉( c o m p u t e rv i s i o n ) 技术、图像处理技 术、人工智能技术和人工神经网络技术等，是一个比较有发展前途的车牌识别系 统 e l 。相对其他图像识别系统来说，目前车辆牌照识别系统的研究要困难得多， 主要原因是由于实时与分辨率的矛盾在这方面表现得更为突出，一般的图像识别 系统大都采用2 5 6 x 2 5 6 或1 2 8 x1 2 8 的图像，而在车辆牌照自动识别系统中，由于 牌照尺寸较小，每个字符要求有2 0 x 2 0 点左右，因此要求分辨率较高，一般不能 低于5 1 2 5 1 2 ，若采用2 0 4 8 x 2 0 4 8 卿| 更好，但这又会使实时性大为降低，这一矛 盾是许多牌照识别系统不能投入实用的主要障碍。加之要适应各种复杂背景，要 识别的车辆种类繁多颜色变化多端，以及检测时要适应不同天气变化导致的不同 光照条件，给牌照分割及识别增加了难度。 1 6 本文的主要工作 本文从对智能车牌识别的系统的简单介绍开始，对系统的应用前景，国内外 安徽凡学硕i 。毕业l 仑上乍牌识别系统中的7 ，符分j 识别 的发展趋势，以及我国的些特殊情况进行了介绍，由于在我国，智能车牌识别 系统的研究以及应用才刚刚起步，所以这个系统在我国有着广泛的应用前景，在 本文的以后章节中，把智能车牌识别系统所用的到模式识别，图像处理等一些理 论知识也给出了相应的介绍，在第三章中，我们详细的介绍了车牌识别系统的工 作原来以及工作流程，对于其中的每个细节，如：图像的采集，车牌定位，字符 分割，字符识别这些过程都给出了介绍。本文的重点主要是这其中的字符分割部 分，在这一章中，我们对传统的字符分割算法进行了介绍。同时，我们给出了利 用车牌的一些实际构造，结合车牌的长，宽，以及每个字符所占的长度，字符的 分布规律这些已知的知识，结合投影法，对字符进行分割，实验结果显示，这种 字符分割方法具有很好的效果。在正式的字符识别前，我们还对字符的大小进行 了归一化处理，并进行了倾斜度的校正。并在第六章中，利用b p 神经网络，设计 分类器，对其中的数字，字母字符进行了识别。 6 安徽凡7 学埘! 毕业咆业 第一争所用到的胖沦知识 第二章所用到的理论知识 2 1 模式识别 2 1 1 模式和模式识别的概念 所谓模式，在文献阴中给了我们一个定义：广义上说，存在于时间和空间中 可观察的事物，如果我们可以区别他们是否相同或是否相似，都可以称之为模式。 模式所指的不是具体事物本身，而是我们从具体事物上所获取的信息。所以模式 往往表现的具有时间或空间分布的信息。通常，我们把通过对具体的个别事物进 行观测所得到的具体时间和空间所分布的信息称为模式，而把模式所属的类别或 把同一类模式的总体称为模式类，在部分文献，如文献 8 1 q 。也有人习惯于把模式 类称为模式，而把个别的模式称为样本。 模式识别( p a t t e r nr e c o g n i t i o n ) 这个词对大多数的人来说都不是很熟悉的，然 而在实际中人类在日常生活的每一个细节中，都从事着模式识别的活动。每一个 思维正常的人，在他没有睡觉时都在时时刻刻进行着模式识别的活动。比如当他 坐公共汽车找汽车站，骑车判别可行进的道路，对观察到的现象给出判断，判断 东西的好与坏和水果的成熟与否等等都是人们判断是非，判别事物的过程。但是 对模式识别这个词就显得陌生而难以理解了。确切地说，这里所说的模式识别是 针对让计算机来判别对象而提出的一个概念，如检测病理切片中是否有癌细胞， 文字识别，图像中物体识别等等。该学科研究的内容是使机器能做以前只能由人 类才能做的事，具备人所具有的、对各种事物与现象进行分析、描述与判断的部 分能力。与人辨别事物相比，机器识别事物的方法是有很大不同的，在目前机器 这方面的能力还是很简单与低级的，因此机器识别事物的能力还很差。原因是主 要人类有学习的能力，在不断地认识事物的过程中会总结出规律，并把这些规律 性的东西抽象成“概念”。人类之所以能“抽象出概念”，关键能分析事物中哪些 是本质，哪些是表面现象，或由偶然因素引起的。但机器目前的抽象能力是很差 的。要让机器准确地把握事物的本质，弄清分辨事物的关键，从而正确辨别事物， 实质上是要使人能够研究出好的方法，提出好的算法，从而构造出好的系统，使 机器辨别事物的本领更强。 7 立徽，l 芦坝i - 毕业论立= 午牌识别不统中的。一符分剖j 识别 i j ：机器辨别事物的最基本方法是计算，原则上讲是对计算机要分析的事物与 作为标准的称之为“模板”的相似程度进行计算。譬如说脑子哩有没有瘤，就要 与标准的脑图像以及有瘤图像做比较，看跟哪个更相似。要识别一个具体数字， 就要将它与从0 到9 的样板做比较，看跟哪个模板最相似，或最接近。因此首先 要能从度量中看出不同事物之间的差异，才能分辨当前要识别的事物( 称为测试 样本) 跟哪类事物更接近。因此找到有效地度量不同种类事物的差异的方法是最 为关键的。 严格的说，模式识别不是简单的分类学。它的目标包括对于系统的描述、理 解与综合，如模式识别与计算机视觉紧密结合的c v p r 的研究主要目标是使计 算机具有人类一样的感知周围环境、理解感知的数据、正确识别出类别、采取相 应的行为和不断总结经验从而不断改善自身性能的能力。模式识别的高级阶段是 通过大量信息对复杂过程进行学习、判断和寻找规律。从这个意义上说，模式识 别与“学习”或者“概念形成”的意义是相近的。模式识别与机器智能的结合将 为人类认识世界和做出新的发现开辟了广阔的前景。 2 1 2 模式识别系统 现阶段的模式识别方法，基本上有两种嗍：统计模式识别方法和结构模式识 别方法，而这两种模式识别方法相对应的模式识别系统都由两个过程组成，即设 计和实现。在这里我们主要运用的是基于统计方法的模式识别系统，这个系统主 要由以下四个部分组成：获取数据，数据预处理，特征的提取与特征选择，分类 决策，其具体构成如下图2 所示。 图2 ：模式识别系统的基本构成 f i g u r e2 ：t h es t r u c t u r a lf r a m eo fp a t t e r nr e c o g n i t i o ns y s t e m 下面对这些步骤进行简单的介绍： 安徽人4 ，顺i 毕业论第辛所用到的删睦识 1 获取数据 要使计算机能够对各种现象进行识别，就必需要用计算机i r 以识别，运算的 符号表示我们所要研究的对象。通常输入对象的数据类型有三种：二维图像，一 维波形，物理参数和逻辑值。 2 数据预处理 数据预处理就是把上一步所获取的数据信息去除噪音，加强有用的信息，同 时消除无用的信息。 3 特征提取和选择 由于获取数据过程中所获取的数据量往往过大，为了有效的实现分类识别就 要对所获取的原始数据进行变换，获得最能反映分类本质的特征。这就是特征的 提取和选择过程。 4 分类决策 分类决策就是在特征空间中用统计方法把被识别对象归为某个类别，基本做 法就是在样本训练集基础上确定某个判决规则，使用这个判决规则对被识别对象 进行分类识别的准确率最高。 2 1 3 常用方法和在车牌识别中的运用 模式识别的本质实际上就是数据处理和信息分析。因此，从功能上讲，可以 认为是人工智能的一个分支。随着这门学科的理论及应用的发展，模式识别已经 发展成为涉及数学理论、神经学理论、计算机科学、信号处理等等多门学科的交 叉学科。 从图2 的模式识别系统来看，分类器的设计是其关键技术之一，而分类器的 设计中，分类器的构造算法是关键。我们在具体运用过程中，根据对象和目的的 不同，可以使用不同的模式识别理论、方法。下面把目前主流的模式识别技术给 予简单的介绍1 8 j ： l 数据聚类法 按照物以类聚的思想，对未知类别的样本集根据样本之间的相似程度分类， 相似的归为一类，把不相似的归为另一类，故这种分类称为聚类分析。这种方法 是一种非监督学习的方法，解决方案是以数据驱动为中心的。 9 安徽人1 产坝i 毕业论上个牌识别系境中的，符分割t b ! 刖 聚类要解决的主要问题是：选择什么样的模式相似性的测度和聚类准则。接 着就是找出一种合适的算法使得准则函数取极值的最好聚类结果。这样聚类分析 的三要素就是：相似性测度、聚类准则和聚类算法。 为了能够将样本集划分成不同类别，必需定义一种相似性的测度来度量同一 类样本间的类似性和不属于同一类样本间的差异性。常用的测度是两个样本向量 之间的距离。 1 ) 欧氏距离：设一和一为两个样本，其欧氏距离定义为： d t 忙一j 训( 2 - 1 ) 显然，样本与的距离越小，则越相似。 2 ) 街区距离 为了进一步减小计算量，可采用街区距离： d 1 ( x i , x j ) = k i z 小 一 角度相似性函数定义为： 吣协蹦 ( 2 - 2 ) ( 2 - 3 ) s ( ，神是一的单位向量一f i x 0 与的单位向量石忙邗之间的点积，也就 是样本与间夹角的余弦。 为了评价聚类结果的好坏，必须定义准则函数。有了模式相似性测度和准则 函数后，聚类就变成了使准则函数取极值的优化问题了。 常用的准则函数是误差平方和准则。 如果 l 是第j 类尼中的样本数目，册是这些样本的均值，即 肌，。击荟一g 川 把届中的各样本x 与均值觑间的误差平方和对所有类相加后为： m ( 加 2 肌 一 k r v 氲 ，y 鲁 l ， 立徽人半坝lt # 业论文 第一争所用到的理论妯识 ，是误差平方和聚类准则，它度量了用c 个聚类中心毋，毋，皿代表c 个样 本子集尼，尼，尼时所产生的总的误差平方和。对于不同的聚类，的值当 然是不同的，使，极小的聚类是误差平方和准则下的最优结果。这种类型的聚类 通常称为最小方差划分。 2 统计模式识别方法 统计模式识别技术使用统计信息和估计理论的结果，去获得从表达空间到解 释空间的映射。在这个领域中，模式分类问题可以被系统地阐述成统计判决问题。 在这种情况下，判决是使用合适的判决函数来完成，从而数理统计成为这个领域 的基础。目前，统计模式识别技术是一种相对成熟的理论，基于这种方法设计了 许多商用识别系统。 3 结构化模式识别方法 在一些模式识别问题中，描述每一具体模式的结构信息是十分重要的。例如 图片、语言、景物的识别，这类复杂识别问题所要求的特征量非常巨大，一般采 用把一个复杂模式分化为若干较简单子模式的组合，而子模式又分为若干基元， 通过对基元的识别进而识别子模式，最终识别该类复杂模式。例如指纹、连续语 音的识别往往都采用这一方法。结构模式识别法实质上是通过考虑对象的各部分 之间的联系来达到识别分类的目的的。识别一般采用结构匹配的形式，通过计算 一个匹配程度值来评估一个