（电路与系统专业论文）神经网络在车牌识别中的应用研究.pdf

p l i c a t i o na n dr e s e a r c ho fn e u r a ln e t w o r k i nl i c e n s e p l a t er e c o g n i t i o n b y w a n gl i b e ( s h a n d o n ga g r i c u l t u r a lu n i v e r s i t y ) 2 0 0 8 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g i n c i r c u i t sa n ds y s t e m s i n c h a n g s h au n i v e r s i t yo fs c i e n c e t e c h n o l o g y s u p e r v i s o r p r o f e s s o rw a n gx i a o h u a a p r i l ，2 0 i1 一 ， 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研 究所取得的研究成果。除了文中特别加以标注引用的内容外，本论 文不包含任何其他个人或集体已经发表或撰写的成果作品。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后果由本人承担。 作者签名：孑力 日期：洲年 年月。日 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。本人授权长沙理工大学可以将本学位 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 l 、保密口，在年解密后适用本授权书。 2 、不保密商。 ( 请在以上相应方框内打“、 ) 作者签名： 导师签名： 日期：2 0 年年月 f o 日 日期：刎年弘月，口日 要 近年来，图像处理、通信技术和计算机技术在交通领域得到了广泛 的应用，其中车牌识别技术是研究的热点之一。随着高档住宅小区的建 设以及人们生活水平的提高，越来越多的人们搬进了高档小区，并且有 越来越多的私家车走入了我们的日常生活。小区的高质量的物业管理水 平对人们的日常生活非常重要，它在小区居民住居的安全性和方便性方 面发挥重要的作用。小区车辆智能管理是物业管理的重要组成部分，而 车牌自动识别技术又是车辆智能管理的关键技术，车牌自动识别的准确 率直接决定了这些系统的工作性能和应用效果。所以，研究一种高效和 高准确率的车牌自动识别技术有着重要的实用价值。 本文在很多文献和资料的基础上分析和比较了在图像处理、车牌定 位、车牌字符分割以及车牌字符识别领域中的若干方法，最终归纳和优 化了可行方案。在车牌识别系统的各个具体步骤中，通过具体流程需要 达到的效果对大量的算法和方法进行了合理的筛选与完善，并且使用 m a t l a b 对重要步骤进行了仿真，从而经过对比得到了我改进和优化后的 重要数据和参数。 本文围绕车牌识别技术的研究，验证了车牌预处理中的灰度化、滤 波、二值化、边缘检测主要算法，并对基于r o b e r t s 算子的车牌预处理算 法进行的实验结果进行了分析；介绍了常用的车牌定位与分割技术，仿 真检验了垂直分割方法的有效性；介绍了基于人工神经网络的车牌识别 方法，分别从适合中国车牌特征的b p 神经网络设计，以及字符特征的提 取、样本训练等方面进行了研究。 关键词：神经网络；车牌识别；b p 神经网络；字符识别 一一一一 abstr act i nr e c e n t y e a r s ，i m a g ep r o c e s s i n g ，c o m m u n i c a t i o nt e c h n o l o g ya n d c o m p u t e rt e c h n o l o g yh a v eb e e nw i d e l yu s e di nt h et r a n s p o r t a t i o nf i e l d ，a n d l i c e n s ep l a t ei d e n t i f i c a t i o nt e c h n o l o g yi so n eo ft h eh o ts p o ti nt h er e s e a r c h w i t ht h ec o n s t r u c t i o no fh i g h - g r a d er e s i d e n t i a la r e aa n dt h ei m p r o v e m e n to f p e o p l e sl i v i n gs t a n d a r d ，m o r ea n dm o r ep e o p l em o v ei n t o h i g h g r a d e v i l l a g e ，a n dt h e r ea r em o r ea n dm o r ec a r sc o m ei n t oo u rd a i l yl i v e s t h e h i g hq u a l i t yp r o p e r t ym a n a g e m e n tl e v e lt op e o p l e 。sd a i l yl i f e ，i ti sv e r y i m p o r t a n t t ot h e s e c u r i t y o ft h e r e s p o n d e n t i n d i s t r i c tr e s i d e n t sa n d c o n v e n i e n c e p l a y s a n i m p o r t a n t r o l e d i s t r i c tv e h i c l e i n t e l l i g e n t m a n a g e m e n ti sa ni m p o r t a n tp a r to fp r o p e r t ym a n a g e m e n t ，a n dl i c e n s ep l a t e r e c o g n i t i o nt e c h n o l o g yi st h ek e yt e c h n o l o g yo fi n t e l l i g e n tm a n a g e m e n to f 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 na c c u r a c y ，d i r e c t l yd e t e r m i n et h e s es y s t e m s w o r kp e r f o r m a n c ea n d a p p l i c a t i o ne f f e c t t h e r e f o r e ，s t u d y i n gak i n d o f e f f i c i e n ta n d h i g ha c c u r a c yo fl 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 yh a s i m p o r t a n tp r a c t i c a lv a l u e b a s e do nal o to fd o c u m e n t sa n dd a t aa n a l y s i sa n dc o m p a r i s o no nt h e b a s i so ft h ei m a g ep r o c e s s i n g ，l i c e n s e p l a t el o c a l i z a t i o n ，l i c e n s ep l a t e c h a r a c t e r s e g m e n ta n dt h e f i e l do fl i c e n s ep l a t ec h a r a c t e r r e c o g n i t i o n ， f i n a l l ys e v e r a lm e t h o d st oo p t i m i z et h ei n d u c t i o na n df e a s i b l es c h e m e i n t h ev e h i c l ep l a t e r e c o g n i t i o ns y s t e mi ne a c hs p e c i f i cs t e p sr e q u i r e dt o a c h i e v e ，t h r o u g hs p e c i f i cp r o c e s s e st h ee f f e c to ft h ea l g o r i t h ma n dm e t h o d f o ral o to ft h er e a s o n a b l es e l e c t i o na n d i m p r o v e m e n t a n du s em a t l a b s i m u l a t i o ni sc o n d u c t e dt oi m p o r t a n ts t e p s ，a n db yc o m p a r i s o ng o tu sa f t e r i m p r o v e m e n ta n do p t i m i z a t i o no fi m p o r t a n td a t aa n dp a r a m e t e r s t h i sp a p e rf o c u so nl i c e n s ep l a t ei d e n t i f i c a t i o nt e c h n o l o g yr e s e a r c h ， l i c e n s ep l a t ep r e p r o c e s s i n gv e r i f i e dt h eg r a yc h a n g e ，f i l t e r i n g ，b i n a r ya n d e d g ed e t e c t i o n ，a n dt h em a i na l g o r i t h m sb a s e do nr o b e r t so p e r a t o ro ft h e l i c e n s ep l a t ep r e p r o c e s s i n ga l g o r i t h me x p e r i m e n t a lr e s u l t sw e r ea n a l y z e d ； t h i s p a p e r i n t r o d u c e ss o m ec o m m o nl i c e n s e p l a t e l o c a l i z a t i o na n d s e g m e n t a t i o nt e c h n o l o g y ，t h es i m u l a t i o nt e s t st h ev e r t i c a ls e g m e n t a t i o n m e t h o dv a l i d i t y ；b a s e do na r t i f i c i a ln e u r a ln e t w o r ki s i n t r o d u c e d ，t h e l i c e n s ep l a t ei d e n t i f i c a t i o nm e t h o df o rc h i n ar e s p e c t i v e l yf r o mt h el i c e n s e i i i 目录 摘要i a b s t r a c t 1 i 第一章绪论1 1 1 引言1 1 2 车牌识别系统的关键技术2 1 2 1 图像预处理与车牌定位2 1 2 2 字符识别2 1 3 国内外研究现状3 第二章车牌图像预处理5 2 1 图像灰度化5 2 1 1 设备无关位图5 2 1 2 色彩系统6 2 1 3 灰度化处理。6 2 2 图像滤波6 2 2 1 邻域平均法7 2 2 2 中值滤波7 2 3 图像二值化8 2 4 边缘检测9 第三章车牌定位与字符分割12 3 1 车牌定位1 2 3 1 1 我国车牌的特点1 2 3 1 2 车牌定位l3 3 2 车牌分割15 4 2 1 字符分割技术15 3 2 2 车牌的倾斜校正17 第四章车牌字符识别19 4 1 字符识别技术概述1 9 4 2 字符识别常用方法19 4 2 1 结构模式识别方法19 4 2 2 贝叶斯统计决策模式识别方法2 0 4 2 3 人工神经网络方法2 1 4 3 字符识别的b p 网络结构的设计21 4 3 1 输入层、输出层神经元个数2 2 4 3 2 隐含层层数的选择2 3 4 3 3 隐含层神经元数目的选择2 4 4 3 4b p 网络的参数的设置2 5 4 3 5 字符特征的提取2 8 4 3 6b p 网络的训练3 0 4 3 7 网络训练结果31 4 3 8 实验结果分析3 3 总结与展望3 5 参考文献3 6 致谢3 9 附录a 4 1 v 第一章绪论 1 1 引言 随着高速公路的快速发展和汽车的普及，交通运输问题变得越来越 严重：道路车辆拥挤不堪、交通事故频发、交通环境日益恶化、能源短 缺、环境污染不断加重。当前，解决城市道路交通问题的方法主要是增 快城市道路基础设施的建设，利用现代化的技术手段进行交通控制与管 理等。然而基础设施的建设速度远远跟不上车辆的增长速度，仅仅依靠 基础设施的建设根本达不到要求。因此把车辆和道路结合起来考虑，运 用各种高新尖端技术，系统全面地解决道路交通问题迫在眉睫，从而产 生了新的研究与应用领域一一智能交通系统( i n t e l l i g e n tt r a n s p o r t a t i o n s y s t e m ，i t s ) 。 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 ) 是智能交通系统中 的主要核心技术之一。它利用高级的计算机图像信息处理和图像模式识 别技术，对停车场、交通路口等位置的视频图像进行预处理、分析和识 别，从中获取各种实时有效的交通车辆信息，为交通管理、调度、收费、 统计等部门提供事实依据。在公路超速自动化监督管理、高速公路收费 站管理、城市交通十字路口“电子眼”、停车场进出收费管理、高速公路 布控管理、全封闭式小区物业管理以及重要机构部门的安保管理等领域 中，要进行无人化视频管理。因此，进行准确无误的车牌识别，对于确 定车辆的真实身份，建立相应的车牌数据库管理系统将起到极其重要的 作用。在近几年间，许多国家先后开始实行无停车收费以及停车场无人 管理系统，其主要采用的是无线通信技术手段，然而对大量没有装载通 信装置的车辆无法实行，此外还存在许多未安装线卡和车辆资料信息不 相符的现象。为了解决这类问题，有些国家使用视频录像的方法，事后 采用人工观察的方法进行详细识别，从而造成无人化管理系统依旧需要 大量人工进行辅助的问题。但是假如在i t s 中采用l p r 技术就可以实现 在城市道路监控系统、公安执法系统、高速公路自动收费系统、交通管 理系统、智能停车场管理系统等诸多应用系统中的无人值守，可以大大 简化人的劳动量，消除人为因素干扰，最大程度减少出错的可能。相对 于条形码识别技术和射频信号识别，l p r 技术具有不需要在汽车上安装 专门的条形码或射频识别标识的显著特点，此外由于l p r 系统本身是基 l 于视频技术的识别系统，其内部的图像数据可方便地进行检索、分析、 回放。 1 2 车牌识别系统的关键技术 1 2 1 图像预处理与车牌定位 车牌图像的采集、获取过程中因为外部环境或车牌自身条件的干预， 图像的质量偏低将使后续的车牌定位、字符分割和识别工作带来麻烦。 所以需要对获得的车牌原始图像实行必要的预处理，提升图像质量并且 凸显所需要的车牌有效信息。 一般所讲的图像预处理是指通过数字图像处理技术对车牌图像进行 前期处理，其中大多是对初始采集图像的增强以得到我们所需的信息。 图像增强的结果就是利用一系列技术，改善图像的效果或使图像变为一 种更有利于人或者计算机进行分析处理的形式。大多是指按照要求对图 像进行相应的变换以凸显部分有效的信息，剔除或减弱无效的信息，如 更改图像的对比度、消除噪声或强调边缘等处理。其中增强图像对比度 的办法有灰度线性变换、图像平滑处理和线性滤波器等。 1 2 2 字符识别 在车牌识别系统中，字符识别起着至关重要的作用，它的效率将直 接决定整个系统的结果好与坏。近年的研究表明，对于标准字体的光学 字符识别【2 1 ( o p t i c a lc h a r a c t e rr e c o g n i t i o n ，o c r ) 技术现在已经日趋成 熟，然而在车牌识别系统中，因为实际使用条件的限制，有着一些不利 于识别的因素，包括背景复杂、光照条件变化干预、车牌污损，以及因 为拍摄位置或车辆移动等状况导致字符扭曲倾斜等。基于以上的种种原 因，我们在进行车牌识别的处理过程中面临的难题也非常多。 现在多见的识别算法【3 1 包括轮廓匹配、模板匹配、模糊模式识别、 拓扑特征检测、神经网络等，其中神经网络识别方法由于包含识别率高、 稳健性好、对残损字符识别效果好等特点，在目前的识别算法中很受欢 迎。算法的学习能力在我们的识别算法中是一个要注意的方面，在车牌 模式不断更新时，算法必须要高效、迅速地匹配新的版本，神经网络识 别算法仅仅通过不断训练就能够识别新版本的车牌，然而不需要进行程 序的变更或者实施大幅度的调整才能识别新版本。 2 1 3 国内外研究现状 车牌识别技术的研究最早出现在2 0 世纪8 0 年代，这个阶段的研究 没有形成完整的系统体系，而是就某一具体的问题进行研究，通常采用 简单的图像处理方法来解决。识别过程【4 】是使用工业电视摄像( i n d u s t r i a l t vc a m e r a ) 拍下汽车的正前方图像，然后交给计算机进行简单处理，并 且最终仍需要人工干预。这一时期国内对于车辆牌照中省份汉字的识别 问题也有研究，19 8 8 年戴营【5 l 等利用常见的图像处理技术方法提出汉字 识别的分类是在抽取汉字特征的基础上进行的。根据汉字的投影直方图 ( p r o j e c t i o nh i s t o g r a m ) 选取浮动阈值，抽取汉字在y 方向的峰值，利 用树形查表法进行汉字的粗分类，然后根据汉字在x 方向的投影直方 图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规 划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的 自动识别。 进入9 0 年代，由于计算机视觉技术【6 1 ( c o m p u t e rv i s i o nt e c h n i q u e ) 的发展，开始出现汽车牌照识别的系统化研究。19 9 0 年a s j o h n s o n 等 运用计算机视觉技术和图像处理技术实现了车辆牌照的自动识别系统。 该系统分为图像分割( i m a g es e g m e n t ) 、特征提取和模板构造( f e a t u r e e x t r a c t i o na n dt e m p l a t ef o r m a t i o n ) 、字符识别( c h a r a c t e rr e c o g n i t i o n ) 等 三个部分。利用不同阈值对应的直方图不同，经过大量统计实验确定出 车牌位置的图像直方图的阈值范围，从而根据特定阈值对应的直方图分 割出车牌，再利用预先设置的标准字符模板进行模式匹配( p a t t e r n m a t c h i n g ) 识别出字符。19 9 0 年，r a l o t u f o 【7 】等应用视觉字符识别技 术( o p t i c a lc h a r a c t e rr e c o g n i t i o nt e c h n i q u e s ) 分析所获取的图像，首先在 二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，利用统计 最邻近分类休s t a t i s t i c a ln e a r e s tn e i g h b o rc l a s s i f i e r ) 与字符库中的字符 比较，得出一个或几个车牌号码，对这些号码做核实检查，看是否确实 有该车牌号码，从而最终确定出一个实际存在的正确的号码。总之，这 个时期的应用在识别正确率方面有所突破，但还没有考虑到识别实时性 的要求，识别的速度有待进一步提高。 最近，欧美国家的汽车车牌识别系统已完全地进入了实用化时期， 全世界已有多家公司推出了此类产品【8 1 ，如香港的a s i av i s i o nt e c h n o l o g y 公司推出的v e c o n 系统，新加坡o p t a s i a 公司推出的i m p s 等等。然而 不能直接应用于中国汽车车牌的识别，因为中国牌照的形式复杂，此外 含有许多汉字，所以国外的车牌识别系统通常不能对汉字进行识别。 3 国内的汽车车牌识别技术比较落后，还没有这方面成熟的产品，然 而有好多院校和科研单位在进行这方面的研究，如上海交通大学、西安 交通大学和浙江大学等，慢慢地推出了一些用于不同场合的使用办法， 然而其识别精度和识别速度还需要更大的提高。 另外，由北京汉王【4 】科技公司研制的嵌入式、一体化的车牌识别技术 产品一一汉王眼是一个比较使用的产品，它采用d s p 芯片作为识别算法 进行的硬件平台，由此在脱离计算机的情况下完成闪光照明、车辆图像 的采集、车牌识别等功能。汉王眼识别性能较高、安装维护简单，但在 实际应用上它还存在需要改进的地方。比如汉王眼对清晰的车牌识别率 很高，可达9 9 ，但对较为模糊的车牌，其识别率大为降低，只有7 0 。 此外，汉王眼对车牌中的汉字字符不予识别。因此，我们有必要进一步 研究便于推广的实用化产品【9 】。 随着图像处理和模式识别技术的发展，一些新方法也不断被应用到 本课题的研究中来，小波分析、改进的b p 神经网络算法等。但是由于问 题本身的复杂性，目前在识别准确度、识别速度、抗干扰性等指标上还 不能完全满足实际需要。但是对于他的研究和应用取得的效果来看仍然 是令人鼓舞的，相信通过我们的不断努力，这些问题都能被解决。 4 第二章车牌图像预处理 我们所说的车牌图像预处理通常是指通过图像获取设备得到车牌图 像后对此所进行的一系列改进，大多是为后面的步骤提供前期准备或原 材料。对车牌图像进行预处理不仅可以将图像采集过程带来的噪声去除， 最大程度的还原真实信息，还能够减小庞大原始数据对系统存储量的需 求。 图像处理通常包括图像增强、图像变换、图像复原、图像压缩、区 域分割等技术。然而车牌图像预处理一般有r i o | ：灰度化、滤波、二值化、 边缘检测等。 2 1 图像灰度化 因为目前采用的都是彩色图像获取设备，因此开始获得的原始车牌 图像大多是彩色图像。然而彩色的图像不仅所含信息量非常大，而且必 须经过非常复杂的处理过程，所以我们一般都将彩色图像处理成灰度图， 然后再继续接下来的研究以及处理。 灰度图是指只含亮度信息，不含色彩信息的图像。我们所说的灰度 化处理通常是从原始彩色图像中获取灰度图像的过程。在图像预处理的 过程里，灰度化处理所起的作用非常关键，它为后面的所有步骤作铺垫。 因此，运用合理而高效的灰度化处理显得非常有必要。 2 1 1 设备无关位图 d i b t l l 】即d e v i c ei n d e p e n d e n tb i t m a p 。最近，w i n d o w s 系列操作系统 已经变成微机的主流操作系统。而w i n d o w s 处理的d i b 大多是以b m p 文件出现。b m p 文件有四个部分：位图头文件、位图信息头、调色板、实 际的图像数据。 位图头文件的长度固定为14 个字节，它表明了文件的类型和大小等 内容。位图信息头的长度固定为4 0 个字节，它记录了该位图的基本内容。 调色板用来存放位图的颜色，假设是真彩色图，就不需要调色板。在实 际的图像数据中，对于用到调色板的位图，图像数据就是该像素颜色在 调色板中的索引值，对于真彩色图，图像数据就是实际上的红( r ) 、绿( g ) 、 兰( b ) 的值。 5 2 1 2 色彩系统 三=。0：259996-。0i28774-。0i131242ii竺 c2 -10211 - 05 2 303 1 2b ， i ，l = i gi() iql1 i i i 2 1 3 灰度化处理 箩荔历+ 灞渤嘞嬲嘲嗍鳓嬲物嬲蹲黪黼蹶芗了；i j 罐 图2 1 灰度化前车牌图像图2 2 灰度化后车牌图像 2 2 图像滤波 在图像增强领域 13 1 里，图像滤波是其非常关键的步骤之一。众所周 知，我们在获取车牌图像和传输的过程中总是会给有效的信息附加上外 部环境的干扰，这就是通常所说的噪音。而图像滤波这个步骤就是在最 大程度上还原我们原来真实的图像信息。通常情况下，由于噪音的出现， 6 总会造成车牌图像质量的下降，也就是产生了“杂质。因为噪音是伴随 采取过程而产生的，所以它们大多是离散和随机的。 对车牌图像实行处理，大多采用空域法对车牌图像实行滤波，目的 是剔除图像中的噪声，一般使用下面2 种方法，即：邻域平均法、中值滤 波法等。 2 2 1 邻域平均法 邻域平均法【1 4 】对图像平滑来讲是一种容易的空域处理方法。从图像 大面积观察来分析，图像上的背景或对象部分灰度的变化应是连续的， 缓慢的。而颗粒噪音将图像上一些像素的灰度变成突变。邻域平均法的 中心思想是，将图像上点( x ，y ) 及其邻域像素的灰度平均值来取代点( x ， y ) 的灰度值。其结果将会对亮度突变的点产生“平滑”效果。所谓点( x ，y ) 的邻域大概包括取包含它的3 x 3 邻域或5 x 5 邻域或7 x 7 邻域不等。 邻域平均法将对目标图像f ( i ，j ) 中的每个像点( m ，n ) 取它的邻域s 。 设s 拥有m 个像素，取它的平均值成为处理后所得图像像点( m ，n ) 处的 灰度。将一像素邻域内各像素灰度平均值来取代该像素本来的灰度，即 运用邻域平均法。 邻域s 的样子和大小依照图像特点决定。通常取的形状是正方形、 矩形和十字形等，s 的形状和大小能够在全图处理过程中保持一致，也能 够依照图像的局部统计特性而改变，点( m ，n ) 一般位于s 的中心。如s 为3 x 3 邻域，点( m ，n ) 位于s 中心，则： ll 7 ( m ，刀) = 去f ( m + i ，以+ j ) ( 2 4 ) t - 一1 j t 一1 由公式( 2 4 ) 还可看出，邻域平均法平滑了图像信号，尤其是可能将图像 目标区域的边界变得模糊。 2 2 2 中值滤波 中值滤波【l5 1 是空域法中非线性信号处理方法的一种，中值滤波在一 定条件下，能够克服线性滤波器所导致的图像细节不清，还能对滤波脉 冲干扰及图像扫描噪声起到很好的作用。 中值滤波的具体思路是：对于给定的n 个数值 口。，a 2 ，q ) ，将它们按 大小有序排列，当r l 为奇数时，位于中间位置的那个数值称为这1 1 个数 值中值；当1 1 偶数时，位于中间位置的两个数值的平均值称为这n 个数值 的中值，记作m i d a l ，a 2 ，a n 。中值滤波就是这样的一个变换，图像中 滤波后某像素的输出等于该像素邻域中各像素灰度的中值。 通过很多的试验对比，结果是对车牌图像使用领域平均法滤波效果 7 好。图2 3 就是图2 2 使用此方法滤波后的效果图。 2 3 图像二值化 图2 3 采用邻域平均法滤彼效果图 图像的二值化f l6 】就是对图像实行阈值化分割，使图像中对象与背景 区分开来，有利于提取对象的一种图像处理方法。图像二值化的重点是 阈值t 的取值，通过阈值t 来分辨图像中的目标和背景。二值化的阂值 选择有一些方法，大概分为3 类：全局阈值法、局部阈值法和动态阈值法。 这里对全局阈值方法中的o t s u 方法【1 7 】【1 8 】与其他二值化方法进行对比， 发现这个方法比其他二值化方法效果更优。 在理想的状态下，图像的灰度直方图在两个峰之间存在一个陡的波 谷，那么阈值便能够选为谷底的某一点。然而对很多平常的图像来讲， 谷底是不容易被检测出的，特别是当谷底很平、很宽，或图像自身存在 很多噪声，或是两个峰的高度不对称，结果根本找不到谷的情况。面对 这个难点，o t s u 研究出了最大类间方差法，它是在判决分析最小二乘法 原理的基础上，推导得出的自动选取阈值的二值化方法，其一般思想是 使图像直方图用某一灰度值变成两组，当两组方差最大时，此灰度值就 成为图像二值化处理的阈值。o t s u 阈值法使用幅度非常大，不管图像的 直方图是否有明显的双峰，都可以得到相对满意的分割效果。 o t s u 法是在判断分析最小二乘法原理【”j 的基础上推导出的，是全局 阈值二值化方法中最典型的一种，它的简要原理：设给定图像具有l 个 灰度级，阈值设为t ，先统计出图像的灰度直方图，然后把灰度大于或小 于t 的像素分为两类，即类1 和类2 ，类1 中的像素总数为w ( 七) ，平均 灰度值为m 他) ，方差磊( 七) ；类2 中的像素总数为w 2 ( k ) ，平均灰度值为 8 鸩( 尼) ，方差为8 2 ( k ) ，所有图像像素平均值为m ，则类间方差2 和类内 方差盯2 ，分别由以下两式决定： 2 = ( m l m ) 2 + ( 鸠一m ) 2 = 彬呒( m 一鸩) 2 ( 2 5 ) 一= + ( 2 - 6 ) 一2 选择方差之比娑最大时的阈值t 作为o t s u 法定义的最佳阈值。 噶 o t s u 算法的描述：( 1 ) 求出图像中最大的灰度m a x - g r a y ；( 2 ) 令t = o ；( 3 ) 求 出大于和小于k 的这两类像素总数和像素的灰度平均值；( 3 ) 计算类间方 差以和类内方差2 ；( 4 ) t = t + i ，循环3 。5 步，直到t m a x g r a y ：( 5 ) 找 出最大的值，得到相应的阈值t 。 2 4 边缘检测 图2 4 为图2 3 二值化后的效果图 所谓的“边缘”，大多是表示图像中的某些直线或曲线，其对象的两 点或亮度梯度有较为陡峭的差异。边缘通常提供了不同方块间的重要信 息。比如，它可以是物体与背景的相交处、物体中不同取向两表面的交 线或一个物体的阴影边缘在图像中的特征反映。人眼通常仅能分辨大概 4 0 级灰度。这说明假如黑与白之间的灰度范围被分为超过4 0 个以上的等 分，相邻的灰度级也许对人眼来说看起来是一样的。但是，视网膜有一 种内在的边缘增强处理功能，将眼睛能检测出远小于总范围1 4 0 的灰度 跃变，考虑一组由黑到白按灰度级排列的2 5 6 个正方形区域构成的灰度 靶。一般的人不难看到邻近的正方形的边界，尽管其灰度差别只是2 5 6 级中的l 级。然而，假如用一个窄条盖住正方形间的边界，相邻的正方 形看起来就会拥有一样的亮度。 边缘检测【2 0 1 是全部基于边缘的分割办法的开始。两个具有不同灰度 的相邻区域之间总存在边缘。边缘是灰度不连续的结果，这种不连续常 9 l ， j ，十， 吒 ：乒 可利用求导方便地检测到，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 2 1 1 2 2 1 的有梯度算 子和拉普拉斯算子。 边缘检测的基本思想：假如一个像素落在图像中某一个物体的边界 上，它的邻域将变成一个灰度级变化的带。说明边缘基本的两个特征是 灰度的变化率和方向。它们分别以梯度向量的幅值和方向来表示。边缘 检测算子检查每个像素的邻域并对灰度变化率进行量化，一般也包括方 向的确定。有若干种方法可以使用，其中大多数是基于方向导数掩模求 卷积的方法 2 3 l 。 ( 1 ) r o b e r t s 算子【2 4 1 ：r o b e r t s 边缘检测算子是一种利用局部差分算子 寻找边缘的算子。它由下式给出： g ( 五y ) = 而一x f ( x + l , y + 1 ) 2 + 7 ：石而一、f ( x , y + 1 ) j 2 1 2 其中f ( x ，y ) 是具有整数像素坐标输入图像，平方根运算使处理类似于人类 视觉系统中发生的过程。 ( 2 ) s o b e l 边缘算子【2 5 1 ：s o b e l 边缘算子是由两个卷积核组成，一个核对 垂直边缘响应最大，一个对水平边缘响应最大，两个卷积的最大值作为 该点的输出值。运算结果是一幅边缘图像。它是加权平均再差分，有抑 制噪声的能力，但检测出的边缘宽度较宽。 表2 5 s o b ei 边缘算子 - l0- 1 2o2 1o 1 ( 3 ) p r e w i t t 边缘算子：p r e w i t t 边缘算子是由两个卷积核组成，一个核 对垂直边缘响应最大，一个对水平边缘响应最大，两个卷积的最大值作 为该点的输出值。运算结果是一幅边缘图像。它是平均后再求差分，能 够抑制噪声，若窗口更大，则抑制噪声更明显。 1 0 表2 6p r e w i t t 边缘算子 - 1 1- 1 r ooo ll l 1o一1 1o- l 1o- 1 r o b e r t s 、s o b e l 、p r e w i t t 算子简单易于实现，因而在边缘提取中被广 泛采用。r o b e r t s 算子对具有陡峭的低噪声图像响应最好。s o b e l 边缘算 于和p r e w i t t 对灰度渐变和噪声较多的图像处理较好。在本系统的研究过 程中，车牌图像的边缘检测采用r o b e r t s 算子。图2 7 和图2 8 是边缘检 测前后的两幅图像。 图2 7 边缘检测前的灰度图 图2 8 边缘检测后的二值化图像 第三章车牌定位与字符分割 我们通常所说的车牌识别系统里，车牌定位、字符分割和字符识别 这三部分是作为一个整体存在的，上一个环节是与后来的环节相关联的。 在这三个环节中车牌定位是增加整个系统识别率的根本环节之一。 所谓车牌定位 2 6 1 就是在模糊的背景图像里把车牌进行提取操作，实 际还是属于图像分割的范畴。因为车牌图像一般取景于背景多样以及不 同光照条件的实际地点，而且由于天气状况与车牌的清洁程度，经常会 获得字符不全及对比度不明显的图像，造成车牌识别困难。按照处理研 究图像的性质差异一般包括基于灰度图像以及基于彩色图像的车牌检测 与提取两种方法。因为处理灰度图像的速度一般比其他的快得多，因此 现在车牌识别系统中基本采用对灰度图像进行研究。 3 1 车牌定位 在车牌分割中最重要的步骤就是车牌的定位以及提取，它是标准的 非单一背景下对象提取问题的研究。通常所说的车牌都具有面积小，而 且悬挂位置固定的特点。一般情况下，汽车的牌照图像都是在运动的情 况下录入到摄像机或者相机中，图像一般都是非常不清晰，有的时候字 符残缺不完整；有时车上还通常有各种物体遮挡字符；获取图像的摄像机 位置以及距离的不同都会增加定位、分割以及识别的难度。当然，假如 只是通过图像的一种特征来对车牌进行定位，所得到的效果一般都不佳， 一般要结合其他方法才能够好的剔除伪车牌，得到目标车牌。 3 1 1 我国车牌的特点 现在我们研究能够进行车牌定位的特征问题。我们讲的所谓车牌 2 7 1 就是悬挂在机动车首尾端一定位置的带字符的金属框。依照公安部一九 九二年颁布的l ：中华人民共和国机动车牌号标准规定，机动车前牌照 安装在车辆前端的中间或偏右，后牌照安装在车辆后端的中间或偏左， 车牌要求固定封装，横向水平安装，纵向基本垂直于地面安装并不得倒 置，不允许任何变形和遮盖。车牌为矩形，其长度和宽度分别为4 4 c m 和14 e r a 。上面按规律分布有8 个字符，包括中文汉字、英文字母、阿拉 伯数字和圆点分隔符。车牌有四种类型，分别为：蓝色车牌，上有白色 字符；黄色车牌，上有黑色字符；白色车牌，上有黑色和红色字符；黑 色车牌，上有白色字符。 1 2 包 位 区 右 边 于 所 距 底 造 打 的 常 的 类 有 为 我 牌信息都是在汽车图像的下半部分，通过这些经验开始从图像边缘的底 部进行扫描从而节省时间，与此同时我们可以通过先进行大致范围的定 位然后小范围确定的办法来缩短运行时间，从而实现算法的时效性。具 体的操作过程是【2 8 】： ( 1 ) 根据获得的原始数据由下往上的逐步进行定位，由于考虑到定位 的效率，我们采用跳跃的方式，每一次的采样周期是5 ； ( 2 ) 计算扫描行的o 1 跳变次数，当大于门限a 时标定该行，并以此 行为基础步进值改为l 在该行的上下两个方向上进行扫描得到满足门限 a 的最下行b o t t o m 【i 】和最上行t o p i 】； ( 3 ) 由公式h e i g h t i = b o t t o m i 一t o p i 】计算得到条形区域的高度，若 h e i g h t i 满足大于m 小于的条件，则记下b o t t o m i 和t o p i 】的值，i + + ， 转( 1 ) 且初始值变为t o p i 】；否则剔除该区域转( 1 ) 初始值变为t o p i 】； ( 4 ) 将最后得到的有可能成为有效车牌部分提取出来，然后进行后续 的精确定位。通过前面的步骤我们就获得了存在车牌信息的大致图形， 从而为后面的处理提供了有效数据。在前面的整个粗略定位中，我们大 都是经过了非常简单的处理，不仅工作量小，而且处理起来周期也相对 很短，这就实现了我们所说的此种算法的高效性和优越性。 二、精定位 通过前面的流程我们获得了存在车牌有效信息的部分，然后就可以 利用一种叫做垂直投影法的方法来进行车牌的精确定位操作，最后就能 够得到具有车牌有效信息的确切位置。我们说讲的垂直投影算法 2 9 1 具体 步骤如下： ( 1 ) 开始合理的认定存在车牌的一个恰当位置，通过计算我们可以得 到图形中的具体灰度值，然后将每一列的数值保存在设定的数组里； ( 2 ) 经过计算可以得出图像该位置灰度值总和，然后对他取平均值； ( 3 ) 比较保存在设定数组中的值与平均灰度值，若数组中的值比平均 灰度值大，就设置为1 ；否则反之，从而我们可以得到波峰与波谷的位置 区域； ( 4 ) 对波峰部分的最大值与相邻波谷部分的最小值进行逐一提取，并 将他们设定成局部波峰与波谷值，然后对其值进行对比，假设此值比我 们凭借经验所获得的阈值大的话，那么保存这一次的记录；否则，就删 除记录。 ( 5 ) 对余下的可能包含车牌信息的部分进行检测，假设后面都不具有 保存的条件，那么就可以直接记录所剩部分的车牌部分为有效部分。 通过我们总结的经验与规律，车牌的有效部分都存在着七个字符， 1 4 且呈垂直排列，字体具有严格的标准规范，每个字符的各项都是由中华 人民共和国的法规都规定来制定的， 理的流程中会造成一定程度的影响， 生任何更改的。 虽然我们在对车牌进行