（计算机应用技术专业论文）车牌定位系统的研究与开发.pdf

中北大学学位论文车牌定位系统的研究与开发捅姜基于数字图像处理技术的车牌识别系统主要是由图像预处理、车牌定位、字符分割和字符识别四大核心技术构成，它在智能交通领域中有着广泛的应用，同时也是计算机视觉、图像处理和模式识别等交叉学科研究的热门课题，因此对相关技术的研究正受到普遍关注。正是基于上述背景，本文对车牌识别技术进行了深入系统的研究。本文简要阐述了整个车牌识别系统的总体结构，并在研究了经典图像分割和定位算法后，提出了一种简单实用的车牌定位算法即“基于投影灰度特征和车牌先验知识的车牌定位算法”。该算法通过r g b 图像的灰度化、灰度图像的二值化、图像的平滑和锐化、边缘检测算子和中值滤波等技术对输入图像进行预处理，然后结合投影技术实现车牌区域的精确定位。实验结果表明，该算法在应用仿真中，取得了良好的效果。与此同时本文阐述了一种更简单的基于统计边缘跳变次数的车牌定位理论和车标定位方法。根据人眼的视觉特性，本文采用了一种由粗到精的车标定位方法，即先根据先验知识确定车标的大致范围，再运用图像处理中的边缘检测和形态算子确定较准确的车标位置，最后在极小的范围内用相关匹配算子得到车标的精确位置。这些研究对于解决一般的目标定位系统中普遍存在的光照、噪声、尺寸、变形、形状相似、部分遮挡等情况的识别问题有着更为深远的理论意义。关键词：图像分割，中值滤波，边缘检测算子，车标定位中北大学学位论文r e s e a r c h d e v e l o p m e n to fl i c e n s ep l a t el o c a t i o ns y s t e mc h e ny a n g ，l id i n g z h ua b s t r a c tl i c c n c ep l a t er e c o g n i t i o ns y s t e m ( l p r s ) w h i c hi sb a s e do nd i g i t a li m a g ep r o c e s s i n gt e c h n o l o g ym a i n l yc o n s i s t so ff o u rk e yt e c i m o l o g i e s ：i m a g ep r e p r o c e s s i n g ，l i c e n s ep l a t el o c a t i o n ，c h a r a c t e rs e g t n e n t a t i o na n dc h a r a c t e rr e c o g n i t i o n i tf i n d sn o to n l yw i d ea p p l i c a t i o ni ni 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 ( i t s ) ，b u ta l s oi sah o tp o i n to fr e s e a r c hi nc o m p u t e rv i s i o n ，i m a g ep r o c e s s i n ga n dp a t t e r nr e c o g n i t i o n s oi t sr e l a t e dt e c h n o l o g yi sa t t e n d e dp r e v a l e n t l y o nt h ea b o v eb a c k g r o u n d ，t h ep a p e rm a d ead e e pa n ds y s t e m a t i cr e s e a r c hf o rl i e c n c ep l a t er e c o g n i t i o nt e e i m o l o g y t h ep a p e ri n t r o d u c e st h es t r u c t u r eo ft h el p r sa n dp r e s e n t sas i m p l ea n dp r a c t i c a la l g o r i t h mo fl i c e 硒ep l a t el o c a t i o nb a s e do nt h eq u a l i t yo fp r o j e c t i o ng f a ys c a l ea n dt h ep r i o rk n o w l e d g eo ft h el i c e n s ep l a t ea f t e rt h es t u d yo fc l a s s i ci m a g es e g m e n ta n dl o c a t i o na l g o r i t h m b yt r a n s f o r m i n gr g bi m a g ei n t og r a yi m a g e ，b i n a r y i n gi m a g e ，s m o o t h i n ga n ds h a r p e n i n gi m a g e ，e d g ed e t e c t i o no p e r a t o r sa n dm e d i a nf i l t e ra n ds oo n ，i t sm e a s u r ec a nd e a lw i t ht h ei n p u t e di m a g e s , t h e nt h el i c e n s ep l a t ei sl o c a t e dp r e c i s e l yb yp r o j e c t i o nt e c i m o l o g y t h er e s u l t ss h o wt h a tt h i sa l g o r i t h mb e a r sg o o dp e r f o r m a n c ei nt h es i m u l a t i o no fa p p l i c a t i o n a tt h es a m et i m e t h ep a p e ra l s op r o p o s eas i m p l e rt h e o r yo fl i c e n s ep l a t el o c a t i o nb a s e do nc o u n t i n gc h a n g i n gt i m e so fe d g ea n dm e t h o do fv e h i c l e l o g ol o c a t i o n i nt h ed i s s e r t a t i o n ，t h ep a p e rp r o p o s eam e t h o do fv e h i c l e l o g ol o c a t i o nf r o mc o a r s et of i n ew h i c hi sb a s e do nh u m a nv i s u a lp r o p e r t i e s t h ea p p r o x i m a t es c o p eo fv e h i c l e l o g oi sf i r s tc o n f i r m e db yp r e e x i s t e n tk n o w l e d g e ，t h e ni t sf i n e rp o s i t i o ni sf o u n db ye d g ed e t e c t i o na n dm o r p h o l o g yo p e r a t o r s ，a n df i n a l l yi ti sl o c a t e dp r e c i s e l yb yr e l a t i o nm a t c ho p e r a t o ri nav e r ys m a l ls c o p e t h e s er e s e a r c h e sh a v ea c a d e m i cs i g n i f i c a n c ei n0 b j e c tl o c a t i o ns y s t e mw h i c hi ss u b j e c tt oi l l u m i n a t i o n ，n o i s e ，s i z e ，d e f o r m e d ，s h a p es i m i l a r i t ya n dp a r to c c l u s i o n k e yw o r d s ：i m a g es e g m e n t ，m e d i a nf i l t e r , e d g ed e t e c t i o no p e r a t o r , v e h i c l e l o g ol o c a t i o n原创性声明本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独立进行研究所取得的成果。除文中已经注明弓i 用的内容外，本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：圣鱼：丕园日期；论文作者签名：车gf 车型日期；关于学位论文使用权的说明本人完全了解中北大学有关保管、使用学位论文的规定，其中包括：学校有权保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交流为目的，复制赠送和交换学位论文：学校可以公布学位论文的全部或部分内容( 保密学位论文在解密后遵守此规定) 。签名：二至鱼! 至望日期：签名：羔鱼! 生型日期：导师签名：日期；中北大学学位论文1 1 课题研究背景及意义1 绪论2 0 世纪7 0 9 0 年代是世界发达国家经济发展的黄金时期，但伴随经济高速发展的负产物之一就是交通状况的不断恶化，尤其是近十多年来，无论是发达国家还是发展中国家，都不同程度的受交通问题的困扰。交通拥挤、事故、环境污染已成为最难消除的现代社会公害之一。面对日益严重的交通问题，各国专家提出了多种解决办法，但这些办法或受到投资和资源的制约，或受到见效面狭窄、见效期长等限制，尤其是发达国家的公路网早已建成，不可能靠大量拆迁来增建和拓建交通设施。同时，人们越来越多的从保护环境、节约能源和谋求社会可持续发展的角度来考虑问题。因此随着计算机处理能力的增强和数字图像处理技术、通讯技术、信息技术的飞速发展，将人、车、路综合起来，用系统的观点进行思考，把先进的技术运用于智能交通系统( 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 简称i t s ) 的开发中来。美国、欧洲和日本等发达国家在i t s 研发中已获得较好的社会和经济效益。我国经过“九五”的准备期，在“十五”期间将i t s 列为交通管理发展的主要研究方向。在这种背景下，车牌识别系统( l i c e n c ep l a t er e c o g n i t i o ns y s t e m 简称l p r s ) 作为i t s 的重要前端设备，在交通调查、交通监管和车辆管理等方面发挥着举足轻重的作用，对这项课题的研究必将推动我国交通管理自动化的进程。l p r s 主要应用于嘲：1 高速公路收费、监控管理。2 机场、港口、社区、停车场等出入口车辆的管理。3 城市道路监控、违章管理、安全管理。中北大学学位论文4 车牌登记、验证。5 交通流量检测、交通控制。1 2l p r s 的研究现状课题重点是对l p r s 的相关技术进行研究，因此本节主要介绍与此相关的研究现状，且分为以下三个部分：“l p r s 的主要应用技术”、“车牌定位”和“车牌字符识别”的研究现状1 2 1l p r s 的主要应用技术上世纪9 0 年代初，各国学者对l p r s 展开了初步研究，当前主要采用i c 卡识别、条形码识别、数字图像处理、传统模式识别和人工神经网络口1 州等技术来实现系统要求。1 i c 卡识别技术：i c 卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品，利用i c 卡技术进行车牌识别，主要是指在车上安装一个微型的电子信号接收和发射装置即j c 卡，卡内存储了该车的车牌号码以及其他一些信息，当车通过设有车辆检测装置的路口时，i c 卡系统将与路口的计算机系统进行对话，使之识别出车牌号码及其他信息，从而实现车辆的监督和管理。i c 卡识别技术具有识别率高，运行可靠和全天候作业等优点，但整套装置价格昂贵，硬件十分复杂，不适用于异地作业，且需要制定出全国统一的标准。2 条形码识别技术：在车辆的侧面印刷条形码或是制作带有条形码的车牌，条形码包含了该车车型、车牌号码等基本信息，当车通过红外线扫描器时，条形码上的信息被反射到读取单元并被抽取出来，从而实现识别功能。条形码识别技术具有识别速度快、2中北大学学位论文识别率高、成本低等优点，但是该技术对于扫描器的要求很高，而且同i c 卡技术一样，须在全国范围内制定出统一的标准。3 数字图像处理技术：数字图像处理( d i g i t a li m a g ep r o c e s s i n g ) 又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程，具体的讲就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控制，运行并实现种种要求的处理。在l p r s 中，利用数字图像处理技术提取车牌的特征信息并加以处理，并最终实现识别。它具有低成本、对硬件依赖性小等优点，但其识剐率的高低主要取决于识别算法。4 传统模式识别技术：传统模式识别技术一般包括模版匹配算法，统计特征等。进入9 0 年代，由于计算机视觉技术( c o m p u t e rv i s i o nt e c h n i q u e ) 的发厩万始盯车牌识别进行系统化的研究。1 9 9 0 年a s j o h n s o n 等运用计算机视觉技术开发了出套l p r s 。该系统分为图像分割、特征提取和模块构造、字符识别等三个部分。利用不同阈值对应的直方图，经过实验确定出车牌位置的阈值范围，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块进行模块匹配。它具有识别率高的优点，但识别速度较慢。5 人工神经网络技术：近几年来，一些发达国家开始探讨用人工神经网络解决车牌识别问题。它具有并行计算，分布式信息存储，容错能力强以及具备自适应学习功能等一系列优点，但是它常常将初始权值取为零或随机数，从而增加网络的训练时间或陷入非要求的局部最小值。总结上述技术，发现现阶段最可行的车牌识别方法就是数字图像处理技术。3中北大学学位论文1 2 2 车牌定位的研究现状车牌定位( l i c e n s ep l a t el o c a t i o n 简称l p l ) 就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来，它是l p r s 中至关重要的一步。对于一幅车辆图像来说，车牌区域只占全图的一小部分，要想将其准确定位并分割出来是非常困难的，这就要求研究人员对车牌区域内字符的纹理特征和字符与其背景之间的灰度特征进行分析，寻找它们之间的差别。当前最常见的定位技术主要有：“基于边缘检测的方法h 、“基于彩色分割的方法”、“基于小波变换的方法“h 和“遗传算法。h 等。1 基于边缘检测的车牌定位方法：所谓“边缘”就是指其周围像素灰度有阶跃变化的那些像素的集合嘲。“边缘”的两侧分属于两个区域，每个区域的灰度均匀一致，而两个区域的灰度在特征上存在一定差异。“边缘检测”的基本原理是对图像进行微分来达到边缘检测的目的。微分运算的结果表明：凡是灰度迅速变化的点都具有较高的微分值。大多数的边缘检测方法是基于方向导数掩模求卷积的方法。具体定位流程如图1 1 所示：图1 1 基于边缘检测的车牌定位流程2 基于彩色分割的车牌定位方法：该方法由彩色分割和目标定位等模块组成，采用多层感知器网络对彩色图像进行分割，然后通过投影法分割出潜在的车牌区域。在进行彩色分割时采用神经网络模型，一般图像采用r g b 三原色，但r g b 三原色中两点的欧氏距离与颜色距离不成线性比例。为了更好的进行彩色分割，将r g b 模式的彩色图像转化为h s i模式“，即色调、饱和度和亮度，然后对输出图像的饱和度作调整。为了减少计算量，将彩色图像抽稀后再进行模式转化，同时为了减少光照条件对图像分割产4中北大学学位论文生的影响，采用对数方法进行彩色饱和度调整。然后对模式转化后的彩色图像进行彩色神经网络分割，最后根据车牌底色及长宽比等先验知识，采用投影法分割出合理的车牌区域。当获取的彩色图像质量较高时，尤其是车牌区域颜色与附近颜色差别较大时，该定位算法正确率较高，但当区域颜色与附近颜色相似时，正确率将有所下降，且由于采用了神经网络计算，因而计算速度较慢。具体定位流程如图1 2 所示：图1 2 基于彩色分割的车牌定位流程3 基于小波变换的车牌定位：戴青云等n 1 提出了一种基于小波分析和数学形态学的车牌定位方法，该方法通过小波多尺度分解提取出纹理清晰且具有不同空间分辨率、不同方向的边缘子图；然后利用车牌目标区域具有水平方向低频、垂直方向高频的的特点实现子图提取；最后用数学形态学方法对小波分解后的细节图像进行一系列的形态运算，进一步消除无用信息和噪声，以确定车牌位置。该方法在噪声较小条件下定位效果好，分割精度高，其缺点是速度较慢，且在噪声较大时误定位机率也随之增大。具体定位流程如图1 3 所示：图1 3 基于小波变换的车牌定位流程4 基于遗传算法的车牌定位：该方法利用遗传算法对图像进行优化搜索，结合区域特征矢量构造适应度函数，最终寻找车牌区域的最佳定位参量。车牌定位是寻找一个符合“车牌区域特征”最佳区域的过程，本质上就是从参量空间寻找最优定位参量的问题，而寻找参量空间的最优解正是遗传算法最擅长的，但是在实时系统中，车牌定位速度受5中北大学学位论文遗传算法中迭代次数的影响很大。具体定位流程如图1 4 所示：图1 4 基于遗传算法的车牌定位0 谗1 2 3 车牌字符识别的研究现状1 研究现状：车牌字符识别实际上就是对车牌上的汉字、字母和数字进行准确确认的过程，其基本原理是将输入字符与各个标准字符模版进行模式匹配，计算类似度，将具有最大类似度的标准字符作为识别结果输出，具体流程如图1 5 所示。当前字符识别的主要方法有“模板匹配法”、“神经网络方法n l h 、“特征点匹配法“2 h 、“光电混合联合交换相关方法“帅和“小波法“”等。图1 5 字符识别流程模板匹配法计算快速，但对字符的噪声、变形和光照较敏感。常用的神经网络有b p 神经网络、h o p f i e d 网络和k o h o n e n 网络等，其优点是对于字符的噪声和变形不敏感，缺点是不易区分特征值相近的字符，例如：0 ，d ，q ；8 ，b 等。刘维一“甜等在模板匹配法的基础上，根据车牌本身的特性，提出了特征点匹配识别法。特征点匹配法选取了能够区分各字符的若干特征点，进而得到各字符的编码，从而能较好的区分特征值相近的字符，但是该方法只适用于二值图。葛宝臻“”等提出的光电混合联合变换相关方法是利用“联合变换相关器”根据输出面上相关蜂的位置确定目标图像和参考图像，但速度较慢。上述方法多是针对印刷体字符识别，在此将介绍手写体字符的识别方法，这对于解决字符笔画断裂、倾斜、变形、形状相似等问题有着深远的启示作用。当前对手写体字符识别讨论最多的就是基于隐马尔可夫模型( h i d d e nm a r k o vm o d e l ，6中北大学学位论文简称h m m ) 的识别方法“”2 “。m ，d e h g h a n ，k ，f a e z “们等人阐述了一种基于h m m 和自组织向量量化相结合的方法来对阿拉伯文字进行识别。它通过个滑动窗口对图像从左至右扫描得到链码方向直方图，并将其作为h m m 的特征向量。张引，潘云鹤。们在分析了语音识别一维h m m 的基础上，采用二维h m m 识别工程图纸中各类印刷体汉字、较规范的手写体汉字、英文和阿拉伯数字，适用于多字体和倾斜字符识别等情况。童学锋乜”等提出了一种新的脱机手写汉字识别方法，即h m m法。该方法对每个汉字建立8 个h m m ，通过等比重综合方法将8 个分类器的计算结果进行综合，从而得到识别结果，实践证明该方法是可行的。b i n gf e n g ，d i n gx i a o q i n g 心”等提出了基于h m m 的手写体汉字的识别方法，该方法首先将汉字图像分成几个局部区域，然后从各个局部区域提取特征变量组成h m m 的观察向量，而h m m 的状态反映了汉字的空间结构特征，它的同一性通过训练样本来获取。最后由h m m 结合最近邻分类器对手写体汉字进行识别。在一维h m m 中，观察量是描述字符图像局部特征的值，而状态则反映字符空间结构性。基于h m m 的字符识别方法能有效地解决字符识剐中断裂、变形、相似等问题，但对于如何更好的提取h m m 的观察序列使其能精确的刻画模式的局部不变特征和如何优化复杂的h m m 的训练和识别算法，以及更好的应用于l p r s 中仍是一个值得研究的问题。2 国内外字符识别的技术水平：字符识别中较难处理的是汉字识别。汉字识别技术是在英文、数字识别的基础上，由日本学者于6 0 年代末期最先开始研究的。并于1 9 7 7 年完成了日本通产省制定的“图像信息处理系统”中的印刷汉字识别装置，该装置是一个庞大的硬件专用设备，可识别2 0 0 0 个汉字，识别速度可达到1 0 0 字秒。到8 0 年代中期，日本的汉字识别技术已经相当成熟，并由东芝、三菱、三洋、松下等公司开发的以软件为主并使用通用高档微机的产品也已走向市场。我国于7 0 年代末期开始对数字、英文、符号的识别进行研究“”1 ，同期有少7中北大学学位论文数大学和研究所对汉字识别方法进行了探索，并发表了一些学术论文，研究出少量模识识别软件和系统。到8 0 年代中期，我国汉字识别技术进入了研究的高潮，印刷体汉字识别技术的研究获得了丰硕的成果，有1 1 个单位进行了1 4 次印刷体汉字识别成果的鉴定。进入9 0 年代，在国家重点科研计划的支持和市场驱动下，汉字识别系统一直朝着实用化的方向发展。今天，印刷体汉字识别已有四五个系统，如北京信息工程学院研制的b i o c r ，清华大学研制的t h o c r ，国家智能计算机研究开发中心研制的n c o c r ，台湾研究的丹青o c r 等。它们能识别4 0 0 0 多个不同体、不同号的常用汉字，识别率达到9 5 - 9 9 ，识别速度达到2 0 一4 0 字秒。大陆和台湾研制的联机手写汉字识别系统已有l o 多种，如中国科学院启动化研究所研制的汉王笔，台湾研制的蒙恬笔等，市场销售量已超过5 万套。这些系统能实时识别1 0 0 0 0 个以上的规范书写的简繁体汉字，笔顺无限制或少限制，少数常用字可以连笔，识别率可达9 0 以上。总之，我国印刷体汉字识别和联机手写汉字识别已经进入实用阶段，其技术水平和当前世界最高水平并驾齐驱。1 3 本文研究内容及各章安排l p r s 的研究在计算机视觉3 ”、图像处理钉口q 和模式识别。”等学科中占有极其重要地位，多年来一直是i t s 领域中最热门的研究课题，它主要包括“图像预处理”、“车牌定位”、“字符分割”和“字符识别”，如图1 6 所示。从图1 6 中我们可以看出l p r s 每一个功能的实现都需要建立大量的数学模型，且建模的同时还要加以验证，以便从中选出最恰当的模型。基于上述原因的考虑，课题组要求本人和同学共同承担研究内容。8中北大学学位论文1 3 1 课题分工及研究内容图1 6 车牌识别流程本文详细分析了l p r s 的整体结构和主要功能模块，重点围绕车牌定位和与之相关的算法展开研究，具体内容为：1 “车牌定位”是典型的目标定位系统，本文对现有定位技术进行了对比和分析，并总结了优缺点。2 对车牌定位算法进行了比较深入的研究，其中包括：图像分割技术、图像灰度化，二值化、直方图技术、阈值选择算法、图像增强、常用边缘算子和投影技术。3 本文对现有定位技术进行优化重组，提出一种图像分割技术和投影算法相结合的车牌定算法。4 基于对目标定位技术的研究，本文在实现“车牌定位”的同时，又提出了另外种定位理论。5 基于车牌定位，本文深入探讨了车标定位的原理，其中包括车标标准模板的生成、基于先验知识的定位算法和数学形态学运算。1 3 2 本文各章节内容安排第一章：主要介绍了课题的研究背景及意义，重点阐述了车牌识别技术的研究现状，并对研究内容和论文结构作了详细描述。第二章：在方案设计之初，研究人员必须对项目在功能上有一个预计。本章为9中北大学学位论文了彳导出最佳设计方案，首先从l p r s 的功能模块和工作流程等角度对其进行了研究与分析，然后重点对定位技术和策略进行了详尽的阐述，最终得出定位方案。第三章：主要介绍了车牌定位预处理的实现过程，其中包括：灰度变换算法、二值化算法、阈值选择算法及其实验效果。第四章：详尽阐述了“图像增强技术”，并对常用边缘算予进行了数学描述，通过分析和比对从中得出最佳边缘提取方法。第五章：提出了一种图像分割技术和投影法相结合的定位方法，并依据实验效果和数据对车牌定位系统作了一个全面的测试。第六章：在实现车牌定位之后，本文对相关技术做了迸一步研究并取得了定成果，提出了一种新的车牌定位理论和车标定位算法。第七章：总结全文的研究成果和创新点，并对日后的研究工作进行了展望。中北大学学位论文2 车牌定位方案的设计车牌定位方案的设计必须紧紧依托l p r s 的功能和工作流程，因此本文有必要先对l p r s 展开研究与分析。2 1l p r s 的研究与分析2 1 1l p r s 的功能模块l p r s 按触发方式可分为视频触发和红外触发；按成像条件可分为可见光成像和红外成像；按运行平台不同可分为硬件式和软件式。不同的技术路线决定了系统的性能和使用条件，但是无论采用何种形式，各种l p r s 都是由图像采集模块( 包括：图像采集控制单元、辅助照明单元) 、车辆牌照识别模块( 包括：图像预处理单元、车牌定位单元、字符分割单元、字符识别单元) 、后台管理模块组成，如图2 1 所示：图2 1l p r s 的功能模块中北大学学位论文2 1 2l p r s 的工作流程系统工作流程( 如图2 2 所示) ：1 c c d 摄像机负责向系统提供连续视频信号。当车辆通过检测装置时，检测装置及时向监控平台发出触发信号，当监控平台收到触发信号后，发送采集指令给图像采集控制单元。2 当图像采集控制单元收到采集指令后，便从连续视频信号中截取一帧作为识别算法的输入图像并送至图像预处理单元。3 经过图像预处理单元后，车牌定位单元从输入图像中找到车牌位置，并对车牌作字符分割，得到字符的点阵数据。4 将字符的点阵数据输送直至识别单元，从中提取字符特征，与模板库进行匹配，给出识别结果。5 系统调用识别结果，根据具体需要组建数据库。2 1 3l p r s 的功畿要求图2 2l p r s 的工作流程1 适用于国内任何一种颜色的车牌，并且不受车辆本身型号，颜色的影响。2 当图像上出现其他标志时( 如散热片，车标等) ，能将这些区域与车牌区别开来。中北大学学位论文3 允许车牌本身有一定程度的倾斜、扭曲，车牌在二维图像中的形状允许存在一定的畸变。4 当字符图像出现模糊、笔划断裂、粘连时，仍能够被正确识别。2 2 车牌定位方案2 2 1 定位技术目标特征的提取和选择”是实现车牌定位功能的重要技术依据，它直接影响着后续分类器的设计和性能，与其相关的技术方法如下；1 边界特征的提取：经验指出图像边界往往对应于目标景物的边缘，而且图像中区域特征的差异多发生于此。在车牌定位中，使用最多的边界特征提取方法主要有“微分算子法”和“小波变换法”，由于本人在开发课题时主要用到了微分算子法，所以将在论文4 3 节中做详细的研究。2 角点特征的提取：所谓角点就是图像中两条边界以一定角度相交的地方、边界方向发生剧变和图像灰度梯度变化较大的点。在l f r s 中，以车牌的角点作为特征具有重要的意义，当前对角点特征的提取主要有k r 法。设图像f ( x ，y ) 在点o ，y ) 处梯度为：g ( 毛y ) - 篆f + 篓j 一站+ j(式210v)以梯度方向角日的正切为：诅n 日= 蒡，善- 丢zc 式2 a ，缸c梯度方向角0 相对x 的变化率为：中北大学学位论文蠓0 0 。踹梯度方向角疗相对y 的变化率为：嘭= 詈，揣( 式2 3 )( 式2 4 )由于梯度矢量g ( x ，y ) 一( ，) r 指向函数，变化率最大的方向，而矢量h - ( 一( ，) 7 是和g 垂直的，所以它反映了可能边界，的局部走向。梯度方向口变化率 ，或) 在可能边界走向的投影反映了可能边界的转弯的尖锐程度，从而将梯度g 的方向0 的变化率矢量0 i ，砖) 在，上的投影即d ( h i h l ) 和梯度的幅值的乘积k 作为角点存在性的测度：k 一孝萧【( 盯啪膨二剑铲c 定越大，则角点存在的可能性就越大。有时也可以以梯度方向的变化率矢量口在f上的投影是否大于某阈值为角点检测的依据。3 区域特征的提取：在l p r s 中车牌定位在很大程度上依赖于区域特征，在此主要介绍区域生长法。所谓区域生长法就是利用跟踪技术来实现对区域的提取，特别适用于在二值图中寻找连通域。可以以像素点为单元或将图像划分为许多互不重叠的n x l l 子块( n = 2 ，4 ，8 ) ，以子块为单元，对图像进行扫描，寻找满足检测准则的点或子块，当找到这样的点或子块后，作为核心点或核心块，检查它全部的邻点或邻块，把满足合并准则的任何邻点或邻块和已提取的满足检测准则的点或子块合并，从而产生小块目标区域，然后再检查该区域的全部邻点或邻块，并把满足合并准则的邻点或邻块并入这个目标区域，不断重复这个过程，直到没有邻点或邻块满足合1 4中北大学学位论文并准则为止，则此块区域生长结束。然后用检测准则继续寻找新的核心点或核心块，当找到满足检测准则的像素点或子块后，开始第二个区域的生长点，如此类推。检测准则可以使用灰度或平均灰度，或区域的统计量、纹理；合并准则为两个单元的特征量之差在某一个阈值内。4 特征选择：特征选择的任务是从一组数量为d 的特征中选择出数量为d 且d d 的一组最优特征。目前l p r s 中经常使用的特征选择方法就是小波特征自动选取法。设0 曩警0 为目标图像小波变换域的特征值，其中m ，n ，q 是小波特征的三种选择参数，即小波特征的选择由m ，n ，q 的值决定。计算某类目标s a 一1 ，2 ，c ) 中足够多的样本的特征值，其中c 为待分类的总类别数6 群l ，然后从这些样本的特征值中统计得到该类目标s 对应特征值的的均值r e ( s , ，0 曙字0 ) 和方差口( 墨，j i 曙 于是可以用区分度量q ( 8 臀8 ，s i ，s ，) 来刻画特征j | e 警8 辨别目标s 和s j 的有效区分程度：q j 暖“8 ，墨，s ) 一1 s f ，j 三c( 式2 。6 )其中，7 为调节参数。显然区分度量q 限警0 ，墨，s j ) 越小，0 磷0 就能更好的区分目标s , * o s j 。一般q ( i k 茅s t ，s ) 1 ，则忙嚣8 能非常好地区分目标置和s 。在进行c 个类别的目标分类时，为了选择区分特征( 即选择m ，1 1 1 ，q ) ，可先计算每个特征f | f 嚣8 的区分度量，并选择值小于1 的一个区分度量集合 q 4 l f 。w a v 。e l a l | ，s ，s j ) c 1 ，1 s f ，j c ，i 一， 来定义特征0 臂区分目标类别能力的区分。m烂i畦譬黑鞫篙中北大学学位论文个数拢功i 咒笋黔d d 4 1 焉咖警蔫w q i i f ：= “i i ，置, s j ) )( 式2 7 )上式中函数w ) 定义为：偬w ( x 二0 1 =c 式2 8 ，1) 一x 芑1同时再用集合 q l 蹋肚量，t ) c 】，1 s ，c ，i n 为每个特征j j f 嚣定义最差区分度量q ”i f 嚣尹q 一4 f 嚣 一，盟， q d 磷矧，s ，s ) m ( q l 碟纠，墨，最) ) ( 式2 9 )基于以上度量，特征0 群0 选取算法为：首先根据区分个数尬d ( i 臂l 和最差区分度量排列小波特征f 陋芽8 ，即将有最大区分个数的特征排在最前，若区分个数相同就根据最差区分度量按升序排列；其次选前个特征0 联篙“0 作为选取的分类特征。2 2 2 定位策略图像分割”8 ( i m a g es e g m e n t a t i o n ) 就是使图像被划分成或分隔成具有相似特征的区域，根据这些特征的属性将图像中有益的区域提取出来。近年来，随着各学科的飞速发展，各国学者提出了许多新的分割技术”，例如：“基于数学形态学的分割技术”、“基于小波分析的分割技术”和“基于神经元网络的分割技术”等。1 基于数学形态学的分割技术：形态学一般指生物学中研究动物和植物的一个分支，数学形态学是以“形态表示”为基础的对图像进行分析的数学s e 具。其数学基础和所用语言是集合论，基本思想是使用有一定形态的结构元素去度量和提取图像中的对应性形状以达到中北大学学位论文对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们的基本形态特征，并除去不相干的结构。2 基于小波分析的分割技术：小波分析比较适合对图像进行多尺度的边缘检测。多尺度指空间尺度，它常与多分辨率的方法相联系。一般认为在较大尺度下能较可靠的消除误检，但对边缘的定位不准确。相反，在较小尺度下对真正边缘点定位比较准确，但会增加误检的比例。所以可以考虑在较大尺度下检测到真正的边缘点，然后在较小尺度下对真正边缘点进行准确定位3 基于神经元网络的分割技术：图像分割可以叙述成为一个约束满足问题，并用约束满足神经网络来解决。约束满足神经网络包括一组目标、一组信号、一组约束关系和一组描述不同目标间领域关系的拓扑约束。约束满足神经网络可看作一组内部连通神经元，其结构可表达为约束满足问题中的约束。综合上述图像分割技术，我们发现“车牌定位功能”不过是“图像分割技术”的一个特殊应用场合，换句话讲就是从输入输出均为车辆图像的处理方法转变为输入为车辆图像而输出为从这些图像中提取出来的属性。依据上述思想，本文提出了种投影法和图像分割技术相结合的定位策略。2 2 3 定位方案当前文献中有关车牌定位的方法，本文已于1 2 1 节中介绍过了，在这里就不重述了。通过对它们的优化和重组，本文描述了种全新的定位方案( 如图2 3所示) ，具体如下：1 将系统采集到的车辆图像灰度化；2 。通过一种“自适应阈值选取方法”实现灰度图的二值化；1 7中北大学学位论文3 利用“图像增强技术”对车辆图像进行加工，从而实现理想边缘图的提取；4 为实现准确定位，采用“中值滤波技术”进一步提升去噪空间；5 依据“定位策略”对进一步去噪后的边缘图进行水平和垂直投影，得到车牌边界参数，然后根据这些参数截取车牌。2 2 4 相关开发工具及运行环境图2 3 车牌定位流程1 开发工具：合理选取开发工具，不仅会对系统的开发效率和周期产生重大影响，而且还有可能大幅度降低开发成本，并提高系统的稳定性和可维护性。车牌定位功能的开发属于一个较为复杂的图像处理程序，同时还涉及到大量内存处理和与图像处理相关的a p i 函数的使用。换句话讲就是该功能对稳定性、可维护性以及系统开销问题要求极为严格，为此，本文决定选取“v i s u a lc + + 6 0 ”作为开发工具。2 运行环境：车牌定位系统是l p r s 主要功能模块之一，因此该系统对运行环境的要求应该完全符合l p r s 的要求，所以系统的硬件环境包括：红外触发装置、c c d 摄像机、图像采集卡、辅助光源、主控电脑和网络传输等设备；软件环境包括：x p w i n n l 冈t i n 2 0 0 q | w i n 9 8 ，中北大学学位论文3 车牌定位预处理由于车型和拍摄角度的不同，使得在采集到的图像中车牌的位置是不固定的，因此必须找到车牌区域固有的且与其他区域不易混淆的属性，并且所使用的属性应具有稳定性。据经验分析可知，在各种条件下拍摄的图像中，最为稳定可靠的属性就都是车牌区域的基本特征。基于上述原因，本文先对“车牌的基本特征”进行描述。3 1 车牌的基本特征从人的视觉角度出发，我国车牌具有以下可用于定位的特征：1 形状特征：车牌的边缘是线段围成的有规则的矩形。考虑到c c d 摄像机的安装位置固定，采集的分辨率保持不变，而且车牌的大小是标准的，宽高比在一定范围内固定，因此车牌在原始图像中的相对位置也比较集中，大小变化也有一定范围。2 颜色特征：小型车蓝底白字车牌，大型车黄底黑字车牌，军警车白底黑字车牌，国外驻华使馆用黑底白字车牌。3 灰度跳变特征：车牌的底色、边缘颜色及车牌外的颜色是各不相同的，表现在图像中就是灰度级互不相同，这样在车牌边缘形成了灰度突变边界。在车牌区域，由于字符本身与牌照底的内部灰度是均匀的，所以穿过车牌的水平直线呈现连续的峰、谷、峰的分布。4 纹理特征：车牌有一个连续或由于磨损而不连续的边框，车牌内有多个字符且大小统一、基本呈水平排列，所以在车牌的矩形区域内存在较丰富的边缘信息，呈现出规则的纹理特征。中北大学学位论文3 2 灰度变换系统采集到的车辆图像是2 4 位r g b 格式的b m p 位图即真彩图，由于真彩图与灰度图在文件格式上存在显著差异，所以灰度变换的过程一般分为“b m p 文件格式的转换“町”和“r g b 颜色信息的灰度化”。3 2 1 灰度图与真彩图的差异当一幅图中每个像素赋予不同的r g b 值时，能呈现出五彩缤纷的颜色，但对于2 5 6 色来讲，如果每个像素都用其r g b 分量来表示，那么所有的图像文件将变得十分庞大。所谓2 5 6 色图就是说这幅图中最多只有2 5 6 种颜色，可以用一个表来表示。表中的每一行记录一种颜色的r 、g 、b 值。这样当表示一个像素的颜色时，只需要指出该颜色是在表中的第几行，即该颜色在表中的索引值。例如：表的第0 行为2 5 5 ，0 ，0 ( 红色) ，那么当某个像素为红色时，只需要标明0 即可。这样2 5 6 种状态可以用8 位( b i t ) 表示，所以一个像素只需要1 个字节。例如：一个长宽均为2 0 0 个像素的2 5 6 色图需要2 0 0 2 0 0 x 1 ，约4 0 k 字节，再加上表占用的字节为3 x 2 5 6 = 7 6 8 字节，整个占用的字节数约为r 、g 、b 分量表示图像的1 2 。这张r 、g 、b 的表就是调色板( p a l e t t e ) 。对于2 4 位真彩图来讲，它的颜色数高达2 5 6 x2 5 6 2 5 6 = 1 6 ，7 7 7 。2 1 6 种，也就是说图像中每一个像素直接用r 、g 、b 三个分量表示，而不采用调色板技术。原因很简单：如果用调色板，表示一个像素也要用2 4 位，这是因为每种颜色的索引要用2 4 位( 因为总共有2 “种颜色，即调色板有2 “行) ，和直接用r 、g 、b 三个分量表示所用字节数是一样的，不但没有减少，还要加上一个2 5 6 2 5 6 x 2 5 6 3个字节的大调色板。所以真彩色图直接采用r 、g 、b 三个分量表示。综上所述，灰度图与2 4 位真彩图的文件格式存在很大的差异，所以在实现真正的灰度变换之前须先对文件格式进行转换。中北大学学位论文3 2 。2b m p 文件格式的转换w i n d o w s 的位图文件( b m p 文件) 大体分成四个部分，如图3 1 所示。通过对这四部分内容的改变，从而实现文件格式的转换。位图文件头b i t m a p f i l e h e a d e r位图信息头b i t m a p i n f o h e a d e r调色板p a l e t t e实际的位图数据i m a g e d a t e图3 1w i n d o w s 位图文件结构示意图1 位图文件头的转换：在位图结构中，第一部分为位图文件头b i t m a p f i l i m e a d e r ，其定义和各个域的说明如下：t y p e d e fs t r u c tt a g b i t m a p f i l e h e a d e r w o r db f l y p e ；指定文件类型，必须是0 x 4 2 4 d ，即字符串b m ，也就是说所有b m p 文件的头两个字节都是b md w o r dw o r dw o r dd w o r db f s i z e ；指定文件大小，包括这1 4 个字节b f r e s e r v e d l ；为保留字，不用考虑b f r e s e r v e d 2 ；为保留字，不用考虑b f o f f b i t s ；为从文件头到实际的位图数据的偏移字节数，即图3 1 中前三个部分的长度之和 b i t m a p f i l e h e a d e r ；在这个长度为1 4 个字节( w o r d 为无符号1 6 位整数，d w o r d 为无符号3 2位整数) 的固定结构中，无论是2 5 6 色图还是真彩图，由于两种图都属于位图，所以文件类型字段都是一样的，不需要转换；而对于文件大小字段，由于2 4 位真彩图每个像素是由3 个字节表示，而2 5 6 色图的每个像素是由1 个字节表示，因此，文件的大小要通过计算两种位图的比例关系来得到，即2 5 6 色位图的数据只占踞2 4 位真彩图数据部分所占空间的三分之一。中北大学学位论文2 位图信息头的转换：在位图结构中，第二部分为位图信息头b i t m a p i n f o h e a d e r ，其定义和各个域的说明如下：t y p e d e fs t r u c tt a g b i t m a p i n f o h e a d e r d w o r db i s i z e ；指定这个结构的长度，为4 0l o n gl o n gw o r dw o r dd w o r dd w o r dl o n gb i w i d t h ；指定图像的宽度，单位是像素b i h e i g h t ；指定图像的高度，单位是像素b i p l a n e s ；必须是1 ，不用考虑b i b i t c o u n t 指定表示颜色时要用到的位数，常用的值为1 ( 黑白二色图