毕业论文--车牌自动识别技术的研究与实现.doc

湖南大学毕业设计(论文) 第39页HUNAN UNIVERSITY毕 业 论 文论文题目车牌自动识别技术的研究与实现学生姓名学生学号专业班级电子1102学院名称电气与信息工程学院指导老师学院院长2015 年5 月24 日摘 要车牌自动识别系统是智能交通系统的重要组成部分之一。我国汽车总量较大，对交通管理系统的性能要求较高，车牌自动识别系统在具有巨大的实用价值和广阔的发展前景本文首先对目前车牌识别系统的算法及原理进行了分析，之后结合我国常见牌照的格式规范，提出了一种以MATLAB软件为基础的车牌自动识别算法。该算法主要由三大主要部分组成，分别实现牌照定位、字符分割、字符识别与获取功能。在对车辆图像进行预处理之后，牌照定位部分使用边缘提取、区域标记等方法对牌照区域进行定位；字符分割部分利用投影法实现分割功能；字符识别部分使用模板匹配法对牌照字符进行识别、获取。仿真结果表明，该算法对国内常见牌照具有较为理想的识别效果，达到了预期设计标准。关键词：MATLAB；车牌识别；投影法；模板匹配；边缘提取；区域标记Research and Implementation of Vehicle License Plate RecognitionAbstractLicense Plate Recognition (LPR) System has become one of the important parts of the Intelligence Transportation System (ITS), the study of which has positive effects on developing the ITS, increasing the living standard of the general public, etc. A lot of researches have already been carried out domestic and foreign, and the researchers have proposed lots of practical (or creative) methods. In the future, new technologies and algorithms will be applied on the LPR System, of which the degree of integration, the scope of application, reliability, etc. will rise greatly. There has been a large amount of automobile and higher demand of the performance of traffic management system in China, thus LPR System has great value and broad prospects for development.Firstly, the paper analyzed the algorithm and principle of the existing LPR System; then a kind of LPR algorithm is put forward based on MATLAB, which consists of three main parts: License Plate Location, Character Segmentation, Character Recognition and Acquisition. After the pretreatment of the vehicle image, the License Plate Location part locates the license plate region by means of edge detection, regional labeling, etc.; Character Segmentation part uses projection method to complete separation; Character Recognition and Acquisition part recognizes the character and obtains them using template matching method. The algorithm has been examined by simulating on MATLAB, and the result proves that it reaches the prospective design standard and performs well for common license plate in China.Key words：MATLAB；license plate recognition；projection method；template matching method；edge detection；regional labeling目 录第一章 绪论11.1 研究背景及目的11.2 研究现状及发展趋势11.3 设计过程与研究内容2第二章 基本原理与实现方法32.1 相关规范32.2 系统基本原理42.3 系统实现方法7第三章 系统主要组成部分及功能实现83.1 车牌区域定位83.1.1 图像预处理.83.1.2 牌照定位.93.2 车牌字符分割103.2.1 分割前的准备.123.2.2 字符切分.133.3 字符识别与获取133.3.1 图像相关处理.153.3.2 字符识别与获取.15第四章 算法调试、分析与结论174.1 测试与评估174.1.1 仿真及调试.184.1.2 相关分析.194.2 结论19总结与展望.20致谢.21参考文献.22附录.23第一章 绪论1.1 研究背景及目的随着科学技术的迅速进步，社会生活水平不断提高，城镇化规模及水平日渐提高，交通运输行业也得到了很大的发展，现代交通管理的重要性日渐凸显。车牌识别（License Plate Recognition, LPR）技术1是将图像处理、模式识别、人工智能等技术加以综合应用的产物，是智能交通系统（Intelligence Transportation System, ITS）1中的一项关键技术，也是现代交通管理所需要研究的重要课题之一。中国是人口大国，所保有的汽车总量也较为庞大。因此，ITS对我国的交通运输行业具有重大意义，而车牌自动识别在智能交通系统中具有关键性的地位，是需要重点研究的关键技术。研究车牌自动识别技术的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别算法，能够提高分析问题和解决问题的能力，培养一定的独立从事科研的能力。1.2 研究现状及发展趋势国外对车牌识别技术的研究起步较早，且车牌规范程度较高，易于识别，因此其技术较为领先且识别率较高。查阅文献1,2可知，国外的车牌自动识别技术主要有：A.S.Johnson等将数字图像处理与模式识别技术的算法结合，处理大量图片，利用统计学规律得到图像中车牌区域的直方图限值，并将之与先验知识结合运用以完成对车牌区域的定位，之后利用模板匹配算法对字符进行分割、获取、识别的识别算法；意大利的M.Notturmo, Gramieri等人针对本国车牌特点设计的名为TELEPASS的车牌识别系统；英国提出的适用于本国的ARGUS牌照识别系统；Yuntao Cui提出的在车牌区域定位后利用马尔科夫场对车牌特征作提取并二值化以完成车牌识别的系统；Eun Ryung等提出的利用图像的颜色分量识别牌照的方法，其中包括以Hough变换为基础的边缘检测定位识别、以灰度值变换为基础的识别算法、以 HLS彩色模式为基础的车牌识别系统；此外，美国、德国、日本等国也都拥有适用于本国牌照的车牌识别系统。国内在此领域的研究起步较晚，但已有大量学者从事相关研究，并提出了很多具有新意的算法，如24：南京大学的熊军等提出的基于字符纹理特征的定位算法；西安交通大学的赵鹏和赵仲孟提出的基于字符密度的车牌字符识别方法；电子科技大学的李嘉和谢梅提出的基于颜色和纹理特征的车牌定位方法；华中科技大学的沈世宴、盛翊智提出的基于灰度图的定位算法；武汉大学的喻晓、李慕龙等提出的基于车牌区域的字符和底板的颜色特征及特殊纹理的定位算法；华中科技大学的陈振学等提出的利用一维循环清零法扫描垂直投影图以去除噪点等干扰因素的分割识别算法；北京汉王智通科技有限公司公司推出的应用了中国科学院自动化研究所刘智勇等的研究成果的“汉王眼”车牌识别系统；香港亚洲视觉科技有限公司推出的慧光车牌识别仪；等等。由目前车牌自动识别技术的研究成果来看，该技术有两种主要实现途径：间接型与直接型。间接型通过读取预先安装在车辆上的信息存储装置（如条形码、存储卡等）来获取车辆基本信息，所得信息较为详实，但此技术缺乏实时性，当车辆的部分信息（如外形、颜色、车牌号等）有所变动时，信息存储装置中的信息可能无法及时被更新；直接型通过图像采集装置获取车辆实时图像并结合图像处理、模式识别、计算机视觉、人工智能等技术自动识别车辆牌照信息，具有很强的实时性，若结合人工查询，则可以在较短时间内获取目标车辆的基本信息3。未来的车牌识别技术将会不断应用新的算法如基于信息融合的识别算法、基于支持向量机的算法、神经元网络算法等，以提高其处理速度及识别率，并且识别系统设备的集成化程度也将日渐提高。此外，基于视频触发技术的车牌识别系统设备也将得到广泛应用，并最终取代基于外触发机制的车牌识别系统设备2。1.3 设计过程与研究内容本文结合目前已有的车牌识别技术研究成果，参考国内外的不同识别算法，以国内常见牌照的格式规范、字符排列等特点为基础，使用MATLAB软件对常见车牌的自动识别技术进行了系统的研究与仿真。利用MATLAB软件的数值计算、图像处理、设计仿真、绘图等功能，在已有的较为成熟的算法的基础上，结合数字图像处理的相关原理，对已有算法进行了具体分析，并结合此技术的应用场景及常见牌照的各种特点，提出了车牌自动识别的实现算法，并进行了仿真验证，效果已达到预期标准。第二章 基本原理与实现方法2.1 相关规范我国车辆所使用的号牌有多种样式，互相之间均存在一定的差异，以便于反映车辆的所属地、规格、用途等等信息。相关规范为4：440毫米140毫米尺寸的牌照用于大型车辆前号牌、小型车辆牌照、使领馆车辆牌照、出入港澳车辆牌照、教练车牌照；440毫米220毫米尺寸的牌照用于大型车辆后号牌及挂车车牌；220毫米95毫米尺寸的牌照用于各类摩托车如普通摩托、轻便摩托、使领馆摩托、教练摩托等等的前号牌；220毫米140毫米尺寸的牌照用于各类摩托车如普通摩托、轻便摩托车、使领馆摩托、教练摩托、警用摩托等等的后号牌及临时入境汽车牌照、临时行驶车辆牌照；300毫米165毫米尺寸的牌照用于低速车车牌；88毫米60毫米尺寸的牌照用于临时入境摩托车牌。本文提出的算法适用于440毫米140毫米的车牌，具体式样见图2.1。图2.1 440mm140mm号牌样式规范常见民用车辆号牌的字符规范为4：1. 省、自治区、直辖市简称：应符合图2.2的要求；图2.2 省、市、自治区、直辖市简称2. 发牌机关代号：发牌机关即车辆登记机关，为省、自治区、直辖市公安厅、局和地、市、州、盟公安局、处车辆管理所，发牌机关代号为A至Z，并要符合相关规定的要求；3.序号编码规则：序号编码规则有三种，分别是：序号的每一位都使用阿拉伯数字；序号的每一位可单独使用英文字母，26个英文字母中O和I不能使用；序号中允许出现2位英文字母，26个英文字母中O和I不能使用。2.2 基本原理车牌自动识别系统将图像处理、模式识别、人工智能等方面的技术加以综合运用，以实现自动识别牌照字符的功能。目前，牌照自动识别算法多种多样，尽管每种算法的实现流程及效果不尽相同，但绝大多数算法的原理是基本相同的，即利用图像处理及形态学等方面的相关知识，从所采集的车辆图像入手，对其进行各种处理，最终将图像中的车牌字符正确识别出来。基本实现流程为：第一步，对图像进行预处理，如图像灰度化、锐化、滤波等等，以改善图像质量，使其形态学图像特征更加鲜明，为后续的图像处理工作做好准备；第二步，参考数字图像处理的相关原理，利用图像的形态学特征，对图像中车牌的位置进行定位，在必要情况下对图像的倾斜进行校正，并切割出车牌区域；第三步，对图像进行进一步的处理，参照车牌的格式规范及形态学相关算法，将牌照图像中的字符进行正确的分割；第四步，依据牌照字体及相对位置的规范，在正确分割的字符图像的基础上，将各图像所对应的字符依次进行识别并输出。算法的基本原理如图2.3所示5。图像采集图像处理牌照定位字符分割字符识别图2.3 车牌自动识别算法基本原理本文基于以上的思路及基本原理，提出了一种车牌自动识别算法：首先，将所采集的车辆图像作灰度化处理，随后对图像作锐化处理，目的是检测灰度图像中灰度变化剧烈的部分，即突出灰度图像的过渡部分，增加图像对比度，具体采用的方法为高提升滤波；随后，对灰度图像进行边缘提取，之后进行数学形态学处理，提取待选区域，并将二值图像中的小对象去除，降低了图像中的干扰因素；然后，对区域特征进行提取，将长宽比不在要求范围内的连通域删除，并在灰度图像中按所有已选定连通域所在位置及其面积依次进行分割，根据垂直投影及跃变次数获得粗定位的车牌图像；接着，对粗定位的牌照图像作进一步处理，使用与以上步骤类似的方法完成车辆牌照的校正及精确定位；随后，利用垂直投影法进行字符分割，将牌照图像中的字符逐一分割开来；最后，使用模板匹配法对字符进行识别，并将识别结果进行输出。设计流程图如图2.4所示。开始输入图像灰度化锐化提取候选区域获取候选区域二值图像筛选车牌图像车牌校正图像处理确定车牌上、下边界确定车牌左、右边界作垂直投影垂直投影法分割字符模板匹配法识别字符输出识别结果结束图2.4 车牌自动识别算法流程2.3 实现方法本研究使用MATLAB软件对算法进行编写及仿真。MATLAB取矩阵实验室（Matrix Laboratory）之意，由Matrix Laboratory两词的前三个字母组合而成。该软件于1984年由美国Math Works公司出品，是最优秀的科学计算及应用软件之一。MATLAB是一种高层次的程序语言，其基本数据单位是矩阵，具有多种程序语言特性如函数调用、条件控制、面向对象等等。它的指令形式与工程及数学中的常规形式较为相似，这意味着它能够更加轻松地解决复杂的工程及数学问题。MATLAB目前已经发展成为一个产品系列，包括MATLAB主包及各种工具包，使其适用范围得到了极大的扩展，专业性大大增强，具有数值和符号计算、数据分析、系统仿真、图形及文字处理等功能，其特点是指令简单、功能强大、高效便捷、开放性强等。基于以上特点，MATLAB已经成为广泛应用于工程问题及数值算法领域的高级语言67。在对本研究提出的算法进行分析及仿真时，主要利用了MATLAB软件的图像处理运算、图像分析与增强、数学形态学处理以及数值和符号计算与绘图等等功能，实现了车辆图像预处理、车牌定位、字符分割、字符获取及识别的程序编写，简便、高效地完成了算法的实现及仿真。通过使用MATLAB对算法进行编写，对车牌自动识别的原理及相关设备的工作流程有了感性的、直观的了解，而使用MATLAB对算法进行仿真验证具有低成本、便捷快速等等优势。仿真结果表明，利用MATLAB软件实现的算法的效果完全能够达到预期的设计目标，具有一定的实用价值。第三章 系统主要组成部分及功能实现3.1 车牌区域定位在本文所提出的车牌自动识别算法中，牌照区域定位是第一步，也是实现算法功能的关键部分。对所采集的车辆图像中牌照所在区域的正确定位是后续的字符分割部分及字符识别与获取部分的基础，如果不能将牌照区域进行正确定位，那么字符分割、获取及识别也将无法得到正确结果，车牌的自动识别也就无从谈起。而以目前的技术还很难对采集到的图像直接进行处理，因此需要首先对原始图像进行预处理操作，以得到干扰相对较少，形态学特征鲜明，便于进行图像处理且效果较为理想的图像。在完成图像预处理操作之后，参考现有图像处理技术，编写算法以实现对牌照所在区域的正确定位及分割。3.1.1 图像预处理尽管相关技术的发展十分迅速，但现阶段的图像采集设备所获取的图像质量在很多情况下仍不甚理想，采光情况、天气条件等等因素仍会对所采集图像的质量造成不可忽视的影响。基于以上原因，原始图像大多无法直接进行相关的图像处理，需要通过预处理操作来改善图像质量、去除噪点，突出其形态学特征如牌照区域的特殊纹理等。本文所采用的预处理方法主要为灰度化、边缘检测等。灰度图中只含有亮度信息而不含有色彩信息，亮度较高的点的灰度值较大（最大值为255，对应白色），亮度较低的点的灰度值较小（最小值为0，对应黑色）在完成车辆图像的载入之后，首先对彩色图像作灰度化处理，将其转换为灰度图。彩色图像中的色彩信息主要与R、G、B（分别对应红、绿、蓝三原色）三个分量的相互比例有关，灰度化是使彩色图像中的R、G、B三个分量相等的操作，其主要算法有以下三种5：1. 最大值法：使转化后R、G、B的值等于转化前3个值中最大的一个，即：R = G = B = max(R,G,B) (3.1)使用此方法得到的灰度图亮度很高。2. 平均值法：使转化后R、G、B的值均为转化前三个分量的平均值，即：R = G = B = (R+G+B)/3 (3.2)使用此方法所得灰度图较为柔和。3. 加权平均值法：按照一定的权值，对R、G、B的值加权平均。由于人眼对绿色最敏感，红色次之，对蓝色的敏感度最低，因此若令G、R、B三分量的权值依次递减，就将能够得到较易识别的灰度图像。一般情况下，当R、G、B三分量权值依次取0.299、0.587、0.114时所得到的灰度图像效果最佳。即：R=G=B=(0.299R+0.587G+0.114B)/3 (3.3)本文采用加权平均值法对车辆图像进行灰度化处理，在MATLAB中可通过调用rgb2gray()函数来实现这一操作。在灰度化处理完成后，对所获得的灰度图像进行锐化处理，目的是检测灰度图像中灰度变化剧烈的部分，即突出灰度图像的过渡部分，增加图像对比度，所进行的处理过程称为非锐化掩蔽，具体步骤为：1. 将原图像进行模糊处理；2. 将模糊图像从原图像中减去，所产生的差值图像称为模板；3. 将模板与原始图像相加。公式形式如下（令h(x,y)表示模糊图像，f(x,y)表示原始图像）。首先获取模板gmask(x,y)：gmask(x,y) = f(x,y) h(x,y) (3.4)然后，将该模板与一个权重系数k(k0)相乘，并将其与原始图像相加：g(x,y) = f(x,y) + kgmask(x,y) (3.5)此处k1，称作高提升滤波。经过上述处理后，原始图像中的干扰因素已经被消除，车辆牌照区域的特征更加突出，为后续的牌照定位工作打下了基础。3.1.2 牌照定位在完成对所采集的车辆图像的预处理，得到车辆灰度图像之后，进行车辆牌照区域定位的外部条件已经得到满足，可以开始编写算法来实现牌照定位功能。总体而言，牌照定位算法利用数字图像处理的相关技术，结合我国车牌的字体、尺寸、牌号有关规定等各种统一规范及牌照区域图像所反映出的较为一致的形态学特征，对牌照区域完成较为准确的定位并使用标记或切割方法将牌照区域与图像其他区域分离，所得到的牌照图像是牌照字符分割、字符识别等等算法实现效果理想与否的最重要的基础。如果牌照定位准确，则牌照区域图像的字符完整、号码排列清楚、形态学特征鲜明，后续的字符分割、字符识别的算法实现效果可能会有显著提高。与之相对的，若定位不准确，则字符分割、字符识别部分将无法得出正确的结论，系统的主要性能也将会受到很大的消极影响。因此，牌照定位是车牌识别算法的重要组成部分，它的实用性能与整个系统的识别效果有着密切的关系。因此，牌照定位算法往往是车牌自动识别算法的重点。目前已有的牌照定位算法主要分为基于灰度图与基于彩色图两大类车牌定位算法9。基于灰度图像的牌照定位算法主要利用牌照的有关规范及区域的形态学特征，其使用时间较长，技术、算法等等均较为成熟；基于彩色图像的牌照定位算法主要利用了车辆牌照的色彩特征对牌照进行定位，是学者所提出的一种新思路，为解决车牌自动识别问题提供了新的解决途径，但针对它的算法及技术仍不够成熟。本文基于以上事实，选用基于灰度图的牌照定位算法，经仿真证实，定位效果可以达到预期标准。在完成灰度化、锐化等等预处理操作后，使用Prewitt算子对图像进行边缘提取，将与图像边界相连的亮度较高的部分除去；随后，进行区域标记操作，并将图像中的面积小于某一阈值的明亮区域删除，该阈值在经过试验后确定为500；接着，将包含标记区域的最小区域的宽度、高度分别计算出来，将宽高比的合理范围加以确定，删除宽高比不在该区域内的连通域；之后，在灰度图像中按所有选定连通域所在位置及大小依次分割，根据垂直投影及跃变次数获得粗定位的车牌图像；接着，利用Radon变换对粗定位的车牌图像作水平校正；之后，进行区域标记、开运算、删除小面积区域处理，此处阈值选为5；随后，分别根据每一行跃变数和宽度、像素密度进行车牌上下边界的两次确定；最后，依据每一列的跃变数确定车牌的左右边界。经过以上的图像预处理及车牌区域定位操作，原始图像中的车辆牌照所在区域便获得了确定，且所确定区域中的无关部分较少，对后续的牌照字符分割与牌照字符识别处理提供了条件。3.2 车牌字符分割在对原始图像作预处理并获得了车辆牌照所在区域的较精确定位之后，下一步的处理就是对车牌所在区域图像中的车牌字符进行正确的分割。在查阅相关学术文献10后可以知道，目前，常见的字符分割算法有：1. 投影法基本流程是：先自下而上对图像作逐行扫描直至发现包含黑色像素点的第一行为止，并将其记录下来，然后自上而下对图像作逐行扫描直至发现包含黑色像素点的第一行为止，同样将其进行记录，由此将图像的高度所处的范围大体确定。之后，在所确定的高度所处范围之内从左向右进行逐列扫描，包含黑色像素的第一列的位置认定为该字符的分割初始位置，随后继续作逐行扫描，直至发现某一列当中不包含黑色像素点，将该列认定为该字符的分割终止位置。随后依照以上方法继续进行扫描，直至整个图像的最右端为止，即可获得每个车辆牌照字符的起始位置以及终止位置，进而确定每个车辆牌照字符的宽度所处的范围。2. 模板匹配分割算法首先在已经将铆钉去掉的二进制图像上对竖直积分投影的平滑曲线p(x)进行计算，也就是对图像进行垂直投影处理之后，所得到的函数，该函数用p(x)表示。对该函数p(x)的某一局部的最小（波谷）值进行搜寻，可以得到一个0，1，n的波谷所处位置的序列。然后将两个相邻的波谷i和i1分别当作左侧边界和右侧边界，将一组矩形区域ri提取出来，并根据一定的规则对所提取出来的矩形序列ri进行一系列处理，如删除、分割、合并以及调整尺寸等等。具体规则为：（1）如果位于相邻的两个波谷i和i1之间的波峰比较小的时候，将ri删除。该设置主要是针对字符间隙中存在的噪声进行的。（2）如果位于相邻的两个波谷i和i1之间的波峰比较大的时候，即使i和i1之间的距离没有达到单字符的宽度（依据车辆牌照字符的相关规范可得），由于车辆牌照中有字符“1”存在，也不能把这两个波谷合并，需要在该位置设定标记。（3）如果相邻的两个矩形ri1和ri的宽度都比较小，并且两者合并后的宽度与矩形序列的中值宽度比较接近，就将ri1和ri合并，以利于解决部分汉字可能存在的不连通问题。（4）如果矩形ri的宽度与中值宽度的两倍较为接近，并且位于该矩形的前后两个相邻的矩形宽度均较接近中值宽度，就将ri等分成两部分，目的是解决车辆牌照字符中可能存在的粘连问题。（5）相邻矩形ri1和ri的宽度差别比较大，并且两者合并后的宽度与中值宽度的两倍较为接近时，对ri1的右侧边界和ri的左侧边界进行调整，以使它们与车辆牌照字符的真实边界尽量接近。车辆牌照图像中字符之间存在一定的且近似于空白的距离，用来对矩形框的左侧与右侧边界进行精确的定位。（6）在水平方向的模板得到完成之后，使用水平投影法分别对每一个矩形框作垂直方向上的扫描，可以获得每一个矩形的上边界及下边界，即可获得每一个字符的最小的边框。3. 聚类分析字符分割算法（1）取L1 = Width7为阈值，对车辆牌照图像作逐行扫描，如果存在长度大于L1的线段，就可以将其认定为是车辆牌照的上边框或下边框；再取L2 = Height 35为阈值，对车辆牌照图像作逐列扫描，若存在长度大于L2的线段，则认为其是车辆牌照的左侧边框或者右侧边框。由此可以将牌照的边框部分除去。（2）根据车辆牌照字符的相关规范及先验知识，在预处理完成后的车辆牌照图像上预先设置7个类心。对类心的设置可以依据程序提示来确定坐标值，也可以采取赋予固定坐标值的方法。（3）自下而上对该图像作逐行扫描，每当发现一个黑色的像素点时，与上文提到的每一个类中已经获得的每一个（黑色）像素点的距离d进行比较，将与该像素的距离最近的已获得像素点找出，并将这两个像素点认定为同属一类，也就是属于同一字符。距离d取两个像素点：A(x,y)为扫描所获得的当前像素点，B(x,y)为已聚类好的像素点。D(A,B) = (x-xi)2 + (y-yi)2 (3.6)（4）在反复的扫描以及比较之后，可以获得得聚类之后的7个类，然后对类中x，y的最大值及最小值进行比较，并将它们设定为该类边框的顶点坐标，如果出现同一类的x的最大值与最小值均大于字符的中值宽度的两倍（此类情况非常少见），就逐一把次大值与次小值作为左右边界，再次比较直至每个类的宽度适中。本文选用投影法实现字符分割，仿真效果较为理想。3.2.1 分割前的准备在正式进行车牌字符分割操作之前，首先需要进行一定的准备工作。具体为：将所需用到的待分割部分、分割后的各个子部分、分割后各部分的宽度、待分割部分当前位置、分割次数、分割标记等等中间量及所求量进行定义并赋予合适的初值。完成以上操作之后，便可以直接开始车辆牌照字符的分割操作。3.2.2 字符切分进行字符切分的主要目的是将车牌图像中的字符串正确分割开来，使字符与字符之间相互分离，以便于随后逐一对字符图像进行识别，以获得图像中的正确字符。目前常用的字符分割算法主要有投影法、模板匹配分割法、聚类分析字符分割法，各算法的基本流程已在前文中给出。本文在基于算法难度、仿真效果等等方面进行综合考虑之后，选择了投影法来完成字符的切分操作。由车牌字符的先验知识可以得知，牌照上每个字符的宽度大体相同，这一事实成为了投影法切分字符的理论基础之一。本文所提出的算法的基本流程为：1. 对每个待分割部分进行一次分割；2. 去除尺寸小于20像素的部分；3. 除去前后可能是车辆牌照边界的部分；4. 将各部分扩充到最大宽度后进行标准化经过上述各个步骤的处理之后，牌照图像中的各个字符已经被正确地一一切分开来，且各个字符图像中的无关部分已经被削减到了最少，为字符的识别与获取提供了有利条件。3.3 字符识别与获取在完成对字符图像的分割之后，将要进行的是车牌自动识别算法中的最后一个主要步骤牌照字符的识别与获取。查阅相关学术文献2,5可以得知，目前的车牌字符识别算法主要有以下几种25：1. 模板匹配识别算法。该算法的基本原理是分别计算某一输入对象与模板之间的相似度，取相似度最高的模板为输入对象所对应的类别。该算法的主要优点是识别速度快，缺点是对噪点比较敏感。实际应用当中往往使用大模板或多个模板进行匹配识别，其目的是提高正确率，但与之相对应的是算法处理时间的增加。该算法是最早投入使用的算法之一，在一般情况下可以满足对字符识别的基本要求。2. 特征分析匹配法。其主要思想是首先提取字符图像中的一种或几种特征，然后与特征库的集合进行匹配。实际应用中，依据所提取特征的类型可将该方法分为以下几类：（1）变换分析法。如Fourier变换、Gabor变换、不变矩特征等等。这些变换往往由整体的字符入手，直接对所需特征进行提取，但对于有少量形变存在的字符的分类特征的获取是主要难点，并且这些变换的运算量均较大。（2）由点的统计分布得到特征抽取的方法。这种方法通常可以由点的统计累加而得到，例如字符的投影特征、网格特征、笔画密度等。这些特征对于噪声比较不敏感，且算法的复杂性比较小，缺点是以上特征的掩膜生成存在一定的困难。（3）几何与拓扑方法。该方法主要对字符的几何结构特征加以利用，首先对字符进行细化，然后按需求对字符的骨架中包含的结构信息（如横、竖、环、笔画方向等）进行抽取，然后将字符用之前所抽取出来的结构信息进行表示，进而进行识别操作。这些方法能够较好地对字符在结构上存在的细微的差别进行分辨，计算量相对较小。3. 机器学习法。机器（计算机）学习是一门研究机器（计算机）获取新知识和新技能，并识别现有知识的科学。其目的是按照预先给定的已知的训练样本求取对于系统的输入和输出之间存在的依赖关系的估计，使得它有能力对未知的输出量做出尽量正确的预测。神经网络法、支持向量机等方法是较为典型的机器学习方法。（1）神经网络字符识别算法。其主要方法有两种：其一是先将待识别的字符的特征进行提取，随后利用所提取到的特征对神经网络分类器进行训练。这其中，对字符特征的提取是本研究的关键所在。若特征参数过多，则训练时间会增加；若特征参数过少，则会引起判断上的歧义。另外一中方法是对神经网络所具有的特点进行充分利用，将待处理的图像直接输入网络，由网络自动进行特征的提取直至识别的实现。这种网络互连相对较多，待处理的信息量相对较大，抗干扰性能比较好，识别率高，缺点是所产生的网络结构相对比较复杂，输入模式的维数的增加有可能会导致网络的规模过于庞大。该算法是目前较为流行的算法。（2）支持向量机模式识别算法。支持向量机（Support Vector Machine，SVM）是Vapnik及其研究小组针对二类别的分类问题所提出的一种分类技术，它的基本思想是在样本空间或者特征空间中构造最优平面，使得超平面与不同类的样本集之间所存在的距离达到最大，从而使泛化能力达到最大。应用于字符识别的主要有以下两种方法：其一是先对待识别的字符的特征进行提取，之后用所提取到的特征对SVM分类器进行训练；其二是把每一个字符的整体的图像直接作为一个样本进行输入，不需要对特征进行提取，节省了识别时间。本文在对各种算法的难度、可靠性、规模、运算时间等等因素进行综合考虑之后，选择使用模板匹配识别算法来实现车牌字符的识别与获取。3.3.1 图像相关处理在应用模板匹配算法进行字符识别与获取之前，根据我国车辆牌照的相关规范，建立自动识别字符代码表，其理论依据是组成车牌的字符的可穷尽性，这也是模板匹配识别算法的最重要的理论基础之一。3.3.2 字符识别与获取在完成对字符图像的预处理之后，进行字符识别与获取的基本条件已经具备，可以直接进行字符识别处理。字符识别的基本思想是10：将由抽取的样本中提取的特征与预先存储的已知的标准字符的特征逐一进行匹配，并用一定的规则判别，在存储的标准字符表达形式的集合中找出最接近抽取的样本字符的表达形式，其对应的字符就是识别的结果。目前主要的车牌字符识别算法有模板匹配、特征分析匹配、机器学习等等，各种算法的基本原理已在上文中有过简要介绍，此处不再赘述。本文提出的算法中采用了模板匹配算法进行字符的识别及获取，经仿真验证，可以获得正确的识别结果。一般情况下，模板匹配法又可以分为两种10：将字符点阵直接与模板作匹配、对字符进行特征提取后与模板作匹配。本文将字符点阵直接与模板进行匹配，思路较为简单明了，但计算量稍大，使用MATLAB软件完全能够将该缺陷解决。大体流程为：首先，对车牌左起第一位进行识别，该位置必然为汉字；随后，对车牌左起第二位进行识别，该位置必然为字母；接着，对车牌剩余位置的字符进行识别，剩余位置中可能包含字母，也可能包含数字。基本匹配流程如前所示，也就是将字符图像点阵直接与模板作比较，相当于将两幅图相减得到第三幅图像；之后获取最大相关图像，并将其输出。有以下事项需要加以注意：1. 自动识别字符代码表的建立可通过建立包含所有相关字符的字符串而实现，相关指令为Licode=char()。在键入相关字符时需注意字符顺序，以便于缩小匹配处理的范围，有助于整个算法运算速度的提升，当所需处理的图像数量巨大时，本算法运算速度方面的优势就能够得到很好的发挥；2. 建立自动识别字符代码表时应注意参考我国车辆号牌字符的规范，将各个省、自治区、直辖市地区的简称以及号牌中允许使用的字母列入自动识别字符代码表，无需将其他字符列入，这样做的目的是使程序进一步简化，针对性更强，运算效率进一步提高；3. 将字符匹配结果进行输出时，务必注意字符的先后顺序，防止因字符顺序颠倒导致的识别错误。经过模板匹配算法对各个字符图像的依次处理后，牌照字符的识别结果已经产生并且已经反馈给使用者，本算法需要实现的主要目的已经达到，下一章将对算法进行相关的测试与分析。第四章 算法调试、分析与结论4.1 测试与评估在完成了算法程序的编写之后，需要对程序进行测试，对运行结果作出评估，如有必要，还需要进行相关调试，以使算法的实现效果达到最佳。4.1.1 仿真及调试所使用的车辆图像如图4.1所示。图4.1 分割完成后的字符图像如图4.2所示。图4.2识别结果如图4.3所示。图4.3其中字符识别结果后的数字为该字符的宽度。4.1.2 相关分析本文所提出的算法中有多处涉及到了阈值的选取问题。阈值的选取是否合理对算法的实现效果具有十分重要的影响，这里将对算法中涉及到的几处有关的阈值选取进行一些必要的说明：1. 进行车牌粗定位的过程中除去小面积区域时，阈值设为500；2. 进行车牌精确定位的过程中除去小面积区域时，阈值设为5；3. 在对分割完毕后的字符作尺寸的归一化处理时，归一化尺寸设定为4020像素。除阈值的选取之外，还有其他因素会影响车牌字符识别的效果。如：图像采集设备性能的限制、天气及照明条件等因素均会导致所获取的车辆图像质量无法达到车牌自动识别算法的要求；此外，在某些光照条件下，背景区域及车体除车牌之外的其他区域的亮度可能与车牌区域亮度十分接近，造成车牌区域提取困难；并且，复杂的外界背景也会对车牌区域定位造成阻碍。通过仿真发现，在部分极端情况下（如牌照污损、牌照区域变形等），本算法的实现效果仍未达到最佳水平，有待进一步提高。在其他客观条件均允许的情况下，我们可以通过改变算法中的相关阈值来对算法的实现效果进行改动，直至寻找到当前状态下的最佳效果。4.2 结论经过仿真所得到的结果可以证明，该算法在绝大多数情况下，对城市中最为常见的尺寸为440毫米140毫米的车辆牌照均具有较为理想的识别效果，达到了预期的设计标准。总结与展望本文利用MATLAB软件，对城市中的小型车号牌与大型车前号牌的自动识别技术进行了独立、严谨的研究，在查阅过各种资料、对国内车牌的各种相关规范及国内外已有的较为成熟的车牌自动识别算法均作了一定的了解之后，对各种算法的利弊进行了认真、细致的对比，最终确定了一套利用投影法、模板匹配法等等较为成熟的算法的牌照自动识别系统实现方案，使用MATLAB软件完成了相关算法的编写，通过实验确定了算法中的各个关键阈值，并对算法的实现效果进行了仿真验证，在经过多次调试与仿真之后，本算法的实现效果已经能够达到预期标准。本算法由牌照区域定位、牌照字符分割、牌照字符获取与识别三大主要部分组成：1. 牌照区域定位部分。使用了高斯滤波器、边缘提取、标记连通域、HIS模型等工具将牌照区域定位并分割出来；2. 牌照字符分割部分。利用投影法的基本原理，借助均值滤波器等等工具将牌照图片中的字符逐一地正确分割开来；3. 牌照字符识别与获取部分。利用模板匹配的基本思想，创建自动识别字符代码表，将字符图像按顺序逐一识别并输出。通过本次设计，我了解到了关于车牌自动识别、MATLAB实用的许多实用知识，积累了实践经验，为日后的学习生活打下了良好的基础。未来，车辆牌照自动识别技术将会不断应用新算法以使其处理速度、准确率得到不断的提升，且全新的外部触发机制也将逐渐推广开来，系统的集成化程度将会日渐提高，综合性能也将有巨大的飞跃。致谢本文即将完成之时，四年的本科阶段学习也已接近尾声。首先要感谢的是我的论文导师王炼红老师，王老师对待毕业设计及她所指导的学生态度认真负责，在开题阶段对我们进行了多次详细的指导，使我们尽快明确了自己的研究任务与研究方向；在撰写论文的阶段，王老师定期与我们进行面对面交流，了解我们的设计进展情况，解答我们在研究过程中遇到的疑难问题，及时向我们转达学院下达的相关通知。其次要感谢李潇瑶学姐，她在算法的具体细节上给予了我正确且有效的改进意见，使得本研究提出的算法具有了更广的适用范围和更好的可靠性；此外，李学姐也会不时询问我的设计进展情况，帮助王老师解决我所遇到的技术问题。在王老师和李学姐的大力支持下，经过几个月的不懈努力，我的毕业论文最终得以按照要求顺利完成。再一次向王炼红老师和李潇瑶学姐表示真挚的感谢。参考文献1 刘同焰. 车牌识别系统的相关算法研究与实现 DD. 华南理工大学, 2012.2 陈学保. 车牌字符识别算法的研究D. 重庆大学, 2013.3 胡泽. 基于 DSP 的车牌自动识别系统研究D. 华中科技大学, 2012.4 田晶. 车牌识别算法研究D. 长安大学, 20135 王璐. 基于 MATLAB 的车牌识别系统研究 DD. 上海: 上海交通大学, 2009.6 郑桂莲. MATLAB 的特点及其应用J. 内蒙古科技与经济, 2009 (23): 76-76.7 许志影, 李晋平. MATLAB 及其在图像处理中的应用J. 计算机与现代化, 2003 (4): 64-65.8 冈萨雷斯著，阮秋琦，阮宇智等译.数字图像处理M.第三版.北京: 电子工业出版社,2011.9 聂洪印. 车牌识别系统中关键算法的研究与实现D. 山东大学, 2009.10 黄秀平. 车牌图像的分割与识别算法的研究D. 西南交通大学, 2010.11 刘卫国.Matlab程序设计与应用M.第二版.北京：高等教育出版社，2006.12 章毓晋图象处理和分析M.清华大学出版社，2001.13 冈萨雷斯著，阮秋琦，阮宇智等译.数字图像处理M.第三版.北京: 电子工业出版社,2