车牌识别系统毕业设计.docVIP

在车牌自动识别系统中对字符的分割与识别的研摘要 随着世界各国汽车数量的急剧增加，城市交通状况口益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府和有关部门所关注的焦点。车辆牌照的自动识别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，是实现交通管理智能化的重要环节。 本课题是汽车牌照自动识别系统的一部分，建立了一个完全由软件来实现的汽车牌照字符识别系统。本系统将输入的车牌彩色图像通过识别处理，输出可编辑的字符串。整个处理过程分为图像预处理、牌照的倾斜校正、字符分割和字符识别四部分。 图像预处理阶段主要是研究图像的灰度化处理、去噪处理以及图像的二值化操作。针对由十光照等原因造成的图像黑白不分明，本文采用了改进的二值化算法，在OSTU算法的基础上，改进了图像的处理效果。倾斜矫正阶段主要是先检测那些由十拍摄角度等问题造成的车牌图像的倾斜角度，然后采用两次变换的方法对图像进行矫正处理。在字符分割阶段，本文主要采用先分割后验证的方式保证分割的成功率，然后将分割好的字符图像做归一化处理，统一大小。最后的字符识别部分首先利用数学形态学中的细化处理，抽取字符的骨架，然后利用模板匹配法识别字符。 本文研究证明:改进后的二值化算法可以较好的保留图像细节，消除噪音，抗噪能力强;基十Hough变换求取倾斜角度，再采用两次变换的方法使得矫正后的图像失真较小;通过细化处理后，再采用模板匹配法可以快速准确地识别出车牌字符等。关键词:汽车牌照自动识别系统，二值化，细化，模板匹配法The Study of Segmentation and Recognition in the Vehicle License Plate Automatic System xiaochunshuang ABSTRACT With the increment of vehicle all over the world, the situation of city traffic is attracted the recognition of people. How to manage the traffic effectively is become the focus of people more and more. License Plate Recognition System is the computer vision and one of the important subjects for research that recognition technology employ in the field of intellectual traffic system, realize the intelligent important links of traffic administration. This topic is a part of License Plate Recognition System, has established one completely the license plate character recognition system which realizes by the software. This system will input the car license color image through recognition processing, the string of character which the output might edit. The entire treating processes divide into the image pretreatment, the license plate correction for grade, the character division and the character recognition four parts. The image pretreatment stage mainly studies the image gradation processing, denoising processing and the image binaryzation operation. In view of because reasons and so on illumination creates the image black and white is not distinct, this paper has used the improvement binaryzation algorithm, in the OSTU algorithm foundation, improved the image processing effect. The inclined correction stage mainly examines that tilt angle of car license image because of shooting angle and so on questions, first，then uses the method which two times transform to the image to carry on correction processing. In the character division stage, this paper mainly uses the way guarantee division success ratio which divides first and secondconfirms, then will divide the character image will make normalized processing, unified size.The final character recognition part first uses in mathematics morphology refinement extraction the character skeleton, then use template match method recognitionThis paper proved that, the improvement binaryzation algorithm can retain the good retention image detail, eliminate the noise, also has strong anti-chirp ability; Based on the Hough transformation seeking angle of tilt, after uses the method which two times transform to cause the distortion of correction the image to be small; After refinement processing, uses the template match method to be possible distinguish the car license character fast andaccurately and so on. Key words: License Plate Recognition System, binaryzation, refinement, templatematch method目录第一章绪论71.1车牌识别项目系统概述71.2车牌识别项目的意义81.3车牌识别项目研究现状91.4本文的研究内容10第二章图 像预处理122.1 BMP图像的读取与转换132.2彩色图像灰度化152.3去噪处理162.4灰度图像的二值化17第三章 图像校正183.1图像倾斜角度检测193.2车牌图像校正193.2.1车牌图像校正方法193.2.2车牌图像校正的流程213.2.3车牌图像校正应用23第四章字符分割244.1车牌字符分割244.1.1消除车牌边框244.1.2车牌中字符的分割254.2字符归一化26第五章字符识别28第六章车牌识别系统实现306.1车牌识别系统总流程306.2识别结果30第七章结论32致谢34参考文献35第一章绪论1.1车牌识别项目系统概述 随着科学技术与经济的发展，人们对十交通状况的要求也越来越高，在交通硬件取得了很大成就的同时，交通类软件的发展也引起了人们的广泛重视。一些发达国家近年来出现了很多这方面的理论研究成果和软件产品，我国在这方面的研究也具备了一定的规模。大量在公共场合的汽车需要得到监管，而目前在各大城市。欠费违章车辆招摇过市。各种违章行为层出不穷；车辆盗窃案件也时常发生。涉及机动车的各种经济和刑事案件屡禁不止。给现代化的交通管理和公安刑侦等带来了众多问题。为了更好地进行管理，必须对车辆进行一种确认，而车牌识别就是其中最有效的确认方法，车牌识别LPR是License Plate Recognition的简称，它是智能交通系统 (Intelligent TransportationSystems, ITS)的一个重要组成部分。车牌识别技术在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。1.2车牌识别项目的意义 首先，车牌识别技术在提高高速公路收费站效率方面起着至关重要的作用。由十高速公路运输中传统的人工收取通行费方法效率低下，而近几年不断增大的交通流量，往往使得各式车辆在收费管卡处滞留形成“瓶颈”，不能完全发挥出高速公路的优点，这个问题如得不到解决，势必影响交通运输线的畅通，甚至导致直接或间接的经济损失。不停车自动收费系统是解决这一问题的有效方法之一，该系统的启用将大大提高收费站各通道的处理能力，减少车辆通过的时间。目前，类似的自动收费系统在美国和欧洲一些发达国家已经得到使用推广，据资料表明:高速公路自动收费站车辆的平均通过速度为每小时1500辆，而在装有自动收币机的收费站为每小时650辆，人工收费则最多为每小时350辆。随着该系统的推广使用，收费站前的车辆赌塞和交通拥挤的情况得到缓解，可以为过往车辆节约运营时间，这对十长途旅客运输和商用货物运输也显得尤为重要。此外，由于不停车收费系统的自动化水平高、收费迅速而便捷、管理统一规范，对杜绝高速公路人为的“乱收费”现象也具有特别重要的意义。 其次，机动车闯红灯是口常交通管理中常见的交通违法现象，不仅扰乱了正常的交通秩序，也是造成机动车交通事故的主要原因之一。因此采用现代化的先进技术，采用智能化的交通控制和管理，为公安交通管理部门提供强有力的执法证据，对改善交通秩序、保障交通安全、提高道路交叉口通行能力、减少交通事故、促进社会的进一步发展都具有重大的社会意义。所以，作为智能交通系统的一个重要分支，电子警察系统综合利用网络、数字图像处理、小波、神经网络、通讯、数学形态学等先进技术对闯红灯这种交通违法现象进行抓拍和处理，为公安交通部门提供强有力的执法证据，对改善交通秩序、保障交通安全、提高道路交叉口通行能力、减少交通事故等都起到了重要作用。 此外，在大型停车场等系统的管理中，车牌识别也起着重要的作用。1.3车牌识别项目研究现状 近几年来，汽车牌照智能识别的技术发展很快，就其识别基础，主要可分为间接法和直接法两种:间接法是基于IC卡(即无线电频率鉴别(REID)或基于条码的识别；直接法是基于图像的汽车牌照识别。 间接法是指通过识别安装在汽车上的IC卡或条形码中所储存的车牌的信息来识别车牌及相关信息。IC卡技术识别准确度高，运行可靠，可以全天候作业，但是它整套装置价格昂贵，所需硬件设备十分复杂，不适用于异地作业。条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等特点，但是对十扫描器要求很高。此外，二者都需要制定出全国统一的标准，并目_无法核对车、日条形码是否相符，这也是技术上存在的缺点，这就使得其在短时间内广泛应用变得非常困难。 基于图像的车牌识别技术属于直接法，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车辆信号的车载发射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。与间接法识别系统相比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益；其次，由十采用了先进的计算机应用技术，所以可以提高识别速度，较好的解决了实时性问题；再次，它是根据图像进行识别，所以可以通过人的参与可以解决系统中的识别错误，而其它方法是难以与人交互的。所以，如何实现更快更好进行车牌识别，已经成为了一个各国关注的热点问题。 许多国家的公司和大学都对 LPR技术进行了研究和开发工作，其中包括:新加坡、美国、意大利、加拿大、英国、德国、香港和葡萄牙等。有些识别系统已经投入到了实际运用当中去。国外现在有一些公司在这方面有一些比较成功的产品系列:以色列Hi_ Tech公司的See/Car System系列产品，香港Asia Vision Technology公司的VECON产品，新加坡Optasia公司的VLPRS产品等，其中VECON和VLPRS产品主要适合于香港和新加坡的车牌，Hi_ Tech公司的See/Car System有多种变形产品来分别适应某一个国家的车牌，See/Car Chinese系统可以对中国大陆的车牌进行识别，但也有很大的缺陷，而且不能识别车牌中的汉字。另外口本、加拿大、德国、意大利、英国等各个西方发达国家都有适合十本国车牌的识别系统。各个国家的产品虽然不同，但基本上都是基于车辆探测器的系统，因此设备投资巨大。 中国大陆做得较好的产品有中科院自动化研究所汉土公司的“汉土眼”，除此之外国内的业洲视觉科技有限公司、深圳市吉通电子有限公司、中国信息产业部下属的中智交通电子系统有限公司等也都有自己的产品。另外西安交大的图像处理与识别研究室、上海交大的计算机科学与工程系、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都做过类似的研究。 车牌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，在以后的二十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，大量的OCR方面的论文和系统见诸于世，SPIE, IEEE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。1.4本文的研究内容本文的主要研究内容是针对已经定位好的车牌进行一系列的图像处理，最终识别出车牌的字符。具体研究内容包括对定位好的车牌进行相应的预处理，对车牌图像的倾斜校正，车牌图像的字符分割工作和字符识别工作等四大块内容，其中涉及了图像处理、数学形态学、模式识别等方面的知识，具体流程图如图1.1所示:定位车牌图像车牌图像预处理图像的倾斜校正图像的字符分隔车牌字符识别 图1.1车牌字符识别系统流程图主要研究内容如下: 1、针对车牌图像的预处理。首先读取定位好的车牌图像，对图像进行灰度化、去噪处理、二值化等一系列图像处理操作;2、车牌的倾斜校正处理。因为拍摄角度原因等，了能够正确分割字符，首先要校正车牌，拟采用Hough变换等方法取得二值化图像的倾斜角，再通过变换方法校正图像； 3、车牌字符的分割处理。为了可以得到噪音较少的图像，首先根据车牌边框的性质去除上下边框，然后根据车牌字符的特点，分割出单个的字符，最后通过字符高宽比值确认字符图像。 4、字符识别的研究。为了满足实时性，拟采用改进的模板匹配方法进行字符的识别，即对十提取出的单个字符，先进行细化操作，得到字符的骨架，然后与模板进行第一次粗比对，再根据字符细节特征进行细比对，最终识别出字符。第二章图 像预处理 车牌图像预处理是车牌字符识别系统中的第一个步骤，也是非常关键的一个步骤。在完成对图像中的车牌区域定位之后，对字符进行识别之前，要完成一系列的准备工作，如车牌图像的预处理、车牌的倾斜校正、车牌字符分割等，尤其是车牌图像预处理结果的好坏对后续识别工作的影响非常大，预处理工作做得好，可以加快后续工作的速度，提高识别率，而预处理工作处理得不理想，不但提高了后续工作的难度，更会影响到最后的识别率和正确率，由此可见，在车牌自动识别系统中，预处理工作是非常重要的。 对图像的预处理包括对数字图像文件的读取，彩色图像灰度化，利用中值滤波对图像进行去噪处理以及图像的二值化处理。2.1 BMP图像的读取与转换 在车牌图像定位后得到的图像是一幅BMP彩色图像，而我们进行图像处理的时候都是要对内存中的数据进行操作的，所以首先要把定位好的BMP图像读入到内存中。BMP （BitMap Picture)文件格式是Windows系统交换图形、图像数据的一种标准格式。BMP图像的数据由四部分组成。 第一部分是位图头文件BITMAPFILEHEADER，它是一个结构体，定义如下: typedef struct tagBITMAPFILEHEADER WORD bfType; DWORD bfSize; WORD bfReservedl; WORD bfReserved2; DWORD bfOffBits; BITMAPFILEHEADER; 第一个bfType用于表示文件类型，如果它是bmp文件，那么它这个位置的值一定是“BM”也就是Ox4D42。第二个bfSize表示整个文件的字节数。第二第四个则保留，目前无意义，最后一个相当重要，表示，位图的数据信息离文件头的偏移量，以字节为单位。 第二部分为位图信息头BITMAPINFOHEADER，也是一个结构，其定义如下: typedef struct tagBITMAPINFOHEADER DWORD biSize; LONG biWidth; LONG biHeight; LONG biplanes; WORD biBitCount; DWORD biCompression; DWORD biSizeImage; LONG biXPelsPerMeter; LONG biYPelsPerMeter; DWORD biClrUsed; DWORD biClrImportant; BITMAPINFOHEADER; 其中biSize表示文件的长度，它的单位是像素;而 biWidth和biHeight分别表示图像的宽度和高度，单位是像素；biplanes必须是1； biCount表示图像在表示颜色时要用到的位数，常用的分别是1(黑白二色位图)、4 16色位图)、8 256色位图)、24 ( 24位真彩图 )； biCompression表示压缩类型；biSizeImage表示实际的位图数据占用的字节数，它可以通过宽度biWidth与高度biHeight相乘得到;biXPelsPerMeter 和biYPelsPerMete:分别表示水平分辨率和垂直分辨率，它们的单位是每米像素个数；biClrUsed表示图像实际用到的颜色数，如果该值为零，则用到的颜色数为2的biBitCount次方;biClrImportant表示图像中的重要的颜色数，如果该值为零，则认为所有的颜色都是重要的。在这些变量中应该注意到biWidth这个值，在通常情况下，biWidth应该可以被4整除，否则的话，系统会自动将下一行的图像数据补上来，造成图像的扭曲甚至变形，所以在处理中如果要对图像进行裁剪的话，应该注意图像的宽度最好能被4整除，否则的话就应该根据相应的情况采用黑点或者白点进行填充，以免造成图像的变形，影响接下来的处理。 第三部分是调色板(Palette)，这里的调色板主要是针对位图文件，例如16色位图，256色位图等，而真彩色图像是不需要调色板的。调色板实际上是一个数组，一共有biClrUsed个兀素，如果biClrUsed为零，则有2的biBitCount次方个兀素。数纲中的每一个兀素都有4个分量组成，分别表示R, G, B二个分量值和一个固定值O。 第四部分就是实际的图像数据。对十那些用到调色板的位图，这里的图像数据只是一个指向调色板数据的指针，指针所指向的数据就是该点的颜色数据，而对十真彩色图像来说，图像数据就是实际的R, G, B值，对十24位真彩色图来说，每一个像素的颜色都要用3个变量来表示。 这些就是BMP图的实际存储数据，因为我们是对位图数据进行操作的，所以在处理图像之前有必要搞清楚图像的具体存储结构。在处理图像的时候，首先从文件中读取图像文件头信息，然后再把图像数据的第四部分，也就是实际的图像数据读入内存，对其进行操作。2.2彩色图像灰度化 我们之前读入的图像数据都是彩色图像数据，里面包含着大量的颜色信息，这样处理起来，不但在存储上开销很大，而且在处理上也会降低系统地执行速度，由十这些信息与识别没有太大的关系，并且不便于进一步的识别工作，因此在对图像进行识别之前首先要将图像转变为灰度图像，以便十处理。 由彩色转换为灰度的过程就叫做灰度化处理。灰度图像就是只有强度信息，而没有颜色信息的图像，存储和处理灰度图像只需要一个数据矩阵，这样，就可以加快我们对图像的处理速度，方便我们的存储了。我们采用加权平均值法来进行灰度处理。其中三个加权值分别为0.11、0.59和0.3。 由于我们之前得到的图像是24位真彩图，它的每一个像素由R, G, B二个分量构成，我们通常采用下面的公式将其转换成为灰度图。 F(x,y)=0.11 B(x, y)0.59 G(x, y)0.3 R(x, y) (式2.1)其中，F(x,y)为(x,y)位置像素的灰度值，B, G, R分别为(x, y)位置像素的蓝、绿、红颜色对应的彩色信息值。这一公式用损失色调和色饱和度的代价保留了亮度信息，而这正是我们所需要的，对图2.1灰度处理后的效果如图2.2所示: 图2.1 彩色车牌图 图2.2 灰度车牌图2.3去噪处理 汽车牌照由于在行驶中被溅到污泥等关系，还有就是有两个固定点，造成了车牌图像中出现了各种不同程度、各种类型的噪声，为了便于后续的处理与识别，所以我们首先要对灰度化后的图像进行去噪处理。 为了去除噪音点，抑制噪声，我们通常选用低通滤波，但是由于边缘轮廓也包含大量的高频信息，所以低通滤波在过滤噪声的同时，也会使得边界变得模糊，反之，低通滤波后为了提升边缘轮廓，还需要使用高通滤波，这是存在的噪声也会被加强，所以，为了在过滤噪声的同时，还可以很好的保护到边缘轮廓信息，我们采用中值滤波方法来祛除噪声。中值滤波原理 中值滤波就是用一个含有奇数点的滑动窗口，将窗口中的正中点的值用窗口内各点的中值来替代，意即假设窗口内有五个点，其灰度值分别为1, 4, 6, 9, _5,那么这个窗口中的正中点即灰度值为6的点经过中值滤波处理后的值为(1+4+6+9+5) /5=5。其算法描述为:设有一个一维序列f1,f2,.，fx,取窗口长度为m (m为奇数)，对此一维序列进行中值滤波，就是从输入序列中相继抽出m个数，其中fi为窗口中心点值，v=(m-1)/2;再将这m个点值按其数值大小排序，取其序号为正中间的那个数作为滤波输出。用数学公式表示为: 二维中值滤波可由下式表示: 其中:A为窗口;fij为二维数据序列。图像处理效果如下图:图2.3中值滤波过滤后的图像但是，中值滤波并不能非常完美的清除掉所有的噪音点，尤其是对于那些光线不是太好，车牌上污泥太多的车牌图像，经过中值滤波处理后还是存在着很多的噪音点，并不容易进行接下来的处理，这时候就需要选用别的处理方法了，但是对十大多数图像来说，中值滤波就已经足够了。2.4灰度图像的二值化 将灰度图像转变为二值图像的过程称为二值化。所谓的二值图像就是只有黑白两种颜色的图像，在二值图像存储矩阵中，只有0和1两种值。在数字图像处理中，二值图像因为其处理速度快、程序处理方便而占有非常重要的地位。图像二值化的关键在于阀值的选取，根据阀值T来区分图像中的前景和背景。设原始灰度图像为f（x,y），变换后的二值图像为g(x,y)，则二值化的过程可以表示为: 上式中f(x, y)是原图像中坐标为(x,y)的像素点灰度值，g(x,y)是变换后该像素点的二值化标志，其中0表示该像素点是黑点，1表示是白点。它的具体算法描述如下: (1)、应用OTSU法求出全图闽值作为初值To (2)、对图像进行二值化处理 (3)、求出处理后图像中的黑色像素点个数G (4)、求出黑色像素点个数与全图像素点个数的比值G/N并与我们的设定的范围比较(5)、如果在我们设定的范围内则认可这个闽值，否则就对T0进行调整，然后转向第二步试验结果图2.4原灰度图图2.5处理后的图像 阀值=180 第三章 图像校正 由于在拍摄的时候，镜头与拍照的角度、镜头发生摆动、车辆运动以及路面状况等因素的影响，都有可能使得得到的车牌图像产生一定程度的倾斜，当摄像机在一定高度而水平方向不与汽车正对时，拍照会有左右方向的倾斜，而当车牌不是平行照则又有可能产生上下倾斜，这样，我们在对车牌进行垂直投影的时候，字符的投影就会在垂直方向相互重叠，使得原本字符之间的间隔的零值投影不存在，很显然，这会影响到我们对车牌字符的分割，所以，我们有必要在进行后续的字符分割前对车牌进行校正。我们对于车牌校正所采取的方法是Hough变换的方法来进行检测。3.1图像倾斜角度检测用Hough变换检洲顷斜角度 通过Hough变换，我们可以找出图像中最长的接近于垂直的直线，在通常情况下，这条直线就是车牌的垂直边缘，所以它的倾斜角度也就是车牌垂直方向倾斜的角度，随后我们再找出图像中最长的接近于水平的直线，那么这条直线就是车牌的水平边缘，同理，它的倾斜角度也就是车牌水平方向倾斜的角度，由此我们可以得到垂直倾斜角度和水平倾斜角度。那么下面我们就利用这两个角度针对图像进行车牌校正操作。3.2车牌图像校正3.2.1车牌图像校正方法 我们研究的校正方法是针对具有一定角度倾斜的对象，倾斜的角度不大，但是由于一般出现的倾斜都包括了水平方向的倾斜和垂直方向的倾斜，如果采用一次旋转校正，会导致字符扭曲，所以我们把校正分为两步，首先，把表示车牌区域的四边形的一边转换到与Y轴平行，然后再对图像进行变换，将车牌区域转换到正常的位置。 那么第一步就是对图像进行垂直方向上的矫正，把表示车牌区域的四边形的一边即车牌的垂直边，将这条边规划到与Y轴平行，如图3.2所示。为了不失一般性，我们设旋转中心为(xo，yo)，旋转角度为a，把原图中的任意一点(x,y)转换到点( Xk,YK)，可以用下式来描述: 逆时针时，a取正值，顺时针时取正值。至此就完成了第一次校正，实现了对原图像的在垂直方向的倾斜的矫正。如图3.2所示。 图3.2图像垂直方向的矫正第二步即对图像进行水平方向的矫正。对变换后的新图像进行操作，根据车牌水平方向的倾斜角度对像素的位置进行调整，取平行四边形的最低点为基准像素点，以其作一条基准水平直线，底边上各像素点垂直下沉到基准直线上，图像上其它元素再依次进行下移，如图3.3所示。 设图像中最低点A的坐标为(x,y)，且斜边与基准直线的夹角为(注意，此时的为第一次校正后的夹角，即为-，此时车牌中的任一像素点(x, y)，校正到新点的坐标即为(x，y)，其关系可用下式来表示:图3.3图像水平方向的矫正 这样，原图像经过垂直方向和水平方向的两次校正，原来倾斜的降像就被转换到了正常的位置。3.2.2车牌图像校正的流程 图3.4图像矫正流程图3.2.3车牌图像校正应用应用上面的方法，我们对图片进行校正的处理，下面图3.5为一幅倾斜的车牌图像，图像中的车牌在垂直方向和水平方向的倾斜角度都超过了5度，所以应该采用最后一种处理方法进行处理，即将校正处理分为两步，首先进行垂直校正，图3.6就是经过垂直校正后的图像，车牌的垂直边缘已经达到了我们预期的效果，然后对图像进行水平校正，图3.7是经过水平校正后的图像。图3.5原始倾斜图片图3.6垂直校正后的图像 图3.7水平校正后的图像通过具体应用我们可以看出，这种校正方法对那些倾斜度不是很大的图像具有很好的效果，校正后的图像便十后续的处理与识别，但是对十那些变化比较大的车牌图像应用效果不是太好，并且这种方法需要以车牌边框为校正基础，通过边框的位置来进行校正，所以对十那些没有边框的车牌(部分磨损严重或者有意掩盖的车牌，但是数量较少)，这种方法就无能为力了，需要采取其他的方法。第四章字符分割4.1车牌字符分割 图像分割是有图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形势，使得更高层的分析和理解成为可能。图像分割多年来一直得到人们的高度重视。至今已提出了上千种各种类型的分割算法。4.1.1消除车牌边框 在对车牌中字符进行分割前，我们首先尽量去除掉车牌图像中的噪音，而汽车牌照的边框无疑就是最大的噪音，所以我们首先要去除车牌的边框。特别是牌照的上下边框对于牌照字符的分割是一个很大的障碍，由于它的存在，使得字符串垂直投影的值全部大于零，缺少了零值点，使得我们不能根据零值点来确定分割的位置，因此必须先将其去掉。 第一步，去除牌照上下边框，在这里我们采用统计颜色跳变的方法，标准的汽车牌照上有七个字符，所以，在字符的区域中，每条水平线中的颜色所发生的跳变次数，即指的由黑变白或者由白变黑的次数，应该至少要大过14次，而在非字符区域，由于边框部分颜色单一，发生跳变的几率非常小，所以很少能达到14次，我们的具体算法如下: (1)计算每一条水平线中的颜色跳变次数，如果大于14，则认为此行是字符区域，反之，则认为此行不可能位于字符区域。 (2)如果所有被认为是字符区域的行是连续的，则认为在这些连续行中最上方一行即为字符的最上端，最下面一行就是字符的最下端。 (3)如果所有被认为是字符区域的行不是连续的，并目_它们构成了若干个高度不同的块，这是由十噪音点的出现造成的，应付这种情况的方法是比较这些块的高度，我们认为高度最大的块即为字符区域，随后检测次大的块的高度，如果两块高度相差不多，并且两行间间距很小，我们认为这两行都是字符区域，合并构成新块，否则抛弃掉，以此类推，直到所有被认为是字符区域的行全部被检测完毕以后，此时新块的最上一行就是字符的上端，最下面一行就是字符的下端。由此，我们就检测出了字符的上下边沿，从而完成了去除上下边框的任务，如图4.1所示:图4.1去除上下边框 并且，我们在去除边框的同时，还得到了车牌字符的高度，记录为CharHeight，更加便于后续处理。 第二步，去除车牌的左右边框，我们采用垂直投影的方法，由于这一步可以合并在车牌中字符串分割的过程中，所以我们在划分字符串的时候一并处理，在这里就不单独处理了。4.1.2车牌中字符的分割在去除了上下边框后，我们就可以利用垂直投影的方法来进行字符的分割了，投影法是将图像的每一列的目标像素的数目统计出来，在二值化的图像中，白色像素就是目标像素，黑色像素就是背景像素，然后，我们再根据统计出来的数据进行处理，划分出字符间的间隔，最终完成分割字符的任务。对于图4.1中的图像，我们可以得到如图4.2的垂直投影图，投影图中的横坐标方向的长度和车牌图像的宽度是一样的，垂直方向以黑色的直线表示目标像素的数量，黑色直线越长代表这一列上的目标像素越多。 图4.2垂直投影图从图4.2中我们可以看见去掉上下边框后，投影图中无黑线处的位置对应着图像中没有字符的地方，投影图中还可以看出每个字符的投影都是连续的，各字符的投影之间都有一定的间隙，这是因为在垂直投影过程中，如果在某一列投影上没有目标像素，那么这一列一定是处于牌照上没有字符的空隙处，所以我们在分割字符串的时候，就可以直接利用投影图中空白处的位置信息在原二值化图像的相应位置，用白线来表示字符间的空隙，得到的分割字符串后图像，如图4.3所示 图4.3分割后图像 从上图可以看出，通过简单的确定分割点的位置，然后进行分割，已经基本完成了分割的任务，这样的分割结果还是比较满意的。在得到分割结果的同时，我们还要记录下来黑线也就是分割线的位置，以便进行后续的处理。4.2字符归一化 当字符切分出来后，因为大小不同，这就需要进行归一化处理，目的就是可以在统一的标准下进行识别，目前常见的归一化方法有基十质心的归一化，还有就是基十外框的归一化。最近邻插值法 最近邻插值法中归一化的图像g(xo,yo)的灰度值是用(a,b)临界的四个网格点(i,j)(i+1,j),(i,j+1) ,(i+l,.j+1)之中最接近于它的点的灰度值来近似表示，即: ，其中(a,b)为(a,b)距其相邻四个网格点中最近的一个网格点.从图4.7中可以看出(a,b)与(i, j+1)的几何距离即最小，所以(i, j+1)就是(a,b)的最近邻点(a,b)。 图4.7令仔近插值法的图形表示最近邻插值法计算非常简单，并且，在许多的情况下，其结果也是可以令人接受的，不过，当图像中包含像素之间灰度级有变化的细微结构时，最近邻插值法会在图像中产生人工的痕迹(如带有锯齿形的边)。于是采用近邻插值法将大小统一规格化为40 x20的图像，如下图4.9所示： 图4.9规格化后的字符图像第五章字符识别字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是:首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法:一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法。模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。建立自动识别的代码表读取分割出来的字符第一个字符与模板中的汉字模板进行匹配第二个字符与模板中的字母模板进行匹配待识别字符与模板字符相减，值越小相似度越大，找到最小的一个即为匹配的最好的识别完成，输出此模板对应值后5个字符与模板中的字母与数字模板进行匹配图20 字符识别流程图此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50多个，大写英文字母26个，数字10个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了4个数字26个字母与10个数字的模板。其他模板设计的方法与此相同。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。第六章车牌识别系统实现6.1车牌识别系统总流程图6.1车牌识别系统总流程6.2识别结果 通过对原始待识别图像的一系列预处理，然后进行图像矫正，将图像分割成单个字符图像，最终识别出结果如图6.2所示:图6.2识别结果由于在实际中，我们通过数码相机采集的车牌图像数量有限，并且遇到的车牌图像多半比较清楚，所以我们认为这个数据并不能完全反映出整个识别系统的性能，不过，系统的性能稳定，识别率比较高，还是满足了我们的需要，具有实用性强的特点。第七章结论 随着汽车数量的增加，城市交通状况口益恶化，如何能够智能有效地进行交通管理，已经成为了各国政府和相关部门所关注的焦点，而汽车牌照识别系统(LPRS)在智能交通系统(ITS)中占有非常重要的地位，如何实现汽车牌照的自动识别已成为现代交通工程领域中研究的重点和热点问题之一。本文采用传统的图像处理技术和模式识别技术，在总结前人研究的基础上，提出自己的方法和改进方法，分别对车牌图像预处理，车牌图像的倾斜校正，车牌图像字符分割，车牌字符识别等四个方面作了系统的研究，并提出了理论上和使用的解决方法。本文的研究工作如下: (1)图像预处理 该阶段主要研究内容是数字图像的基础以及对车牌图像的去噪处理和二值化。首先阐述了数字图像的基础，作为随后各种对数字图像操作的基础，其次为了去除牌照上的噪音点，更好的保留牌照上的有效信息，我采用了中值滤波的方法，对大多数车牌图像都有较好的效果，最后，针对车牌图像的二值化，我在总结前人理论的基础上，结合车牌图像自身的特点，提出了一种改进的闽值算法，通过实验证明，该方法能较好的保留图像有效信息，并且能够在光照不好，图像阴暗的情况下仍然取得比较好的效果，方便后续处理。 (2)车牌的倾斜校正 在将图像二值化以后，我就可以进行进一步的处理。因为拍摄角度等原因，某些车牌图像并不是非常标准，存在着一些倾斜角度，这样，在进行分割等处理前还需要对图像进行倾斜校正。在进行倾斜校正的时候，首先用Hough变换取得车牌倾斜的角度，然后通过两次变换将图像校正，最终达到我们的目的。在这一部分，我们首先利用Hough变换取得两个倾斜角度，然后我们采取有别十通常采用的一次校正，取得了比较好的效果。 (3)车牌的字符分割 通过倾斜校正，我们得到了比较正规的图像，这样就便十分割处理。在进行字符分割前，我们首先利用统计黑白跳变次数的方法分割出车牌的上边框，然后再利用改进后的垂直投影法成功将字符分割。这里对垂直投影法的改进主要采取的是忽略部分字符粘连后造成的影响，合并断裂字符，最后再通过宽高比值验证。在将字符分割后，我们采用最近邻插值法将字符图像作归一化处理，为字符识别打好了基础。 (4)车牌字符识别 在进行字符识别的时候，为了满足我们的项目需要，我采用了改进的模板匹配的方法。在进行模板匹配之前，首先采用了数学形态学中的细化操作，将字符图片中的字符细化成骨架，提高了匹配的速度;在进行匹配的时候又采用了先粗匹配，然后分组，根据细节部分和字符位置再次细比对的方式，提高了匹配成功率，降低了误识率。 但是系统本身还存在许多不足，距离具体实用的要求仍有很大差距，但我却在这次课程设计中学到了很多知识。致谢 在本论文完成之际，我想起了所有关心和帮助过我的老师、朋友，在此我向他们表达我最诚挚的感谢。 首先感谢我的导师一一马飞老师，导师不仅学识渊博、诲人不倦，指导我获得深厚的专业知识;而且他工作务实、经验丰富、启示了我为人处事的生活态度。 我还要感谢我的同学，帮助我收集材料和图像资料，因为有了他们的帮助，才使我顺利的完成了这次的毕业设计，在此非常感谢。参考文献 1与信息.土笑京，沈鸿飞，江林.中国智能交通系统发展战略研究.交通运输系统工程2006. 4期.1-4 2杨墉金，陈志钢.浅谈智能交通系统(TIS).江西测绘.2005. 3期.12-14. 3 Underwood, Steven E.，A Review and Classification of Sensors for Intelligent Vehicle-Highway 48 Systems，U.S. Federal Highway Administration，FHWA Report DTFH61一89-P-00827，Washington, D.C.，1990. 4 Bir Bhanu, D.E.Dndgeon, E.G.Zelnio.Introduction to the special issue on automatic target detection and recognition. IEEE Trans. Image Processing.1997, 6 (1).1一6. 5刘庆祥，蒋天发.一种新的车牌图像自动识别系统.武汉理工大学学报(交通科学与工程版).2004. 6期.25-28. 6陈良育，曾振柄，张问银.汉字构形分析与识别.上海电力学院学报.2005. 1期.15一18. 7中华人民共和国公共安全行业标准.中华人民共和国机动车号牌(GA36-92 8沈庭芝，方子文编著.数字图像处理及模式识别.北京理工大学出版社.1998. 9 Swanson M D, Tewfik A H. Fast Progressively Refined Image Retrieval.Journal of Electronic Imaging .1998.7(3).P443-452. 10 Granieri M N, Stabile F, Comelli, P. Recognition of Motor Vehicle License Plates in Rear-View Images .Sanzj LC.ed.Image Technology .Coordinated ScienceLaboratory. University of Illineis at Urbana.USA. 1993.231-252. 11 Setchell J .Applications of Computer Vision to Road-Traffic Monitoring.PH.D Thesls. University of Bristol.England. 1997.66-81. 12阎建国.图像处理技术在车牌识别中的应用.电子技术应用.2000 . 1期.5-7 . 13蒋治华，陈继荣，刘奕.车牌去噪技术研究.计算机工程.2004. 24期.17-20. 14周妮娜.车牌字符识别的预处理算法.计算机工程与应用.2003.巧期.69-71. 15张玉皎一种新的车牌识别预处理算法.西北工业大学学报.2002. 1期.26-28 . 16章毓晋著.图像工程.清华大学出版社.2000.17刘禾编著18殷福亮，数字图像处理及应用.中国电力出版社.2006.宋爱军等