基于图像处理的车辆牌照识别系统设计

基于图像处理的车辆牌照识别系统设计摘要汽车车牌的识别系统是现代智能交通管理的重要组成部分之一。车牌识别系统使车辆管理更智能化，数字化，有效的提升了交通管理的方便性和有效性。车牌识别系统主要包括了图像采集、图像预处理、车牌定位、字符分割、字符识别等五大核心部分。本文主要介绍了如何从车辆车牌照片的采集，图像处理，定位，分割最后到识别车辆的车牌号，可以广泛应用于(1)高速公路收费、监控管理；(2)小区、停车场管理；(3)城市道路监控、违章管理；(4)车牌登录、验证；(5)车流统计、安全管理等。车牌自动识别系统应用于这些系统，可以解决通缉车辆的自动稽查问题，可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以以最简单的方式完成交通部门的车辆信息联网，解决数据统计自动化，模糊查询的问题。关键词：MATLAB；图像预处理；车牌定位；字符分割ABSTRACTVehicle license plate recognition system is one important of the modern intelligent traffic management. License plate recognition system to make more intelligent vehicle management, digital, Effective traffic management to enhance the convenience and effectiveness. License plate recognition system includes image acquisition, image preprocessing, license plate localization, character segmentation, character recognition and other five core parts. This paper describes how finally to identify the vehicle license plate number from the vehicle license plate photo acquisition, image processing, positioning, segmentation can be widely used in (1) highway toll monitoring and management; (2) district, parking management; (3) urban road monitoring, violation management; (4) license plate login validation; (5) traffic statistics, and security management. Automatic license plate recognition system used in these systems, can solve the wanted vehicles automatic inspection problem, you can solve the traffic peak period due to the entrance traffic bottlenecks caused by road and bridge bayonet, parking lot traffic jam problem, you can solve the cause of road and bridge staff cheating bayonet , highways, parking receivables loss can also be the easiest way to complete the traffic department vehicle information networking solve statistics Automation, fuzzy query.Keywords: MATLAB software； image preprocessing；license plate localization；character segmentation .目 录1. 引言.21.1 选题背景.21.2 选题意义.31.3 国内外发展状况.41.4 设计原理.52. MATLAB 简介 .62.1 MATLAB 发展历史 .62.2 MATLAB 的语言特点 .83工作流程.93.1 系统框架结构和工作流程.94模块的分块实践.104.1 设计方案.104.2 图像预处理实际应用.104.2.1 图像灰度化.104.2.2 图像的预处理（均值滤波、二值化）.114.2.3 图像的边缘检测.114.3 车牌定位和字体分割处理.124.3.1 车牌的定位.124.3.2 字符的分割.155.后期工作安排计划与总结.16致谢1 引言1.1 选题背景现代社会已进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化信息处理能力和水平不断提高，作为现代社会主要交通工具之一的汽车在人们的生产生活的各个领域得到大量使用，对他的信息进行自动采集和管理具有十分重要的意义，成为信息处理技术的一项重要研究课题。此外，智能交通系统，简称 ITS（Intelligent Traffic System）已成为现代社会道路交通发展趋势。只能交通系统，是在当代科学技术高速发展的背景下产生的。其目标在于将现金的计算机处理技术、数据通信技术、自动控制技术等综合应用于地面交通管理体系，从而建立起一种高效、准确、实时的交通管理系统。公路交通基础建设的不断发展和车辆管理体制的不断完善，为以视觉监控为基础的智能交通系统的实际应用打下了良好基础。在智能交通系统中，车牌自动识别系统是一个非常重要的发展方向。车牌自动识别系统简称 ALPRS 或 LPRS，该系统可以对车辆进行自动登记、验证、监视、报警。系统应用场合包括：高速公路，桥梁，隧道等收费管理系统。城市交通车辆管理，智能小区、智能停车场管理，车牌验证，车流统计等。同时，汽车牌照自动识别的基本方法还可以应用到其他检测和识别领域，所以车牌自动识别问题已成为现代交通工程领域中研究的重点和热点问题之一。车牌识别系统是一项科技含量很高的多种技术结合的产品，主要有计算机视觉、数字图像处理、数字视频处理、模式识别等技术组成。也是智能交通系统的核心技术，产生于 60 年代。在 80 年代，由于城市交通问题日益严重，美国和欧洲许多国家投入了大量的人力和物力，建立了自动化高速公路网，安装了摄像、雷达探测系统和光纤网络，简历智能交通系统。在美国、欧洲、日本等发达国家的带动下，世界各国也开始简历智能交通系统。由于公路车流量日益增大、道路交通日益拥挤，车辆管理相对越来越困难，因此各个发达国家和发展中国家都在积极建设适应未来交通运输需求的智能交通系统。1.2 选题意义车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符，车牌识别是利用车辆牌照的唯一性来识别和统计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统。在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，车牌识别系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作的复杂度。车牌识别系统将获取的车辆图像进行一系列的处理后，以字符串的形式输出结果，这样不但数据量小，便于存储，操作起来也更容易，因此车牌识别系统的便捷性是人工车牌识别所不能比拟的，它蕴藏着很大的经济价值和发展空间，对车牌识别技术的研究是非常有的意义的。在车牌识别系统中最为重要的两个技术是车牌定位和车牌字符识别，这两个技术的好坏直接影响到整个车牌识别系统的实时性和准确性。国内外己有不少学者对车牌定位技术做了大量的研究，但在实际的应用中还没有一个有效可行的方法，如由于车辆抖动造成车牌图像的歪斜、由于污迹和磨损造成车牌字符的模糊、由于光照不均造成车牌图像的模糊等都会或多或少影响到车牌定位的准确度。针对以上实际情况，很多学者开始在鉴于车牌图像本身特征的基础上研究车牌定位技术，并先后提出了一些有效的定位方法，以减小种种主、客观因素对车牌定位准确度的影响。然而智能交通的不断发展使得对车牌定位系统有了更高的要求，主要表现在系统的实时性和准确性。 车牌字符识别的实质是对车牌上的汉字、字母和数字进行快速准确的识别并以字符串的形式输出识别结果，字符识别技术是整个车牌识别系统的关键。车牌识别系统与其它图像识别系统相比较而言要复杂的多，在字符识别中，汉字识别是最难也是最关键的部分，很多国外较为成熟的车牌识别系统无法进入中国市场的原因就在于无法有效的识别汉字。此外，由于外界环境的影响，系统必须保证能够在任何天气情况下全天不间断的正常工作。到目前为止，在众多的车牌自动识别方法中还没有一个可以达到理想的效果，因此对车牌识别技术的研究意义重大。1.3 国内现状车牌识别系统作为智能交通系统的核心，在六七十年代的时候便展开了研究，国外也有大量关于这方面的研究报道，其中，具有代表性的车牌识别产品有：Yuniao Cuil 改进了二值化算法，并通过马尔科夫场对车牌的特征进行提取，在样本的识别中达到了较高的识别率。R.Mullot 利用文字纹理在图像中共性的特点来定位图像中的车牌，并开发了即可用于车牌识别也可用于集装箱识别的系统。R.Parisi 采用了神经网络技术与非传统的 DFT 技术作为改进的字符识别算法，并以 DSP 为核心 CPU 开发出一套车牌识别系统，其字符识别的效果达到了很高的水平。Eun Ryung 等创新了车牌定位的算法，以使用图像中的颜色分量来定位车牌，在对样本集的测试中，结果表明其识别率远远高于传统的车牌定位算法。Thanongsak 开发了一套车牌识别系统，统计其全天识别率为 84.2%。Young Sung Soh 改进了车牌定位的算法，其正确率达到了 99.2%。随着我国经济的快速发展，国内也有大量的从事这方面研究的专家：骆雪超等法，使其字符识别率达到 96%。北航的胡爱明等利用的模板匹配算法开发的一套车牌识别系统，其识别正确率达到 97%以上。中国科学院自动化研究所的刘智勇等研究的车牌识别系统，其车牌定位准确率达到 99.42%，字符分割达到了94.52%，从国内车牌识别技术刚处于起步的阶段来看，这是一个非常高的指标。上海交大叶芗芸也提出了一种文本图像的快速二值化方法(LocalExtreme Value Based Binarization，简称 LEVBB 算法)，其运算速度比典型的 Bernsen 算法提高3 倍。韩智广等针对车牌的倾斜校正问题进行了详细研究，并提出了倾斜校正改进的算法。刘庆祥等专门研究了如何将彩色的车牌图像转换成灰度图像，方便了其后续的车牌算法。黄志斌，陈锻生详细的研究了车牌识别系统的分类器，并提出了基于串行分类器的字符识别方法。国内也有大量的公司开发这方面的产品。深圳普利得软件公司于 2006 年 3月推出了 PlateDSP 车牌识别系统 V3，它是一款车牌识别软件，在其使用手册给出的建议配置下，可以实现 I=imread(original_q8xd_38f000007585125e.jpg); /输入图片文件figure(1),imshow(I);title(原图) /显示原图I1=rgb2gray(I); /图片灰度化figure(2),subplot(1,2,1),imshow(I1);title(灰度图); /输出灰度化图figure(2),subplot(1,2,2),imhist(I1);title(灰度图直方图); /输出灰度化直方图应用实例：图4.1 原图 图4.2 灰度图4.2.2图像预处理（均值滤波、二值化）：常用处理：灰度化，二值化以及滤波处理。滤波方法有多种，较常采取的滤波方法为均值滤波。二值化、均值滤波的使用实例：均值滤波：实例程序：I=imread(original_q8xd_38f000007585125e.jpg);subplot(231);imshow(I);title(原始图像 );K1=filter2(fspecial(average,3),J);%进行 3X3 模板平滑滤波subplot(233);imshow(uint8(K1);title(3X3 模板平滑滤波 ); 均值滤波前 均值滤波后图 4.3 均值滤波前后比较图二值化： 图4.4 快速转变成二值图像实例程序： I=imread(original_q8xd_38f000007585125e.jpg);figure(1),imshow(I);title(原图)I1=rgb2gray(I);I1=rgb2gray(I);%i1灰度图像I2=im2bw(I1);% i2是二值图像，不需要求阈值figure(2),imshow(I2);title(灰度图);4.2.3 图像边缘检测：车牌在图像中位置较为固定，车牌中字符都是按水平方向排列。因为有这些明显的特征，经过适当的图像变换，可以清晰的呈现出车牌的边缘。这里采用经典的 Roberts 边缘检测算子来对图像进行边缘检测。应用实例：I=imread(car.jpg);figure(1),imshow(I);title(原图)I2=edge(I1,robert,0.08,both);figure(3),imshow(I2);title(robert 算子边缘检测) 图 4.5 原图图 4.6 Robert 算子边缘检测4.3 车牌定位和字体分割处理：4.3.1 车牌定位：实践效果预想图：图 4.6 平滑图像的轮廓图 4.7 从对象中移除小对象后图像4.3.2 字符分割通过对投影图上的波形从左向右进行扫描，根据谷和峰的特征就可以判断出每个字符的位置；计算垂直峰，检测合理的字符高宽比。在字符切割时,往往由于阈值取得不好，导致字符切割不准确，针对这种情况，可以对切割出的字符宽度进行统计分析，用以指导切割，对因错误切割过宽的字符进行分裂处理。图 4.8 字符分割后的图像（效果图）5.后期工作安排与计划后期工作还剩下字符的归一化处理以