毕业论文车牌号智能提取算法的研究(共17页)

1、PAGE PAGE I目录(ml) TOC o 1-3 h z HYPERLINK l _Toc197870220 一 绪论(xln) PAGEREF _Toc197870220 h 1 HYPERLINK l _Toc197870221 1.1 车牌识别(shbi)组成原理 PAGEREF _Toc197870221 h 1 HYPERLINK l _Toc197870222 1.2 车牌识别（LPR）的研究现状 PAGEREF _Toc197870222 h 2 HYPERLINK l _Toc197870223 1.3 本文的研究工作和文章结构 PAGEREF _Toc197870223

2、 h 3 HYPERLINK l _Toc197870224 二 图像处理 PAGEREF _Toc197870224 h 4 HYPERLINK l _Toc197870225 2.1 彩色图像灰度化 PAGEREF _Toc197870225 h 4 HYPERLINK l _Toc197870226 2.2 灰度拉伸 PAGEREF _Toc197870226 h 5 HYPERLINK l _Toc197870227 2.3 边缘增强 PAGEREF _Toc197870227 h 6 HYPERLINK l _Toc197870228 三 牌照定位 PAGEREF _Toc19787

3、0228 h 9 HYPERLINK l _Toc197870229 3.1 确定上下边界 PAGEREF _Toc197870229 h 9 HYPERLINK l _Toc197870230 3.2 确定左右边界 PAGEREF _Toc197870230 h 9 HYPERLINK l _Toc197870231 3.2.1 水平差分处理车牌区域的灰度图 PAGEREF _Toc197870231 h 10 HYPERLINK l _Toc197870232 3.2.2 窗口移动法确定车牌左右边界 PAGEREF _Toc197870232 h 10 HYPERLINK l _Toc19

4、7870233 结 论 PAGEREF _Toc197870233 h 12 HYPERLINK l _Toc197870234 参考文献 PAGEREF _Toc197870234 h 13 HYPERLINK l _Toc197870235 致谢 PAGEREF _Toc197870235 h 14PAGE 15车牌号智能(zh nn)提取算法的研究杜鹏玲，数学计算机科学学院(xuyun)摘 要：汽车(qch)牌照自动识别(License Plate Recognition ,LPR)系统是智能交通管理系统的重要组成部分，也是图像处理和模式识别领域的热门研究课题，其实际运用价值正日益受到人

5、们的重视。汽车牌照提取(License Plate Extraction, LPE)是汽车牌照自动识别系统的主要分支之一,因此，对LPE的研究有着重要的理论意义和实际应用价值。在介绍了车牌自动识别原理及车牌自动识别系统的主要部分及其发展和现状的基础上，对车牌自动识提取中图像预处理和牌照定位两个模块的内容进行了研究。故对汽车牌照提取有了相应的研究。以一幅汽车牌照的识别为例，首先分别从彩色图像灰度化、灰度拉伸和边缘增强三方面详细论述了汽车图像的预处理，然后从确定上下、左右边界两方面实现了车牌识别的方法。关键词：车牌识别；车牌提取；图像预处理；灰度拉伸；边缘增强；牌照定位Research on Li

6、cense Plate Extraction Algorithm Pengling Du, College of Mathematics and Computer ScienceAbstract: License plate recognition (LPR) system is an important component of Intelligent Traffic Management System, it is also a popular area of study of image processing and pattern recognition, its practical

7、value is to paid more attention by people. License plate extraction(LPE) is a main part of License plate recognition system, therefore, researching on LPE has important theoretical and practical value. Concretely, this thesis introduces the principle of the automobile License recognition, the main p

8、art of this system and its development and present situation. Mainly analyzed the following two modules of LPEImage pretreatment and License plate localization. With an example of one license plate extraction, firstly, this thesis elaborates the automobile image pretreatment in detail from three asp

9、ects: Transforms the color image as the gray one, graystrech and edge enhancement. Then, realize the method of license plate extraction from these two aspects, which are the determination of horizontal and vertical boundary.Key word: License Plate Recognition; License Plate Extraction; Image Pretrea

10、tment; Graystrech; Edge Enhancement; License Plate Localization一 绪论(xln) 随着21世纪(shj)经济全球化的到来，国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，交通管理自动化越来越成为亟待解决(jiju)的问题。智能交通系统ITS ( Intelligent Transport System)是解决这一问题的途径，而汽车牌照自动识别(license plate recognition, LPR)技术又是ITS中的关键技术之一。汽车牌照自动识别技术作为交通管理自动化的重要手段，它采用计算机图像处理技术对车牌

11、的图像进行分析,自动提取车牌信息,确定汽车牌号，使得现代化、智能化的交通运输业成为可能。从而完成自动收费, 无人停车管理等, 这无疑节省了人力、资金, 同时提高了交通管理的效率,具有较高的研究价值和应用价值，也是现今研究的热点问题。1.1 车牌识别组成原理图像获取结果可信字符识别拒识输出结果字符切分牌照定位图像处理车牌识别系统主要由图像获取、图像处理、牌照定位、字符切分、字符识别等几个部分组成，系统的组成如下图所示。YN图1 车牌识别系统的组成图像获取：通过在道路两侧安装高分辨率的摄相机对过往的车辆进行动态或静态的抓拍，当车辆通过关卡，经过车体位置传感器的敏感区域时，传感器发送一个信号给图像采

12、集控制部分，再通过图像采集卡采集当前图像，并形成图像数据组存储在计算机中，此时计算机中存储的图像为彩色图像。图像处理：对动态采集到的图像灰度化、灰度拉伸、边界增强等处理，将在第一部分得到的彩色图像转换成灰度图像，然后再对对比度不明显的图像进行灰度拉伸，以使得对图像结构特征的识别更容易。牌照定位：根据牌照与背景的特点，对图像中的目标、背景进行标记、定位，然后将待识别的目标从背景或其他伪目标中分离出来。字符切分：在车牌准确定位的基础上，对牌照做字符切分，在车牌图像上自动提取单个字符的图像。字符识别：在车牌准确定位和分割的基础上，对车牌上的汉字、字母数字进行有效的确认。在实际应用中各个部分是紧密相连

13、的，有时候要根据识别的结果来判断前面的工作，如果识别的结果符合车牌字符的语法规则并且由识别核心给出的每个字符的识别率都高于一定的阈值，则直接输出识别结果，否则再重新进行以上部分的工作，如果在给定的范围内都找不到满足条件的区域，则给出拒识通知，说明图像中没有牌照或者没有完整的牌照。1.2 车牌识别(shbi)（LPR）的研究(ynji)现状智能交通系统的核心就是对车辆的信息化，准确无误地识别车辆。在我国己经推广(tugung)的汽车车牌是目前应用最广泛、最有效、最有权威的车辆标识。基于图像处理和模式识别技术的车牌自动识别系统(License Plate Recognition System，简称

14、LPRS)是智能交通系统的核心技术，它利用先进的计算机图像信息处理和模式识别技术，对交通路口、停车场等视频图像进行处理、分析和识别，从中获取各种实时交通车辆信息，为交通管理、收费、调度、统计提供依据。鉴于车牌自动识别系统广阔的应用前景，有必要对车牌自动识别技术做深入的研究。随着交通问题的日益尖锐化，汽车牌照的自动提取展现了极其广阔的应用前景，各国都在这一领域投入了大量的人力、物力、财力。如英国的traffic-master公司最近在研究开发一种车牌提取检测器，计划在5000英里的公路干线上安装3000个这样的检测器，争取在两辆汽车相距1秒时距的极端情况下，能够实时提取车牌1；德国DIEHL集团

15、生产的TELIDES非接触式智能车辆管理系统另配数字式摄像系统，可以对车辆外型、车牌进行识别，再与车载模块信号进行比较，大大提高车辆管理的可靠性2。在国内浙江大学电信系与冠南电子（深圳）有限公司合作开发的车牌自动提取系统已经在杭州九堡和萧山收费站投入使用3；西安交通大学人工智能与机器人研究所所完成的科研项目“行驶车辆牌照自动提取系统及车辆牌照数据库管理系统”可以对汽车全身图像进行牌照提取，其提取时间接近3秒，准确率为92%4。在国外已有不少关于车牌自动提取的文章发表，有的已经很成熟，投入实际使用。早在70年代国外就有自动车牌检测系统用于检查被盗车辆的情况，时至今日，已达到很高的应用水平。在各种

16、应用中有对静态图像处理的系统，如huang MuHwang的APC-BASED CAR LICENCE PLATE READER在收费站硬件设施较好的条件下，平均0.7秒内识别率达到97%5；也有以汽车速度受限时拍摄的准静态汽车牌照图像为处理对象的实例，如Paolo Comelli的Optical Recognitioon of Motor Vehicle License Plates是以收费站实时拍摄的汽车准静态图像为处理对象，对上千幅图像的识别率接近91%6。这些系统的成功实现大大受益于国外车牌的规范统一。从实用产品来看，以色列的Hi-Tech公司研制出的多种See/Car system适

17、用于几个不同国家的车牌提取，就针对中国式车牌的See/Car system而言，它不能识别汉字，且提取率有待提高7。香港Asia Vision Technology公司的VECON产品、新加坡Optasia公司的VLPRS产品主要适合于香港和新加坡的车牌8。日本、加拿大、德国、意大利、英国等各个西方发达国家都有适合于本国车牌的提取系统，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，设备投资巨大。我国车牌自动识别的研究起步较晚，约发生在八十年代末。由于我国的车牌不够规范，较为多样化，不同汽车车型有不同的规格、大小和颜色，所以车牌的颜色多，且数位不统一，对车牌提取造成了一定的困难。国内

18、做的较好的产品主要是中科院自动化研究所汉王公司的“汉王眼”，也有一些关于车牌自动提取的文章，但是大都因条件各异而适用范围有限。从投入使用的效果来看，国内目前还没有真正满足实际需求且价格符合国情的产品。1.3 本文的研究(ynji)工作和文章结构由于(yuy)时间和其他客观环境的限制，本文只对汽车牌照识别(shbi)中关于图像预处理和牌照定位两个模块的内容进行了研究。文章的主要研究内容和结构安排如下：首先从车牌自动识别系统发展的背景出发，概括分析了车牌自动识别系统的组成原理、结构及其在国内外的研究现状，对本文所做的工作以及每一章的内容做了简要的介绍。其次描述了车牌图像预处理的基本知识和方法，主要

19、包括图像的灰度化、灰度拉伸及边缘增强。再次在图像预处理的基础上对汽车牌照进行精确定位，确定出牌照的上下、左右边界。最后对本文所做的主要工作进行了简要的总结。二 图像处理(t xin ch l)在车牌自动(zdng)识别(shbi)系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来的，并以位图的格式存放在系统内存中。这时图像虽然没有受到过破坏，但在实际道路上行驶的车辆常会因为各种原因使得所拍摄的车辆图像效果不理想。如外界光线对车牌的不均匀反射、极强阳光形成的车牌处阴影、摄像机后背焦没有调整到位而形成的车辆图像不清晰、所拍摄图像中存在的噪声干扰等。这些都给车牌的识别增加了难度，因此我们要对识别

20、的车牌图像进行预处理，如灰度化、灰度拉伸、边缘增强等，将信息量较大或拍摄效果不理想的彩色图像转换为比较容易处理的灰度图像，并通过灰度拉伸和边缘增强将目标部位的信息加强，便于后续处理。2.1 彩色图像灰度化彩色图像包含大量的颜色信息，不但在存储上需要很大的开销，而且在处理上也会对系统的执行速度造成影响。为了加快图像处理的速度，首先对于输入的图像进行灰度化处理。所谓灰度化处理就是将一幅采集到的彩色图像转换为0-255灰度图像，即把含有亮度和色彩的彩色图像转换变为灰度图像。在RGB模型中，如果R=G=B，则颜色表示一种灰度颜色，其中R=G=B的值为灰度值。灰度化的处理方法一般有以下三种9：最大值法：

21、使R、G、B的值等于三者最大的一个，即R=G=B=max（R、G、B） (1)平均值法：使R、G、B的值等于三者和的平均值，即R=G=B= (2)加权平均法：根据重要性和其他指标给R、G、B赋予不同的权值并使R、G、B等于他们的值的加权平均，即R=G=B= (3)其中，分别为R、G、B的权值。由于人眼对绿色最敏感，对红色的敏感度次之，对蓝色最不敏感，当取经验值=0.3、=0.59、=0.11时，能够得到最合理的灰度图。MATLAB提供了强大的图像处理功能，可用函数RGB2GRAY将彩色图像转换为灰度图:首先读取拍摄到的真彩色图像“002”：RGBIm=imread(002.bmp);再使用函数

22、RGB2GRAY将图像转化为灰度：GrayIm=rgb2gray(RGBIm);效果如下图3所示：图2 原始(yunsh)彩色图像图3 灰度图像(t xin)2.2 灰度拉伸(l shn)可以看出上面的这幅图片，由于拍照时光线不足，使整幅图偏暗，这种情况属于低对比度，灰度挤在一起没有拉开。灰度拉伸就是要把感兴趣的灰度范围拉开，使得该范围内的像素，亮的更亮，暗的更暗，从而达到增强对比度的目的。设g为变换前的图像，f为变换后的图像，灰度拉伸实际上就是把g逐点的映射到f上，设g和f都在0-255之间，其对应的映射关系为10：f = (4)其中，min和max的值可以在程序中动态设定，也可以根据经验值

23、设定。为了反映不同的图像情况，本文在此采用程序中动态设定的方法。设定两个n维数组m1和m2，分别存放最大灰度值和最小灰度值，计算图像f的大小为mn，扫描图像f的每一列，找出每一列中灰度值最大的和最小的数据，分别存放在数组m1和m2中。利用以下公式计算：max = (5)min = (6)这样，就可以排除或大大降低干扰(gnro)点对提取字符与背景对比度的影响了。灰度拉伸的方法可以有效的调整字符与背景的对比度，主要适用于光照不均对图像(t xin)造成的影响。在MATLAB中通过编写函数对上图进行灰度拉伸的结果(ji gu)如下图4所示：图4 灰度拉伸后的图像2.3 边缘增强通过分析和观测得知，

24、与汽车图像中其他区域相比，车牌区域主要有以下特征：车牌区域中的垂直边缘较水平边缘密集，而车身其他部分的水平边缘明显，垂直边缘较少；有明显的边框，在其内部规则地排列着一系列的汉字、英文字母和数字编号。因此为了突出车牌区域的特征需对图像进行边缘增强。边缘检测的算子很多11，例如：Sobel算子、Roberts算子、Prewitt算子等。它们的模板如图所示：121000-1-2-11-101-202-101 Sobel算子 1-11-1 Roberts算子111000-1-1-1-101-101-101 Prewitt算子(sun z)本文(bnwn)选用Sobel算子(sun z)进行汽车图像的边

25、缘增强。Sobel算子的基本思想如下3：选取待检测图像的任意像素(x, y)，以此为中心，截取一个33的像素窗口，计算出窗口像素在x, y方向上的梯度，在计算梯度时Sobel算子采用两行或两列像素灰度加权或差值来表示。即：f(x,y)=f(x-1,y+1)+2f(x,y+1)+f(x+1,y+1)-f(x-1,y-1)-2f(x,y-1)-f(x+1,y-1) (7) f(x,y)=f(x-1,y-1)+2f(x-1,y)+f(x-1,y+1)-f(x+1,y-1)-2f(x+1,y)-f(x+1,y+1) (8) 上述各式中的像素之间的关系图如下： 表1 像素间的关系f(x-1,y-1)f(

26、x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)Sobel算子的卷积模板实际上包含水平和竖直两个不同的模板，其中121000-1-2-11表示竖直方向卷积核，对竖直方向的边缘响应最大；表示水平方向卷积核，对水平方向的边缘响应最大。-101-202-101通常对图像中的每个像素都用这两个卷积核做卷积运算，取其最大值作为该点的卷积结果，最终得到的是一幅边缘的幅度图像。如下图5：图5 边缘增强后的图像(t xin)在上述图像处理的过程中，通过将彩色图像转换为灰度图像大大提高了系统的执行速度，在此灰度图像的基础上，为了

27、将目标(mbio)部位的信息加强，又对图像进行了灰度拉伸和边缘增强。其中在做边缘增强的过程中用了Sobel算子，虽然运算量较某些理想的算子高，但是其简单易行，因此(ync)在此仍选用了该算子。三 牌照(pizho)定位车牌定位是指从图像中找到车牌所在(suzi)的位置，实质上是找到边缘所围车牌区域的四个端点或是四条边缘线，并将含有车牌的那块区域取出，供后面的模块使用。车牌定位是整个车牌识别系统中难度最大、最关键的一环。在这一章里，本文首先采用从下向上扫描，利用先验知识：车牌在车的下部，提取出车牌，得到粗定位结果，再利用水平差分处理车牌区域的灰度图，使用窗口移动法确定车牌左右边界12 13。3.

28、1 确定上下(shngxi)边界我们都知道，汽车牌照中包含数字、字母和汉字等各种字符，颜色变化比较大，因此表现出的灰度变化就比较剧烈。当有直线穿过这一区域时，就会显现出峰-谷-峰-谷相间的情况，而对于边缘图像则是黑-白-黑-白相间的情况。这种情况是牌照区域特有的，汽车车身和周围其他部分一般不会有这种现象。当然不排除个别公交车车身有广告以及汽车铭牌，这些区域也会有牌照区域蜂谷相间的特定纹理特征，这时需要从另外的角度考虑。因此，提出下面的算法：读入RGB原图，进行灰度化从第一行开始扫描，如果相邻像素值不同，就认为是一次跳变，对每行跳变进行计数，当计数值大于阈值threshold时，就认为此行可能包

29、含车牌。做一记号。重复扫描各行，直至最后一行。对边缘图从上到下扫描完成后，就开始对标记进行检测，从下向上进行，当连续标记数目值大于阈值threshold1时，就认为找到牌照所在的行了。采用从下向上扫描，利用先验知识：车牌在车的下部。这样可以避免车上部的各种干扰。提取出来，得到粗定位结果。图6 水平方向边缘检测后的图象3.2 确定左右边界由上面的算法得出车牌的上下边界，下一步的工作就是要定位出左右边界了。这时候选用的图片十分重要。根据上下边界的坐标，从原图可以得到切分的RGB图、灰度图、边缘图和二值化图。各个图的效果是不一样的。通过大量实验表明，进行图像水平差分，相邻像素间相减求绝对值，对差分图

30、进行垂直投影的效果很好。3.2.1 水平差分(ch fn)处理车牌区域的灰度图水平差分公式(gngsh)如下： g(i,j)=|f(i,j)-f(i,j+1)| (9)其中(qzhng)，g(x,y)是差分结果，f(x,y)和f(i,j+1)是灰度图像在坐标(i,j)和(i,j+1)处的灰度值，i和j的取值范围是图片的高度数值和宽度数值。对差分结果g(x,y)进行垂直投影，研究投影后发现，牌照区域总的来说比较明显，但是有的图片并不明显，因为有些图片投影峰值差别不多，按照窗口法移动（下文说明）会造成确定牌照区域的偏差，字符切丢。因此需要进行滤波处理。使用55的中值滤波窗口进行。滤波后它可以把大部

31、分干扰去除掉，车牌垂直投影更突出。而且，它的投影左右界限比数学形态学更好，更准确。从而提高了准确性。3.2.2 窗口移动法确定车牌左右边界如上所述，因为车牌区域纹理变化很大，所以，它有着不同于别的区域的垂直投影，实验表明，反映在区域投影上，它的垂直投影值累积和最大。方法是：根据车牌的大致宽度设置一个窗口，计算该窗口内的差分图的垂直投影值的总和，然后逐像素沿水平方向移动窗口，计算新的窗口的累积值。如此反复直至水平方向的所有窗口都计算完。然后从所有的位置窗口中挑选最大值，该窗口所对应的位置即认为是左右边界。确定窗口宽度是一个很关键的问题。图库提供的图片为一定距离范围内的车头图片，所以，车牌尺寸在图

32、片中并不一样。小到25像素高，大至38像素高。所以，固定窗口宽度的做法是不可取的。因此利用车牌的先验知识，即车牌的高度和宽度的比例为一定值。国产92车牌的高宽比大约为1：3.2。以它作为参考，通过实验对比，考虑拍摄角度以及远近距离，最后确定窗口高宽比为1：3.9。可以满足切分车牌的需要。即：切出的水平区域宽度（认为是车牌的高度）与车牌的宽度（车牌的左右界长度）为1：3.9。这样，可以得到较准确的左右边界14。通过以上两节的算法，我们就可以得到车牌在原图像中的上下、左右边界，从而将车牌区域从图像中分割出来。效果图如下：图7 截取出来的牌照图像为了保证车牌的字是灰度值高的像素，背景是灰度值低的像素

33、，需判断是否需要进行灰度值的反转，如，对上面这幅车牌图像反转后如下：图8 反转后的牌照图像至此(zhc)得到对抓拍到的整幅汽车图像的预处理及定位结果。有时我们(w men)拍摄得到的图像并不如文中所选择的那样清晰，比如对如下一幅效果很差的图像，本文所给出的定位方法将无法找到牌照的正确位置。 图9 识别(shbi)不出的牌照图像但是对于大部分图像，本文的方法是行之有效的。实验证明，本文对车牌定位的准确率可达90%以上。 图10 其他识别出的牌照图像本文由智能交通系统引出了汽车牌照自动识别系统，而汽车牌照提取是其一个主要的分支。在此基础上介绍了汽车牌照提取全过程。由于时间和其他客观环境及本人能力的

34、限制，本文对汽车牌照自动识别系统中字符切分，字符分割等其他分支未作研究。结 论 智能交通系统是21世纪世界道路交通的发展趋势。高速公路的不断发展和车辆管理体制的不断完善，使图像场景日益简单化和标准化，这为以图像理解为基础的智能交通系统进入实际应用领域提供了契机。车牌自动识别系统正是在这种应用背景下研制出来的能够自动、实时地检测车辆经过和识别车牌的一种智能交通系统。该系统是在交通监控的基础上，引入了数字摄像技术和计算机信息管理技术，采用了先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。而且车牌自动识别系统本身是一个全数字化的智能系统，

35、在它上面只要(zhyo)做不多的扩充，就可以衍生出一些其他功能。运用此技术不仅可以提高管理部门的工作效率，节省大量的人力、资金，甚至能够降低与汽车有关的犯罪率，为维护社会治安发挥独特的作用。因此对此系统的研究，为改变我国落后的交通管理体制，创造良好的智能交通系统具有良好的实用价值及深远的意义。在预处理的过程中，选取(xunq)合适的R、G、B值将彩色图像转换为简单的灰度图，并采用程序中动态设定的方法对得到的灰度图进行灰度拉伸，以增强其对比度，最后用Sobel算子检测拉伸后图像的灰度边缘(binyun)，突出车牌区域的特征。牌照定位主要是通过确定其上下左右边界的方法，先从上到向下扫描图像，找到起上下边界，得到粗定位的结果，再对得到的粗定位图像进行水平差分，通过窗口移动法确定车牌左右边界，得到最终的定位结果。车牌实现的每一步都有许多的方法，各种方法都有其优劣，但是对于具体的图像处理，并不是每一种理论在实践中都可以实现。本文在汽车车牌识别的过程中，通过查找资料，综合各方面的信息，选取了相对较简单的方法实现了车牌处理，提取和定位的过程，并充分利用MATLAB中已有的函数库，使整个程序设计简单易行。参考文献：1 郑南宁等.行驶(xngsh)