数字图像处理的应用车辆牌照识别系统指纹识别系统

第十一章数字图像处理的应用

车辆牌照识别系统指纹识别系统车牌识别系统的设计

概述智能交通是当前交通管理发展的主要方向，汽车牌照自动识别技术是智能交通系统的核心，在城市道路、高速公路等项目管理中占有重要地位。汽车牌照自动识别主要包括车牌定位和车牌字符识别两部分。（1）车牌定位：通过分析车辆图像的特征，定位出图像中的车牌位置并对车牌字符进行分割。（2）车牌字符识别：对分割出来的车牌字符加以识别，获得文字形式的车牌。

车牌定位流程11.2彩色图像转灰度图像

用数码相机获取的图像是彩色图像，它由R、G、B三个单色调配而成。在汽车牌照分割中，可以直接对彩色图像进行处理，也可以将彩色图像转换为灰度图像，然后再对灰度图像进行处理的方法。

彩色图像转换为灰度图像的公式如下：

Y=0.299R+0.587G+0.114B

汽车灰度图像

为了增强车辆图像和牌照图像的对比度，有利于牌照分割，需要对它们进行灰度拉伸。假定原图像f(x,y)的灰度范围为[a,b]，变换后图像g(x,y)的灰度范围扩展至[c,d]，M为原图像中的最大灰度值,可采用以下公式线性变换来实现：11.3图像灰度拉伸c,0≤f(x,y)≤a(d-c)/(b-a)f(x,y)+c,a≤f(x.y)≤bd,c≤f(x,y)≤Mg(x,y)=(a)原始灰度图像(b)经灰度拉伸后得到的灰度图像

灰度拉伸处理11.4图像的二值化将图像转换为只有两级灰度（黑白）的图像。阈值判定法本系统初始阈值T的确定采用如下公式：

T=fmax-(fmax-fmin)/3

这里，fmax和fmin分别是最高、最低灰度值。(a)经灰度拉伸后的灰度图像(b)经二值化处理后的图像

二值化处理11.5梯度锐化

梯度的计算可以采用Sobel算子、拉普拉斯算子等。(a)原二值化图像(b)经梯度锐化处理后的图像11.6图像的中值滤波

图像在拍摄中总会添加一些噪声，从而影响了图像的质量。可采用中值滤波去掉这些噪声。

(a)原图像(b)经中值滤波处理后的图像

中值滤波处理11.7车牌牌照区域的定位

车牌牌照区域的定位是正确进行汽车牌照识别的关键步骤之一。定位准确与否将直接关系到后面的字符分割。(a)原图像(b)经车牌定位处理后的图像车牌区域定位11.8确定牌照区域的四个坐标值

(a)原图像(b)显示牌照区域的图像11.9车牌区域截取

根据前面得到四个坐标值截下图片中牌照区域，显示牌照区域的灰度图片。11.10牌照几何位置的调整

当摄像机与汽车牌照不是正对着时，所拍摄的汽车牌照会有左右或上下方向的倾斜。需要对其进行矫正，以便于对牌照字符进行切分。几何校正过程如下：首先找到牌照的上下边框，求出上下框的倾角，然后对图像进行水平矫正，随后在水平矫正的基础上进行左右矫正。11.11牌照区域的二值化

由于受光照、车牌本身颜色等因素的影响，不可能对所有分割出来的牌照区域采用固定阈值进行二值化。可采用最佳阈值二值化方法，对分割出来的牌照区域自动确定阈值，从而牌照区域进行二值化。11.12牌照字符的切分

字符的切分是将牌照中的单个字符分割出来，以便于进行字符识别。字符分割算法是以垂直投影、字符间距尺寸测定、字符的长宽比、轮廓分析技术的组合为基础的。由于二值化的原因，可能会产生粘连、断裂的字符。此时要根据牌照的大致宽度，结合各字符的轮廓，利用分裂、合并的方法正确地分割字符。

11.13牌照字符的识别

字符识别有很多方法，如模板匹配法，神经网络方法等。采用数字字符轮廓结构特征和统计特征相结合的方法，并从中选出稳定的局部特征，利用结构语句识别的方法进行数字的识别。指纹识别系统

指纹的基本特征指纹识别系统简介指纹库的建立与查对指纹的基本特征全局特征：指那些用肉眼直接就可以观察到的特征局部特征：指纹纹路上的节点的特征

因为指纹纹路经常出现中断、分叉或打折，所以形成了许多节点。两枚指纹可能会具有相同的全局特征，但它们的局部特征却不可能完全相同。全局特征纹形全局特征描述的是指纹的总体纹路结构，具体包括纹形、模式区、核心点、三角点和纹数五个特征

模式区：指纹上包括了总体特征的区域，即从模式区就能够分辨出指纹属于哪一种类型。有的指纹识别算法只使用模式区的数据，而有的指纹识别算法则需使用完整指纹而不仅仅是模式区进行分析和识别核心点：核心点位于指纹纹路的渐进中心，它在读取指纹和比对指纹时作为参考点，许多算法是基于核心点的，即只能处理和识别具有核心点的指纹。

三角点：三角点位于从核心点开始的第一个分叉点或者断点，或者两条纹路会聚处、孤立点、折转处，或者指向这些奇异点，三角点提供了指纹纹路计数跟踪的起始位置。纹数：指模式区内指纹纹路的数量，在计算指纹的纹数时，一般先连接核心点和三角点．这条连线与指纹纹路相交的数量即可认为是指纹的纹数。局部特征

局部特征是指指纹纹路上的节点的特征。这些特征提供了指纹惟一性的确认信息，人们根据纹路的局部结构特征共定义了大概150多种细节特征。通常，指纹鉴定系统只使用其中两种主要的特征．即分叉点和端点，其他细节特征都可以用它们的组合来表示。指纹识别系统简介指纹图像的获取

光学取像设备：依据光全反射原理晶体传感器：硅电容传感器，压感晶体传感器超声波扫描现有指纹图像获取设备包括三类：成像技术光学成像技术硅晶体电容传感器超声波扫描体积大小中耐用性非常耐用容易损坏一般成像能力汗多的和稍脏的手指成像模糊干手指好，汗多的和稍脏的手指不能成像非常好耗电较多较少较多成本低低很高三种成像技术的比较图像预处理目的：消除噪声，增强脊和谷的对比度

图像裁剪

将原始指纹图像应用一定的算法进行剪切，在基本不损失有用的指纹信息的基础上产生一个比原始图像小的指纹图像，这样可减少以后各步骤中所要处理的图像的数据

图像平滑

平滑的任务就是去除噪声干扰，而又不使图像失真。

对图像进行空间低通滤波去噪采用多图像取均值的方法，进一步消弱噪声

对图像进行空间低通滤波去噪

采用多图像取均值的方法，进一步消弱噪声锐化处理

锐化是为强化指纹纹线间的界线，突出边缘信息，增强脊和谷之间的对比度，以利于二值化。试验表明，采用7×7的模板进行锐化是比较适宜的。二值化

对于锐化的指纹图像，其直方图有明显的双峰，故易于选取阈值进行指纹图像二值化。修饰处理

指纹图像经过二值化后，纹线边缘往往凹凸不齐，受锐化的影响，画面出现离散点。为使图像整洁，边缘圆滑，需要进行修饰处理。细化处理

由于所关心的不是纹线的粗细，而是纹线的有无，因此，在不破坏图像连通性的情况下必须去掉多余的信息。为此采用半旋转式的细化方法，抽取纹线骨架。修饰结果细化结果指纹的识别与分类

指纹定位是正确识别指纹的必要措施，任何的扭摆、错位都会造成误判。1、定位人工定位：按输入指纹箕、斗和弓形纹进行定位，就可以迅速、准确地定位给定指纹，并由输入程序把该指纹图像送到计算机中。自动定位：由计算机确定相应的三角点及中心点，并经过适当的平移与旋转，达到匹配定位的目的。2、分区与提取

对已定位的图像，就可直接分区进行特征提取了。区的数量视定位的精确度及处理的效果而定。将指纹图像划分为纵横的8×4的32个区，特征是按区域抽取的，把各区的特征量按序构成”指纹字”，用以表征给定指纹，并以此作为指纹库进行查对的基本单位。由于提取特征是根据预处理后的图像进行的，图像的微小差异(如边缘不齐等）都会影响识别效果，因此必须建立正确的提取规则。如对于分叉特征，先由八方向探索，判别有无三个分叉点，再考虑每个分叉的步数；建立各个分叉时每叉判三步走通为成功，反之为失败的规则，就可有三种情况：每叉均为成功．记为分叉；有一叉失败，不记两叉失败，记为端点3、特征的选择

全力找出指纹纹理特征的奇异所在，可使识别大大简化。分析指纹的奇异细节，可归纳为九种情况：起点、终点、小桥、小眼．小钩．小点、小棒：分叉和结合。进一步分析又可把它们合并为端点和分叉这两个特征。这些简化既有利于计算机进行特征提取，又可节省大量的存储空间。方向数也是表征指纹纹理的重要参数。由于纹线走向在定位后已经固定，因而累计的方向数也被固定了下来。尽管由于定位、量化等原因而出现一些差异，但同一指纹累加方