1、<p>　　畢 業(yè) 設(shè) 計(jì)（論 文）</p><p>　　題 目 基于數(shù)字圖像處理的</p><p><b>　　車牌定位與識(shí)別 </b></p><p>　　畢業(yè)設(shè)計(jì)（論文）任務(wù)書</p><p>　　此表由指導(dǎo)教師填寫學(xué)院審核</p><p><b>　　1</b

2、></p><p>　　畢業(yè)設(shè)計(jì)（論文）學(xué)生開題報(bào)告</p><p><b>　　課題類型：</b></p><p>　?。?）A—工程實(shí)踐型；B—理論研究型；C—科研裝置研制型；D—計(jì)算機(jī)軟件型；</p><p><b>　　E—綜合應(yīng)用型</b></p><p>　

3、?。?）X—真實(shí)課題；Y—模擬課題；</p><p>　　（1）、（2）均要填，如AY、BX等。</p><p><b>　　2</b></p><p><b>　　開題報(bào)告(2)</b></p><p><b>　　開題報(bào)告(3)</b></p><p&g

4、t;<b>　　摘 要</b></p><p>　　隨著我國經(jīng)濟(jì)的快速發(fā)展，智能交通系統(tǒng)將會(huì)成為現(xiàn)代交通管理發(fā)展的必然趨勢。車輛自動(dòng)識(shí)別系統(tǒng)是智能交通系統(tǒng)(工TS)實(shí)現(xiàn)的前提。車牌識(shí)別是車輛自動(dòng)識(shí)別系統(tǒng)中最有發(fā)展前景的技術(shù)之一。</p><p>　　車牌識(shí)別系統(tǒng)主要由車牌定位、字符分割和字符識(shí)別三部分組成。其中，車牌定位是字符分割和字符識(shí)別的基礎(chǔ)，對(duì)整個(gè)系統(tǒng)的性能起著

5、至關(guān)重要的作用，決定著系統(tǒng)的識(shí)別速度和識(shí)別精度。車牌識(shí)別系統(tǒng)在不影響汽車狀態(tài)的情況下，利用計(jì)算機(jī)自動(dòng)完成車牌的識(shí)別，從而人人簡化了交通管理工作目前解決車輛牌照識(shí)別技術(shù)主要有車牌定位技術(shù)、車牌校正技術(shù)、圖像處理技術(shù)、車牌分割技術(shù)等，本文主要研究基于數(shù)字圖像處理的車牌識(shí)別技術(shù)。在研究的基礎(chǔ)上開發(fā)出一個(gè)基于MATLAB的車牌識(shí)別系統(tǒng)。確定了整體設(shè)計(jì)方案，車牌識(shí)別一般分為圖像預(yù)處理、車牌定位、字符分割、字符識(shí)別四個(gè)步驟。在本文中主要是用MATL

6、AB作為工具對(duì)車牌進(jìn)行識(shí)別。本課題設(shè)計(jì)的車牌識(shí)別系統(tǒng)可有效地實(shí)現(xiàn)車牌識(shí)別，為今后的產(chǎn)品化奠定了很好的技術(shù)基礎(chǔ)。</p><p>　　關(guān)鍵字：車牌識(shí)別系統(tǒng)、MATLAB、數(shù)字圖像處理、車牌識(shí)別技術(shù)、自動(dòng)識(shí)別系統(tǒng)、智能交通系統(tǒng)</p><p><b>　　Abstract</b></p><p>　　With China's rapid e

7、conomic development, intelligent transportation systems will become the inevitable trend of development of modern traffic management. Automatic vehicle identification system is the premise of the Intelligent Transportati

8、on Systems (the workers TS) to achieve. License plate recognition is one of the automatic vehicle identification system the most promising technology.</p><p>　　License plate recognition system mainly consist

9、s of license plate location, character segmentation and character recognition consists of three parts. Among them, the license plate location is the basis of character segmentation and character recognition, plays a vita

10、l role on the performance of the entire system, determine the system's recognition speed and accuracy of identification. License plate recognition system does not affect the car in the case of using the computer to a

11、uto-complete lice</p><p>　　Keywords: license plate recognition system, MATLAB, digital image processing, license plate recognition technology, automatic identification systems, intelligent transportation sys

12、tems</p><p><b>　　目 錄</b></p><p><b>　　摘 要10</b></p><p>　　Abstract11</p><p>　　第一章 緒論13</p><p>　　1.1 車牌定位技術(shù)的研究意義13</p><

13、;p>　　1.2車牌定位技術(shù)的國內(nèi)外研究現(xiàn)狀14</p><p>　　1.3車牌定位技術(shù)的難點(diǎn)15</p><p>　　1.4論文的研究內(nèi)容以及章節(jié)安排15</p><p>　　1.5 本課題的研究內(nèi)容16</p><p>　　第二章 車牌定位系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)17</p><p>　　2.1車牌識(shí)別系統(tǒng)

14、總體設(shè)計(jì)17</p><p>　　2.2系統(tǒng)硬件設(shè)計(jì)18</p><p>　　2.3 系統(tǒng)軟件設(shè)計(jì)18</p><p>　　2.4 本章小結(jié)19</p><p>　　第三章 車牌圖像預(yù)處理21</p><p>　　3.1圖像的灰度化22</p><p>　　3.2灰度拉伸23&l

15、t;/p><p>　　3.3.圖像去噪23</p><p>　　第四章 車牌定位25</p><p>　　4.1牌照區(qū)域的定位25</p><p>　　4.2牌照區(qū)域的分割26</p><p>　　4.2.1候選區(qū)域的提取26</p><p>　　4.2.2車牌進(jìn)一步處理26<

16、/p><p>　　4.3 傾斜校正28</p><p>　　4.4分割與歸一化28</p><p>　　4.4.1字符分割30</p><p>　　4.4.2字符歸一化30</p><p>　　第五章：字符識(shí)別31</p><p>　　5.1模版匹配法原理簡介31</p>

17、<p>　　5.2本文方法具體步驟34</p><p>　　5.3識(shí)別結(jié)果及對(duì)比35</p><p>　　第六章 基于matlab的程序源代碼36</p><p><b>　　第一章 緒論</b></p><p>　　1.1 車牌定位技術(shù)的研究意義</p><p>　　隨著我

18、國經(jīng)濟(jì)的快速發(fā)展，人民生活水平的不斷提高，私有車輛越來越多，交通需求量越來越大，現(xiàn)有的交通基礎(chǔ)設(shè)施建設(shè)速度遠(yuǎn)遠(yuǎn)比不上機(jī)動(dòng)車輛和其他交通工具的增長速度;傳統(tǒng)的人工管理方式已經(jīng)越來越不能滿足實(shí)際工作的需要。由于違章造成的交通事故日益頻繁，以及城市交通堵塞造成的運(yùn)輸效率低下，嚴(yán)重地影響了我國城市經(jīng)濟(jì)的發(fā)展和人民的生活，在路橋收費(fèi)、十字路口交通和停車場收費(fèi)中實(shí)行車輛自動(dòng)識(shí)別(Automatic Vehicle Identification, A

19、VI)已成為管理部門的迫切要求。因此，為了解決這些問題，在繼續(xù)加快交通基礎(chǔ)設(shè)施建設(shè)的同時(shí)，應(yīng)該充分利用衛(wèi)星導(dǎo)航、視頻監(jiān)控和計(jì)算機(jī)調(diào)度管理等技術(shù)，發(fā)展智能交通系統(tǒng)(Intelligent Transportation System, ITS)來提高運(yùn)輸效率，保障交通安全，緩解交通擁擠和實(shí)現(xiàn)管理自動(dòng)化。</p><p>　　車輛自動(dòng)識(shí)別是智能交通系統(tǒng)(ITS)實(shí)現(xiàn)的前提。近年來，車輛識(shí)別技術(shù)發(fā)展很快，主要有:射頻識(shí)別

20、(Radio Frequency Identification),條形碼識(shí)別(Bar Code Based Identification)和車牌識(shí)別(LicensePlate Recognition, LPR)。其中，射頻識(shí)別和條形碼識(shí)別屬于間接識(shí)別，難以核對(duì)車與車牌信息是否相符。而車牌識(shí)別屬于直接識(shí)別，與射頻識(shí)別和條形碼識(shí)別相比，車牌識(shí)別不需要在汽車上安裝專門的條形碼或射</p><p>　　頻識(shí)別標(biāo)志，可以對(duì)

21、車輛圖像進(jìn)行檢索、回放，升級(jí)和維護(hù)方便。因此，車牌識(shí)別系統(tǒng)具有更為廣闊的應(yīng)用前景。</p><p>　　但是，目前國內(nèi)現(xiàn)有的車牌識(shí)別系統(tǒng)對(duì)環(huán)境的依賴性較大，而且對(duì)外界的干擾比較敏感;國外的車牌識(shí)別系統(tǒng)對(duì)漢字的識(shí)別率較低，所以必須研究新的車牌識(shí)別方法。車牌識(shí)別系統(tǒng)主要由車牌定位、字符分割和字符識(shí)別三部分組成。其中，車牌定位是字符分割和字符識(shí)別的基礎(chǔ)，對(duì)整個(gè)系統(tǒng)的性能起著至關(guān)重要的作用，決定著系統(tǒng)的識(shí)別速度和識(shí)別精度

22、。因此，車牌定位是車牌識(shí)別系統(tǒng)中的最為關(guān)鍵的技術(shù)之一。由于車輛圖像采集于戶外，圖像背景復(fù)雜、噪聲干擾嚴(yán)重。因此，車牌的自動(dòng)定位一直都不是很理想，使得它一直是該領(lǐng)域的研究熱點(diǎn)。</p><p>　　車牌識(shí)別系統(tǒng)涉及計(jì)算機(jī)視覺、數(shù)字圖像處理和模式識(shí)別等技術(shù)，對(duì)它的研究也會(huì)促進(jìn)這些領(lǐng)域的發(fā)展。該系統(tǒng)是計(jì)算機(jī)視覺、數(shù)字圖像處理和模式識(shí)別等技術(shù)在智能交通領(lǐng)域的重要應(yīng)用。它能自動(dòng)獲取車輛圖像，采集車輛信息和實(shí)現(xiàn)智能化管理，廣

23、泛應(yīng)用于以下場合，如高速公路電子收費(fèi)和流量監(jiān)控、失竊車輛查詢、停車場車輛管理、監(jiān)測黑車牌機(jī)動(dòng)車輛和違章車輛等，大大提高了交通管理運(yùn)行效率，節(jié)省了人力、物力，有利于交通管理的科學(xué)化、規(guī)范化和智能化。因此，對(duì)車牌識(shí)別中的首要問題一車牌定位技術(shù)研究，不僅具有重要的理論意義，而且具有重要的現(xiàn)實(shí)意義。</p><p>　　1.2車牌定位技術(shù)的國內(nèi)外研究現(xiàn)狀</p><p>　　90年代，隨著計(jì)算機(jī)視

24、覺技術(shù)和圖像處理技術(shù)的發(fā)展，開始出現(xiàn)車牌識(shí)別系統(tǒng)化研究，取得了顯著的成效。運(yùn)用計(jì)算機(jī)視覺技術(shù)和圖像處理技術(shù)建立了車輛牌照自動(dòng)識(shí)別系統(tǒng)。</p><p>　　近年來，隨著計(jì)算機(jī)技術(shù)和人工智能的發(fā)展，新興技術(shù)的出現(xiàn)，很多國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)和生物遺傳技術(shù)等對(duì)車牌識(shí)別問題進(jìn)行研究，并將研究重點(diǎn)轉(zhuǎn)向彩色圖像的車牌識(shí)別和一幅圖像多個(gè)牌照車牌識(shí)別問題上。</p><p>　　國外的研究人員對(duì)

25、于車牌識(shí)別的研究工作開展較早，究方向主要是分析車牌圖像，提取車牌信息，確定車牌號(hào)?，F(xiàn)如今，國外在車牌檢測、識(shí)別方面的研究已取得一些令人矚目的成績，開發(fā)出了很多技術(shù)成熟的車牌識(shí)別產(chǎn)品。例如英國IPI公司研究開發(fā)的RTVNPR系統(tǒng)，它是一款便攜式的設(shè)備，可以應(yīng)用在道路收費(fèi)站、交通檢測口等場所;新加坡Optasia公司自行研發(fā)的車牌識(shí)別系統(tǒng)IMPS，可以在各種天氣條件和光照環(huán)境下準(zhǔn)確定位識(shí)別，給出和車牌一致的處理結(jié)果。另外，日本、加拿大、德國

26、、意大利等各發(fā)達(dá)國家都有適合于本國車牌的識(shí)別系統(tǒng)。國外比較好的車牌定位算法有:J.Barroso等人提出的基于水平線搜索的車牌定位方法(81; R.Parisi等人提出的基于DFT變換的頻域分析的車牌定位方法Charl Coetzee提出的基于Niblack二值化算法以及自適應(yīng)邊界搜索算法的車牌定位方法fiol等</p><p>　　我國對(duì)車牌識(shí)別技術(shù)的研究工作開始于20世紀(jì)90年代，當(dāng)前比較成熟的產(chǎn)品有:北京漢

27、王公司采用DSP芯片作為識(shí)別算法的運(yùn)行硬件平臺(tái)的“漢王眼”;深圳吉通電子有限公司的“車牌通”;上海高德威智能交通系統(tǒng)有限公司的汽車牌照識(shí)別器;川大智勝軟件股份有限公司的zTZ000車牌自動(dòng)識(shí)別系統(tǒng)等等。這些產(chǎn)品都達(dá)到了較好的識(shí)別效果。除此之外，上海交通大學(xué)計(jì)算機(jī)科學(xué)和工程系、西安交通大學(xué)的圖像處理和識(shí)別研究室、浙江大學(xué)的自動(dòng)化系、清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室等也都在進(jìn)行類似的研究。國內(nèi)常用的車牌定位技術(shù)有:基于彩色圖像的定位算法;基于

28、邊緣檢測的定位算法;基于灰度值變化的定位算法;基于神經(jīng)網(wǎng)絡(luò)的定位算法;基于遺傳算法的定位算法;基于數(shù)學(xué)形態(tài)學(xué)的定位算法等。</p><p>　　1.3車牌定位技術(shù)的難點(diǎn)</p><p>　　車牌定位是車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)，是字符分割和字符識(shí)別的基礎(chǔ)，對(duì)系統(tǒng)的識(shí)別精度有著重要的影響。由于在圖像的采集和傳輸過程中，車輛圖像不可避免地要受各種因素的影響，如光線和噪聲等影響，使得車牌難以準(zhǔn)確定位

29、。</p><p>　　車牌定位的難點(diǎn)主要有:</p><p>　　1.環(huán)境干擾不同光照條件的光線對(duì)車牌圖像的亮度影響很大，尤其是在光照不均的情況下車牌區(qū)域可能會(huì)形成部分陰影，從而改變了車牌的某些特征，影響車牌定位。</p><p>　　2.背景復(fù)雜多變，類似區(qū)域干擾車牌識(shí)別系統(tǒng)一般應(yīng)用在交叉路口、車庫、小區(qū)入口、高速公路等地，圖像背景復(fù)雜多變，背景中與車牌區(qū)域特征

30、相似的區(qū)域也是車牌定位的干擾源，如背景中與車牌特征相似的廣告語、指示牌等，此外，車牌附近的障礙物遮攔車牌，如保險(xiǎn)杠等，這些也影響車牌的定位。</p><p>　　3.車牌污損、模糊和褪色等由于各種原因(如灰塵、泥濘等)造成車牌污損;因噪聲或運(yùn)動(dòng)等而使車牌模糊;因長期光照等原因而使車牌出現(xiàn)褪色，也會(huì)造成車牌定位困難。</p><p>　　4.圖像畸變由于各種原因造成的畸變，如拍攝時(shí)的角度不準(zhǔn)

31、造成車牌傾斜變形和攝像機(jī)透射畸變，還有車輛運(yùn)動(dòng)而造成的變形，在很大程度上也影響著車牌定位。</p><p>　　自動(dòng)識(shí)別的難度，使得中國車輛牌照識(shí)別遠(yuǎn)遠(yuǎn)難于國外的車輛牌照識(shí)別。因而如何提高識(shí)別率和識(shí)別處理的實(shí)時(shí)性及實(shí)用性成了一個(gè)緊要的任務(wù)。</p><p>　　1.4論文的研究內(nèi)容以及章節(jié)安排</p><p>　　車牌識(shí)別系統(tǒng)可按順序分為視頻采集、圖像預(yù)處理、車牌定

32、位、車牌字符分割和車牌字符識(shí)別幾部分，而車牌的定位部分是車牌識(shí)別系統(tǒng)中的關(guān)鍵技術(shù)，是字符分割和字符識(shí)別等后續(xù)工作的重要基礎(chǔ)，對(duì)整個(gè)識(shí)別系統(tǒng)最終的識(shí)別精度和識(shí)別效率都有著重大的影響。</p><p>　　本文主要是通過數(shù)字圖像處理技術(shù)對(duì)由攝像機(jī)獲取到的彩色車牌的定位技術(shù)進(jìn)行了研究，將整個(gè)車牌定位的過程分解為了圖像預(yù)處理和定位兩個(gè)部分。其中，預(yù)處理部分又分解為了圖像增強(qiáng)、二值化兩個(gè)處理過程;定位部分被分解為邊緣檢測、

33、粗定位、傾斜校正和細(xì)定位等四個(gè)處理過程。</p><p>　　通過對(duì)數(shù)字圖像處理方面的技術(shù)作了深入的學(xué)習(xí)，本文對(duì)每一個(gè)處理過程做了詳細(xì)的研究設(shè)計(jì)并完成編碼實(shí)現(xiàn)。圖像增強(qiáng)階段中，采用了直方圖均衡化算法實(shí)現(xiàn)了灰度圖的對(duì)比度增強(qiáng)作用;二值化階段中，分別實(shí)現(xiàn)了迭代最優(yōu)閉值法和大津閉值分割法，并通過對(duì)比算法實(shí)現(xiàn)的效果，以及算法的效率和準(zhǔn)確率，選取大津閉值分割法作為本定位系統(tǒng)的二值化方法;邊緣檢測階段中，通過使用不同的算子實(shí)

34、現(xiàn)邊緣檢測，考慮算法實(shí)現(xiàn)的優(yōu)劣，以及結(jié)合本次車牌定位的需求，選取Sobel算子完成對(duì)二值化圖像的邊緣檢測;粗定位基于邊緣檢測后的圖像采用改進(jìn)的投影法進(jìn)行定位;傾斜校正通過求取車牌上各字符的中心點(diǎn)，擬合直線來確定車牌的傾斜角;細(xì)定位對(duì)校正后的圖像采用統(tǒng)計(jì)跳變次數(shù)和投影法結(jié)合的算法進(jìn)行定位。</p><p>　　本論文的章節(jié)安排如下:</p><p>　　第一章:緒論。簡要介紹課題的研究背景及

35、意義，以及當(dāng)今國內(nèi)外在車牌識(shí)別上的一些現(xiàn)狀，最后介紹本文的內(nèi)容及章節(jié)安排。</p><p>　　第二章:車牌定位系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)。首先簡要介紹了車牌識(shí)別系統(tǒng)的結(jié)構(gòu)框架以及每一模塊的具體工作，接著提出本文的車牌定位方案設(shè)計(jì)，包括預(yù)處理和定位兩大模塊。其中，預(yù)處理部分圖像增強(qiáng)和圖像二值化，定位部分包括邊緣檢測、粗定位、傾斜校正和細(xì)定位。</p><p>　　第三章:車牌圖像預(yù)處理。首先介紹了和數(shù)

36、字圖像處理相關(guān)的理論以及計(jì)算原理，其次分別對(duì)圖像預(yù)處理中涉及到的圖像增強(qiáng)和圖像二值化等環(huán)節(jié)進(jìn)行了介紹和實(shí)現(xiàn)。</p><p>　　第四章:車牌粗定位。分析我國的車牌特征，介紹當(dāng)前常用的定位方法，并提出包含邊緣檢測、車牌粗定位、傾斜校正、車牌細(xì)定位等在內(nèi)的車牌定位方法。本章詳細(xì)介紹粗定位算法。</p><p>　　第五章:研究車牌字符識(shí)別的問題，對(duì)模板匹配的方案進(jìn)行研究、改進(jìn)和試驗(yàn)。對(duì)模板匹

37、配法中的特征提取采用新的劃分方式進(jìn)行劃分，分別提取特征，提高了識(shí)別準(zhǔn)確率。</p><p>　　第六章:主要是程序源代碼?；趍atlab的程序源代碼。</p><p>　　1.5 本課題的研究內(nèi)容</p><p>　　本文就車輛牌照自動(dòng)識(shí)別技術(shù)進(jìn)行了一系列的研究工作，在研究國內(nèi)外各種典</p><p>　　型的車牌識(shí)別方法的基礎(chǔ)上，努力學(xué)習(xí)

38、和創(chuàng)新，結(jié)合中國車牌的特點(diǎn)，對(duì)適合中國</p><p>　　車牌的識(shí)別系統(tǒng)進(jìn)行了研究。</p><p>　　在課題研究中作者的主要研究內(nèi)容有：</p><p>　　1）在廣泛查閱國內(nèi)外車牌識(shí)別系統(tǒng)算法的基礎(chǔ)上，以 MATLAB 的 ImageAcquisition Toolbox、Image Processing Toolbox 以及 Neural Network

39、Toolbox 工具箱為骨架，以 M 語言為主要編程語言，部分模塊結(jié)合 C 語言開發(fā)了一套車牌識(shí)別系統(tǒng)，實(shí)現(xiàn)了車牌識(shí)別系統(tǒng)中車牌的定位、車牌字符的切分、以及車牌字符的識(shí)別的功能。提取的算法，結(jié)合形態(tài)學(xué)處理，采用初步定位去除偽車牌和精確定位相結(jié)合的算法實(shí)現(xiàn)車牌的準(zhǔn)確定位。</p><p>　　2）關(guān)于車牌字符切分的研究，這里主要針對(duì)二值化、傾斜校正、字符切分進(jìn)行了研究。對(duì)二值化中采用的 Otsu 算法進(jìn)行改進(jìn)，重新

40、劃分二維直方圖的區(qū)域，改進(jìn)后的算法運(yùn)行時(shí)間短、二值化效果好。</p><p>　　第二章 車牌定位系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)</p><p>　　2.1車牌識(shí)別系統(tǒng)總體設(shè)計(jì)</p><p>　　一個(gè)完整的車輛牌照識(shí)別系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)，應(yīng)該包括圖像采集、圖像預(yù)</p><p>　　處理、車牌定位、字符切分、字符識(shí)別以及圖像編碼、數(shù)碼傳輸與更新等步驟，

41、基</p><p>　　本可以分為硬件部分和軟件部分，硬件部分主要完成車輛圖像的攝取采集，軟件部</p><p>　　分主要完成對(duì)采集到的車輛圖像進(jìn)行車輛牌照定位、車牌字符切分與車牌字符識(shí)別</p><p>　　等工作，這部分工作最為復(fù)雜，最后對(duì)識(shí)別結(jié)果進(jìn)行數(shù)據(jù)傳送和存儲(chǔ)，將處理后的</p><p>　　識(shí)別信息交給管理系統(tǒng)進(jìn)行管理。整個(gè)系統(tǒng)

42、的核心是軟件部分的工作，能否通過牌</p><p>　　照對(duì)車輛進(jìn)行有效管理，很大程度上取決于軟件部分識(shí)別車牌的準(zhǔn)確性。一個(gè)車牌</p><p>　　識(shí)別系統(tǒng)的基本結(jié)構(gòu)如圖所示:</p><p>　　車牌識(shí)別系統(tǒng)是只能交通系統(tǒng)的一個(gè)十分關(guān)鍵的構(gòu)成部分。該系統(tǒng)可以實(shí)現(xiàn)從一副包含汽車牌照的圖片中自動(dòng)的確定出車牌所在的位置，并對(duì)車牌所在的區(qū)域進(jìn)行字符分割、字符識(shí)別等操作，

43、最終識(shí)別出車牌的具體內(nèi)容。車牌自動(dòng)識(shí)別方法的成功實(shí)現(xiàn)將會(huì)大大提高ITS進(jìn)程的實(shí)現(xiàn)步伐。</p><p>　　車牌識(shí)別系統(tǒng)從一幅車牌圖像中提取車牌部分圖像，分割字符，進(jìn)一步對(duì)字符進(jìn)行識(shí)別，從而得到車牌號(hào)碼。由于應(yīng)用場合的不同，相應(yīng)的設(shè)計(jì)方案也有所區(qū)別，但通常一個(gè)典型的車牌識(shí)別系統(tǒng)主要包括四部分:車輛感應(yīng)部分、圖像采集部分、車牌識(shí)別部分、數(shù)據(jù)庫管理部分。</p><p><b>　　

44、2.2系統(tǒng)硬件設(shè)計(jì)</b></p><p>　　一個(gè)車牌識(shí)別系統(tǒng)的基本硬件配置由攝像機(jī)、主控機(jī)、采集卡和照明裝置組成。例如在停車場管理系統(tǒng)中，系統(tǒng)硬件主要包括車輛傳感探測器、高性能工控計(jì)算機(jī)、高分辨率 CCD 攝像機(jī)、高放大倍數(shù)鏡頭、CCD 自動(dòng)亮度控制器和視頻采集卡等。首先是探測車輛的接近、通過和停留等。常用的有光探測器、微波雷達(dá)通過型探測器、測速雷達(dá)探測器、聲探測器、紅外探測器、電磁感應(yīng)探測器和壓

45、敏探測器等。我國停車場應(yīng)用較多的是紅外探測器和電磁感應(yīng)環(huán)探測器。設(shè)置在停車場入口和出口的兩對(duì)紅外發(fā)射和接收設(shè)備進(jìn)行車輛檢測。利用編碼調(diào)制信號(hào)，增強(qiáng)抗干擾的能力，具有較強(qiáng)的可靠性。前端工控機(jī)利用紅外線探測到車輛經(jīng)過的信號(hào)時(shí)，控制圖像采集卡抓拍圖像，并對(duì)抓拍的汽車圖像進(jìn)行牌照識(shí)別，同時(shí)控制攝像機(jī)光圈的大小，以適應(yīng)外界環(huán)境不同的光照條件。然后將識(shí)別出的牌照信息儲(chǔ)存到服務(wù)器中，當(dāng)車輛離開時(shí)，同樣的進(jìn)行牌照識(shí)別，將其與前面輸入的牌照信息進(jìn)行對(duì)比，

46、計(jì)算出停車時(shí)間，然后計(jì)費(fèi)。</p><p>　　本課題主要側(cè)重算法的研究，主要工作是設(shè)計(jì)軟件，對(duì)已攝取到的卡口車輛照片實(shí)現(xiàn)車牌識(shí)別。</p><p>　　2.3 系統(tǒng)軟件設(shè)計(jì)</p><p>　　硬件設(shè)備采集到圖片后首先要考慮圖像的存儲(chǔ)格式。目前比較常用的圖像格式有*.BMP、*.JPG、*.GIF、*.PCX 等，本課題采集到的圖片是*.JPG 的格式。軟件系統(tǒng)的

47、編寫大多采用 VC 或者 MATLAB 語言，本課題選用了 MATLAB 語言。MATLAB 具有以下優(yōu)點(diǎn)：</p><p>　　1）MATLAB 編程效率高，使用方便。MATLAB 以矩陣作為基本語言要素大大提高了數(shù)值計(jì)算的編程效率。MATLAB 本身擁有豐富的函數(shù)庫，并具有結(jié)構(gòu)化的流程控制語句和運(yùn)算符，用戶在使用過程中能夠方便自如地應(yīng)用。其圖像處理工具箱更是大大擴(kuò)展了 MATLAB 解決圖像處理問題的能力，其

48、他還有諸如用于神經(jīng)網(wǎng)絡(luò)和小波的工具箱等，對(duì)于算法的分析都有著很大的幫助。</p><p>　　2）MATLAB 擴(kuò)充能力強(qiáng)，交互性好，移植性和開放性較好。MATLAB 的庫函數(shù)同用戶文件在形式上是一樣的，用戶可以根據(jù)自己的需求方便地建立與擴(kuò)充新的庫函數(shù)，擴(kuò)充其功能。MATLAB 可在 Windows 系列、UNIX、Linux、VMS 6.1、PowerMac 平臺(tái)上使用，且所有的核心文件和工具箱文件都是公開的，

49、用戶可以修改源文件構(gòu)成新的工具箱，從而可以擴(kuò)充很多新的功能，利于算法的研究和改進(jìn)。</p><p>　　3） 較強(qiáng)的圖形控制和處理功能，自帶的 API 使得用戶可以方便地在 MATLAB與 C、C++等其他程序設(shè)計(jì)語言之間建立數(shù)據(jù)通信。</p><p>　　本文設(shè)計(jì)的系統(tǒng)采用 MATLAB 搭建車輛牌照識(shí)別系統(tǒng)，具有非常明顯的優(yōu)勢：</p><p>　　1）可以直接

50、使用 MATLAB 的 Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 作為骨架來搭建整個(gè)系統(tǒng)。</p><p>　　2）使用 MATLAB 的圖形用戶界面技術(shù)（GUI）編寫牌照識(shí)別系統(tǒng)面板，可以達(dá)到與牌照定位切分程序及字符識(shí)別程序的無縫連接。</p><p>　　3）使用專業(yè)工具箱，

51、使得研究人員不必過于關(guān)心程序的細(xì)節(jié)問題，可以將主要的精力放在算法的研究、設(shè)計(jì)方面，極大地減少了工作量，為算法的研究改進(jìn)提供了先決條件。</p><p>　　整個(gè)軟件系統(tǒng)是一個(gè)具有車牌識(shí)別功能的圖像分析和處理軟件。首先將采集到的汽車圖像進(jìn)行灰度化、灰度拉伸和濾波處理，以降低噪點(diǎn)、增加車牌部分的對(duì)比度。然后，通過對(duì)預(yù)處理后的圖像進(jìn)行小波變換分解提取圖像邊緣，并進(jìn)行形態(tài)學(xué)處理，這時(shí)，車牌的輪廓已經(jīng)非常清晰，并且可以和非

52、車牌區(qū)域明顯區(qū)分開來了，接著，根據(jù)車牌的特點(diǎn)進(jìn)行車牌初步定位，對(duì)車牌區(qū)域和偽車牌區(qū)域進(jìn)行篩選后，采用投影法進(jìn)行車牌二次定位，提取出車牌圖像。將提取出的車牌圖像進(jìn)行二值化處理，根據(jù)投影圖的特點(diǎn)查找傾斜的角度，采用坐標(biāo)變換的方法進(jìn)行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點(diǎn)進(jìn)行字符切分。最后利用改進(jìn)的BP 網(wǎng)絡(luò)完成了整個(gè)車牌字符的識(shí)別。整個(gè)系統(tǒng)的設(shè)計(jì)主要采用了 M 語言，部分采用了 C 語言開發(fā)。最后搭建了一個(gè)測試平臺(tái)，將上述

53、三個(gè)部分進(jìn)行了系統(tǒng)化，對(duì)系統(tǒng)的性能進(jìn)行了測試和分析。</p><p><b>　　2.4 本章小結(jié)</b></p><p>　　本章主要介紹了車牌識(shí)別系統(tǒng)的總體設(shè)計(jì)方案。首先，簡單介紹了車牌識(shí)別系</p><p>　　統(tǒng)的組成部分，包括硬件部分和軟件部分。硬件部分主要完成車輛圖像的攝取，獲</p><p>　　取高質(zhì)量的

54、含有牌照的圖像，受條件限制，關(guān)于硬件的研究本文未展開具體工作。</p><p>　　軟件部分在整個(gè)系統(tǒng)中占有很重要的地位，而且軟件的優(yōu)化和升級(jí)能在很大程度上</p><p>　　彌補(bǔ)硬件的不足，因此是本文研究的重點(diǎn)，軟件研究主要是設(shè)計(jì)車牌識(shí)別系統(tǒng)的主</p><p>　　體，包括基于小波變換的車牌定位模塊、基于 Otsu 算法的車牌字符切分模塊的車牌字符識(shí)別模塊。在

55、確定總體設(shè)計(jì)方案后，后面將對(duì)每一模塊依次進(jìn)行介紹。</p><p>　　整個(gè)軟件系統(tǒng)的設(shè)計(jì)流程圖如圖所示：</p><p>　　第三章 車牌圖像預(yù)處理</p><p>　　為了便于車牌的分割識(shí)別，攝像機(jī)攝下的原始圖像應(yīng)具有適當(dāng)?shù)牧炼群蛯?duì)比度。但通常經(jīng)輸入系統(tǒng)獲取的車牌圖像信息由于光照條件、牌照的整潔度、攝像機(jī)的狀態(tài)(焦距、角度和鏡頭的光學(xué)畸變)以及車速的不穩(wěn)定等因

56、素都會(huì)使圖像含有各種各樣的噪聲與畸變。例如由于光照度不均勻造成圖像灰度過于集中;由攝像頭獲得的圖像經(jīng)過AD轉(zhuǎn)換、線路傳送都會(huì)產(chǎn)生噪聲污染;車牌的字符部分受到磨損或是被污跡覆蓋等等。這些主客觀因素不可避免地影響車牌圖像的清晰程度，降低圖像質(zhì)量，輕者表現(xiàn)為圖像不干凈，難以看清細(xì)節(jié)，重者表現(xiàn)為圖像模糊不清、歪斜或缺損，車牌字符邊界模糊、細(xì)節(jié)不清、比劃斷開、粗細(xì)不均等現(xiàn)象。這勢必會(huì)影響車牌區(qū)域分割，降低車牌字符識(shí)別的準(zhǔn)確度。因此，在對(duì)車牌圖像進(jìn)

57、行分析之前，必須要對(duì)車牌圖像進(jìn)行預(yù)處理。對(duì)車牌圖像的預(yù)處理主要包括以下三個(gè)方面:</p><p>　　(l)圖像對(duì)比度增強(qiáng)。由于車牌識(shí)別系統(tǒng)需要全天候工作，自然光照度的晝夜變化會(huì)引起車輛圖像對(duì)比度的嚴(yán)重不足，所以增強(qiáng)圖像是很有必要的。</p><p>　　(2)圖像去噪。通常得到的汽車圖像會(huì)有一些污點(diǎn)，為了保證識(shí)別的效果，需要對(duì)圖像進(jìn)行去噪處理。</p><p>　

58、　(3)傾斜矯正。攝像機(jī)的位置、車輛的運(yùn)動(dòng)等因素經(jīng)常使拍攝出來的汽車圖像有一定的傾斜，這就需要對(duì)圖像進(jìn)行傾斜矯正，或在分割出車牌區(qū)域之后對(duì)字符傾斜矯正</p><p><b>　　3.1圖像的灰度化</b></p><p>　　通常情況下，實(shí)際的車牌識(shí)別系統(tǒng)中由攝像機(jī)采集到的原始圖像是彩色圖像，所有的彩色圖像都是由紅(R)、綠(G)、藍(lán)(B)三基色組合而成，在數(shù)字圖像

59、中每一個(gè)基色都被分為256個(gè)等級(jí)，即0~255。由R、G、B三基色不同級(jí)別的組合方式，可以計(jì)算出一幅彩色數(shù)字圖像最多可包含167772種顏色。在灰度圖像中R=G=B，因此灰度圖像中只有一種灰度顏色，同彩色圖像中的三基色一樣，灰度色也被分成0-255，共256個(gè)等級(jí)，同理可以計(jì)算出一幅灰度圖像最多只包含256種顏色。由此可見，一幅彩色圖像所包含的信息量遠(yuǎn)遠(yuǎn)大于一幅灰度圖像，它不僅需要大量的存儲(chǔ)空間還需要復(fù)雜的圖像處理算法，這使得整個(gè)車牌識(shí)

60、別系統(tǒng)操作時(shí)間過長，無法達(dá)到其實(shí)時(shí)性的要求。所以，首先應(yīng)將采集到的彩色圖像轉(zhuǎn)換成一幅灰度圖像，這個(gè)過程便是圖像的灰度化。令g為轉(zhuǎn)換后灰度圖像在某一點(diǎn)的灰度值，R、G、B分別為轉(zhuǎn)換前該點(diǎn)的R、G、B分量。</p><p><b>　　圖1彩色原圖</b></p><p>　　使用matlab自帶的灰度變換函數(shù) rgb2gray(),對(duì)彩色圖片進(jìn)行灰度化處理，結(jié)果如下圖。

61、</p><p><b>　　圖2灰度圖像</b></p><p><b>　　3.2灰度拉伸</b></p><p>　　對(duì)車輛圖像進(jìn)行灰度化處理之后，車牌部分和非車牌部分圖像的對(duì)比度并不是很高，此時(shí)如果直接進(jìn)行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因而難以準(zhǔn)確定位車牌。為了增強(qiáng)牌照部位圖像和其他部位圖像的

62、對(duì)比度，使其明暗鮮明，有利于提高識(shí)別率，需要將車輛圖像進(jìn)行灰度拉伸。</p><p>　　使用matlab自帶的灰度調(diào)整函數(shù)imadjust().對(duì)灰度圖像進(jìn)行灰度拉伸，結(jié)果如下：</p><p>　　圖3 灰度拉伸后的圖像</p><p>　　從兩圖的對(duì)比中我們可以看到灰度拉伸后對(duì)比度明顯增強(qiáng)，車牌區(qū)域更加明顯。</p><p><b

63、>　　3.3.圖像去噪</b></p><p>　　車牌圖像中的邊緣、細(xì)節(jié)、跳躍部分以及噪聲都代表圖像的高頻分量，而大面積的背景區(qū)和緩慢變化部分則代表圖像的低頻分量。由此可見，若采用低通濾波法去除車牌圖像中的噪聲，在除去噪聲的同時(shí)也會(huì)使車牌及字符的邊緣變得模糊，這對(duì)后續(xù)的車牌定位以及字符識(shí)別非常不利。反之，若采用高通濾波法則在增強(qiáng)邊緣信息的同時(shí)也增了噪聲。因此，為了在保證在車牌圖像邊緣信息不被弱

64、化的情況下除去噪聲，采用中值濾波法來去除圖像噪聲。中值濾波是一種非線性濾波，由于它在實(shí)際運(yùn)算過程中并不需要圖像的統(tǒng)計(jì)特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號(hào)處理技術(shù)中，后來被二維圖像信號(hào)處理技術(shù)所引用。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及顆粒噪聲最為有效。中值濾波它是一種鄰域運(yùn)算，類似于卷積，首先把鄰域中的像素按灰度等級(jí)進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。它能減弱或消除傅里葉空

65、間的高頻分量，因?yàn)楦哳l分量對(duì)應(yīng)圖像中的邊緣區(qū)域，且其灰度值具有較大較快的變化，該濾波可將這些分量濾除，使圖像平滑。其主要原理是:首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的鄰域，一般為方形鄰域;然后將鄰域中的各個(gè)像素的灰度值進(jìn)</p><p><b>　　具體步驟如下:</b></p><p>　?、賹⒛０逶趫D像中漫游，并將模板中心與圖像中某個(gè)像素的位置重合;</p>

66、<p>　?、谧x取模板下各對(duì)應(yīng)像素的灰度值;</p><p>　　③將這些灰度值從小到大排列成一列;</p><p>　?、苷页雠旁谥虚g的一個(gè)值;</p><p>　?、輰⑦@個(gè)中間值賦給對(duì)應(yīng)模板中心位置的像素。</p><p>　　本次作業(yè)采用matlab自帶的中值濾波器函數(shù)medfilt2()，對(duì)灰度圖像進(jìn)行去噪處理。<

67、/p><p>　　第四章 車牌定位</p><p>　　牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于牌照?qǐng)D象在原始圖象中是很有特征的一個(gè)子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖

68、象中的相對(duì)位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對(duì)圖象進(jìn)行分割。</p><p>　　牌照定位于分割流程圖</p><p>　　4.1牌照區(qū)域的定位</p><p>　　牌照?qǐng)D象經(jīng)過了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。這里選

69、用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個(gè)基本運(yùn)算，最后還用了bwareaopen來去除對(duì)象中不相干的小對(duì)象。</p><p>　　采用matlab自帶的edge()函數(shù)對(duì)圖像進(jìn)行邊緣的提取。</p><p&g

70、t;　　edge()格式：[g,t]=edge(f,’method’,parameters)</p><p>　　本次作業(yè)采用canny邊緣檢測器。進(jìn)行邊緣檢測，檢測后的結(jié)果如圖</p><p>　　4.2牌照區(qū)域的分割</p><p>　　4.2.1候選區(qū)域的提取</p><p>　　提取候選區(qū)域的步驟是：首先對(duì)經(jīng)過開閉運(yùn)算處理的圖像進(jìn)行區(qū)

71、域提取，并計(jì)算區(qū)域特征參數(shù)，然后根據(jù)車牌的先驗(yàn)知識(shí)對(duì)區(qū)域特征參數(shù)進(jìn)行比較，提取車牌區(qū)域。本課題選擇使用車牌的寬高范圍和比例關(guān)系對(duì)車牌進(jìn)行初步定位。對(duì)車牌的區(qū)域提取可以利用regionprops 函數(shù)，對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，然后計(jì)算每個(gè)區(qū)域圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形，面積。最后計(jì)算出包含所標(biāo)記區(qū)域的最小矩形的寬和高。</p><p>　　對(duì)車牌的分割可以2007 年實(shí)施的車牌標(biāo)準(zhǔn)規(guī)定，車前車牌長 4

72、40mm，寬 140mm。其比例為440 /140 3.15 ≈ 。根據(jù)圖像像素的大小，這里選取篩選條件為寬在50到150之間，高在20到50之間，同時(shí)寬高比例應(yīng)大于0.45，就可以比較準(zhǔn)確的得到車牌的大致位置。</p><p><b>　　初步提取的車牌</b></p><p>　　4.2.2車牌進(jìn)一步處理</p><p>　　經(jīng)過上述方法分

73、割出來的車牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對(duì)圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。</p><p>　　圖像的二值化處理就是將圖像上的點(diǎn)的灰度值置為 0 或 255，這樣

74、處理后整個(gè)圖像呈現(xiàn)明顯的黑白效果，即將256個(gè)亮度等級(jí)的灰度圖經(jīng)過合適的閾值選取，而獲得的二值化圖像仍然可以反映圖像整體和局部特征。 二值化處理后的圖像，其集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的其他級(jí)值，處理過程簡單，且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255，否則，灰度值為 0，表示背景或者其他的物

75、體區(qū)域。如果某圖像在內(nèi)部有均勻一致的灰度值，并且處在一個(gè)具有其他等級(jí)灰度值的均勻背景下，利用閥值法就能得到較好的切分效果。如果物體同背景的差別難以用不同的灰度值表現(xiàn)（比如紋理不同） ，可以把這些差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值法來切分該圖像。動(dòng)態(tài)調(diào)節(jié)閥值來實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)地觀察其切分圖像的具體結(jié)果。</p><p>　　本次作業(yè)采用matlab中的im2bw函數(shù)對(duì)定位后的車牌進(jìn)行二值化處理。</

76、p><p>　　裁剪出來的車牌的進(jìn)一步處理過程圖</p><p><b>　　4.3 傾斜校正 </b></p><p>　　雖然標(biāo)準(zhǔn)的車牌字符應(yīng)為水平依次排列，但是由于放置不當(dāng)或車身前進(jìn)方向與圖像采集設(shè)備不在同一條直線上等原因，會(huì)造成圖像中的車牌傾斜、扭曲。因?yàn)橐粋€(gè)傾斜的數(shù)字或字母的識(shí)別和一個(gè)很正的數(shù)字或字母的識(shí)別是有很大差別的，所以車牌定位之后

77、要進(jìn)行傾斜校正。一般情況下，傾斜校正有兩步，第一步是找出傾斜的角度；第二部是進(jìn)行坐標(biāo)變換，得到校正后的圖像。</p><p>　　目前常用的計(jì)算傾斜角度的方法有兩種，一種是 Hough 變換來找出傾斜的角度，一種是利用投影的方法來找出傾斜的角度。另外還有Radon變換方法等，這里主要介紹前面兩種方法。</p><p>　　本次作業(yè)采用hough算法對(duì)圖形進(jìn)行傾斜校正。</p>

78、<p><b>　　圖9旋轉(zhuǎn)前的圖像</b></p><p>　　圖10 hough變換后的車牌二值圖像</p><p><b>　　4.4分割與歸一化</b></p><p>　　經(jīng)過車牌字符圖像的二值化和傾斜校正，得到的是一個(gè)只包含牌照字符的水平條形區(qū)域，為了進(jìn)行字符識(shí)別，需要將牌照字符從圖像中分割出來。這

79、里常用投影法，既簡單又快捷。投影法切分車牌字符的思想是根據(jù)車牌字符的特點(diǎn)，將車牌圖像進(jìn)行垂直方向的投影，因?yàn)樽址麉^(qū)域的黑色像素點(diǎn)比較多，比較集中，同時(shí)每個(gè)車牌字符之間有一定的空隙間隔隔開。這樣投影下來得到的投影圖應(yīng)該有多個(gè)相對(duì)</p><p>　　集中的投影峰值群，只要根據(jù)峰值群的特點(diǎn)進(jìn)行分割，就可以得到車牌的字符。</p><p>　　對(duì)圖像的垂直方向進(jìn)行投影，得到的投影圖如圖11所示。

80、</p><p>　　圖 11 字符投影圖</p><p>　　圖中有七個(gè)比較集中的投影峰值群，且每個(gè)峰值之間都有一定的間隔。根據(jù)這一特點(diǎn)，從左往右依次定位出每個(gè)字符的起始和結(jié)束位置，并且進(jìn)行切割。然后對(duì)切割出來的每個(gè)字符圖像進(jìn)行水平投影。根據(jù)水平投影像素累加值進(jìn)行水平切割，從而得到精確切割后的字符。</p><p>　　車牌字符切分的具體算法為： </p&g

81、t;<p>　　對(duì)車牌圖像進(jìn)行垂直投影，計(jì)算出字符的寬度后，確定字符的中間位置，并計(jì)算相鄰兩個(gè)字符之間的間距，即中間距離的差值。取其最大值定為第二個(gè)字符和第三個(gè)字符之間的距離。以此為分界線，分別向前、后兩個(gè)方向進(jìn)行切分，從而定位出每個(gè)字符的左右邊界，并保存在數(shù)組里。由于 MATLAB 的數(shù)組可以存放不同大小的數(shù)據(jù)，為字符邊界信息的存儲(chǔ)提供了極大的便利。 2）對(duì)每個(gè)切分出的字符進(jìn)行水平投影，確定字符的具體的上下邊界，保存到數(shù)

82、組里。 3）由于用于最后識(shí)別的字庫中字符模板為24 48 × 像素，所以這里對(duì)切分出來的字符進(jìn)行歸一化處理，統(tǒng)一為24 48 × 像素。4）將歸一化后的字符的信息保存在數(shù)組里，做為參數(shù)輸入字符識(shí)別模塊與模板比較進(jìn)行字符識(shí)別。</p><p><b>　　字符切分后的效果圖</b></p><p>　　圖13 字符分割與歸一化流程圖</p>

83、;<p><b>　　4.4.1字符分割</b></p><p>　　在汽車牌照自動(dòng)識(shí)別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。字符識(shí)別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。 </p>

84、<p>　　4.4.2字符歸一化</p><p>　　一般分割出來的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。但是對(duì)于車牌的識(shí)別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識(shí)別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。</p><p><b>　　第五章：字符識(shí)別</b></p><p>　　字符的識(shí)別目前用于車牌字符識(shí)

85、別(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經(jīng)網(wǎng)絡(luò)的OCR算法?；谀０迤ヅ涞腛CR的基本過程是:首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識(shí)別的主要方法。</p><p>　　模板

86、匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位

87、置發(fā)生改變。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來構(gòu)建模板，就可以避免上述問題。</p><p>　　5.1模版匹配法原理簡介</p><p>　　要對(duì)一個(gè)車牌字符進(jìn)行識(shí)別，首先是將這個(gè)車牌字符的圖片輸入電腦，而要對(duì)它進(jìn)行處理，就要將它轉(zhuǎn)化為計(jì)算機(jī)可以識(shí)別的語言

88、.由于每一個(gè)待識(shí)別字符都是以數(shù)字圖像的形式存在的，因此將待識(shí)別字符的圖片通過MATLAB轉(zhuǎn)化為矩陣，再通過對(duì)矩陣進(jìn)行一系列的數(shù)學(xué)運(yùn)算，從而達(dá)到對(duì)圖片進(jìn)行識(shí)別的目的.MATLAB是處理矩陣運(yùn)算的強(qiáng)大軟件，所以本文的整個(gè)識(shí)別過程都是通過MATLAB來實(shí)現(xiàn)的.</p><p>　　首先以二維圖像的處理為例介紹一下傳統(tǒng)的模板匹配算法。算法的基本思想是：將歸一化的字符二值圖像與模板庫中的字符二值化圖像逐個(gè)進(jìn)行匹配，采用相似

89、度的方法計(jì)算車牌字符與每個(gè)模板字符的匹配程度，取最相似的就是匹配。匹配時(shí)相似度函數(shù)定義為：</p><p>　　其中， f ij 為待識(shí)別車牌字符圖像中像素點(diǎn)(i，j) 的灰度值，這里的取值為 0或1， t (i，j )為模板字符圖像中像素點(diǎn)(i，j )的灰度值，這里的取值為0或1；M 和 N為模板字符點(diǎn)陣橫向和縱向包含的像素個(gè)數(shù)。</p><p>　　本文是將待識(shí)別的字符與已經(jīng)存儲(chǔ)在計(jì)算

90、機(jī)中的標(biāo)準(zhǔn)模板進(jìn)行邏輯‘與，運(yùn)算，所有標(biāo)準(zhǔn)模板如圖1所示.而將待識(shí)別字符與標(biāo)準(zhǔn)字符模板進(jìn)行邏輯與’運(yùn)算之所以能夠達(dá)到識(shí)別目的，其原理是:當(dāng)待識(shí)別字符與相應(yīng)的字符模板匹配時(shí)結(jié)果較為清晰，與其余模板匹配時(shí)會(huì)變得很模糊，具體如圖2所示。</p><p>　　圖2, 3和4中的(a)分別表示字符‘A', B，和‘C'的標(biāo)準(zhǔn)模板，(b)表示待識(shí)別字符‘A',(c)表示待識(shí)別字符分別與這三個(gè)標(biāo)準(zhǔn)模板進(jìn)

91、行匹配后的結(jié)果.從上述三幅圖中可以很容易看出，圖2中的模板‘A，應(yīng)為待識(shí)別字符的識(shí)別結(jié)果. 在實(shí)際的識(shí)別過程中，計(jì)算機(jī)需要一定的判別規(guī)則才可以將正確的識(shí)別結(jié)果自動(dòng)輸出。</p><p>　　這就需要引入判別函數(shù)，而本文則是選取了兩個(gè)判別函數(shù)，分別利用這兩個(gè)判別函數(shù)對(duì)運(yùn)算</p><p>　　圖16 字符識(shí)別流程圖</p><p>　　5.2本文方法具體步驟<

92、/p><p>　　步驟1：利用MATLAB將標(biāo)準(zhǔn)字符模板與待識(shí)別字符所對(duì)應(yīng)的像素矩陣求出來，然后將它們二值化，得到相應(yīng)的二值矩陣，分別記為B (i=1,2,3， 4)和D.將數(shù)字圖像進(jìn)行二值化的MATLAB命令為:</p><p>　　I=imread('a.b')</p><p>　　level=graythresh(1);</p>&l

93、t;p>　　BW 1=im2bw(I, level)</p><p>　　其中‘a(chǎn)，表示圖片名稱，`b，表示圖片格式.</p><p>　　步驟2：將待識(shí)別字符與標(biāo)準(zhǔn)模板逐一進(jìn)行邏輯‘與’運(yùn)算，即將二值矩陣D分別與二值矩陣Bi(i=1,2,3二34)進(jìn)行邏輯‘與，運(yùn)算，得到相應(yīng)的二值矩陣Xz。=1,2,3二34).邏輯‘與’運(yùn)算對(duì)應(yīng)的MATLAB命令為:</p><

94、;p>　　L=and(a, b)</p><p>　　步驟3：根據(jù)預(yù)先設(shè)計(jì)好的判別函數(shù)，得出最終的識(shí)別結(jié)果.本文采用了兩個(gè)判別函數(shù)，分別為:</p><p>　　上述兩個(gè)函數(shù)中，surn (A)表示求矩陣A中所有元素的和.在函數(shù)(1)中，與凡所對(duì)應(yīng)的乓代表的標(biāo)準(zhǔn)模板為識(shí)別結(jié)果，在函數(shù)(2)中，與X、對(duì)應(yīng)的B、所代表的標(biāo)準(zhǔn)模板為識(shí)別結(jié)果.</p><p>　　步

95、驟4：通過MATLAB將正確的識(shí)別結(jié)果輸出.</p><p>　　5.3識(shí)別結(jié)果及對(duì)比</p><p>　　此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限，漢字共約50多個(gè)，大寫英文字母26個(gè)，數(shù)字10個(gè)。為了實(shí)驗(yàn)方便

96、，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此相同。</p><p>　　首先取字符模板，接著依次取待識(shí)別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存，即為識(shí)別出來的結(jié)果。</p><p>　　對(duì)于光照條件不理想的圖象，可先進(jìn)行一次圖象增強(qiáng)處理，使得圖象灰度動(dòng)態(tài)范圍擴(kuò)展和對(duì)比度增強(qiáng)

97、，再進(jìn)行定位和分割，這樣可以提高分割的正確率。而采用了色彩通道的牌照區(qū)域分割算法充分利用了牌照?qǐng)D象的色彩信息，簡化了算法的實(shí)現(xiàn)，加快了圖象的處理速度，具有較高的檢出正確率，而且整個(gè)過程用MATLAB 語言編程實(shí)現(xiàn)，無時(shí)間滯后感，可以滿足實(shí)時(shí)檢出的要求。但是在設(shè)計(jì)的過程中發(fā)現(xiàn)，使用另一幅圖像后，識(shí)別效果始終沒有那么理想。需要做一定的設(shè)置后才能識(shí)別出相應(yīng)的字符。</p><p>　　在車牌字符分割的預(yù)處理中，用到了對(duì)

98、分割出的字符車牌進(jìn)行均值濾波，膨脹或腐蝕的處理。這在對(duì)于有雜點(diǎn)的車牌是很有用的，因?yàn)檫@樣可以把字符與字符之間的雜色點(diǎn)去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進(jìn)行。</p><p>　　字符識(shí)別過程使用的是模板匹配的方法，利用兩幅圖片相減的方法，找到相減后值最小的，即為相似程度最大的。模板的制作很重要，必須要用精確的模板，否則就不能正確的識(shí)別。</p><p>　　對(duì)于識(shí)別

99、錯(cuò)誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識(shí)別錯(cuò)誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識(shí)別結(jié)果可能發(fā)生混淆的情況。</p><p>　　總之，盡管目前牌照字符的識(shí)別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識(shí)別能力更好的特征值和設(shè)計(jì)分類器等環(huán)節(jié)上再完善，進(jìn)一步提高識(shí)別率是完全可行的。</p>

100、<p>　　第六章 基于matlab的程序源代碼</p><p>　　function [d]=main(jpg)</p><p>　　I=imread('car.jpg');</p><p>　　figure(1),imshow(I);title('原圖');</p><p>　　I1=rgb

101、2gray(I);</p><p>　　figure(2),subplot(1,2,1),imshow(I1);title('灰度圖');</p><p>　　figure(2),subplot(1,2,2),imhist(I1);title('灰度圖直方圖');</p><p>　　I2=edge(I1,'robert

102、9;,0.08,'both');</p><p>　　figure(3),imshow(I2);title('robert算子邊緣檢測')</p><p>　　se=[1;1;1];</p><p>　　I3=imerode(I2,se);</p><p>　　figure(4),imshow(I3);titl

103、e('腐蝕后圖像');</p><p>　　se=strel('rectangle',[40,40]);</p><p>　　I4=imclose(I3,se);</p><p>　　figure(5),imshow(I4);title('平滑圖像的輪廓');</p><p>　　I5=bwar

104、eaopen(I4,2000);</p><p>　　figure(6),imshow(I5);title('從對(duì)象中移除小對(duì)象');</p><p>　　[y,x,z]=size(I5);</p><p>　　myI=double(I5);</p><p>　　%begin橫向掃描</p><p>&

105、lt;b>　　tic</b></p><p>　　Blue_y=zeros(y,1);</p><p><b>　　for i=1:y</b></p><p><b>　　for j=1:x</b></p><p>　　if(myI(i,j,1)==1) </p>&

106、lt;p>　　%如果myI(i,j,1)即myI圖像中坐標(biāo)為(i,j)的點(diǎn)為藍(lán)色</p><p>　　%則Blue_y的相應(yīng)行的元素white_y(i,1)值加1</p><p>　　Blue_y(i,1)= Blue_y(i,1)+1;%藍(lán)色像素點(diǎn)統(tǒng)計(jì) </p><p><b>　　end </b></p><p&

107、gt;　　end </p><p><b>　　end</b></p><p>　　[temp MaxY]=max(Blue_y);%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置）</p><p><b>　　PY1=MaxY;</b></p><p&

108、gt;　　while ((Blue_y(PY1,1)>=120)&&(PY1>1))</p><p>　　PY1=PY1-1;</p><p><b>　　end </b></p><p><b>　　PY2=MaxY;</b></p><p>　　while ((

109、Blue_y(PY2,1)>=40)&&(PY2<y))</p><p>　　PY2=PY2+1;</p><p><b>　　end</b></p><p>　　IY=I(PY1:PY2,:,:);</p><p>　　%IY為原始圖像I中截取的縱坐標(biāo)在PY1：PY2之間的部分</p&

110、gt;<p><b>　　%end橫向掃描</b></p><p>　　%begin縱向掃描</p><p>　　Blue_x=zeros(1,x);%進(jìn)一步確定x方向的車牌區(qū)域</p><p><b>　　for j=1:x</b></p><p>　　for i=PY1:PY2&l