畢業(yè)論文---車牌識別算法調(diào)研

1、<p><b>　　前 言</b></p><p>　　隨著交通問題的日益嚴(yán)重，智能交通系統(tǒng)應(yīng)運而生。從20世紀(jì)90年代起，我國也逐漸展開了智能交通系統(tǒng)的研究和開發(fā)，探討在現(xiàn)有的交通運輸網(wǎng)的基礎(chǔ)上，提高運輸效率，保障運輸安全。我國加強智能交通系統(tǒng)（ITS）的研究與開發(fā)勢在必行，特別是考慮到我國的國情和我國經(jīng)濟的快速發(fā)展，社會信息化程度日益提高，交通管理智能化成為發(fā)展的趨勢。&l

2、t;/p><p>　　汽車牌照自動識別系統(tǒng)是近幾年發(fā)展起來的計算機視覺和模式識別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。</p><p>　　車牌識別的目的是對攝像頭獲取的汽車圖像進(jìn)行預(yù)處理,確定車牌位置,提取車牌上的字符串，并對這些字符進(jìn)行識別處理,用文本的形式顯示出來。車牌自動識別技術(shù)在智能交通系統(tǒng)中具有重要的應(yīng)用價值。在車牌自動識別系統(tǒng)中，首先要將車牌從所獲取的圖像中分割出來，這是進(jìn)行

3、車牌字符識別的重要步驟，定位準(zhǔn)確與否直接影響車牌識別率。本次論文主要對車牌的定位做了比較詳細(xì)的研究。</p><p>　　車牌自動識別系統(tǒng)（LARS）作為一種交通信息的獲取技術(shù)在交通車輛管理、園區(qū)車輛管理、停車場管理有著特別重要的應(yīng)用價值，受到業(yè)內(nèi)人士的普遍關(guān)注。車牌自動識別的處理有三部分組成，其中車牌定位作為最關(guān)鍵的技術(shù)，成為重點研究的對象。</p><p>　　車牌定位的成功與否以及定

4、位的準(zhǔn)確程度將會直接決定后期能否進(jìn)行車牌識別以及識別的準(zhǔn)確度。由于在現(xiàn)實中，汽車的車牌圖像受到光照、背景、車型等外界干擾因素以及拍攝角度、遠(yuǎn)近等人為因素的影響，造成圖像受光不均勻，車牌區(qū)域不明顯，給車牌區(qū)域的提取帶來了較大的困難。</p><p>　　車牌定位的方法有很多種，目前比較經(jīng)典的定位方法大都在基于灰度圖像的基礎(chǔ)上，針對不同背景和光照條件下的車輛圖像，提出了一種基于灰度圖像灰度變化特征進(jìn)行車牌定位的方法。

5、依據(jù)車牌中不同區(qū)域的灰度分布，車牌定位可以首先將彩色車牌進(jìn)行灰度化然后再進(jìn)行車牌定位。</p><p><b>　　第一章 緒論</b></p><p><b>　　1.1機器視覺概述</b></p><p>　　人類在征服自然、改造自然和推動社會進(jìn)步的過程中，面臨著自身能力、能量的局限性，因而發(fā)明和創(chuàng)造了許多機器來輔

6、助或代替人類完成任務(wù)。智能機器，包括智能機器人，是這種機器撮理想的形式，也是人類科學(xué)研究中所面臨的最大挑戰(zhàn)之一。智能機器是指這樣一種系統(tǒng)，它能模擬人類的功能，能感知外部世界并有效地解決人所能解決的問題。人類感知外部世界主要是通過視覺、觸覺、聽覺和嗅覺等感覺器官，其中約80％的信息是由視覺獲取的。因此，對于智能機器來說，賦予機器以人類視覺功能對發(fā)展智能機器是極其重要的，也由此形成了一門新的學(xué)科～一機器視覺(也稱計算機視覺或圖像分析與理解等

7、)。機器視覺的發(fā)展不僅將大大推動智能系統(tǒng)的發(fā)展，也將拓寬計算機與各種智能機器的研究范圍和應(yīng)用領(lǐng)域。</p><p>　　機器視覺是研究用計算機來模擬生物外顯或宏觀視覺功能的科學(xué)和技術(shù)。機器視覺系統(tǒng)的首要目標(biāo)是用圖像創(chuàng)建或恢復(fù)現(xiàn)實世界模型，然后認(rèn)知現(xiàn)實世界。機器視覺系統(tǒng)獲取的場景圖像～般是灰度圖像，即三維場景在二維平面上的投影。此時，場景三維信息只能通過灰度圖像或灰度圖像序列來恢復(fù)處理，這種恢復(fù)需要進(jìn)行多點對一點的

8、映射逆變換。在信息恢復(fù)過程中，還需要有關(guān)的場景知識和投影幾何知識。機器視覺是一個相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域。可以說，對機器視覺的全球性研究熱潮是從20世紀(jì)80年代開始的，到了80年代中期，機器視覺獲得了蓬勃發(fā)展，新概念、新方法、新理論不斷涌現(xiàn)。比如，基于感知特征群的物體識別理論框架、主動視覺理論框架、視覺集成理論框架等等。</p><p>　　機器視覺的應(yīng)用主要包括以下一些方面：</p><

9、;p>　?。?）零件識別與定位</p><p><b>　?。?）產(chǎn)品檢驗</b></p><p>　　（3）移動機器人導(dǎo)航</p><p><b>　?。?）遙感圖像分析</b></p><p><b>　?。?）醫(yī)學(xué)圖像分析</b></p><p&

10、gt;　?。?）安全鑒別、監(jiān)視與跟蹤</p><p><b>　?。?）國防系統(tǒng)</b></p><p><b>　　（8）其它</b></p><p>　　1．2智能交通系統(tǒng)及車牌識別系統(tǒng)在其中的應(yīng)用</p><p>　　智能交通系統(tǒng)(Intelligent Transportation Syst

11、em，ITS)就是以緩和道路堵塞和減少交通事故，提高交通利用者的方便、舒適為目的，利用交通信息系統(tǒng)、通訊網(wǎng)絡(luò)、定位系統(tǒng)和智能化分析與選線的交通系統(tǒng)的總稱。它通過傳播實時的交通信息使出行者對即將面對的交通環(huán)境有足夠的了解，并據(jù)此做出正確的選擇；通過消除道路堵塞等交通隱患，建設(shè)良好的交通管制系統(tǒng)，減輕對環(huán)境的污染：通過對智能交叉路口和自動駕駛技術(shù)的開發(fā)，提高行車安全，減少行駛時間。</p><p>　　智能交通系統(tǒng)已

12、成為被普遍認(rèn)可的改善交通狀況的最為有效的途徑。目前世界各國都在大力發(fā)展，其中的代表是美國。1995年3月美國交通部首次正式出版了《國家智能交通系統(tǒng)項目規(guī)劃》，明確規(guī)定了智能交通系統(tǒng)的7大領(lǐng)域和29個用戶服務(wù)功能．此后進(jìn)入新世紀(jì)第一年，又與美國ITS協(xié)會(ITS America)聯(lián)合編制了ITS十年發(fā)展規(guī)劃。其中7大領(lǐng)域包括：出行和交通管理系統(tǒng)、出行需求管理系統(tǒng)、公共交通運營系統(tǒng)、商用車輛運營系統(tǒng)、電子收費系統(tǒng)、應(yīng)急管理系統(tǒng)、先進(jìn)的車輛控

13、制和安全系統(tǒng)。</p><p>　　車牌識別系統(tǒng)(License Plate Recognition System，LPR)是智能交通系統(tǒng)的一個重要組成部分，該系統(tǒng)能從一幅圖像中自動提取車牌圖像，自動分割字符，進(jìn)而對字符進(jìn)行識別。</p><p>　　車輛牌照識別技術(shù)作為交通管理自動化的重要手段，其任務(wù)是分析、處理汽車監(jiān)控圖像，自動識別汽車牌號，并進(jìn)行相關(guān)智能化數(shù)據(jù)庫管理。車牌識別系統(tǒng)可以

14、廣泛應(yīng)用于高速公路電子收費站、出入控制、公路流量監(jiān)控、失竊車輛查詢、停車場車輛管理、公路稽查、監(jiān)測黑牌機動車、監(jiān)控違章車輛的電子警察等需要車牌認(rèn)證的重要場合，尤其在高速公路收費系統(tǒng)中，實現(xiàn)不停車收費技術(shù)可提高公路系統(tǒng)的運行效率，車牌識別系統(tǒng)更具有不可替代的作用，因而對車牌識別技術(shù)的研究和應(yīng)用系統(tǒng)開發(fā)具有重要的現(xiàn)實意義。</p><p><b>　　1.3課題研究背景</b></p>

15、;<p>　　隨著21世紀(jì)經(jīng)濟全球化的到來，高速度、高效率的生活節(jié)奏，使車輛普及成為必然的趨勢，交通管理自動化越來越成為亟待解決的問題?，F(xiàn)代智能交通系統(tǒng) (Intelligent Transportation System，ITS)中，車輛牌照識別(License Plate Recognition，LPR)技術(shù)是計算機視覺與模式識別技術(shù)在交通領(lǐng)域應(yīng)用的重要研究課題之一，是實現(xiàn)交通管理能夠智能化的重要環(huán)節(jié)，其任務(wù)是分析、處

16、理汽車圖像，自動識別汽車牌號。LPR系統(tǒng)可以廣泛應(yīng)用于電子收費、出入控制、公路流量監(jiān)控、失竊車輛查詢和停車場車輛管理等需要車牌認(rèn)證的場合；尤其在高速公路收費系統(tǒng)中，實現(xiàn)不停車收費提高公路系統(tǒng)的運行效率，LPR系統(tǒng)更具有不可替代的作用。因而從事LPR技術(shù)的研究具有極其重要的現(xiàn)實意義和巨大的經(jīng)濟價值。LPR系統(tǒng)中的兩個關(guān)鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符識別系統(tǒng)。關(guān)于車牌定位系統(tǒng)的研究，國內(nèi)外學(xué)者已經(jīng)做了大量的工作，但實際效果并不是很理想，比

17、如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準(zhǔn)確度的潛在因素。為此，近年來不少學(xué)者針對車牌本身的特點、車輛拍攝的不良現(xiàn)象及背景復(fù)</p><p>　　隨著我國交通運輸?shù)牟粩喟l(fā)展，智能交通系統(tǒng)（Intelligent Traffic System，簡稱ITS）的推廣變的越來越重要，而作為ITS的一個重要組成部分，車輛牌照識別系統(tǒng)（vehicle license plate recognition

18、 system，簡稱LPR）對于交通管理、治安處罰等工作的智能化起著十分重要的作用。它可廣泛應(yīng)用于交通流量檢測，交通控制于誘導(dǎo)，機場，港口，小區(qū)的車輛管理，不停車自動收費，闖紅燈等違章車輛監(jiān)控以及車輛安全防盜等領(lǐng)域，具有廣闊的應(yīng)用前景。由于牌照是機動車輛管理的唯一標(biāo)識符號，因此，車輛牌照識別系統(tǒng)的研究在機動車管理方面具有十分重要的實際意義。</p><p>　　車輛牌照識別系統(tǒng)（vehicle license p

19、late recognition system，簡稱LPR）是近幾年發(fā)展起來的計算機視覺和模式識別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。在車輛牌照識別系統(tǒng)中，首先要將車牌從所獲取的圖像中分割出來，這是進(jìn)行車牌字符識別的重要步驟，定位準(zhǔn)確與否直接影響車牌識別率。</p><p><b>　　1.4車牌的特征</b></p><p>　　車牌的本身具有許多固有特征，這

20、些特征對不同的國家是不同的，我國現(xiàn)在使用的車牌主要根據(jù)中華人民共和國機動車牌號GA36-92標(biāo)準(zhǔn)，具有以下五個特征：</p><p>　?。?）形狀特征：標(biāo)準(zhǔn)的車牌外輪廓尺寸440*140，字符高90，寬45，字符間距12，間隔符寬10。整個字符的高寬比例近似為3:1，車牌的邊緣是線段圍成的有規(guī)則的矩形。主要用在車牌的定位分割。</p><p>　?。?）顏色特征：現(xiàn)有的字符顏色與車牌底色

21、搭配有四種類型，藍(lán)底白字，黃底黑字，白底黑字，黑底白字。這部分特征主要用在對彩色圖像進(jìn)行車牌的定位。</p><p>　?。?）字符的特征：標(biāo)準(zhǔn)的車牌上有7個字符，呈水平排列，待識別的字符模板可以分為一下三類，漢字，英文字母，阿拉伯?dāng)?shù)字，主要用于對字符匹配識別方面。</p><p>　?。?）其他國家的汽車牌照格式(如汽車牌照的尺寸大小，牌照上的字符排列等)通常只有一種，而我國則根據(jù)不同車

22、輛、車型、用途，規(guī)定了多種牌照格式(例如分為軍車、警車、普通車等)。</p><p>　?。?）我國汽車牌照的規(guī)范懸掛位置不唯一。</p><p>　　由于環(huán)境、道路或人為因素造成汽車牌照污染嚴(yán)重，這種情況下，國外發(fā)達(dá)國家不允許上路，而在我國仍可上路行駛。</p><p>　　車牌與汽車的其它區(qū)域相比，還有一下主要特征：</p><p>　　

23、（1）車牌區(qū)域中的垂直邊緣比水平邊緣密集，而車身其它部分的水平邊緣明顯，垂直邊緣較少。</p><p>　?。?）灰度變化特征：車牌的底色、邊緣顏色，車輛外部的顏色都是不同的，表現(xiàn)在圖像中就是灰度級互不相同，這就在車牌邊緣形成了灰度突變邊界。實際上，車牌的邊緣在灰度上的表現(xiàn)是一種屋脊?fàn)钸吘墶Ｔ谲嚺茀^(qū)域內(nèi)部，字符和車牌底的灰度較均勻的呈現(xiàn)波峰波谷。 </p><p>　?。?）有相對集中和規(guī)

24、則的紋理特征。</p><p>　　由于我國汽車車牌識別的特殊性，這就導(dǎo)致了采用任何單一識別技術(shù)都是難以奏效的。</p><p>　　1.5國內(nèi)外車輛牌照識別技術(shù)現(xiàn)狀</p><p>　　一個典型的車牌識別系統(tǒng)由車輛檢測、車牌定位、字符分割、字符識別部分組成，對于其中的每一個部分，人們都提出了很多不同的算法。由于在識別時進(jìn)行字符特征提取和識別的對象都是在車牌區(qū)域內(nèi)，

25、所以從自然背景中分割出車牌區(qū)域的車牌定位技術(shù)，和J下確識別出矩形區(qū)域內(nèi)字符的字符識別技術(shù)是提高汽車自動識別系統(tǒng)識別率的關(guān)鍵。</p><p>　　車牌自動識別是交通監(jiān)控中比較熱門的研究課題，許多科技工作者為此做出了不懈的努力。許多發(fā)達(dá)的工業(yè)國家和地區(qū)，早在80年代初期就著手研制汽車牌照識別系統(tǒng)。英國一個研究小組在1982年研制了一種用于刑偵的汽車牌照識別系統(tǒng)，該系統(tǒng)架設(shè)在公路上，對被盜車輛或失效牌照進(jìn)行搜索，一經(jīng)

26、發(fā)現(xiàn)，即可通過普通電話通知警方進(jìn)行攔截，但該系統(tǒng)的正確識別率僅達(dá)50％左右。1983年，R本一家公司曾研究過用來檢查超速行駛的汽車牌照識別系統(tǒng)，該系統(tǒng)通過對A、B兩點間所攝取牌照的匹配，確定出汽車在A、B兩點間行駛的平均車速，但因識別率低，難以投入實用。</p><p>　　目前，國內(nèi)外有大量關(guān)于車牌識別方面的研究報道。發(fā)展到今日，國外對車牌檢測的研究已經(jīng)取得了一些令人矚目的成就，如Yuntao Cui提出了一種

27、車牌識別系統(tǒng)，在車牌定位以后，利用馬爾科夫場對車牌特征進(jìn)行提取和二值化，對樣本的識別達(dá)到了較高的識別率。Eun Ryung 等利用圖像中的顏色分量，對車輛照進(jìn)行定位識別，其中提到了三種方法：①以Hough 變換為基礎(chǔ)的邊緣檢測定位識別；</p><p>　　②以灰度值變換為基礎(chǔ)的識別算法；</p><p>　　③以HLS 彩色模式為基礎(chǔ)的車牌識別系統(tǒng)，識別率分別為81.25%、85%、91

28、.2%。</p><p>　　日本對車牌圖像的獲取也做了大量的研究，并為系統(tǒng)產(chǎn)業(yè)化做了大量工作。Luis開發(fā)系統(tǒng)應(yīng)用于公路收費站，全天識別率達(dá)到了90%以上，即使在天氣不好的情況下也達(dá)到了70%。國外對車牌識別的研究起步早，總體來講其技術(shù)已比較領(lǐng)先，同時由于他們車牌種類單一，規(guī)范程度較高，易于定位識別。目前，已經(jīng)實現(xiàn)了產(chǎn)品化，并在實際的交通系統(tǒng)中得到了廣泛的應(yīng)用。由于中國車牌的格式與國外有較大差異，所以國外關(guān)于識

29、別率的報道只具有參考價值，其在中國的應(yīng)用效果可能沒有在其國內(nèi)的應(yīng)用效果好，但其識別系統(tǒng)中采用的很多算法具有很好的借鑒意義。從車牌識別系統(tǒng)進(jìn)入中國以來，國內(nèi)有大量的學(xué)者在從事這方面的研究，提出了很多新穎快速的算法。中國科學(xué)院自動化所的劉智勇等開發(fā)的系統(tǒng)在一個樣本量為3180 的樣本集中，車牌定位準(zhǔn)確率為99。42%，切分準(zhǔn)確率為94。52%，這套系統(tǒng)后來應(yīng)用于漢王公司的車牌識別系統(tǒng)，取得了不錯的效果。南京大學(xué)的熊軍等提出了基于字符紋理特征

30、的定位算法，準(zhǔn)確率達(dá)95%。華中科技大學(xué)的陳振學(xué)等學(xué)者提出了一種新的車牌圖像字符分割與識別算法，使用一維循環(huán)清零法，通過對垂直投影圖進(jìn)行一次掃描，有效的清除了雜點和間隔符，正</p><p>　　1.6車牌識別技術(shù)的應(yīng)用情況</p><p>　　車輛牌照識別系統(tǒng)技術(shù)能夠從一幅車輛圖像中準(zhǔn)確定位出車牌圖像，經(jīng)過字符切分和識別后實現(xiàn)車輛牌照的自動識別，從而為以上應(yīng)用提供信息和基礎(chǔ)功能。<

31、/p><p>　　目前車牌識別系統(tǒng)主要應(yīng)用于以下領(lǐng)域：</p><p>　　（1）停車場管理系統(tǒng)。利用車牌識別技術(shù)對出入車輛的號牌進(jìn)行識別和匹配，與停車卡結(jié)合實現(xiàn)自動計時、計費的車輛收費管理系統(tǒng)。</p><p>　?。?）高速公路超速自動化管理系統(tǒng)。以車牌自動識別技術(shù)為基礎(chǔ)，與其他高科技手段結(jié)合，對高速公路交通流狀況進(jìn)行自動監(jiān)測、自動布控，從而降低交通事故的復(fù)發(fā)生率，

32、確保交通順暢。</p><p>　?。?）公路布控。采用車牌識別技術(shù)實現(xiàn)對重點車輛的自動識別，快速報警，既可以有效查找被盜車輛，同時又為公安、檢察機關(guān)提供了對犯罪嫌疑人的交通工具進(jìn)行遠(yuǎn)程跟蹤與監(jiān)查的技術(shù)手段。</p><p>　?。?）城市十字交通路口的“電子警察”?？梢詫`章車輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計，交通監(jiān)測和疏導(dǎo)。</p><p>　?。?）

33、小區(qū)車輛管理系統(tǒng)。社區(qū)保安系統(tǒng)將出入社區(qū)的車輛通過車牌識別技術(shù)進(jìn)行記錄，將結(jié)果與內(nèi)部車輛列表對比可以實現(xiàn)防盜監(jiān)管。</p><p>　　1.7車牌識別技術(shù)的發(fā)展趨勢</p><p>　　車牌識別技術(shù)作為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，在各國學(xué)者的共同努力下，已經(jīng)得到了長足的發(fā)展，并且已經(jīng)得到了不同程度的實際應(yīng)用，但目前還存在著種種不足。</p><p>　　對于未來車牌識

34、別產(chǎn)品的技術(shù)發(fā)展趨勢，漢王科技智能交通部總經(jīng)理喬炬認(rèn)為：首先，由于市場需求不同，對識別產(chǎn)品的需求也有差異，因此就要求研發(fā)針對不同細(xì)分市場的車牌識別產(chǎn)品。其次，隨著算法的不斷改進(jìn)，基于視頻觸發(fā)技術(shù)的車牌識別產(chǎn)品將得到大范圍的應(yīng)用，但是視頻觸發(fā)技術(shù)取代外觸發(fā)裝置尚需時日。第三，現(xiàn)在的車牌識別系統(tǒng)設(shè)備過多，系統(tǒng)集成難度大，系統(tǒng)穩(wěn)定性差，系統(tǒng)維護(hù)是一個讓人頭疼的問題。隨著技術(shù)不斷進(jìn)步，以往多個設(shè)備實現(xiàn)的功能可能由一個設(shè)備實現(xiàn)。</p>

35、;<p>　　目前，車牌識別技術(shù)和產(chǎn)品性能進(jìn)入實用階段的時間還不是很長，隨著人工智能以及自動識別技術(shù)的進(jìn)步，未來的技術(shù)發(fā)展空間還會非常大。例如，核心算法繼續(xù)發(fā)展，識別率和識別速度進(jìn)一步改善，圖像處理中對模糊圖像預(yù)處理能力增強，畫質(zhì)改善技術(shù)的提高等等。</p><p>　　1.8車牌定位的意義 </p><p>　　現(xiàn)在社會已經(jīng)進(jìn)入信息時代，隨著計算機技術(shù)、通信技術(shù)和計算機網(wǎng)

36、絡(luò)技術(shù)的法杖，自動化的信息處理能力和水平不算提高，并在人們社會活動和生活的各個領(lǐng)域得到廣泛應(yīng)用。在這種情況下，作為信息來源的自動檢測、圖像識別技術(shù)越來越受到人們的的重視。作為現(xiàn)代社會的主要交通工具之一的汽車，在人們的生產(chǎn)、生活的各個領(lǐng)域得到大量使用，對它的信息自動采集和管理在交通車輛管理、園區(qū)車輛管理、停車場管理等方面有十分重要的意義，成為信息處理技術(shù)的一項重要課題。</p><p>　　1.9本文的主要內(nèi)容及工

37、作</p><p>　　車牌識別(License Plate Recognition，LPR)技術(shù)自提出以來，人們對其進(jìn)行了廣泛的研究，目前已有眾多的算法，一然實用的識別系統(tǒng)也開始應(yīng)用于車流監(jiān)控、出入控制、電子收費等場合。然而，無論是LPR算法還是LPR產(chǎn)品都存在一些有待解決的問題。在車牌識別過程中，車牌定位、字符分割和字符識別都是很重要的環(huán)節(jié)，人們應(yīng)用圖像處理技術(shù)和模式識別技術(shù)對其提出了多種解決方法，但是這些方

38、法通用性較差，無法在實際中實現(xiàn)車牌號碼的正確和準(zhǔn)確的識別。本論文系統(tǒng)的介紹了車牌識別系統(tǒng)的工作流程、所用的技本及其原理，其中，重點對圖像處理以及模式識別等技術(shù)在車牌識別中的應(yīng)用研究做了詳細(xì)闡述。將各種方法與實際圖像相結(jié)合，并比較優(yōu)劣，考慮系統(tǒng)實時性對算法時間與空間復(fù)雜度的要求，提出了自己的車牌定位、字符分割與識別方法，設(shè)計并實現(xiàn)了一個車牌識別系統(tǒng)，在實驗中取得了較為滿意的結(jié)果。</p><p><b>

39、　　(1)車牌定位</b></p><p>　　提出了一種基于車牌字符連接特征(字符紋理之間的關(guān)聯(lián)性)的車牌定位方法，并通過區(qū)域增長的方法進(jìn)行矩形搜索，以獲取候選牌照的區(qū)域。該算法對車輛所處背景的依存度低，可以對一幅圖像中多個車牌進(jìn)行定位，最多可在一幅圖像中考察254個候選區(qū)域。</p><p><b>　　(2)字符分割</b></p>&

40、lt;p>　　根據(jù)提取出的車牌圖像和車牌字符大小的先驗知識，利用投影法和回掃法進(jìn)行字符分割。</p><p><b>　　(3)字符識別</b></p><p>　　根據(jù)車牌字符的分布情況，同時為了提高識別速度，才用兩次識別的方法。第一步采用投影法和上下邊距比值進(jìn)行粗分類，第二步采用模版匹配識別字符?？紤]到由于受前面步驟的影響，用于字符識別的單個字符圖像可能會有

41、變形或者缺損，造成某些誤識別，還要針對其識別結(jié)果做出進(jìn)一步的分析，從而保證得到較高的識別率。</p><p>　　第二章 車牌定位技術(shù)研究現(xiàn)狀</p><p>　　2.1車牌定位技術(shù)研究現(xiàn)狀</p><p>　　車牌定位的研究因外起步比較早，現(xiàn)有比較好的牌照定位方法主要有Barroso J等提出的基于水平線搜尋的定位方法， Parisi R等提出的基于DFT變

42、換的頻域分析方法fml，Coetzee C等提出的基于Niblack二值化算法及自適應(yīng)邊屏搜索算法的定位方法，Ulas J等人曾提出基于掃描行的車牌提取方法。上述方法，盡管在一定的條件下能夠分割出車牌，但車牌識別系統(tǒng)大多是利用攝像機室外拍攝汽車圖案，存在許多客觀的干擾，如天氣、背景、車牌磨損、圖像傾斜等因素。因此定位并不十分理想，而且對于其它國家的車牌并不能很好地識別，甚至產(chǎn)生拒識或誤識現(xiàn)象。</p><p>　

43、　90年代以來，由于交通現(xiàn)代化發(fā)展的需要，我國也開始對車牌定位進(jìn)行深入研究，并取得了一定成效。國內(nèi)比較好的定位算法有基于車牌文字變化特征的自動掃描識別算法；基于特征的車輛牌照定位算法：基于變換函數(shù)提取車牌的算法：基于視覺的車輛牌照檢測；基于小波與形態(tài)學(xué)的定位算法。這些算法都是基于車牌的特征來研究車牌的定位與識別，因而具有一定的針對性和局限性。車牌定位的方法多種多樣，它可以是先前方法的改進(jìn)，也可以是獨辟蹊徑的創(chuàng)新，也可以是新老方法的結(jié)合。

44、</p><p>　　2.2車牌字符識別技術(shù)研究現(xiàn)狀</p><p>　　車牌字符識別實際上是依附在車牌上的印刷體文字的識別，能否正確識別不僅是文字識別技術(shù)的問題，還要考慮其載體～一車牌區(qū)域的影響。車牌字符識別技術(shù)是文字識別技術(shù)與車牌圖像自身因素協(xié)調(diào)兼顧的綜合性技術(shù)。由于攝像機的性能、車牌的整潔度、光照條件、拍攝時的傾斜角度及車輛運動等因素的影響使牌照中的字符可能出現(xiàn)比較嚴(yán)重的模糊、歪斜、

45、缺損或污跡干擾，這些都給字符識別帶來了難度。</p><p>　　目前較為實用的車牌字符識別方法主要有基于字符結(jié)構(gòu)”“的識別方法、基于模板匹配“”的識別方法等。此外近年不少學(xué)者提出了一些新的方法。</p><p>　　基于神經(jīng)網(wǎng)絡(luò)的車牌識別“”方法，對于解析度較高和圖像比較清晰的車牌，這些方法能有效識別車牌中的字符，但對于較低解析度和較為模糊的車牌無能為力，因為這些方法只有在車牌中的每個字

46、符被獨立分割出來的前提下刊能完成識別工作。而獨立分割車牌取得字符，對較低解析度和較為模糊的車牌來說是非常困難的。</p><p>　　近年來不少學(xué)者已嘗試著將隱馬爾可夫模型方法應(yīng)用于字符識別，但目前的研究幾乎都集中在一維隱馬爾可夫模型上言而國內(nèi)的車牌字符由漢字、英文字符及數(shù)字組成。鑒于漢字的二維空間拓?fù)浣Y(jié)構(gòu)特性，漢字的識別要使用二維馬爾可夫模型，但是這種方法計算復(fù)雜，訓(xùn)練和識別很耗時惻。</p>&

47、lt;p>　　還有學(xué)者提出利用分形理論“”來對車牌矩形區(qū)域內(nèi)的字符進(jìn)行識別，為該模式識別問題尋找新的技術(shù)途徑。但是實驗表明有些字符的分?jǐn)?shù)維相差極小，導(dǎo)致閥值難以選取。</p><p>　　技術(shù)雖然多種多樣，但是都是針對某些特定的環(huán)境和場合才會有較好的效果，每種方法都各有優(yōu)缺點。表1．Ol列出了幾種較為成熟的產(chǎn)品。有些方法速度快，但是容易受到字符大小、字符傾斜的影響；而適應(yīng)性好、識別率高的方法往往運算量較大，

48、難以滿足實時性的要求?？偟目磥?，在各種車輛自動識別技術(shù)中，目前真正能夠?qū)嶋H使用的還不多，需要用某種折衷的方法來加以解決。</p><p>　　以下是幾種較為成熟靜LPR產(chǎn)品</p><p>　　公司 產(chǎn)品 識別率 識別速度</p><p><b>　　Hi-Teeh </b>&

49、lt;/p><p>　　(以色列) See Car 93％ 500ms</p><p><b>　　Optasia </b></p><p>　　(新加坡) VLPRS 99。7％ 400~2000ms </p&g

50、t;<p>　　AsiaViSiOn Technology </p><p>　　（中國香港） VECON 96％ 1000ms</p><p>　　2.3研究中的關(guān)鍵點</p><p>　　在車牌識別中，首先要獲取車牌的圖像，這通常由專門的攝像裝置來完成。當(dāng)探測剝車輛出現(xiàn)在菜一區(qū)域內(nèi)時，

51、存入此時的車輛圖像用來進(jìn)行識別。當(dāng)一個車牌翻動檢測與識剮系統(tǒng)工1乍在自然環(huán)境下時，由于受到各種因素的影響且沒有一種可循的規(guī)律，給系統(tǒng)的研究帶來很大困難。主要的影響因素有：</p><p>　　(1)車輛處于運動狀態(tài)以及污損等原因，車牌堿面往往不夠清晰，難以從中攝取需要的信息。</p><p>　　(2)環(huán)境光照不均勻。這包據(jù)：白天與夜間的光照強度相差極大：在強光的照射下，牌照表面的各處反光

52、不均勻乃至造成牌照的變色；夜間汽車前燈的影響，造成汽車牌照部分圖像亮度和對比度的降低。</p><p>　　(3)中國牌照出漢字、字母和數(shù)字組成。由于漢字的筆劃繁多，相對于由字母和數(shù)字組成的牌照，圖像要具有更高的分辨率。</p><p>　　(4)系統(tǒng)要具有很高的采集和處理速度，要達(dá)到實時處理。這要求采用的算法簡潔、實用、有較高的效率。</p><p>　　第三章

53、 車牌識別系統(tǒng)的基本原理</p><p>　　3.1現(xiàn)行機動車牌照規(guī)格</p><p>　　根據(jù)現(xiàn)行的管理制度，在我國境內(nèi)道路上行駛的所有機動車都必須經(jīng)有關(guān)機構(gòu)辦理登記，領(lǐng)取相關(guān)證件并安裝、懸掛相應(yīng)的機動車號牌。目前國內(nèi)使用的車牌主要是1992式民用號牌及2004式軍用號牌，相應(yīng)的標(biāo)準(zhǔn)規(guī)定了各種號牌的尺寸、顏色、適應(yīng)范圍等要求，部分常見車輛類型的號牌規(guī)格如下：</p>&

54、lt;p>　　常見1992式民用及2004式軍用號牌規(guī)格</p><p>　　序號 分類 外廓尺寸(mm) 顏色 面數(shù)</p><p>　　l 大型汽車 前：440．140 黃底黑字黑框線 2</p><p><b>　　后：44

55、0*220</b></p><p>　　2 小型汽車 440*140 藍(lán)底白字白框線 2</p><p>　　3 使、領(lǐng)館汽車 440*140 黑底白字紅 白框線</p><p>　　使”、“領(lǐng)”字 2</p><p>

56、　　4 外籍汽車 440*140 黑底自字白框線 2</p><p>　　5 境外汽車 440*140 黑底自字白框線 2</p><p>　　6 教練汽車 440*140 黃底黑字黑</p><p&

57、gt;　　“學(xué)”字黑框線 2</p><p>　　7 試驗汽車 440*140 黃底黑字黑</p><p>　　“試”字黑框線 2</p><p>　　8 掛車 440*140 黃底黑字黑</p><p>

58、　　“掛”字黑框線 l</p><p>　　9 警車 440*140 白底黑字紅</p><p>　　“警”字黑框線 2</p><p>　　10 軍車 440*140 白底黑字紅</p><p>

59、　　1、2位字黑框線 2</p><p>　　11 臨時行駛車 220*140 白底(藍(lán)色暗紋)</p><p>　　黑字黑框線 l</p><p>　　12 臨時入境汽車 300*165 白底紅字黑“臨時入境”字</p><p>　　

60、(字有金色廓線)紅框線 l</p><p>　　常見號牌的前車牌尺寸大都為440mm×140mm。號牌中的機動車登記編號共有7位字符。編號第1位漢字，民用號牌其表示省、自治區(qū)、直轄市簡稱，軍用號牌其表示所屬單位簡稱；第2位英文字母表示發(fā)牌機關(guān)代號；第3位至第7位為車輛注冊編號，用英文字母(I、0不可用)及阿報伯?dāng)?shù)字表示，未位可用漢字表示。其中普通民用號牌及軍用號牌第2位與第3位之間有間隔符，為號牌

61、產(chǎn)生標(biāo)記，警用號牌的間隔符在第1位與第2位之問：間隔符前牌照為圓點，后牌照為短橫杠。</p><p>　　機動車登記編號部分的設(shè)計總寬度為409mm，其中每個字符寬45mm，高90rnm，間隔符直徑10mm，相鄰字符之間(包括字符與分隔符之間)的水平距離為12mm。</p><p>　　3.2車牌識別系統(tǒng)的基本原理</p><p>　　車牌識別系統(tǒng)主要由車牌定位、字

62、符分割、字符識別三個部分構(gòu)成，而字符分割與字符識別通常是合而為一進(jìn)行的。車牌識別系統(tǒng)主要由兩大類，基于彩色空間的與基于灰度空間的系統(tǒng)。前者的優(yōu)點在于其包含的信息更加豐富，識別率更高：而后者則由于圖像的簡潔而計算更加迅速，實時性更高。在整個車牌識別系統(tǒng)中，車牌的定位是其中的重點與難點，直接關(guān)系到后面字符分割與識別的成敗。</p><p>　　車牌定位屬于數(shù)字圖像處理領(lǐng)域中的模式識別問題，其核心是根據(jù)牌照圖像的某些特

63、，運用適當(dāng)?shù)膱D像處理技術(shù)、數(shù)學(xué)邏輯運算使車牌部分在整個圖像中凸現(xiàn)，而無關(guān)的背景則消隱，然后通過相應(yīng)的技術(shù)手段獲得凸顯部分的坐標(biāo)范圍，從而確定牌照區(qū)域的位置。因此，可以認(rèn)為車牌定位技術(shù)包含三項基本的要素：</p><p>　?。?）圖像特征的考察；</p><p>　?。?）特征的量化與處理；</p><p>　?。?）特征區(qū)域的提取與篩選。</p>&

64、lt;p>　　3.3 車牌圖像的主要特征</p><p>　　概括來說，牌照區(qū)域所具有的圖像特征主要包括以下幾個方面：</p><p><b>　　(1) 顏色</b></p><p>　　車牌的背景顏色及字符顏色是一種獨特的組合。以現(xiàn)行號牌規(guī)格為例，如果用彩色表示，則背景顏色有藍(lán)、黃、黑、白，而字符(前景)顏色則有白、黑、紅，兩方面可能

65、的組合包括藍(lán)底白字、黃底黑字、白底黑字、白底紅字、黑底紅字、黑底白字等。如果用灰度表示，則牌照區(qū)域的顏色組合有兩種可能：深色底淺色字和淺色底深色字。</p><p><b>　　(2) 幾何形狀</b></p><p>　　不同車牌個體的物理大小是統(tǒng)一的，反映在圖像上通常是一個近似矩形或者平行四邊形的區(qū)域。由于拍攝角度、檢測方法和基準(zhǔn)等因素的影響，車牌圖像的實際形狀特

66、征值(如矩形擬合度、長寬比等)一般與標(biāo)準(zhǔn)值不同，而是以標(biāo)準(zhǔn)值為中心在一定范圍內(nèi)波動。</p><p><b>　　(3) 位置范圍</b></p><p>　　車牌的安裝位置通常有特定的位置，尤其是前車牌。相應(yīng)的，如果圖像采集的方法規(guī)范、要求一致、攝像機的位置相同，則牌照區(qū)域在采集到的圖像中的位置也具有一定的規(guī)律。</p><p><b&

67、gt;　　(4) 紋理</b></p><p>　　從圖像處理的角度來看，以字符為主的車牌圖像存在明顯的紋理一一牌照區(qū)域中的像素顏色在理想情況下只有兩三種值，而不同顏色的像素分布服從特定的規(guī)律。</p><p><b>　　(5) 文字內(nèi)容</b></p><p>　　牌照編號是一串具有唯一性的字符串，其字符位數(shù)、編排格式等都有以法

68、規(guī)形式固定下來的一定標(biāo)準(zhǔn)，明顯區(qū)別于廠商徽標(biāo)、內(nèi)部編號、車輛型號等可能出現(xiàn)在車輛上的其它符號。</p><p>　　以上幾種特征都是概念性的，各項特征單獨看來都非車牌圖像所獨有，但將他們結(jié)合起來可以唯一的確定牌照區(qū)域。在這些特征中，顏色、形狀、位置特征最為直觀，易于特征的提取。紋理特征比較抽象，必須經(jīng)過一定的處理或者轉(zhuǎn)換其他特征才能得到相應(yīng)的可供使用的特征指標(biāo)：文字內(nèi)容特征通常至少需要經(jīng)過字符分割或識別后才可能成

69、為可資利用的特征，一般只是用來判斷車牌識別正確與否。</p><p>　　3.4特征的量化與處理</p><p>　　車牌圖像的各種概念性特征必須轉(zhuǎn)換、表示成可以度量的相應(yīng)指標(biāo)，才能用于實際的考察、運算和判別。一項特征可能有不止一種的量化指標(biāo)，這些指標(biāo)可以直接由特征導(dǎo)出，也可以有同類的其他指標(biāo)經(jīng)特定運算后得到。對于顏色特征，彩色圖像的色彩空間有多種表示系統(tǒng)，常用的有RGB系統(tǒng)、CMY系統(tǒng)、

70、HSV系統(tǒng)等；灰度圖像通常使用的有256級灰度、2級灰度(二值)及自定義灰度系統(tǒng)等。彩色圖像包含的信息較多，但運算相對復(fù)雜，時間與空間復(fù)雜度高；灰度圖像運算方便，時間與空間復(fù)雜度低，但信息相對較少。</p><p>　　在點陣形式的數(shù)字圖像中，像素點是最基本的元素，水平、垂直線段的長度可以用其中包含的像素點數(shù)來表示，連通區(qū)域可以用像素點集來表示。由此，圖像區(qū)域的位置關(guān)系和幾何尺寸可以得到量化的表示。在這一基礎(chǔ)上，

71、還可以獲得連通聯(lián)域及其邊緣輪廓之間的相對關(guān)系。以上這些信息可以作為來判斷區(qū)域的形狀以及與期望形狀的相似度等的特征指標(biāo)。紋理特征是一種相對復(fù)雜的特征。其本質(zhì)是像素顏色在空間上的一種獨特的規(guī)律性分布，該分布可以從多個方面進(jìn)行考察：可以在圖像中去特定方向的單位寬度的線條，考察線條中的像素顏色的變化與分布；可以以適當(dāng)?shù)拇翱跒閱挝豢疾炀植款伾淖兓闆r，可以對原圖像進(jìn)行相應(yīng)的變換，通過得到的邊緣、跳變等反映顏色變化的度量來考察像素顏色的分布規(guī)律。

72、</p><p>　　3.5特征區(qū)域的提取和篩選</p><p>　　對于得到的量化特征，需要構(gòu)建一定的規(guī)則，具體描述牌照區(qū)域的特征量應(yīng)滿是的條件，根據(jù)該條件采用適當(dāng)?shù)姆椒ㄅ袛唷⑻崛〕雠c車牌圖像有類似特征指標(biāo)的區(qū)域。</p><p>　　特征區(qū)域的提取方法必須與特征的量化、處理方式相適應(yīng)。</p><p>　　通常情況下，人工構(gòu)造的判別規(guī)則不

73、可能完全精確，而且特征區(qū)域可能存在模糊化，常常需要將條件適當(dāng)?shù)姆艑?，因此圖像中滿足規(guī)則要求的特征區(qū)域可能不止一個。必須對這些候選區(qū)域進(jìn)行比較，從中選出其最相似者為定位的最終絡(luò)果。篩選的標(biāo)準(zhǔn)通常是候選區(qū)域的特征量與車牌圖像理想特征量之間的匹配程度。具體處理時，一般將多種特征指標(biāo)結(jié)合起來進(jìn)行綜合比較，以提高描述和篩選的準(zhǔn)確性。</p><p>　　第四章車牌識別常用的圖像處理技術(shù)</p><p&g

74、t;　　圖像處理技術(shù)是車牌識別系統(tǒng)中最為重要的技術(shù)之一，只有充分利用各種數(shù)字圖像處理技術(shù)對己知的車輛圖像進(jìn)行處理，才能達(dá)到去除噪聲和干擾、突出車牌信息，從而分割出車牌區(qū)域并得到單個的車牌字符用于識別的目的。并且，車牌定位和字符分割本身就屬于圖像處理中圖像分割的應(yīng)用研究范疇。</p><p><b>　　4.1圖像預(yù)處理</b></p><p>　　在圖像的生成、傳輸或

75、變換的過程中，由于多種因素的影響，總要造成圖像的降質(zhì)。圖像預(yù)處理的目的是采用一系列技術(shù)去改善圖像的效果或?qū)D像轉(zhuǎn)換成一種更適合于人或機器進(jìn)行分析處理的形式。針對不同的輸入圖像，預(yù)處理的類型也多種多樣，包括圖像的增強、圖像的變換、圖像的復(fù)原等等，每一類都有很多的方法。在車牌識別系統(tǒng)中，出于采集的初始圖像往往受到外界環(huán)境的影響，并不一定很適合車牌的提取和字符的識別(比如圖像太暗或太亮、有噪聲干擾、背景復(fù)雜等等)。因此，必須對車牌圖像進(jìn)行一系

76、列的預(yù)處理，達(dá)到突出車牌區(qū)域和各種字符信息的目的。</p><p><b>　　4.2濾波</b></p><p>　　圖像濾波的目的是為了消除噪聲。噪聲消除的方法又可以分為空間域或頻率域，亦可以分為全局處理或局部處理，亦可以按線性濾波、非線性濾波和自適應(yīng)濾波來區(qū)別。下面介紹鄰域平均濾波、中值濾波、空間域低通濾波和頻域低通濾波。</p><p>

77、;<b>　　(1)鄰域平均法</b></p><p>　　鄰域平均法是一種局部空間域處理的算法。設(shè)一幅圖像f(x，Y)，濾波后的圖像為g(x，y)，它的每個象素的灰度級由包含在(x，Y)的預(yù)定鄰域的幾個象素的灰度級的平均值所決定。</p><p>　　以上算法簡單，計算速度快，但它的主要缺點是在降低嗓聲的同時使圖像產(chǎn)生模糊，特別在邊沿和細(xì)節(jié)處，鄰域越大，模糊越嚴(yán)重。

78、</p><p><b>　　(2)中值濾波法</b></p><p>　　中值濾波是一種非線性濾波，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。在一定的條件下，可以克服線性濾波器帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及圖像掃描噪聲最為有益。但是對一些細(xì)節(jié)多，特別是點、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。中值濾波的原理就是用一個含有奇數(shù)點的滑動

79、窗口，將窗口正中那點的值用窗口內(nèi)各點的中值來代替。</p><p>　　(3)空間域低通濾波</p><p>　　從信號頻譜分析的知識，我們知道信號的慢變部分在頻率域?qū)儆诘皖l部分，兩信號的快變部分在頻率域是高頻部分。對圖像來說，它的邊緣以及噪聲干挽的頻率分量都處于頻率域較高的部分，因此可以采用低通濾波的方法來去除噪聲，而頻域的濾波又很容易從空間域的卷積來實現(xiàn)，為此只要適當(dāng)?shù)卦O(shè)計空間域系統(tǒng)的

80、單位沖激響應(yīng)矩陣就可以達(dá)到濾除噪聲的效果。</p><p><b>　　(4)頻域低通濾波</b></p><p>　　圖像的平滑處理也可以在頻域進(jìn)行。將有噪圖像F(x．y)傅立葉變換得到相應(yīng)得頻域表示F（u,v），由于噪聲在頻域中分布在高頻段，所以采用低通濾波的方法，可能將噪聲去掉。利用卷積定理，可以寫成以下形式：</p><p>　　G(u

81、，V)=H（u,v）F（u,v）</p><p>　　利用H（u,v）使F(u，v)的高頻分量得到衰減，使得G(u，v)后再經(jīng)過反傅立葉變換就得到所希望的圖像g（x,y）。</p><p>　　但是應(yīng)當(dāng)注意的是，圖像中的邊緣等細(xì)節(jié)信息也對應(yīng)于頻域中的高頻分量。這樣，在使用低通濾波器去處噪聲的過程中，一方面可以濾掉不必要的噪聲分量：另一方面，也會損傷圖像中的邊緣，使之模糊。</p>

82、;<p>　　幾種常用的低通濾波法有：理想低通濾波器(LPF)、巴特沃思低通濾波器(BLPF)、指數(shù)濾波器(ELPF)、梯形濾波器(TLPF)等。</p><p><b>　　4.3灰度修正</b></p><p>　　灰度修正是對圖像在空間域進(jìn)行增強的簡單而效果明顯的方法，根據(jù)圖像降質(zhì)不同的原因以及對圖像特征的不同要求而采用不同的修正方法。它們是把原圖

83、像經(jīng)過一個變換函數(shù)T(o)變換成一個新的圖像g(x，Y)，即</p><p>　　G(x,y)=T[f(x,y)]</p><p>　　(1)針對圖像成像不均勻(如圖像半邊暗半邊亮)、圖像部分或者整體曝光不足，采用線性或者非線性的灰度變換法，對圖像逐點進(jìn)行不同程度的灰度級修正。</p><p>　　(2)針對圖像灰度分布不均勻(如一幅對比度較小的圖像，其直方圖分布一

84、定集中在某一比較小的范圍之內(nèi))，可以通過直方圖修正法達(dá)到所期望的灰度分布，從而又選擇的突出所需要的圖像特征。</p><p>　　通過變換，達(dá)到對比度增強的效果，要注意在變換的過程中，對每一個像素都經(jīng)過了同樣的處理，因此以上的方法又叫做點處理。</p><p><b>　　4.4二值化技術(shù)</b></p><p>　　使用閥值是一種區(qū)域分割技術(shù)

85、，它對物體與背景有較強對比的景物的分割特別有用，它計算簡單，而且總能用封閉而且連通的邊界定義不交疊的區(qū)域。當(dāng)使用閥值規(guī)則進(jìn)行圖像分割時，所有灰度值大于或等于某閥值的象素都被判屬于物體，所有灰度值小于該閥值的象素被排除在物體之外。如果感興趣的物體在其內(nèi)部具有均勻一致的灰度值并分布在一個具有另一個灰度值均勻背景上，使用閥值方法效果就很好。</p><p><b>　　(1) 直方圖技術(shù)</b>&

86、lt;/p><p>　　一幅含有一個與背景明顯對比的物體的圖像具有包含雙峰的灰度直方圖兩個尖峰對應(yīng)于物體內(nèi)部和外部較多數(shù)目的點，兩峰間的谷對應(yīng)于物體邊緣附近相對較少數(shù)目的點。在類似這樣的情況下，通常使用直方圖來確定灰度閥值，當(dāng)圖像灰度直方圖峰型分布明顯時，常以谷底作為門限候選值．</p><p><b>　　(2) 全局閥值化</b></p><p&g

87、t;　　采用閥值確定邊界的最簡單做法是在整個圖像中將灰度閡值設(shè)置為常數(shù)。如果背景的灰度值在整個圖像中可合理地看作為恒定，而且所有物體與背景都具有幾乎相同的對比度，那么，只要選擇了正確的閥值，使用一個固定的全局閥值一般會有較好的效果。</p><p><b>　　(3) 動態(tài)閥值法</b></p><p>　　在許多情況下，背景的灰度值并不是常數(shù)，物體和背景的對比度在圖

88、像中也有變化。這時，一個在圖像中某一區(qū)域效果良好的閥值在其它區(qū)域卻可能效果很差。有一種解決方法是用與坐標(biāo)相關(guān)的一系列閥值來對圖像進(jìn)行分割，這種與坐標(biāo)相關(guān)的閥值也叫動態(tài)閡值或者變化閥值法。它的基本思想是首先將圖像分解成一系列子圖像，這些子圖像可以互相重疊也可以只相鄰。如果子圖像比較小，則由陰影或?qū)Ρ榷鹊目臻g變化帶來的問題就會比較小。然后可以對每個子圖像計算一個閥值。此時閥值可以用任何一種固定閥值法選取。通過對這些子圖像所得閥值的插值就可得

89、到對圖像中每個象素進(jìn)行分割所需的閥值。</p><p><b>　　4.5形態(tài)學(xué)變換</b></p><p>　　數(shù)學(xué)形態(tài)學(xué)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，是建立在集合代數(shù)的基礎(chǔ)上，用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形狀特征

90、，并除去不相干的結(jié)構(gòu)。數(shù)學(xué)形態(tài)學(xué)的基本運算有4個：腐蝕(Erosion)、膨脹(Dilation)、開(Open)和閉(Close)，基于這些基本運算還可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)的基本運算和算法。用這些運算子及其組合來進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分別、特征抽取、邊界檢測、圖像濾波、圖像增強和恢復(fù)等方面的工作。</p><p>　　下面就介紹這四個運算，一般設(shè)X為圖像集合，S為結(jié)構(gòu)元素。</p&

91、gt;<p>　　腐蝕(Erosion)</p><p>　　腐蝕的運算符為⊕，X用S來腐蝕寫作X⊕S，其定義為：</p><p>　　x⊕S={x|S(x)∈x}</p><p>　　上式表明X用S腐蝕的結(jié)果是所有x的集合，其中B平移X后仍在A中。換句話說，用s來腐蝕X到的集合是S完全包括在x中時s的原點位置的集合。</p><p

92、>　　膨脹(Dilation)</p><p>　　膨脹的運算符為⊕，X用S來膨脹寫作x⊕s，其定義為：</p><p>　　X⊕S={xI S(x)nX≠Φ) </p><p>　　上式表明用S膨脹x的過程是，先對s做關(guān)于原點的映射，再將其映象平移x，這里A與B映象的交集不為空集。</p><p>　　開(Open)、閉(Close)

93、</p><p>　　膨脹和腐蝕并不是互為逆運算，所以它們可以級連結(jié)合使用。例如，可先對圖像進(jìn)行腐蝕然后膨脹其結(jié)果，或先對圖像進(jìn)行膨脹然后腐蝕其結(jié)果(這里使用同一個結(jié)構(gòu)元素)。前一種運算稱為開啟(Open)，后一種運算稱為閉合(Close)。</p><p>　　開啟的運算符為o，X用S來開啟寫作X oS，其定義為</p><p>　　XoS=（X⊕S）⊕S<

94、/p><p>　　閉合的運算符為·，X用S來閉合寫作X·S，其定義為</p><p>　　X·S=（X⊕S）⊕S</p><p>　　開和閉也不是互為逆運算。</p><p>　　由于形態(tài)學(xué)具有完備的數(shù)學(xué)基礎(chǔ)，這為形態(tài)學(xué)用于圖像分析和處理、形態(tài)濾波器的特性分析和系統(tǒng)設(shè)計奠定了堅實的基礎(chǔ)，尤其突出的是實現(xiàn)了形態(tài)學(xué)分析和

95、處理算法的并行，大大提高了圖像分析和處理的速度，近年來，在車牌識別系統(tǒng)中的應(yīng)用得到不斷地發(fā)展。</p><p><b>　　4.6圖像分析</b></p><p>　　圖像分析(也可稱為圖像理解)可以看作是一描述過程，主要研究用自動或半自動的裝置和系統(tǒng)，從圖像中提取有用的數(shù)據(jù)或信息，生成非圖的描述或表示，這是當(dāng)前圖像處理與識別中一個比較活躍的分支。</p>

96、<p>　　在人工智能領(lǐng)域中計算機視覺這一分支關(guān)注開發(fā)分析圖像內(nèi)容的算法。人們使用了種種關(guān)于圖像處理的方法，統(tǒng)計模式識別就是其中之一。</p><p>　　統(tǒng)計模式識別認(rèn)為圖像可能包含一個或多個物體，并且每個物體屬于若干事先定義的類型、范疇或模式類之一。雖然模式識別可以用多種方法實現(xiàn)但我們只關(guān)心用數(shù)字圖像處理技術(shù)對它的實現(xiàn)。</p><p>　　從圖像和圖像序列可以提取很多特

97、征，這些特征是圖像解釋的基礎(chǔ)。目前常用的圖像特征有以下幾類：</p><p>　　(1)灰度：包括多光譜、彩色信息。</p><p>　　(2)邊緣：它描述了灰度變化的程度和位置。</p><p>　　(3)紋理：它描述了在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則，反映宏觀意義上灰度變化的一些規(guī)律。</p><p>　　(4)形狀：它描述了物

98、體、區(qū)域或基元的外形，從微觀上精細(xì)地反映景物及其諸組成部分的形狀。</p><p>　　(5)物體表面主方向，即三維物體表面的法向。</p><p>　　(6)傳感器與物體表面各點的距離。</p><p>　　在給定一幅含有多個物體的數(shù)字圖像的條件下，模式識別過程由三個主要階段組成：</p><p>　　第一個階段稱為圖像分割或物體分離階段。

99、在該階段中檢測出各個物體，并把它們的圖像和其余景物分離。</p><p>　　第二個階段稱為特征抽取階段。在該階段中對物體進(jìn)行度量。一個度量是指一個物體某個可度量性質(zhì)的度量值，而特征是一個或多個度量的函數(shù)。計算特征是為了對物體的一些重要特征進(jìn)行定量估計。特征抽取過程產(chǎn)生了一組特征，把它們組合在一起，就形成了特征向量。這種被大大減少了的信息(與原始圖像相比)代表了后續(xù)分類決策必須依靠的全部知識。引進(jìn)H維空間的概念，

100、這個空間包含了所有可能的n維特征向量。因此任意一個特定物體都對應(yīng)于特征空間中的一點。</p><p>　　模式識別的第三個階段是分類。它的輸出僅僅是一種決策，確定每個物體應(yīng)該歸屬的類別。每個物體被識別為某一特定類型，它是通過一個分類過程加以實現(xiàn)的。每個物體被指定屬于若干預(yù)先定義好的類中的一個。這些組代表了預(yù)期存在于圖像中物體的所有可能類別。如果把指派物體歸到一個不正確的類，就產(chǎn)生一個分類錯誤。錯分類發(fā)生的概率稱為

101、誤判率。分類只以特征向量為依據(jù)。</p><p><b>　　4.7圖像的特征</b></p><p>　　圖像特征是指圖像場的原始特征或?qū)傩?，其中有些是視覺直接感受到的自然特征，如區(qū)域的亮度、邊緣的輪廓、紋理或色彩：有些是需要通過變換或測量才能得到的人為特征，如：變換頻譜、直方圖、矩等等。</p><p><b>　　(1) 幅度特

102、征</b></p><p>　　幅度，簡單的講即圖像中一點在其顏色空間上所具有的值或者由此產(chǎn)生的變換值。對于灰度圖像其一點的灰度值就是其未經(jīng)變換的幅度。在所有的圖像特征中最基本的是圖像的幅度度量，可以在某一圖像點或其鄰區(qū)做出幅度的測量，可以直接從圖像象素的敦度等級，也可以從某些線性、非線性變換中構(gòu)成新的圖像幅度空間來求得各式各樣的圖像的幅度特征圖。</p><p><b&

103、gt;　　(2) 直方圖特征</b></p><p>　　一幅數(shù)字圖像可以看作是一個二維隨機過程的一個樣本，可以用聯(lián)合概率分布來描述，通過測得的圖像各象素的幅度值，可以設(shè)法估計出圖像的概率分布，從而形成圖像的直方圖特征。一階直方圖的特征參數(shù)有平均值、方差、歪斜度、削度、能量、熵等：二階直方圖的特征參數(shù)有自相關(guān)、協(xié)方差、慣性矩、絕對值、能量、熵等。</p><p><b&g

104、t;　　(3) 投影特征</b></p><p>　　物體或者其輪廓在某一個方向上的投影在某種程度上反映了物體的分布特征，有些像灰度直方圖。為了得到更好的效果，經(jīng)常與二值化技術(shù)一起使用。</p><p>　　(4) 線條和角點的特征</p><p>　　圖像中“點”的特征含義是，它的幅度與其鄰區(qū)的幅度有顯著的不同，檢測這種點首先將圖像低通濾波，然后把平滑

105、后的每一個象素的幅度值與它相鄰的4個象素的幅度值比較。當(dāng)差值足夠大時就可以檢測出點特征來。圖像中線條的特征意味著它在截面上的幅度分布出現(xiàn)凹凸?fàn)钜簿褪钦f在線段的法向上。圖像的幅度是由低到高再到低(或相反)地變化的?？梢杂貌煌难谀頇z測出線條，從圖中提取這些特征，不僅可以設(shè)法壓縮圖像的信息量。也便于描述、推理和識別。</p><p>　　(5) 灰度邊沿特征</p><p>　　圖像的灰度、

106、紋理的改變或不連續(xù)是圖像的重要特征，它可以指示圖像內(nèi)各種物體的實際含量。圖像幅度水平的局部不連續(xù)性稱為“邊緣”，大范圍的不連續(xù)性稱為“邊界”。邊緣檢測的通常的方法是先對圖像進(jìn)行灰度邊緣的增強處理，得出一個增強后的圖像，然后設(shè)立門限，進(jìn)行過門限操作來確定出明顯邊緣的象素位置。</p><p><b>　　(6) 紋理特征</b></p><p>　　紋理可分為人工紋理和

107、自然紋理。人工紋理是由自然背景上的符號排列組成，這些符號可以是線條、點、字母、數(shù)字等：自然紋理是具有重復(fù)性排列現(xiàn)象的自然景色。前者一般是有規(guī)則的，后者往往是無規(guī)則的。描述紋理圖像特性的參數(shù)有很多種，例如：必須知道各個象素及其鄰近象素的扶度分布情況。了解鄰近象素灰度值變化的最簡單方法是取一階、二階微分的平均值與方差。另一種方法是檢查小區(qū)域內(nèi)的灰度直方圖。</p><p><b>　　4.8圖像的分割<

108、;/b></p><p>　　圖像分割就是把數(shù)字圖像劃分成若干有意義的互不相交區(qū)域(部分)的處理技術(shù)。這里的“有意義”泛指“與目標(biāo)對應(yīng)”或“所研究的問題的函數(shù)”。例如，在醫(yī)學(xué)圖像處理中，如輸入的是一幅細(xì)胞的照片，就需要分割出單個細(xì)胞；而在車牌識別系統(tǒng)中，就是要將車牌從圖像中分割出來，即車牌定位，同時在所得的車牌區(qū)域?qū)⒆址指畛鰜?，即字符分割。這些從圖像域中分離出來的目標(biāo)就是分割的對象。圖像分割的基礎(chǔ)是象索間