基于閾值分割的車牌定位識別

1、<p>　　科類 理工類 編號（學(xué)號） 2012311389 </p><p>　　本科生畢業(yè)論文（設(shè)計）</p><p>　　基于閾值分割的車牌定位識別</p><p>　　License plate recognition based on templat

2、e matching and matlab implementation</p><p><b>　　陳靖文</b></p><p>　　指導(dǎo)教師： 朱玲 職稱 講師 </p><p>　　云南農(nóng)業(yè)大學(xué) 昆明 黑龍?zhí)?650201</p><p>　　學(xué) 院：

3、基礎(chǔ)與信息工程學(xué)院 </p><p>　　專 業(yè)： 電子信息工程 年級： 2012級 </p><p>　　論文（設(shè)計）提交日期： 2016年5月 答辯日期： 2016年5月 </p><p>　　答辯委員會主任：

4、 </p><p><b>　　云南農(nóng)業(yè)大學(xué)</b></p><p>　　2016年 05 月</p><p><b>　　目 錄</b></p><p><b>　　摘 要1</b></p><p>　　ABSTRACT2&

5、lt;/p><p><b>　　1 前 言3</b></p><p>　　2 車牌識別系統(tǒng)分析4</p><p>　　2.1 車牌識別的目的4</p><p>　　2.2 車牌識別現(xiàn)狀分析4</p><p>　　2.3 車牌識別的意義4</p><p>　　2.4

6、我國車牌分析6</p><p>　　3 車牌識別系統(tǒng)的原理及方法6</p><p>　　3.1車牌識別系統(tǒng)簡述6</p><p>　　3.2 車牌圖像處理7</p><p>　　3.2.1 圖像灰度化7</p><p>　　3.2.2 圖像二值化7</p><p>　　3.2.3 邊

7、緣檢測8</p><p>　　3.2.4 圖像形態(tài)學(xué)運(yùn)算9</p><p>　　3.2.5 圖像濾波處理10</p><p>　　3.2.6 車牌圖像的閉運(yùn)算11</p><p>　　3.3 車牌定位原理11</p><p>　　3.4 車牌字符處理11</p><p>　　3.4.

8、1 閾值分割原理11</p><p>　　3.4.2 對車牌閾值化分割13</p><p>　　3.4.3 字符歸一化處理13</p><p>　　3.5 字符識別13</p><p>　　3.5.1 字符識別簡述13</p><p>　　3.5.2 字符識別的方法13</p><p&g

9、t;　　3.5.3 基于模板匹配的字符識別14</p><p><b>　　4 實(shí)驗(yàn)分析15</b></p><p>　　4.1 GUI界面設(shè)計16</p><p>　　4.2 車牌區(qū)域的定位16</p><p>　　4.3 車牌字符識別18</p><p>　　4.4 車牌識別結(jié)果及分

10、析20</p><p><b>　　5 結(jié) 論22</b></p><p><b>　　參考文獻(xiàn)23</b></p><p>　　基于閾值分割的車牌定位識別</p><p><b>　　陳靖文</b></p><p>　?。ㄔ颇限r(nóng)業(yè)大學(xué)基礎(chǔ)與信息

11、工程學(xué)院，昆明 650201）</p><p><b>　　摘 要</b></p><p>　　汽車牌照自動識別模塊是現(xiàn)代社會智能交通系統(tǒng)（ITS）的重要組成部分，是圖像處理和模式識別技術(shù)研究的熱點(diǎn)，具有非常廣泛的應(yīng)用。車牌識別主要包括車牌區(qū)域定位、車牌字符分割、車牌字符識別三個步驟。</p><p>　　本文通過對采集的車牌圖像進(jìn)行灰度

12、變換、邊緣檢測、腐蝕及平滑等過程來進(jìn)行車牌的預(yù)處理，并運(yùn)用基于車牌顏色紋理特征的車牌定位方法，最終實(shí)現(xiàn)車牌區(qū)域定位。然后采用模板匹配的方法對輸出的字符圖像和模板庫里的模板進(jìn)行匹配得到對應(yīng)的字符信息。本文基于MATLAB的GUI工具進(jìn)行設(shè)計仿真實(shí)驗(yàn)，實(shí)驗(yàn)表明，整體方案有效可行，基于閾值分割的車牌識別技術(shù)在其識別正確率、速度方面具有獨(dú)特的優(yōu)勢及廣闊的應(yīng)用前景。</p><p>　　關(guān)鍵詞：字符識別；車牌定位；閾值分割

13、；模板匹配；邊緣檢測</p><p>　　License plate recognition based on threshold segmentation</p><p>　　Chen Jing Wen</p><p>　　(Yunnan Agricultural University information engineering, Kunming, 65020

14、1)</p><p><b>　　ABSTRACT</b></p><p>　　Vehicle license plate automatic recognition module is a modern society an important part of intelligent transportation system (ITS), is a hotspot

15、 of research on image processing and pattern recognition technology, has very extensive application. License plate recognition mainly include the license plate localization and license plate character segmentation, licen

16、se plate character recognition three steps.</p><p>　　This article through to the acquisition of the license plate image gray-scale transformation, edge detection, corrosion and smooth process for the pretrea

17、tment of license plate, and the use of license plate location method based on license plate color texture feature, finally realizes the license plate localization. Then adopt the method of template matching the output ch

18、aracter image and the template library template matching to get the corresponding character information. Based on MATLAB GUI t</p><p>　　Key words: character recognition; pattern recognition; license plate lo

19、cation; template matching; edge detection</p><p>　　基于閾值分割的車牌定位識別</p><p><b>　　1 前 言</b></p><p>　　隨著社會經(jīng)濟(jì)的高速發(fā)展汽車數(shù)量急劇增加，對交通管理的要求也日益提高，而相應(yīng)的人工管理方式已經(jīng)不能滿足實(shí)際的需要，微電子、通信和計算機(jī)技術(shù)在交通領(lǐng)

20、域的應(yīng)用極大地提高了交通管理的效率。運(yùn)用電子信息技術(shù)實(shí)現(xiàn)安全、高效的智能交通成為交通管理的主要發(fā)展方向。汽車牌照號碼是車輛的唯一“身份”標(biāo)識，通過智能的車牌定位及識別技術(shù)將對于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動化管理有著現(xiàn)實(shí)的意義。</p><p>　　車牌識別技術(shù)(Vehicle License Plate Recognition，VLPR) 是能檢測到受監(jiān)控的車輛并自動提取車輛牌照信息進(jìn)行處理

21、的技術(shù)。識別車牌是現(xiàn)代智能交通系統(tǒng)中的重要組成部分，應(yīng)用十分的廣泛。它是以數(shù)字圖像處理、模式識別、計算機(jī)視覺等技術(shù)為基礎(chǔ)，對攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析后得到每一輛汽車的車牌號碼，完成識別過程。</p><p>　　車牌定位與字符識別技術(shù)是基于計算機(jī)圖像處理、模式識別等技術(shù)為基礎(chǔ)，通過對原圖像的處理，以及邊緣檢測技術(shù)實(shí)現(xiàn)對車牌的定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進(jìn)行分割圖像與模

22、板庫的模板進(jìn)行匹配，最后輸出匹配結(jié)果。車牌的智能定位以及識別是一個完整的系統(tǒng)，考慮到其應(yīng)用的普遍性以及廣泛性，就要求我們在設(shè)計過程中考慮到以下幾方面：</p><p>　　(1)準(zhǔn)確性:盡可能的避開其他外界造成的干擾，準(zhǔn)確的識別車牌信息。</p><p>　　(2)實(shí)時性:因?yàn)檐囕v在行駛過程中速度不一，對觸發(fā)超速攝像的抓拍應(yīng)當(dāng)及時的進(jìn)行識別并且儲存，才可以有效的提高工作效率。</p&

23、gt;<p>　　(3)優(yōu)化性：采用竟可能低的硬件要求，對其快速的做出的計算與識別。</p><p>　　常用的邊緣檢測算子有很多，根據(jù)實(shí)驗(yàn)分析canny算子對弱邊緣的檢測相對精確，能更多地保留車牌區(qū)域的特征信息，所以本文采用canny算子來進(jìn)行邊緣檢測，然后通過二值化，閾值分割等處理，最后與模板庫模板進(jìn)行對比，達(dá)到車牌識別的目的。</p><p>　　2 車牌識別系統(tǒng)分析&

24、lt;/p><p>　　2.1 車牌識別的目的</p><p>　　車牌識別技術(shù)通過對信息量較大的對象采集，然后經(jīng)過一系列的處理提取了相對較小的信息量且有價值的一部分信息，僅僅提取識別車“身份”的車牌信息。對于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動化管理有著現(xiàn)實(shí)的意義。</p><p>　　2.2 車牌識別現(xiàn)狀分析</p><p>　

25、　模式識別[]是一門以應(yīng)用為基礎(chǔ)的學(xué)科，目的是將對象進(jìn)行分類，這些對象與應(yīng)用領(lǐng)域有關(guān)，他們可以是圖像，信號波形或者是任何可測量且需要分類的對像，在機(jī)器視覺中，模式識別是非常重要的，機(jī)器視覺系統(tǒng)通過照相機(jī)捕捉圖像，然后通過分析生成圖像的描述信息。車牌識別技術(shù)是計算機(jī)模式識別技術(shù)在智能交通領(lǐng)域的典型應(yīng)用，是一個以特寫目標(biāo)為對象的專用計算機(jī)視覺系統(tǒng)[]。簡單地說，它使計算機(jī)能像人一樣認(rèn)識汽車牌照(包括車牌的漢字、字母、數(shù)字)。</p&g

26、t;<p>　　車輛牌照識別技術(shù)推出以來，人們就對其進(jìn)行了廣泛的研究。從20世紀(jì)90年代初，國外就已經(jīng)開始了對汽車牌照自動識別[]的研究，其主要途徑就是對車牌的圖像進(jìn)行分析，自動提取車牌信息，確定汽車牌號。國外己有許多相關(guān)的文章發(fā)表，有的甚至己經(jīng)非常成熟并投入實(shí)際使用。</p><p>　　我國車牌自動識別的研究起步較晚一些，大約在八十年代末。1988年戴營等利用常見的圖像處理技術(shù)方法提出漢字識別的

27、分類是在提取漢字特征的基礎(chǔ)上進(jìn)行的。根據(jù)漢字的投影直方圖，然后選取浮動閾值，對其進(jìn)行量化處理后，得到一個變長鏈碼，再用動態(tài)規(guī)劃法，求出與標(biāo)準(zhǔn)模式鏈碼的最小距離，最后進(jìn)行細(xì)分類，完成漢字省名的自動識別。 </p><p>　　目前我國市場上有二十幾家企業(yè)從事車牌識別產(chǎn)品的開發(fā)和生產(chǎn)，其中比較成熟的有香港的ASiavisionTeChnologyLtd公司（亞洲視覺科技有限公司）、北京漢王、沈陽聚德、川大智勝、上

28、海高德威、清華紫光、杭州友通、深圳科安信、利普視覺中智交通電子系統(tǒng)有限公司等企業(yè)。</p><p>　　2.3 車牌識別的意義</p><p>　　結(jié)合我國的國情，由于我國地域廣闊，車輛道路復(fù)雜，安裝相應(yīng)的檢測設(shè)備或者人員配備投資巨大，且造成人力物力的浪費(fèi)，因此我們急需對現(xiàn)有的檢測設(shè)備優(yōu)化，而車牌識別技術(shù)恰好能滿足這一需求，通過車牌識別我們可以解決被納入“黑名單”的通緝車輛，可以統(tǒng)計一定時

29、間范圍內(nèi)進(jìn)出各省的車輛，還能有效的對該車輛進(jìn)行定位，對公安機(jī)關(guān)等相關(guān)部門有著很重要的作用，具體歸結(jié)應(yīng)用方式如下：</p><p><b>　?。?）監(jiān)測報警 </b></p><p>　　對于納入“黑名單”的車輛，例如：被通緝或掛失的車輛、欠交費(fèi)車輛、未年檢車輛、肇事逃逸及違章車輛等，我們只需要把其牌照的信息輸入系統(tǒng)，那么該車輛在通過裝有全國聯(lián)網(wǎng)系統(tǒng)的路口或者收費(fèi)站等

30、卡口時，信息采集設(shè)備將會對其進(jìn)行采集并且與數(shù)據(jù)庫對比，實(shí)現(xiàn)其定位。這種方式可以通過程序?qū)崿F(xiàn)24小時工作，而且此過程保密性好，不會提醒黑名單車輛的死機(jī)。</p><p>　　（2）車輛出入自動登記及放行</p><p>　　在需要管制的小區(qū)或者辦公場所門口裝設(shè)車牌識別系統(tǒng)，那么汽車進(jìn)出此場所時間，車牌牌照等信息將會被存儲在相應(yīng)的數(shù)據(jù)庫中，通過修改相應(yīng)的數(shù)據(jù)庫，添加車牌信息，我們還能讓自動門禁

31、對相應(yīng)的車輛進(jìn)行自動放行，如遇到非數(shù)據(jù)庫中的車輛則由保安進(jìn)行相應(yīng)的咨詢，或批準(zhǔn)后人為放行。這不僅提高物業(yè)管理的效益，同時自動比對進(jìn)出車輛，防止偷盜事件的發(fā)生。</p><p>　?。?）違法違章管理 </p><p>　　車牌識別技術(shù)結(jié)合測速設(shè)備可以用于車輛超速違章處罰，一般用于高速公路、容易肇事路段。還可以在紅綠燈路口加上紅外檢測實(shí)現(xiàn)違規(guī)檢測，對出現(xiàn)闖紅燈的現(xiàn)象或者違規(guī)轉(zhuǎn)彎的現(xiàn)象進(jìn)行相應(yīng)

32、的數(shù)據(jù)采集。將其傳送至相關(guān)部門，從而對其下發(fā)處罰通知書，實(shí)現(xiàn)對其處罰。</p><p>　　（4）交通流控制指標(biāo)參量的測量</p><p>　　為了達(dá)到交通流控制的目的，對部分交通流指標(biāo)的測量顯得相當(dāng)重要。車牌識別系統(tǒng)能夠測量和統(tǒng)計很多交通流指標(biāo)參數(shù)例如車流量，車流高峰時間段，平均車速，車輛密度等。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。從而能夠有效的采取措施預(yù)防堵車，排隊(duì)，事故等交通異常

33、現(xiàn)象。</p><p>　?。?）移動電子警察系統(tǒng)</p><p>　　隨著我國公路基礎(chǔ)建設(shè)的快速發(fā)展，公路的質(zhì)量、里程都有了很大程度上的提高，但也出現(xiàn)了不交養(yǎng)路費(fèi)等情況，給國家造成了巨大的經(jīng)濟(jì)損失。且丟失車輛稽查、車輛是否合法、攔車路檢等情況都需要公安人員對其進(jìn)行相應(yīng)的檢查，由于人工判斷工作效率很低且容易讓正常車主及乘客造成誤解，現(xiàn)在有了車牌自動識別技術(shù)之后將大大提高辦公效率以及檢查的準(zhǔn)

34、確性，很大程度上解決了以上的問題。</p><p>　　2.4 我國車牌分析</p><p>　　汽車牌照具有統(tǒng)一格式、統(tǒng)一式樣，由車輛管理機(jī)關(guān)經(jīng)過申領(lǐng)牌照的汽車進(jìn)行審核、檢驗(yàn)、登記后，核發(fā)的帶有注冊登記編碼的硬質(zhì)號碼牌。我國車牌號的第一個是漢字：代表該車戶口所在省的簡稱：如云南就是云，北京就是京，重慶就是渝，上海就是滬……，第二個是英文：代表該車所在地的地市一級代碼，規(guī)律一般是這樣的，A

35、是省會，B是該省第二大城市，C是該省第三大城市，依此類推。</p><p>　　目前國內(nèi)汽車牌照有六種類型：①大型民用汽車所用的黃底黑字牌照；②小型民用汽車所用的藍(lán)底白字牌照；③軍隊(duì)或武警專用汽車的白底紅字、黑字牌照；④使、領(lǐng)館外籍汽車的黑底白字牌照；⑤試車和臨時牌照是白底紅字，且數(shù)字前分別標(biāo)有“試”和“臨時”字標(biāo)志；⑥汽車補(bǔ)用牌照是白底黑字。</p><p>　　從人的視覺特點(diǎn)出發(fā)，車牌

36、的目標(biāo)區(qū)域具有以下幾個特點(diǎn)：①車牌底色與車身顏色、字符顏色有較大差異；②車牌有一個連續(xù)或因?yàn)閾p壞而不連續(xù)的邊框，車牌內(nèi)有多個字符，基本呈水平排列，因此在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣，并且呈現(xiàn)出規(guī)則的紋理特征；③車牌內(nèi)字符之間的間隔是比較均勻的，字符本身與牌照底的內(nèi)部有較均勻灰度，但字符和牌照底色在灰度值上存在跳變；④不同圖像中牌照的具體大小、位置不確定，但基本在一定范圍。根據(jù)這些特點(diǎn)，可以在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征。</

37、p><p>　　3 車牌識別系統(tǒng)的原理及方法</p><p>　　3.1車牌識別系統(tǒng)簡述</p><p>　　車牌定位與字符識別技術(shù)以計算機(jī)圖像處理、模式識別等技術(shù)為基礎(chǔ)，通過對原圖像進(jìn)行預(yù)處理以及邊緣檢測等過程來實(shí)現(xiàn)對車牌區(qū)域的定位，然后對車牌區(qū)域進(jìn)行圖像裁剪、歸一化、字符分割及保存，最后將分割得到的圖像與模板庫的模板進(jìn)行匹配識別，輸出匹配結(jié)果。該流程如圖3.1所示。

38、</p><p>　　圖3.1 車輛牌照識別系統(tǒng)</p><p>　　Figure 3.1 Vehicle plate recognition system</p><p>　　車牌識別首先要正確的分割車牌區(qū)域，為此已經(jīng)提出了很多方法:使用Hough變換檢測直線來定位車牌邊界進(jìn)而獲取車牌區(qū)域；使用灰度閾分割、區(qū)域生長等方法進(jìn)行區(qū)域分割；使用紋理特征分析技術(shù)檢測車牌區(qū)

39、域等。Hough變換對圖像噪聲比較敏感，因此在檢測車牌邊界直線時容易受到車牌變形或噪聲等因素的影響，具有較大的誤檢測幾率。灰度閾值分割、區(qū)域增長等方法則比Hough直線檢測方法穩(wěn)定，但當(dāng)圖像中包含某些與車牌紋理特征相近的區(qū)域或其他干擾時，車牌定位的正確性也會受到影響。因此，僅采用單一的方法難以達(dá)到實(shí)際應(yīng)用的要求。</p><p>　　如果進(jìn)行車牌字符的定位及裁剪，則需要首先對輸入的車牌圖像進(jìn)行預(yù)處理以得到精確的車

40、牌字符圖像；然后將處理后的車牌看作由連續(xù)的字符塊組成，設(shè)定一個灰度閾值，如果超過該閾值，則認(rèn)為有多個字符相連，需要對其進(jìn)行切割，進(jìn)而實(shí)現(xiàn)對車牌字符的分割；最后把分割的字符圖片進(jìn)行標(biāo)準(zhǔn)化并于模板庫進(jìn)行對比，選出最相似的字符結(jié)果并輸出，即為車牌信息。</p><p>　　3.2 車牌圖像處理</p><p>　　3.2.1 圖像灰度化</p><p>　　車牌圖像的采集

41、一般是通過數(shù)碼相機(jī)或者攝像機(jī)來進(jìn)行，得到的圖片一般是RGB[]圖像即為真彩圖像，根據(jù)三基色原理，每一種顏色都是可以由紅、綠、藍(lán)三種基色按不同的比例構(gòu)成，所以車牌圖像的每個像素都是由3個數(shù)值來指定紅、綠、藍(lán)的顏色分量?；叶葓D像實(shí)際上是一個數(shù)據(jù)矩陣I，該矩陣每個元素的數(shù)值代表一定范圍內(nèi)的亮度值，矩陣I可以是整型、雙精度，通常0代表黑色、255代表白色。在MATLAB中，一幅RGB圖像可以用uint8、uint16或者雙精度類型的m*n*3數(shù)

42、組來描述，其中m和n分別表示圖像的寬度和高度，此處的RGB圖像不同于索引圖，所以不使用調(diào)色板。</p><p>　　在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，其中R=G=B的值叫做灰度值，由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。因此，灰度圖像是只有強(qiáng)度信息而沒有顏色信息的圖像。一般而言，可采用加權(quán)平均值法對原始RGB圖像進(jìn)行灰度化處理，該方法的主要思想是從原圖像中取R、G、B各層像素值加權(quán)求和得到灰度

43、圖的亮度值。在現(xiàn)實(shí)生活中人眼對綠色敏感度最高，對紅色敏感度次之，對藍(lán)色敏感度最低，因此為了選擇合適的權(quán)值對象使之能夠輸出合理的灰度圖像，權(quán)值系數(shù)應(yīng)該滿足G>R>B。實(shí)驗(yàn)和理論證明，當(dāng)R、G、B的權(quán)值系數(shù)分別選擇0.299，0.587，0.114時，能夠得到最合適人眼觀察的灰度圖像。</p><p>　　3.2.2 圖像二值化</p><p>　　灰度圖像二值化[]在圖像處理的過

44、程中有著很重要的作用，圖像二值化不僅能使數(shù)據(jù)量大幅減小，還能突出需要的目標(biāo)輪廓，便于進(jìn)行后續(xù)的圖像處理與分析。對車牌灰度圖像而言，所謂的二值化處理就是將車牌圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，從而讓整張圖片呈現(xiàn)黑白的效果，因此，對灰度圖像進(jìn)行適當(dāng)?shù)拈撝颠x取，可以在圖像二值化圖的過程中保留某些關(guān)鍵的圖像特征。在車牌圖像二值化的過程中灰度大于或等于閥值的像素被判定為目標(biāo)區(qū)域，其灰度值用255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度

45、值為0，表示背景或者例外的物體區(qū)域。</p><p>　　圖像二值化是指整幅圖像畫面內(nèi)僅黑、白二值的數(shù)值矩陣，每一個像素取兩個離散數(shù)值（0或1），其中0代表黑色，1代表白色。在實(shí)際的圖像處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來。不同的閾值設(shè)定方法對一幅圖像進(jìn)行處理會產(chǎn)生不同的二值化處理結(jié)果。二值化閾值設(shè)置過小易產(chǎn)生噪聲；閾值設(shè)置過大會降低分辨率，使非噪聲信號被視為噪聲而濾掉

46、二值變換的結(jié)果。</p><p>　　3.2.3 邊緣檢測[]</p><p>　　邊緣是指圖像局部亮度變化最顯著的部分，邊緣主要存在于目標(biāo)與目標(biāo)，目標(biāo)與背景，區(qū)域與區(qū)域（包括不同的色彩之間），是圖像分割，紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。在車牌識別系統(tǒng)中提取車牌位置有著很重要的低位。其中邊緣檢測的算子有很多，如Roberts、Sobel、Prewitt、Laplacian、

47、log以及canny等算子方式。據(jù)試驗(yàn)分析在車牌的邊緣檢測中canny算子相對精確，所以本文采用了canny算子進(jìn)行邊緣檢測。</p><p>　　坎尼（canny）算子在邊緣檢測中提出了三個準(zhǔn)則分別是：</p><p><b>　　信噪比</b></p><p>　　信噪比越大，提取的邊緣質(zhì)量越高。信噪比SNR定義為：</p>

48、<p>　　其中 代表邊緣函數(shù)， 代表寬度為W的濾波器的脈沖響應(yīng)， 代表高斯噪聲的均方差。</p><p><b>　　定位精度</b></p><p>　　邊緣定位精度L如下定義：</p><p>　　其中 分別是 的導(dǎo)數(shù)。L越大表明定位精度越高。</p><p><b>　　單邊緣響應(yīng)</b

49、></p><p>　　為了保證單邊緣只有一個響應(yīng)，檢測算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離 應(yīng)滿足：</p><p><b>　　的二階導(dǎo)數(shù)。</b></p><p>　　以上述指標(biāo)和準(zhǔn)則為基礎(chǔ)，利用泛函求導(dǎo)的方法求導(dǎo)的方法可導(dǎo)出坎尼邊緣檢測器是信噪比與定位之乘積的最優(yōu)逼近算子，表達(dá)式近似于高斯函數(shù)的一階導(dǎo)數(shù)。將坎尼3個準(zhǔn)則相結(jié)合可以獲

50、得最優(yōu)的檢測算子。canny算子的邊緣檢測算法步驟如下：</p><p>　　預(yù)處理。采用高斯濾波器進(jìn)行圖像平滑；</p><p>　　梯度計算。采用一階偏導(dǎo)的有限差分來計算梯度，獲取其幅值和方向；</p><p>　　梯度處理。采用非極大值抑制方法對梯度幅值進(jìn)行處理；</p><p>　　邊緣提取。采用雙閾值算法檢測和連接邊緣；</p

51、><p>　　3.2.4 圖像形態(tài)學(xué)運(yùn)算</p><p>　　數(shù)學(xué)形態(tài)學(xué)圖像處理的基本運(yùn)算有4個：膨脹（或擴(kuò)張）、腐蝕（或侵蝕）、開啟和閉合。二值形態(tài)學(xué)中的運(yùn)算對象是集合，通常給出一個圖像集合和一個結(jié)構(gòu)元素集合，利用結(jié)構(gòu)對圖像集合進(jìn)行形態(tài)學(xué)操作。</p><p>　　膨脹運(yùn)算符號為⊕，圖像集合A，用結(jié)構(gòu)元素B來膨脹，記作 ，其定義為：</p><p&

52、gt;　　其中 表示B的映像，即與B關(guān)于原點(diǎn)對稱的集合。上式表明，用B對A進(jìn)行膨脹的運(yùn)算過程如下：首先作B關(guān)于原點(diǎn)的映射，再將其映像平移x，當(dāng)A與B映像的交集不為空時，B的原點(diǎn)就是膨脹集合的像素。</p><p>　　腐蝕運(yùn)算的符號是 ,圖像集合A用結(jié)構(gòu)元素B來腐蝕，記作 ，其定義為:</p><p>　　因此，A用B腐蝕的結(jié)果是所有滿足將B平移后B仍舊全部包含在A中的X的集合，也就是

53、結(jié)構(gòu)元素B經(jīng)過平移后全部包含在集合A中的原點(diǎn)所組成的集合。</p><p>　　膨脹操作會使物體的邊界向外擴(kuò)張，如果物體內(nèi)部存在小空洞，則經(jīng)過膨脹操作這些洞將被補(bǔ)上，不再是邊界。如果再次進(jìn)行腐蝕操作，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠(yuǎn)消失。腐蝕操作會去掉物體的邊緣點(diǎn)，如果物體足夠細(xì)小，則其所有的點(diǎn)都會被認(rèn)為是邊緣點(diǎn)，進(jìn)而被整體消除，僅保留大物體。如果在進(jìn)行膨脹操作時，留下來的大物體會變回原來的大小，則

54、被消除的小物體已經(jīng)消失。</p><p>　　在一般情況下，由于受到噪聲的影響，車牌圖象在閾值化后所得到邊界往往是不平滑的，目標(biāo)區(qū)域內(nèi)部具有一些噪聲孔洞，在背景區(qū)域上也會散布著一些小的噪聲干擾。連通過續(xù)的開和閉運(yùn)算可以有效地改善這種情況。有時甚至需要經(jīng)過多次腐蝕之后再加上相同次數(shù)的膨脹，才可以產(chǎn)生比較好的效果。</p><p>　　3.2.5 圖像濾波處理</p><p

55、>　　圖像濾波也能在盡量保留圖像細(xì)節(jié)特征的條件下對噪聲進(jìn)行抑制，是圖像預(yù)處理中常用的操作之一，其處理效果的好壞將直接響到后續(xù)圖像處理和識別的有效性和穩(wěn)定性。</p><p>　　均值濾波也稱為線性濾波，是圖像濾波最常用的方法之一，采用的主要方法為領(lǐng)域平均法。該方法對濾波像素的位置 (x,y)，選擇一個模板，該模板由其近鄰的若干像素組成，求出模板中所包含像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)(x,y)，將其作為

56、處理后圖像在該點(diǎn)上的灰度值 ，即 M為該模板中包含當(dāng)前像素在內(nèi)的像素總個數(shù)。</p><p>　　采集車牌圖像的過程中往往會受到多種噪聲的污染。進(jìn)而會在將要處理的車牌圖像上呈現(xiàn)一些較為明顯的孤立像素點(diǎn)或像素塊。在一般情況下，在研究目標(biāo)車牌時所出現(xiàn)的圖像質(zhì)量，影響圖像增強(qiáng)、圖像分割、特征提取、圖識別等后繼工作的進(jìn)行。因此，在程序?qū)崿F(xiàn)中為了有效的進(jìn)行圖像去噪，并且能有效地保存目標(biāo)車牌的形狀、大小及特定的幾何和拓?fù)浣Y(jié)

57、構(gòu)特征，采用均值濾波來對車牌圖像進(jìn)行去噪處理。</p><p>　　3.2.6 車牌圖像的閉運(yùn)算</p><p>　　通過上述處理后，我們得到了濾波后的圖像，為了提高其識別的準(zhǔn)確率，我們還要將對其做閉運(yùn)算，所謂的閉運(yùn)算就是對研究對象進(jìn)行膨脹后腐蝕的過程，如果遇到噪聲點(diǎn)比較多的研究對象時，往往我們會通過對其重復(fù)做閉運(yùn)算，從而減少噪聲對其造成的影響。</p><p>　

58、　對車牌圖像腐蝕會去掉物體的邊緣點(diǎn)，細(xì)小物體所有的點(diǎn)都會被認(rèn)為是邊緣點(diǎn)，因此會整個被刪去。再做膨脹時，留下來的大物體會變回原來的大小，而被刪除的小物體則永遠(yuǎn)消失了。膨脹操作會使物體的邊界向外擴(kuò)張，如果物體內(nèi)部存在小空洞的話，經(jīng)過膨脹操作這些洞將被補(bǔ)上，因而不再是邊界了。再進(jìn)行腐蝕操作時，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠(yuǎn)消失了。</p><p>　　通過上述的處理，我們將能對其圖像的噪聲干擾進(jìn)行很大程

59、度的排除，從而提升對其研究的準(zhǔn)確性</p><p>　　3.3 車牌定位原理</p><p>　　我們已經(jīng)對車牌在圖像中的位置作了初步的定位，移除小對象后基本就是車牌的位置了。車牌區(qū)域具有明顯的特點(diǎn)，因此根據(jù)車牌底色、字色等有關(guān)知識，可采用彩色像素點(diǎn)統(tǒng)計的方法分割出合理的車牌區(qū)域，考慮到大部分小汽車的牌照為藍(lán)底白字，所以本文以藍(lán)底白字的普通車牌為例說明彩色像素點(diǎn)統(tǒng)計的分割方法，假設(shè)經(jīng)數(shù)碼相

60、機(jī)或CCD攝像頭拍攝得到了包含車牌的RGB彩色圖像，水平方向記為Y，垂直方向記為X，則：首先確定車牌底色RGB各分量分別對應(yīng)的顏色范圍，其次在Y方向統(tǒng)計在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車牌在Y方向的合理區(qū)域，然后在分割出Y方向區(qū)域內(nèi)統(tǒng)計X方向此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值進(jìn)行定位；最后，根據(jù)X，Y方向的范圍來確定車牌區(qū)域，實(shí)現(xiàn)定位。</p><p>　　3.4 車牌字符處理</p&

61、gt;<p>　　3.4.1 閾值分割原理</p><p>　　閾值分割算法是圖像分割中應(yīng)用場景最多的算法之一。簡單地說，對灰度圖像的閾值分割就是先確定一個處于圖像灰度取值范圍內(nèi)的閾值，然后將圖像中各個像素的灰度值與這個閾值比較，并根據(jù)比較的結(jié)果將對應(yīng)的像素劃分為兩類：像素灰度大于閾值的一類和像素灰度值小于閾值的為另一類，灰度值等于閾值的像素可以歸入這兩類之一。分割后的兩類像素一般分屬圖像的兩個不同

62、區(qū)域，所以對像素根據(jù)閾值分類達(dá)到了區(qū)域分割的目的。由此可見，閾值分割算法主要有兩個步驟：</p><p>　　(1)確定需要進(jìn)行分割的閾值；</p><p>　　(2)將閾值與像素點(diǎn)的灰度值比較，以分割圖像的像素。</p><p>　　以上步驟中，確定閾值是分割的關(guān)鍵，如果能確定一個合適的閾值就可以準(zhǔn)確地將圖像分割開來。閾值確定后，將閾值與像素點(diǎn)的灰度值比較和分割可

63、對各像素并行處理，通過分割的結(jié)果將直接得到目標(biāo)圖像區(qū)域。在選擇閾值方法來分割灰度圖像時一般會對圖像的灰度直方圖分布進(jìn)行某些分析，或者建立一定的圖像灰度模型來進(jìn)行處理。最常用的圖像雙峰灰度模型的條件可描述如下：假設(shè)圖像目標(biāo)和背景直方圖具有單峰分布的特征，且處于目標(biāo)和背景內(nèi)部相鄰像素間的灰度值是高度相關(guān)的，但處于目標(biāo)和背景交界處兩邊的像素在灰度值上有很大的差別。如果一幅圖像滿足這些條件，則它的灰度直方圖基本上可看作由分別對應(yīng)于目標(biāo)和背景的兩

64、個單峰構(gòu)成。如果這兩個單峰部分的大小結(jié)晶且均值相距足夠遠(yuǎn)，兩部分的均方差也足夠小，則直方圖整體上可能呈現(xiàn)較明顯的雙峰現(xiàn)象。同理，如果圖像中有多個呈現(xiàn)單峰灰度分布的目標(biāo)，則直方圖整體上可能呈現(xiàn)較明顯的多峰現(xiàn)象。因此，對這類圖像可用取多級閾值方法來得到較好地分割效果。</p><p>　　如果要將圖像中不同灰度的像素分為兩類，則需要確定一個閾值。如果要姜圖像中各種灰度的像素分成多個不同的類，那么需要選擇一系列閾值以將

65、每個像素分到合適的類別中去。如，果只用一個閾值分割稱為單閾值分割方法，如果用多個閾值分割稱為多閾值分割方法。單閾值分割可看作是多閾值分割的特例，許多單閾值分割算法可推廣以進(jìn)行多閾值分割。反之，有時也可將多閾值分割問題轉(zhuǎn)化為一系列單閾值分割問題來解決。不管用何種方法選取閾值，一幅原始圖像f（x，y）取單閾值T分割后的圖像可定義為</p><p>　　這樣得到的 是一幅二值圖像。</p><p&g

66、t;　　在一般的多閾值分割情況下，取閾值分割的圖像可表示為：</p><p>　　其中 是一系列分割閾值，k表示賦予分割后圖像各個區(qū)域的不同標(biāo)號。</p><p>　　需要指出，無論是單閾值分割或多閾值分割，分割結(jié)果中都有可能出現(xiàn)不同區(qū)域具有相同一標(biāo)號或區(qū)域值的情況。這是因?yàn)槿￠撝捣指顣r只考慮了像素本身的值，未考慮像素的空間位置。所以根據(jù)像素值劃分到同一類的像素有可能分屬于圖像中不相連通的

67、區(qū)域。這時往往需要借助一些對場景的先驗(yàn)知識來進(jìn)一步確定目標(biāo)區(qū)域。</p><p>　　3.4.2 對車牌閾值化分割</p><p>　　車牌字符圖像的分割即將車牌的整體區(qū)域分割成單字符區(qū)域，以便后續(xù)進(jìn)行識別。車牌分割的難點(diǎn)在于字符與噪聲粘連，以及字符斷裂等因素的影響。均值濾波是典型的線性濾波算法，他是指在圖像上對像素進(jìn)行模板移動掃描，該模板包括了像素周圍的近郊區(qū)域，通過模板命中像素的平均值

68、來代替原來的像素值，實(shí)現(xiàn)去噪的效果。為了從車牌圖像中直接提取目標(biāo)字符，最常用的方法是設(shè)定一個閾值T，用T將圖像的像素分成兩部分：大于T的像素集合和小于T的像素集合，得到二值化圖像。因此，本案例采用均值濾波算法來對車牌字符圖像進(jìn)行濾波去噪，采用閾值分割來進(jìn)行車牌字符的分割。</p><p>　　3.4.3 字符歸一化處理</p><p>　　字符圖像歸一化是簡化計算的方式之一，車牌字符分割后

69、往往會出現(xiàn)大小不一致的情況，因此可采用基于圖像放縮的歸一化處理方式將字符圖像進(jìn)行尺寸放縮得到統(tǒng)一大小的字符圖像，便于后續(xù)的字符識別。</p><p><b>　　3.5 字符識別</b></p><p>　　3.5.1 字符識別簡述</p><p>　　本文選擇的是基于模板匹配的方式，基于模板匹配的OCR的基本過程是：首先我們要建立自動識別的代

70、碼，然后把歸一化的圖像與模板中的字符對比，由于我國的普通小汽車車牌第一位字符是漢字，分別代表各個省的簡稱，然后第二位是A~Z的字母，接下來的后五位則是數(shù)字和字母的混合搭配。所以我們在對比的時候?yàn)榱颂岣咝屎蜏?zhǔn)確性，我們分別對第一位和第二位還有后五位分別識別。最后識別完成后輸出識別的車牌的結(jié)果。</p><p>　　3.5.2 字符識別的方法</p><p>　　車牌字符識別方法基于模式識別

71、理論，常用的有以下幾類：</p><p><b>　　結(jié)構(gòu)識別 </b></p><p>　　該方法主要由識別及分析兩部分組成:識別部分的主要包括預(yù)處理、基元抽?。òɑ妥訄D像之間的關(guān)系）和特征分析；分析部分包括基元選擇及結(jié)構(gòu)推理。</p><p><b>　　統(tǒng)計識別</b></p><p>

72、　　該方法的目的在于確定已知樣本所屬的類別。以數(shù)學(xué)上的決策論為理論基礎(chǔ)，并由此建立統(tǒng)計學(xué)識別模型。其基本方式是在對所研究的圖像進(jìn)行大量的統(tǒng)計分析工作，尋找規(guī)律性認(rèn)識，抽取反映圖像本質(zhì)的特征并進(jìn)行識別。</p><p><b>　　BP神經(jīng)網(wǎng)絡(luò)</b></p><p>　　該方法以BP神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ)，屬于誤差后向傳播的神經(jīng)網(wǎng)絡(luò)，是神經(jīng)網(wǎng)絡(luò)中使用最廣泛的一類，通過輸入

73、層、隱層還有輸入層三層網(wǎng)絡(luò)的層間全互聯(lián)方式，具有較高的運(yùn)行效率和識別準(zhǔn)確率。</p><p><b>　　模板匹配</b></p><p>　　該方法是數(shù)字圖像處理中的最常用的識別方法之一，通過建立已知的模式庫，再將其應(yīng)用到輸入模式中尋找與之最佳匹配模式的處理步驟，得到對應(yīng)的識別結(jié)果，具有較高的運(yùn)行效率和識別準(zhǔn)確率。 </p><p>　　3.

74、5.3 基于模板匹配的字符識別</p><p>　　模板匹配是圖象識別方法中最具代表性的基本方法之一，該方法首先根據(jù)已知條件建立模板庫T(i，j)，然后從待識別的圖像或圖像區(qū)域f(i,j)中提取若干特征量與T(i，j)相應(yīng)的特征量進(jìn)行對比，分別計算他們之間歸一化的互相關(guān)量。其中，互聯(lián)關(guān)量最大的一個表示二者的相似程度最高，可將圖像屬于該類別。此外，也可以計算圖像與模板特征量之間的距離，采用最小距離法判定所屬類別。但

75、是，在實(shí)際情況下用于匹配的圖像往往存在差異，可能會產(chǎn)生較大的噪聲干擾。此外，圖像經(jīng)過預(yù)處理和歸一化處理等步驟，其灰度或像素點(diǎn)的位置也可能會發(fā)生改變，進(jìn)而影響識別效果。因此，在實(shí)際設(shè)計模板時需要保持各區(qū)域形狀的固有特點(diǎn)，突出不同區(qū)域之間的差別，并充分考慮處理過程可能會引起的噪聲和位移等因素，按照基于圖像不變特性所對應(yīng)的特征向量來構(gòu)建模板，提高識別系統(tǒng)的穩(wěn)定性。 </p><p>　　本文采用特征向量距離計算的方法來

76、求得字符與模板中字符的最佳匹配，然后找到對應(yīng)的結(jié)果進(jìn)行輸出。首先建立字符模板，其次，依次將取待識別的字符與模板進(jìn)行匹配，計算其與模板字符的特征距離，得到的值越小就越匹配。然后，將每幅字符圖像的匹配結(jié)果進(jìn)行保存，最后7個字符匹配識別結(jié)果即可作為車牌字符進(jìn)行輸出。</p><p><b>　　4 實(shí)驗(yàn)分析</b></p><p>　　汽車牌照自動識別系統(tǒng)以車輛的動態(tài)視頻或

77、靜態(tài)圖像作為輸入，通過進(jìn)行牌照顏色、牌照號碼等關(guān)鍵內(nèi)容的自動識別來提取車輛的詳細(xì)信息。系統(tǒng)硬件配置一般包括線圈觸發(fā)設(shè)備、攝像設(shè)備、燈光設(shè)備、車牌號碼識別器等；其軟件核心配置包括車牌定位算法、車牌字符分割算法和車牌字符識別算法等。某些車牌識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)氡O(jiān)控區(qū)域的功能，一半稱為視頻車輛檢測，廣泛應(yīng)用于道路車流量統(tǒng)計等方面。在現(xiàn)實(shí)生活中，一個完整的車輛識別系統(tǒng)應(yīng)包括車輛檢測、圖像采集、車牌定位、車牌識別等。例如，當(dāng)車輛

78、檢測模塊檢測到車輛時，會觸發(fā)圖像采集模塊，當(dāng)采集當(dāng)前的車輛圖像，車牌定位識別模塊對圖像進(jìn)行處理，定位車牌位置，再將車牌中的字符分割出來進(jìn)行識別，最后組成車牌號碼輸出。</p><p>　　車牌信息是一輛汽車獨(dú)一無二的標(biāo)識，所以車輛牌照識別技術(shù)可以作為辨別一輛車最為有效的方法。車牌識別系統(tǒng)包括汽車圖像的輸入、車牌圖像的預(yù)處理、車牌區(qū)域的定位和字符檢測、車牌字符的分割和識別等部分，如圖4-1所示</p>

79、<p>　　圖4.1車牌識別系統(tǒng)流程圖</p><p>　　Figure 4.1License plate recognition system flow chart</p><p>　　4.1 GUI界面設(shè)計</p><p>　　為集成車牌識別的過程，通過設(shè)計工具欄的快捷方式、組織按鈕控件、顯示控件等對象得到GUI框架，如圖4.1(a)</p&g

80、t;<p>　　圖4.1(a)GUI框架設(shè)計</p><p>　　Figure 4.1(a) the GUI framework design </p><p>　　4.2 車牌區(qū)域的定位</p><p>　　我們首先將通過MATLAB將原始圖片讀入并且輸出如圖4.2（a）所示,然后根據(jù)車牌顏色紋理特征參數(shù)來標(biāo)定車牌區(qū)域。經(jīng)過上述過程，我們只要確定車牌

81、底色RGB對應(yīng)的各自灰度范圍，然后在行方向統(tǒng)計在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域，然后在分割出行方向區(qū)域內(nèi)，同理統(tǒng)計Y方向的像素點(diǎn)數(shù)量，然后在從Y方向合理區(qū)域的圖中分割出行方向的合理區(qū)域，最終確定車牌的區(qū)域，實(shí)現(xiàn)定位。如圖4.2（b）所示。</p><p>　　圖4.2(a) 車輛牌照原始圖像</p><p>　　Figure 2 (a) the lic

82、ense plates of the original image</p><p>　　圖4.2(b)車牌定位圖像</p><p>　　Figure 4-2 (b) license plate localization image</p><p>　　4.3 車牌字符識別</p><p>　　上述過程完成車牌定位以后，我們將對分割出來的車牌圖

83、像進(jìn)一步的車牌處理，實(shí)驗(yàn)過程中我們隊(duì)截取的車牌做了二值化如圖4.3（a）所示。</p><p>　　二值圖像是指整幅圖像內(nèi)僅有黑、白二值的圖像。在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閾值，使得字符與背景能夠分割開來。車牌圖像經(jīng)過二值變換后具備優(yōu)良的保形性，能有效保持車牌的形狀信息，并能夠去除額外的孔洞區(qū)域。車牌識別系統(tǒng)一般要求具有速度高、成本低的特點(diǎn)，采用二值圖像進(jìn)行處理，能大大提高處理效率

84、。閾值處理的操作過程是通過OSTU算法生成一個閾值，如果圖像中某個像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為0或255，否則就將灰度值設(shè)置為255或0。</p><p>　　圖像二值化是后續(xù)圖象處理技術(shù)的基礎(chǔ)，二值化使得圖像中只有兩種顏色的信息， 通常是黑色和白色 。這樣能方便提取圖像中的信息，在進(jìn)行計算機(jī)識別時可以大大增加識別效率。因?yàn)槿绻麍D像是彩色的計算機(jī)要計算很久而二值化的圖像則更快得多。</p

85、><p>　　圖4.3(a)車牌二值化圖像</p><p>　　Figure 4.3 (a) license plate of binary image</p><p>　　對車牌進(jìn)行灰度化、二值化處理后，我們還要對車牌圖像濾波處理，即盡量保留車牌的圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進(jìn)行抑制，從而提升它的有效提取信息，圖像濾波處理是圖像預(yù)處理中不可缺少的操作，其處理效

86、果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。這個過程在整個車牌識別系統(tǒng)中也占有很重要的作用。</p><p>　　在汽車牌照自動識別過程中，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)行字符識別。字符識別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會出現(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)為該塊有兩個字符組成，因此需要分割

87、。結(jié)果如圖4.3（b）所示。</p><p>　　圖4.3（b）車牌字符分割圖像</p><p>　　Figure 4.3 (b) license plate character segmentation images</p><p>　　由于考慮車牌字符常發(fā)生變形、斷缺等情況，使字符結(jié)構(gòu)受損，則依賴于字體結(jié)構(gòu)完整性的結(jié)構(gòu)識別方法所提取的特征會不準(zhǔn)確，識別結(jié)果的誤識

88、率也高。因此實(shí)際用于車牌識別的方法主要是后兩類。然而如果采用hp神經(jīng)網(wǎng)絡(luò)的字符識別雖然有很好的容錯能力，但是如果我們要提高他的識別率，我們則需要大量的樣本?；谀０迤ヅ涞淖址R別方法，相對算法簡單，速度較快，而且結(jié)合我國車牌的信息，我們需要的制作的模板量也不大。所以本文選擇模板匹配的識別方法進(jìn)行車牌字符識別。</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別的需要。但是對于車牌的識別

89、，并不需要太多的處理就已經(jīng)可以達(dá)到正確識別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。由于我們制作的模板是40*20像素點(diǎn)的規(guī)格，為了方便后面的模板匹配，我們就將分割的圖片進(jìn)行40*20像素點(diǎn)的歸一化處理。最后通過與模板庫對比得出識別結(jié)果。</p><p>　　4.4 車牌識別結(jié)果及分析</p><p>　　最后通過對歸一化后的字符圖像與模板庫進(jìn)行比對得到對應(yīng)的字符結(jié)果，并組織成車牌

90、字符串進(jìn)行輸出。如圖4.4所示</p><p>　　圖4.4 車牌識別結(jié)果</p><p>　　Figure 4.4 license plate identification results</p><p>　　按下GUI界面中的保存結(jié)果可將識別的后的GUI界面截圖并保存，如圖4.5所示</p><p><b>　　圖4.5保存結(jié)果

91、圖</b></p><p>　　Figure 4.5 save result in diagram</p><p>　　本文以MATLAB R2014a為實(shí)驗(yàn)平臺，在得到這個結(jié)果之前，需要對車牌圖像進(jìn)行預(yù)處理、標(biāo)定車牌區(qū)域、字符分割等處理。</p><p>　　在采集圖像時，因?yàn)槭艿酵饨绺蓴_的原因以及車主在車牌周圍的裝飾，甚至生產(chǎn)廠家對車身的點(diǎn)綴容易給車

92、牌的定位帶來很大程度的影響，因此需要對原始圖像進(jìn)行預(yù)處理。預(yù)處理包括灰度化、車牌校正、平滑處理等。處理光照條件不理想的圖像時先進(jìn)行一次圖像增強(qiáng)處理，擴(kuò)展圖像灰度動態(tài)范圍和增強(qiáng)圖像對比度，再進(jìn)行定位和分割，能提高分割的正確率。由于車牌采集的信息都是些彩色圖片，含有大量的數(shù)據(jù)信息，因此我們還要對其進(jìn)行預(yù)處理包括灰度化、二值化等。圖像里的車輛牌照是具有明顯特征的一塊圖象區(qū)域，該特征表現(xiàn)為：接近水平的矩形區(qū)域；其中字符串是按水平方向排列的；在整

93、體圖象中的位置較為固定。正是由于牌照圖象的這些特點(diǎn)，再經(jīng)過適當(dāng)?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提取采用的是canny算子。隨之進(jìn)行定位及分割還有識別。</p><p>　　對于識別錯誤情況的分析得到，主要原因有以下幾點(diǎn)：</p><p>　　汽車牌照上外界干擾，如在牌照周圍添加飾物；</p><p>　　采用不同的邊緣檢測算

94、子和閾值將會牌照字符的分割失敗，導(dǎo)致識別錯誤；</p><p>　　字符具有相似性，比如D和O；O和0；D和0等字符識別的結(jié)果可能會出現(xiàn)混淆的情況。</p><p><b>　　5 結(jié) 論</b></p><p>　　近年來我國隨著社會經(jīng)濟(jì)的高速發(fā)展、汽車數(shù)量急劇增加，對交通管理的要求也日益提高，而相應(yīng)的人工管理方式以不能滿足實(shí)際的需要，微電

95、子、通信和計算機(jī)技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通管理的效率。而車牌識別技術(shù)恰好能滿足這一需求，通過車牌識別我們可以解決被納入“黑名單”的通緝車輛，可以統(tǒng)計一定時間范圍內(nèi)進(jìn)出各省的車輛，還能有效的對該車輛進(jìn)行定位，對公安機(jī)關(guān)等相關(guān)部門有著很重要的作用通過智能的車牌定位及識別技術(shù)將對于維護(hù)交通安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通自動化管理有著現(xiàn)實(shí)的意義。</p><p>　　本文主要研究和解決了以下幾個問題：一

96、、在車牌圖像中定位并提取出車牌的位置；二、對圖像的灰度化、二值化等圖像處理；三、選取合適的算及其閾值并對其邊緣檢測；四、對分割完成的牌照字符如何提取能進(jìn)行分類的特征；五、如何有效的選取識別的分類。在車輛牌照字符識別系統(tǒng)的研究領(lǐng)域，近幾年出現(xiàn)了許多切實(shí)可行的識別技術(shù)和方法，從這些新技術(shù)和方法中可以看到兩個明顯的趨勢：一是單一的人工選取合適的算法和其他指標(biāo)已經(jīng)不能取得很好的結(jié)果。二是車牌識別逐漸走上智能化的過程，通過智能系統(tǒng)選取不同的算法進(jìn)