車(chē)牌識(shí)別畢業(yè)設(shè)計(jì)

1、<p><b>　　畢 業(yè) 設(shè) 計(jì)</b></p><p>　　本科生畢業(yè)設(shè)計(jì)(論文)任務(wù)書(shū)</p><p>　　系(教研室)主任批準(zhǔn)</p><p>　　電氣與信息工程 學(xué)部 通信工程 系（教研室） 簽名: </p><p>　　

2、日期: </p><p>　　學(xué)生姓名: 劉禹平 學(xué)號(hào): 200703402203 專(zhuān)業(yè): 通信工程 </p><p>　　設(shè)計(jì)(論文)題目及專(zhuān)題: 基于形態(tài)學(xué)的圖像聚類(lèi)快速分割 </p>

3、<p>　　學(xué)生設(shè)計(jì)(論文)期限:自 1 月 8 日開(kāi)始至 5 月 10 日完成 </p><p>　　設(shè)計(jì)(論文)所用原始資料: (1) 周開(kāi)利等，神經(jīng)網(wǎng)絡(luò)模型及其Matlab仿真程序設(shè)計(jì)，北京：清華大學(xué)出版社，2005年；（2）閆禮文，數(shù)字圖像處理（Matlab版），北京：國(guó)防工業(yè)出版社，2007年；（3）王愛(ài)玲等，MatlabR2007圖像處理技術(shù)與

4、應(yīng)用，北京：電子工業(yè)出版社，2008年；（4）朱虹，數(shù)字圖像處理基礎(chǔ)，北京：科學(xué)出版社，2005年。 </p><p>　　設(shè)計(jì)(論文)完成的主要內(nèi)容: 掌握數(shù)字圖像處理的基本理論和實(shí)現(xiàn)方法，熟悉Matlab圖像處理工具箱編程技術(shù)，找到一

5、種快速確定車(chē)牌在圖像區(qū)域中位置的算法，采用模板匹配的方法對(duì)車(chē)牌號(hào)碼進(jìn)行識(shí)別，并編程實(shí)現(xiàn)汽車(chē)牌照的定位與識(shí)別功能。 </p><p>　　提交設(shè)計(jì)(論文)形式(設(shè)計(jì)說(shuō)明書(shū)與圖紙或論文等)及要求: 提交完整的畢業(yè)論文，給出程序框圖、清單和詳細(xì)說(shuō)明。

6、 </p><p>　　發(fā)題日期: 2009 年 12 月 19 日 </p><p>　　指導(dǎo)老師(簽名): </p><p>　　學(xué) 生(簽名): </p><p><b>　　摘 要</b>

7、</p><p>　　汽車(chē)牌照識(shí)別技術(shù)研究與實(shí)現(xiàn)一直是現(xiàn)代化交通發(fā)展中倍受關(guān)注的問(wèn)題，也是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因素。該文提出一種基于顏色與數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位新方法。首先圖像形態(tài)學(xué)處理，然后進(jìn)行顏色分割，最后進(jìn)行區(qū)域生成，分割并定位車(chē)牌。實(shí)驗(yàn)表明算法效果好，速度快，尤其是進(jìn)行形態(tài)學(xué)處理效果很明顯。并提出了一種基于模板匹配的字符識(shí)別方法，實(shí)現(xiàn)了車(chē)牌字符識(shí)別。</p><p>　　

8、關(guān)鍵詞：車(chē)牌定位；車(chē)牌字符識(shí)別；模板匹配</p><p><b>　　ABSTRACT</b></p><p>　　The research and realization on intelligent vehicle license plate recognition technology plays an important role in the intelli

9、gent control and management of the modern traffic. In the paper, A new method of license plate location Witch based on color and mathematical morphology was proposed.First of all, Mathematical morphology image processin

10、g ,Then Color Segmentation,Finally,Region generation,Segmentation and positioning license plate. Experiment result shows that the algorihm has better eff</p><p>　　Keywords: license plate location; Vehicle li

11、cense plate character recognition; Template matching</p><p><b>　　目 錄</b></p><p><b>　　第一章 前言1</b></p><p>　　第二章 汽車(chē)牌照識(shí)別的研究2</p><p>　　2.1 研究目的和意義

12、2</p><p>　　2.2 國(guó)內(nèi)外研究現(xiàn)狀2</p><p>　　2.3 主要應(yīng)用領(lǐng)域3</p><p>　　第三章 汽車(chē)牌照識(shí)別技術(shù)5</p><p>　　3.1 汽車(chē)牌照的特點(diǎn)5</p><p>　　3.2 汽車(chē)牌照識(shí)別系統(tǒng)的組成5</p><p>　　3.3 圖像預(yù)處理6

13、</p><p>　　3.3.1 圖像灰度化6</p><p>　　3.3.2 二值化7</p><p>　　3.4 車(chē)牌定位8</p><p>　　3.4.1 車(chē)牌粗定位9</p><p>　　3.4.2 車(chē)牌細(xì)定位10</p><p>　　3.5 車(chē)牌分割10</p>

14、<p>　　3.6 字符識(shí)別11</p><p>　　3.7 實(shí)驗(yàn)結(jié)果分析13</p><p><b>　　第四章 結(jié)論15</b></p><p><b>　　參考文獻(xiàn)16</b></p><p><b>　　致謝17</b></p>&

15、lt;p>　　附錄A 源代碼18</p><p><b>　　第一章 前 言</b></p><p>　　隨著21 世紀(jì)經(jīng)濟(jì)全球化和信息時(shí)代的到來(lái)，計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)迅猛發(fā)展，動(dòng)化的信息處理能力和水平不斷提高，并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用，高速度、高效率的生活節(jié)奏，使汽車(chē)普及成為必然趨勢(shì)。</p><p&

16、gt;　　伴隨著世界各國(guó)汽車(chē)數(shù)量的增加，城市交通狀況日益受到人們的重視。如何有效地進(jìn)行交通管理，越來(lái)越成為各國(guó)政府的相關(guān)部門(mén)所關(guān)注的焦點(diǎn)。針對(duì)這一問(wèn)題，人們運(yùn)行先進(jìn)的信息處理技術(shù)、導(dǎo)航定位技術(shù)、無(wú)線(xiàn)通信技術(shù)、自動(dòng)控制技術(shù)、圖像處理和識(shí)別技術(shù)及計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)等科學(xué)技術(shù)，相繼研發(fā)了各種交通道路監(jiān)視管理系統(tǒng)、車(chē)輛控制系統(tǒng)及公共交通系統(tǒng)。這些系統(tǒng)將車(chē)輛和道路綜合起來(lái)進(jìn)行考慮，運(yùn)行各種先進(jìn)的技術(shù)解決道路交通的問(wèn)題，統(tǒng)稱(chēng)為智能交通系統(tǒng)( Intel

17、ligent Transportation System，簡(jiǎn)稱(chēng)ITS)。ITS 是20世紀(jì)90年代興起的新一代交通運(yùn)輸系統(tǒng)。它可以加強(qiáng)道路、車(chē)輛、駕駛員和管理人員的聯(lián)系，實(shí)現(xiàn)道路交通管理自動(dòng)化和車(chē)輛行駛的智能化，增強(qiáng)交通安全，減少交通堵塞，提高運(yùn)輸效率，減少環(huán)境污染，節(jié)約能源，提高經(jīng)濟(jì)活力。智能交通系統(tǒng)以車(chē)輛的自動(dòng)檢測(cè)作為信息的來(lái)源，因而對(duì)汽車(chē)牌照等相關(guān)信息的自動(dòng)采集和處理的一門(mén)新的交通信息獲取技術(shù)——車(chē)牌識(shí)別(License Plat

18、e Recognition ，LPR) 技術(shù)逐漸發(fā)展起來(lái)，成為信息處理技術(shù)的一項(xiàng)重要研究課題。</p><p>　　汽車(chē)牌照自動(dòng)識(shí)別是智能交通管理系統(tǒng)中的關(guān)鍵技術(shù)之一。目前，國(guó)內(nèi)外汽車(chē)牌照的識(shí)別技術(shù)有IC卡識(shí)別技術(shù)、條形碼識(shí)別技術(shù)、圖像處理技術(shù)、人工神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)。采用計(jì)算機(jī)視覺(jué)技術(shù)和圖像處理技術(shù)進(jìn)行車(chē)牌識(shí)別是一個(gè)發(fā)展方向?；跀?shù)字圖像處理的車(chē)牌識(shí)別系統(tǒng)主要由圖像的采集、牌照的定位、字符分割和字符識(shí)別四部分組成

19、。車(chē)牌識(shí)別技術(shù)的任務(wù)是處理、分析攝取的視頻流中復(fù)雜背景的車(chē)輛圖像，牌照字符定位、字符分割，最后自動(dòng)識(shí)別汽車(chē)牌照上的字符。為了保證汽車(chē)車(chē)牌識(shí)別系統(tǒng)在各種復(fù)雜環(huán)境下，能發(fā)揮其應(yīng)有的作用，識(shí)別系統(tǒng)必須滿(mǎn)足以下要求：</p><p>　　(1) 魯棒性: 在任何情況下均能可靠正常地工作，且有較高的正確識(shí)別率。</p><p>　　(2) 實(shí)時(shí)性:不論在汽車(chē)靜止還是高速運(yùn)行情況下，圖像的采集識(shí)別系統(tǒng)

20、必須在一定時(shí)間內(nèi)識(shí)別出車(chē)牌全部字符，達(dá)到實(shí)時(shí)識(shí)別。</p><p>　　本文先提出了一種基于顏色與數(shù)學(xué)形態(tài)學(xué)的定位方法對(duì)車(chē)牌進(jìn)行定位，后采用基于模板匹配的方法對(duì)汽車(chē)牌照的字符識(shí)別進(jìn)行研究。</p><p>　　第二章 汽車(chē)牌照識(shí)別的研究</p><p>　　2.1 研究目的和意義</p><p>　　車(chē)牌識(shí)別LPR是智能交通系統(tǒng)(ITS)的一

21、個(gè)重要組成部分。在社會(huì)生活，治安管理等方面有很大的作用。車(chē)牌識(shí)別技術(shù)的運(yùn)用使得“大輸入小輸出”成為了可能——輸入一幅很大存儲(chǔ)量的圖像，輸出時(shí)僅僅是很小存儲(chǔ)量的數(shù)字，這必然使得其在大量存儲(chǔ)和管理數(shù)據(jù)庫(kù)相連等方面有無(wú)可替代的優(yōu)越性。</p><p>　　2.2 國(guó)內(nèi)外研究現(xiàn)狀</p><p>　　從20世紀(jì)90年代初，國(guó)外就已經(jīng)開(kāi)始了對(duì)汽車(chē)牌照自動(dòng)識(shí)別的研究，其主要途徑就是對(duì)車(chē)牌的圖像進(jìn)行分析

22、，自動(dòng)提取車(chē)牌信息，確定汽車(chē)牌號(hào)。在各種應(yīng)用中，有使用模糊數(shù)學(xué)理論也有用神經(jīng)元網(wǎng)絡(luò)的算法來(lái)識(shí)別車(chē)牌中的字符，但由于外界環(huán)境光線(xiàn)變化、光路中有灰塵、季節(jié)環(huán)境變化及車(chē)牌本身比較模糊等條件的影響，給車(chē)牌的識(shí)別帶來(lái)較大的困難。國(guó)外的相關(guān)研究有：(1)J Barroso提出的基于掃描行高頻分析的方法； (2) I.T. Lancaster提出的類(lèi)字符分析方法等。為了解決圖像惡化的問(wèn)題，目前國(guó)內(nèi)外采用主動(dòng)紅外照明攝像或使用特殊的傳感器來(lái)提高圖像的質(zhì)

23、量，繼而提高識(shí)別率，但系統(tǒng)的投資成本過(guò)大，不適合普遍的推廣。</p><p>　　車(chē)牌識(shí)別系統(tǒng)中的兩個(gè)關(guān)鍵子系統(tǒng)是車(chē)牌定位系統(tǒng)和車(chē)牌字符識(shí)別系統(tǒng)。</p><p>　　關(guān)于車(chē)牌定位系統(tǒng)的研究，國(guó)內(nèi)外學(xué)者已經(jīng)作了大量的工作，但實(shí)際效果并不是很理想，比如車(chē)牌圖像的傾斜、車(chē)牌表面的污穢和磨損、光線(xiàn)的干擾等都是影響定位準(zhǔn)確度的潛在因素。為此，近年來(lái)不少學(xué)者針對(duì)車(chē)牌本身的特點(diǎn)，車(chē)輛拍攝的不良現(xiàn)象及背

24、景的復(fù)雜狀況，先后提出了許多有針對(duì)性的定位方法，使車(chē)牌定位在技術(shù)和方法上都有了很大的改善.然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對(duì)車(chē)牌定位的準(zhǔn)確率和實(shí)時(shí)性提出更高的要求。因而進(jìn)一步加深車(chē)牌定位的研究是非常必要的。</p><p>　　車(chē)牌字符識(shí)別是在車(chē)牌準(zhǔn)確定位的基礎(chǔ)上，對(duì)車(chē)牌上的漢字、字母、數(shù)字進(jìn)行有效確認(rèn)的過(guò)程，其中漢字識(shí)別是一個(gè)難點(diǎn)，許多國(guó)外的LPR系統(tǒng)也往往是因?yàn)闈h字難以識(shí)別而無(wú)法打入中國(guó)市場(chǎng)，因而探尋好

25、的方法解決字符的識(shí)別也是至關(guān)重要的。目前己有的方法很多，但其效果與實(shí)際的要求相差很遠(yuǎn)，難以適應(yīng)現(xiàn)代化交通系統(tǒng)高速度、快節(jié)奏的要求。因而對(duì)字符識(shí)別的進(jìn)一步研究也同樣具有緊迫性和必要性。</p><p>　　從實(shí)用產(chǎn)品來(lái)看，如以色列的Hi-Tech公司研制的多種See/Car system，適應(yīng)于幾個(gè)不同國(guó)家的車(chē)牌識(shí)別，就針對(duì)中國(guó)格式車(chē)牌的See/Car syste而言，它不能識(shí)別漢字，且識(shí)別率有待提高。新加坡Opt

26、asia公司的VLPRS產(chǎn)品，適合于新加坡的車(chē)牌，另外日本、加拿大、德國(guó)、意大利、英國(guó)等西方發(fā)達(dá)國(guó)家都有適合于本國(guó)車(chē)牌的識(shí)別系統(tǒng)。</p><p>　　我國(guó)的實(shí)際情況有所不同，國(guó)外的實(shí)際拍攝條件比較理想，車(chē)牌比較規(guī)范統(tǒng)一，而我國(guó)車(chē)牌規(guī)范不夠，不同汽車(chē)類(lèi)型有不同的規(guī)格、大小和顏色，所以車(chē)牌的顏色多，且位數(shù)不統(tǒng)一，對(duì)處理造成了一定的困難。在待處理的車(chē)牌圖像中就有小功率汽車(chē)使用的藍(lán)底白字牌照，大功率汽車(chē)所用的黃底黑字牌

27、照，軍車(chē)和警車(chē)的白底黑字，紅字牌照，還有國(guó)外駐華機(jī)構(gòu)的黑底白字牌照等。就位數(shù)而言，有七位數(shù)字的，有武警車(chē)九位數(shù)字的，有軍車(chē)、前兩位字符上下排列的等，所以也造成了處理的難度。</p><p>　　國(guó)內(nèi)做得較好的產(chǎn)品主要是中科院自動(dòng)化研究所漢王公司的“漢王眼”，此外國(guó)內(nèi)的亞洲視覺(jué)科技有限公司、深圳市吉通電子有限公司、中智交通電子系統(tǒng)有限公司等都有自己的產(chǎn)品，另外西安交通大學(xué)的圖像處理與識(shí)別研究室、上海交通大學(xué)的計(jì)算機(jī)

28、科學(xué)與工程系、清華大學(xué)、浙江大學(xué)等都做過(guò)類(lèi)似的研究。通常處理時(shí)為了提高系統(tǒng)的識(shí)別率，都采用了一些硬件的探測(cè)器和其他的輔助設(shè)備如紅外照明等，其中“漢王眼”就</p><p>　　是采用主動(dòng)紅外照明和光學(xué)濾波器來(lái)減弱可見(jiàn)光的不可控制影響，減少惡劣氣候和汽車(chē)大小燈光的影響，另外還要求在高速公路管理窗口到“漢王眼”識(shí)別點(diǎn)埋設(shè)兩條線(xiàn)路管</p><p>　　道，一條管道鋪設(shè)220伏50赫茲1安培的交

29、流供電線(xiàn)路:另一條管道鋪設(shè)觸發(fā)信號(hào)線(xiàn)路和漢王眼與管理計(jì)算機(jī)的通訊線(xiàn)路，投資巨大，不適合于大面積的推廣。</p><p>　　另外，還有兩種專(zhuān)門(mén)的技術(shù)被用于車(chē)牌的識(shí)別中，條形碼識(shí)別技術(shù)和無(wú)線(xiàn)射頻技術(shù)。條形碼識(shí)別要求預(yù)先在車(chē)身上印刷條形碼，在系統(tǒng)的某一固定位置上安裝掃描設(shè)備，通過(guò)掃描來(lái)讀取條形碼，以達(dá)到識(shí)別車(chē)輛的目的。無(wú)線(xiàn)射頻技術(shù)要求在車(chē)內(nèi)安裝標(biāo)示卡，在系統(tǒng)某一位置安裝收發(fā)器等裝置，通過(guò)收發(fā)器來(lái)接受標(biāo)示卡的信號(hào)，從而

30、識(shí)別出經(jīng)過(guò)的車(chē)輛。顯然，這兩種技術(shù)更難以推廣。</p><p>　　從目前一些產(chǎn)品的性能指標(biāo)可以看出，車(chē)牌識(shí)別系統(tǒng)的識(shí)別率和識(shí)別速度有待提高?，F(xiàn)代交通的飛速發(fā)展以及車(chē)牌識(shí)別系統(tǒng)應(yīng)用范圍的日益拓寬給車(chē)牌識(shí)別系統(tǒng)提出了更高的要求。因此，研究高速、準(zhǔn)確的定位與識(shí)別算法是當(dāng)前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計(jì)算機(jī)性能的提高都會(huì)促進(jìn)車(chē)牌識(shí)別技術(shù)的發(fā)展，提高車(chē)牌識(shí)別系統(tǒng)的性能。 </p><p

31、>　　2.3 主要應(yīng)用領(lǐng)域</p><p>　　車(chē)牌自動(dòng)識(shí)別系統(tǒng)具有廣泛的應(yīng)用范圍，主要應(yīng)用于：(1)高速公路收費(fèi)、監(jiān)控管理；(2)小區(qū)、停車(chē)場(chǎng)管理；(3)城市道路監(jiān)控、違章管理；(4)車(chē)牌登錄、驗(yàn)證；(5)車(chē)流統(tǒng)計(jì)、安全管理等。車(chē)牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于這些系統(tǒng)，可以解決通緝車(chē)輛的自動(dòng)稽查問(wèn)題，可以解決車(chē)流高峰期因出入口車(chē)流瓶頸造成的路橋卡口、停車(chē)場(chǎng)交通堵塞問(wèn)題，可以解決因工作人員作弊造成的路橋卡口、高速公路

32、、停車(chē)場(chǎng)應(yīng)收款流失的問(wèn)題，還可以以最簡(jiǎn)單的方式完成交通部門(mén)的車(chē)輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計(jì)自動(dòng)化，模糊查詢(xún)的問(wèn)題。車(chē)牌自動(dòng)識(shí)別系統(tǒng)可安裝于公路收費(fèi)站、停車(chē)場(chǎng)、十字路口等交通關(guān)卡處，其具體應(yīng)用可概括為：</p><p>　　(l)交通監(jiān)控利用車(chē)牌識(shí)別系統(tǒng)的攝像設(shè)備，可以直接監(jiān)視相應(yīng)路段的交通狀況，獲得車(chē)輛密度、隊(duì)長(zhǎng)、排隊(duì)規(guī)模等交通信息，防范和觀(guān)察交通事故。它還可以同雷達(dá)測(cè)速器或其他的檢測(cè)器配合使用，以檢測(cè)違犯限速值的車(chē)

33、輛。當(dāng)發(fā)現(xiàn)車(chē)輛超速時(shí)，攝像機(jī)獲取該車(chē)的圖像，并得到該車(chē)的牌照號(hào)碼，然后給該車(chē)超速的警告信號(hào)。</p><p>　　(2)交通流控制指標(biāo)參量的測(cè)量，為達(dá)到交通流控制的目標(biāo)，一些交通流指標(biāo)的測(cè)量相當(dāng)重要。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)流率，總行程時(shí)間，總的流入量流出量，車(chē)型及車(chē)流組成，日車(chē)流量，小時(shí)/分鐘車(chē)流量，車(chē)流高峰時(shí)間段，平均車(chē)速，車(chē)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。<

34、/p><p>　　(3)高速公路上的事故自動(dòng)測(cè)報(bào)這是由于該系統(tǒng)能夠監(jiān)視道路情況和測(cè)量交通流量指標(biāo)，能及時(shí)發(fā)現(xiàn)超速、堵車(chē)、排隊(duì)、事故等交通異?，F(xiàn)象。</p><p>　　(4)對(duì)養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營(yíng)管理實(shí)行不停車(chē)檢查根據(jù)識(shí)別出的車(chē)牌號(hào)碼從數(shù)據(jù)庫(kù)中調(diào)出該車(chē)檔案材料，可發(fā)現(xiàn)沒(méi)及時(shí)交納養(yǎng)路費(fèi)的車(chē)輛。另外，該系系統(tǒng)還可發(fā)現(xiàn)無(wú)車(chē)牌的車(chē)輛。若同車(chē)型檢測(cè)器聯(lián)用，可迅速發(fā)現(xiàn)所掛車(chē)牌與車(chē)型不符的車(chē)輛。<

35、;/p><p>　　(5)車(chē)輛定位由于能自動(dòng)識(shí)別車(chē)牌號(hào)碼，因而極易發(fā)現(xiàn)被盜車(chē)輛，以及定位出車(chē)輛在道路上的行駛位置。這為防范、發(fā)現(xiàn)和追蹤涉及車(chē)輛的犯罪，保護(hù)重要車(chē)輛(如運(yùn)鈔車(chē))的安全有重大作用，從而對(duì)城市治安及交通安全有重要的保障作用。</p><p>　　車(chē)牌自動(dòng)識(shí)別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個(gè)街口都裝配一套全新的車(chē)輛探測(cè)器的硬件系統(tǒng)則投資巨大，所以急需一個(gè)純軟件實(shí)行的車(chē)牌自動(dòng)識(shí)別系統(tǒng)來(lái)

36、最大限度的減少費(fèi)用，而純軟件的設(shè)計(jì)，不僅投資小而且靈活性高，適合我國(guó)的國(guó)情。 </p><p>　　第三章 汽車(chē)牌照識(shí)別技術(shù)</p><p>　　3.1 汽車(chē)牌照的特點(diǎn)</p><p>　　目前國(guó)內(nèi)汽車(chē)牌照有六種類(lèi)型：①大型民用汽車(chē)所用的黃底黑字牌照；②小型民用汽車(chē)所用的藍(lán)底白字牌照；③軍隊(duì)或武警專(zhuān)用汽車(chē)的白底紅字、黑字牌照；④使、領(lǐng)館外籍汽車(chē)的黑底白字牌照；⑤

37、試車(chē)和臨時(shí)牌照是白底紅字，且數(shù)字前分別標(biāo)有“試”和“臨時(shí)”字標(biāo)志；⑥汽車(chē)補(bǔ)用牌照是白底黑字，對(duì)于車(chē)前牌照，其尺寸均為44cm長(zhǎng)，14cm寬，共有7個(gè)或8個(gè)字符。民用汽車(chē)牌照上有省、直轄市、自治區(qū)的名稱(chēng)和發(fā)證照及監(jiān)督機(jī)關(guān)的盜代號(hào)，編號(hào)是英文大寫(xiě)字母。接著是一個(gè)點(diǎn)“·”，后面的汽車(chē)編號(hào)，一般為5位數(shù)字，即從00001~99999。編號(hào)超過(guò)10萬(wàn)時(shí)，就由A、B、C等英文字母代替，第三個(gè)字符可能是英文字母，也可能是阿拉伯?dāng)?shù)字，第四至第

38、七個(gè)字符均為阿拉伯?dāng)?shù)字。</p><p>　　從人的視覺(jué)特點(diǎn)出發(fā)，車(chē)牌目標(biāo)區(qū)域具有如下特點(diǎn)：①車(chē)牌底色往往與車(chē)身顏色、字符顏色有較大差異；②車(chē)牌有一個(gè)連續(xù)或由于磨損而不連續(xù)的邊框，車(chē)牌內(nèi)字符有多個(gè)，基本呈水平排列，所以在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征；③車(chē)牌內(nèi)字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變，而字符本身與牌照底的內(nèi)部都有較均勻灰度；④不同圖像中牌照的具體大小、位置不

39、確定，但其長(zhǎng)度比變化有一定范圍，存在一個(gè)最大和最小長(zhǎng)度比。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。</p><p>　　3.2 汽車(chē)牌照識(shí)別系統(tǒng)的組成</p><p>　　汽車(chē)牌照識(shí)別（LPR）系統(tǒng)通過(guò)引入數(shù)字?jǐn)z像技術(shù)和計(jì)算機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)圖像的采集和處理，獲得更多的信息，從而達(dá)到更高的智能化管理程度。在LPR 系統(tǒng)產(chǎn)品的性能指

40、標(biāo)中，識(shí)別率和識(shí)別速度難以同時(shí)提高其中原因既包括圖像處理技術(shù)不夠成熟，又受到攝像設(shè)備計(jì)算機(jī)等性能的限制。因此，研究高速準(zhǔn)確的定位與識(shí)別算法，是當(dāng)前的主要任務(wù)。</p><p>　　車(chē)輛牌照識(shí)別系統(tǒng)一般可按順序分為車(chē)輛圖像采集、圖像預(yù)處理、車(chē)牌定位、字符分割與識(shí)別五大部分。如下圖所示。</p><p>　　圖3.1 車(chē)輛牌照識(shí)別系統(tǒng)</p><p>　　在第一部分圖像

41、采集中，主要通過(guò)CCD 攝像頭與計(jì)算機(jī)的視頻捕捉卡直接相連來(lái)完成圖像采集，可以實(shí)時(shí)在監(jiān)控圖像中抓取到含有車(chē)輛的圖像。該部分功能可簡(jiǎn)單調(diào)用計(jì)算機(jī)視頻捕捉卡廠(chǎng)商提供的各種軟件開(kāi)發(fā)包工具即可實(shí)現(xiàn)。</p><p>　　汽車(chē)牌照識(shí)別（LPR）系統(tǒng)的關(guān)鍵在于后四部分。首先要對(duì)采集到的圖像進(jìn)行預(yù)處理，而牌照定位又決定其后的車(chē)牌字符識(shí)別，因此牌照定位是車(chē)牌識(shí)別系統(tǒng)的關(guān)鍵的關(guān)鍵，牌照定位就是從包含整個(gè)車(chē)輛的圖像中找到牌照區(qū)域的位

42、置。</p><p>　　目前，已經(jīng)提出了很多種方法，一個(gè)共同的出發(fā)點(diǎn)是：通過(guò)牌照區(qū)域的特征來(lái)判斷牌照，利用的車(chē)牌特征主要包括：車(chē)牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)“特征”、車(chē)牌的幾何特征、車(chē)牌區(qū)域的灰度分布特征、車(chē)牌區(qū)域水平或垂直投影特征、車(chē)牌形狀特征和頻譜特征。</p><p><b>　　3.3 圖像預(yù)處理</b></p><p>　　根據(jù)三基

43、色原理，世界上任何色彩都可以由紅綠藍(lán)（RGB）三色不同比例的混合來(lái)表示，如果紅綠藍(lán)（RGB）三個(gè)信號(hào)分別由一個(gè)字節(jié)表示，則該圖像顏色位數(shù)就達(dá)到二十四位真彩，也就是說(shuō)在二十四位真彩的數(shù)字圖像中每個(gè)像素點(diǎn)由三個(gè)字節(jié)來(lái)表示，根據(jù)數(shù)字圖像水平和垂直方向像素點(diǎn)數(shù)（即圖像分辨率）可計(jì)算出一幅圖像實(shí)際位圖大小。事實(shí)上，在車(chē)牌自動(dòng)識(shí)別系統(tǒng)中車(chē)輛圖像是通過(guò)圖像采集卡將運(yùn)動(dòng)的車(chē)輛圖像抓拍下來(lái)，并以位圖的格式存放在系統(tǒng)內(nèi)存中。這時(shí)的車(chē)輛常會(huì)因?yàn)楦鞣N各樣的原因

44、使得所拍攝的車(chē)輛圖像效果不理想，但我們可以對(duì)車(chē)輛圖像根據(jù)不同應(yīng)用特點(diǎn)進(jìn)行識(shí)別前的預(yù)處理，盡最大可能提高車(chē)牌正確識(shí)別率，這些圖像預(yù)處理包括圖像平滑、傾斜校正、灰度修正等。</p><p>　　3.3.1 圖像灰度化</p><p>　　汽車(chē)圖像樣本，目前大都是通過(guò)攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。真彩色圖像又稱(chēng)RGB圖像，它是利用R, G, B3個(gè)分量表示一個(gè)

45、像素的顏色，R, G, B分別代表紅、綠、藍(lán)3種不同的顏色，通過(guò)三基色可以合成出任意顏色。所以對(duì)一個(gè)尺寸為m*n的彩色圖像來(lái)說(shuō)，存儲(chǔ)為一個(gè)二m*n*3的多維數(shù)組。如果需要知道圖像A中(x, y)處的像素RGB值，則可以使用這樣的代碼A (x, y,1: 3)。</p><p>　　彩色圖像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷(xiāo)很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度。由于圖像的每個(gè)象素都具有三個(gè)不同的顏色分t，存

46、在許多與識(shí)別無(wú)關(guān)的信息，不便于進(jìn)一步的識(shí)別工作，因此在對(duì)圖像進(jìn)行識(shí)別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。</p><p>　　數(shù)字圖像分為彩色圖像和灰度圖像。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(guò)程叫做灰度化處理。灰度圖像就是只有強(qiáng)度信息，而沒(méi)有顏色信息的圖像，存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩陣，矩陣的每個(gè)元素表示對(duì)應(yīng)位置的像素的灰

47、度值。彩色圖像的象素色為RGB (R, G, B )，灰度圖像的象素色為RGB ( r, r, r ), R, G, B可由彩色圖像的顏色分解獲得.而R, G, B</p><p>　　的取值范圍是0-255,所以灰度的級(jí)別只有256級(jí)?；叶然奶幚矸椒ㄖ饕腥缦氯N:</p><p>　　(1)最大值法:使R. G, B的值等于三值中最大的一個(gè)，即</p><p>

48、;　　R=G=B=max(R,G,B) (3.1)</p><p>　　(2)平均值法:使R, G, B的值值等于三值和的平均值，即</p><p>　　R=G=B= (3.2)</p><p>　　(3)加權(quán)平均值法:根據(jù)重要性或其它指標(biāo)給R, G, B賦予不同的權(quán)值，并使R, G,

49、 B等于它們的值的加權(quán)和平均，即</p><p>　　R=G=B= (3.3)</p><p>　　其中Wr Wc,Wa，分別為R, G, B的權(quán)值。由于人眼對(duì)綠色的敏感度最高，對(duì)紅色的敏感度次之，對(duì)藍(lán)色的敏感度最低，當(dāng)Wr=0.30, Wa=0.59, Wc=0.11時(shí)，能得到最合理的灰度圖像。

50、 </p><p>　　圖3.2 原圖像 圖3.3 灰度化后的圖像</p><p><b>　　3.3.2 二值化</b></p><p>　　圖像二值化是指整幅圖像畫(huà)面內(nèi)僅黑、白二值的圖像。在數(shù)字圖像處理中二值圖像占有很重要的地

51、位。這是因?yàn)椋环矫?，有些需要處理的如文字圖像、指紋圖像、工程圖紙等圖像本身是二值的；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理（即灰度圖像的二值化）。這是考慮到在實(shí)用系統(tǒng)中，要求處理的速度高、成本低、信息量大的濃淡圖像處理的花銷(xiāo)大。此外二值化的圖像能夠用幾何學(xué)中的概念進(jìn)行分析和特征描述，比灰度圖像優(yōu)勢(shì)大得多。</p><p>　　在實(shí)際的車(chē)牌處理系統(tǒng)中，進(jìn)行圖像二值化的關(guān)

52、鍵使確定合適的閾值，使得字符與背景能夠分割開(kāi)來(lái)，而且二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外的空缺等。同時(shí)車(chē)牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大提高處理效率[1]。</p><p>　　二值化的關(guān)鍵是找到合適的閾值t來(lái)區(qū)分對(duì)象和背景。設(shè)原灰度圖像為f(x,y)，二值化后的圖像為g(x,y),二值化的過(guò)程表示如下：</p>&l

53、t;p>　　0 f(x,y)<t</p><p>　　g(x,y)= (3.4)</p><p>　　255 f(x,y)>t</p><p>　　二值化，基于實(shí)時(shí)性的要求，我力求尋找一種快速而且效果較好的方法，能夠更有針對(duì)

54、性的解決在不同條件下牌照?qǐng)D像的二值化問(wèn)題。求解閾值的方法很多，微分直方圖法、最大方差法、基于灰度的數(shù)學(xué)期望的方法、可變閾值法等。我們采用最簡(jiǎn)單的方法，當(dāng)象素灰度級(jí)低于常數(shù)C時(shí)，[0-C]象素灰度為0，[C-255]象素灰度為255。</p><p><b>　　3.4 車(chē)牌定位</b></p><p>　　車(chē)牌圖像往往是在復(fù)雜的環(huán)境中拍攝得到的，車(chē)牌由于與復(fù)雜的車(chē)身背

55、景融為一體，由于車(chē)牌在使用中磨損與灰塵及拍攝儀器的影響以及由于拍攝角度的不同，車(chē)牌在圖像中往往有很大的形變，如何在復(fù)雜背景中準(zhǔn)確、快速找出車(chē)牌的位置成為車(chē)牌識(shí)別中的難點(diǎn)[2]。</p><p>　　目前已有不少學(xué)者在這方面進(jìn)行了研究?？偨Y(jié)起來(lái)主要有如下幾類(lèi)方法：</p><p>　　(1) 基于水平灰度變化特征的方法，這種方法主要在車(chē)牌定位以前， 需要對(duì)圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換為灰度

56、圖像，利用車(chē)牌區(qū)域水平方向的紋理特征進(jìn)行車(chē)牌定位；</p><p>　　(2) 基于邊緣檢測(cè)的定位方法，這種方法是利用車(chē)牌區(qū)域豐富的邊緣特征進(jìn)行車(chē)牌定位[3]，能夠進(jìn)行檢測(cè)的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測(cè)；</p><p>　　(3) 基于車(chē)牌顏色特征的定位方法，這種方法主要是應(yīng)用車(chē)牌的紋理特征、形狀特征和顏色特征即利用車(chē)

57、牌字符和車(chē)牌底色具有明顯的反差特征來(lái)排除干擾進(jìn)行車(chē)牌的定位；</p><p>　　(4) 基于Hough 變換的車(chē)牌定位方法，這種方法是利用車(chē)牌邊框的幾何特征，采取尋找車(chē)牌邊框直線(xiàn)的方法進(jìn)行車(chē)牌定位；</p><p>　　(5) 基于變換域的車(chē)牌定位方法，這種方法是將圖像從空域變換到頻域進(jìn)行分析，例如采用小波變換等；</p><p>　　(6) 基于數(shù)學(xué)形態(tài)學(xué)的車(chē)牌

58、定位方法，這種方法是利用數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想，利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)一個(gè)圖像， 看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。腐蝕、膨脹、開(kāi)啟和關(guān)閉是數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算。</p><p>　　這些方法各有優(yōu)缺點(diǎn)，要實(shí)現(xiàn)快速、準(zhǔn)確地定位車(chē)牌，應(yīng)該綜合利用車(chē)牌的各種特征，僅靠單一特征很難奏效。本文結(jié)合車(chē)牌紋顏色與數(shù)學(xué)形態(tài)學(xué)兩方面的特征對(duì)車(chē)牌進(jìn)行定位，對(duì)于提高車(chē)牌定位準(zhǔn)確率提供更

59、有利的保障。該方法包括牌照區(qū)域的粗定位和細(xì)定位兩個(gè)步驟。在粗定位階段中采用了基于數(shù)學(xué)形態(tài)學(xué)的定位方法，在得到定位圖像后進(jìn)行細(xì)定位，在細(xì)定位中采用車(chē)牌顏色特征的方法以獲得最后定位圖像。本方法對(duì)在多種光照條件下采集的車(chē)輛牌照?qǐng)D像、車(chē)牌本身不潔、或者牌照存在傾斜和扭曲等情形，均能取得較好的定位效果。</p><p>　　3.4.1 車(chē)牌粗定位</p><p>　　由攝像機(jī)采集的彩色車(chē)輛圖像首先轉(zhuǎn)

60、化為灰度圖像，經(jīng)過(guò)灰度均衡變換、Sobe1邊緣強(qiáng)化，其邊緣得到了勾勒和加強(qiáng)。這里選用的是數(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(jiǎn)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(lái)去除對(duì)象中不相干的小對(duì)象。</p><p>　　圖3.4 對(duì)車(chē)牌

61、位置粗定位</p><p>　　3.4.2 車(chē)牌細(xì)定位</p><p>　　在獲得車(chē)牌粗定位后，利用車(chē)牌的彩色信息的彩色分割方法。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)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(chē)牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終

62、確定完整的車(chē)牌區(qū)域。</p><p>　　圖3.5 定位后的車(chē)牌</p><p><b>　　3.5 車(chē)牌分割</b></p><p>　　車(chē)牌圖像的分割即把車(chē)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(shí)別。車(chē)牌分割的難點(diǎn)在于噪聲合字符粘連，斷裂對(duì)字符的影響。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

63、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(xiàn)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?chē)呐R近像素。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。</p><p>　　圖3.6 對(duì)定位后的車(chē)牌進(jìn)一步處理</p><p>　　在汽車(chē)牌照自動(dòng)識(shí)別過(guò)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

64、符識(shí)別。字符識(shí)別的算法很多，因?yàn)檐?chē)牌字符間間隔較大，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(zhǎng)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><p>　　圖3.7 分割出來(lái)的7個(gè)字符</p><p>　　一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處理，以滿(mǎn)足下一步字符識(shí)別的需要。但是對(duì)于車(chē)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[4]。在此只進(jìn)行了

65、歸一化處理，然后進(jìn)行后期處理。</p><p>　　圖3.8 歸一化處理后的7個(gè)字符</p><p><b>　　3.6 字符識(shí)別</b></p><p>　　車(chē)牌字符識(shí)別方法基于模式識(shí)別理論，主要有：</p><p><b>　　(1) 統(tǒng)計(jì)識(shí)別；</b></p><p>

66、<b>　　(2) 結(jié)構(gòu)識(shí)別；</b></p><p>　　(3) 基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別；</p><p>　　(4) 基于模板匹配的字符識(shí)別。</p><p>　　由于汽車(chē)車(chē)牌圖像所處成像環(huán)境復(fù)雜多變很難采集到一個(gè)完整的有代表性原始圖像集作為統(tǒng)計(jì)分析的基礎(chǔ)，因此統(tǒng)計(jì)方法難于實(shí)現(xiàn)。另外車(chē)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(lài)于字

67、體結(jié)構(gòu)完整性的結(jié)構(gòu)識(shí)別方法所提取的特征會(huì)不準(zhǔn)確，識(shí)別結(jié)果的誤識(shí)率也高。因此實(shí)際用于車(chē)牌識(shí)別的方法主要是后兩類(lèi)。</p><p>　　基于神經(jīng)網(wǎng)絡(luò)的字符識(shí)別方法，具有良好的容錯(cuò)能力，分類(lèi)能力和并行處理能力及自我學(xué)習(xí)能力，應(yīng)用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模式識(shí)別，運(yùn)行速度快，自適應(yīng)好，分辨率高。對(duì)信息復(fù)雜、背景不清楚、推理不明確的問(wèn)題尤為有利。但人工神經(jīng)網(wǎng)絡(luò)為了保證系統(tǒng)高識(shí)別率也需要大量樣本，通過(guò)學(xué)習(xí)獲取知識(shí)并改進(jìn)自身性能。當(dāng)學(xué)習(xí)系

68、統(tǒng)所處環(huán)境平穩(wěn)時(shí)(統(tǒng)計(jì)特性不隨時(shí)間變化)，神經(jīng)網(wǎng)絡(luò)可以學(xué)到這些環(huán)境統(tǒng)計(jì)特性，作為經(jīng)驗(yàn)記住。</p><p>　　基于模板匹配的字符識(shí)別方法，相對(duì)算法簡(jiǎn)單，速度較快，得到了廣泛應(yīng)用?；谀０迤ヅ涞淖址R(shí)別方法主要有：簡(jiǎn)單模板匹配，外圍輪廓匹配，投影序列特征匹配，外圍輪廓投影匹配，基于Hausdorff距離的模板匹配等等[5]。本文采用了基于模板匹配的字符識(shí)別方法。</p><p>　　基于模

69、板匹配的OCR的基本過(guò)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(kù)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。</p><p>　　圖3.9 字符識(shí)別流程圖</p><p>　　模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)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(chē)牌字符識(shí)別的主要方法。</p>

70、<p>　　模板匹配是圖象識(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(lèi)。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(lèi)。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，

71、使得圖象的灰度或像素點(diǎn)的位置發(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(lèi)似區(qū)域之間的差別，并將容易由處理過(guò)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(lái)構(gòu)建模板，就可以避免上述問(wèn)題。</p><p>　　本文采用相減的方法來(lái)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(chē)牌照的字符一般有七個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，或是軍

72、種、警別等有特定含義的字符簡(jiǎn)稱(chēng)；緊接其后的為字母與數(shù)字。車(chē)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(xiě)英文字母26個(gè)，數(shù)字10個(gè)。所以建立字符模板庫(kù)也極為方便。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車(chē)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

73、匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識(shí)別出來(lái)的結(jié)果。識(shí)別結(jié)果如圖3.10所示。</p><p>　　圖3.10 字符識(shí)別效果圖</p><p>　　3.7 實(shí)驗(yàn)結(jié)果分析</p><p>　　本文以MATLAB6.5.1為實(shí)驗(yàn)平臺(tái)，以攝取的彩色車(chē)牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)的最終結(jié)果如圖3.10所示。</p><p>　

74、　在得到這個(gè)結(jié)果之前，需要對(duì)車(chē)牌圖像進(jìn)行預(yù)處理、車(chē)牌定位、車(chē)牌分割等處理。</p><p>　　由于攝像部分多工作于開(kāi)放的戶(hù)外環(huán)境，加之車(chē)輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車(chē)輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。預(yù)處理包括灰度化、車(chē)牌校正、平滑處理等。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)

75、態(tài)范圍擴(kuò)展和對(duì)比度增強(qiáng)，再進(jìn)行定位和分割，這樣可以提高分割的正確率。在本文中根據(jù)采集到的圖像本身的特點(diǎn)，對(duì)它進(jìn)行了灰度化的處理。因?yàn)椴噬珗D像包含著大量的顏色信息，不但在存儲(chǔ)上開(kāi)銷(xiāo)很大，而且在處理上也會(huì)降低系統(tǒng)的執(zhí)行速度，因此將彩色圖像轉(zhuǎn)化為灰度圖像，以縮短處理速度。灰度化后的圖像如圖3.3所示。圖像中車(chē)輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。

76、正是由于牌照?qǐng)D象的這些特點(diǎn)，再經(jīng)過(guò)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(duì)其邊緣提取，此處邊緣的提取采用的是Roberts算子。效果如圖3.4中的第一幅圖。</p><p>　　在定位模塊。本文采用的是車(chē)牌顏色與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。首先，將預(yù)處理后的圖像用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行處理。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)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)。本文中對(duì)圖像進(jìn)行了腐蝕、平滑處理

77、，腐蝕和平滑都具有濾波的作用，腐蝕是對(duì)圖像內(nèi)部做濾波處理，平滑是對(duì)噪聲進(jìn)行濾波。這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。最后還用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。效果如圖3.4。再根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法，先確定行方向的車(chē)牌區(qū)域，再確定列方向的區(qū)域，得出最終的車(chē)牌區(qū)域，如圖3.5。</p><p>　　車(chē)牌分割即

78、把車(chē)牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其難點(diǎn)在于噪聲合字符粘連，斷裂對(duì)字符的影響，因此必須先將定位后的車(chē)牌進(jìn)一步處理。包括灰度化、二值化、均值濾波、膨脹或腐蝕處理，效果如圖3.6所示。分割采用的方法為尋找連續(xù)有文字的塊，若長(zhǎng)度大于某閾值T，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。分割效果圖如圖3.6所示。為滿(mǎn)足下一步字符識(shí)別的需要，將分割后的字符歸一化，如圖3.7。</p><p>　　最后將分割出來(lái)

79、的字符運(yùn)用模板匹配的方法與模板字符進(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，然后找數(shù)值最大的，即為識(shí)別出來(lái)的結(jié)果。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。識(shí)別結(jié)果如圖3.10所示。</p><p>　　對(duì)于識(shí)別錯(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

80、，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(lèi)識(shí)別能力更好的特征值和設(shè)計(jì)分類(lèi)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><p><b>　　第四章 結(jié) 論</b></p><p>　　高速公路、城市

81、交通、停車(chē)場(chǎng)等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和車(chē)輛管理體制的不斷完善，為以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的智能交通管理系統(tǒng)的實(shí)際應(yīng)用提供了契機(jī)。在智能交通系統(tǒng)中，車(chē)牌自動(dòng)識(shí)別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開(kāi)始的收費(fèi)輔助系統(tǒng)演變過(guò)來(lái)的車(chē)牌識(shí)別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來(lái)越廣。它在車(chē)輛過(guò)路、過(guò)橋全自動(dòng)不停車(chē)收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車(chē)輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車(chē)檢查，車(chē)輛定位，汽車(chē)防盜，稽查和追蹤車(chē)輛違規(guī)、違法行為，維護(hù)交通安全和

82、城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實(shí)應(yīng)用意義。</p><p>　　本文主要解決了以下幾個(gè)問(wèn)題：一、在背景的圖象中如何定位分割牌照區(qū)域；二、對(duì)分割下來(lái)的牌照字符如何提取具有分類(lèi)能力的特征；三、如何設(shè)計(jì)識(shí)別器。在車(chē)輛牌照字符識(shí)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(shí)別技術(shù)和方法，從這些新技術(shù)和方法中可以看到兩個(gè)明顯的趨勢(shì)：一是單一的預(yù)處理和識(shí)別技術(shù)都無(wú)

83、法達(dá)到理想的結(jié)果，多種方法的有機(jī)結(jié)合才能使系統(tǒng)有效識(shí)別能力提高。在本系統(tǒng)的設(shè)計(jì)時(shí)，也汲取了以上一些算法的思想，結(jié)合實(shí)際，反復(fù)比較，綜合分析；二是在有效性和實(shí)用的原則下，結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個(gè)方向。</p><p>　　雖然系統(tǒng)本身還存在許多不足，距離具體實(shí)用的要求仍有很大差距，但我卻在這次課程設(shè)計(jì)中學(xué)到了很多知識(shí)。</p><p><b>　　參 考 文

84、 獻(xiàn)</b></p><p>　　[1] 葉晨洲，廖金周. 一種基于紋理的牌照?qǐng)D象二值化方法[J]. 微型電腦應(yīng)用，1999(6)：28-29</p><p>　　[2] 袁志偉，潘曉露. 車(chē)輛牌照定位的算法研究[J]. 昆明理工大學(xué)學(xué)報(bào)，2001，26(2)： 56-60</p><p>　　[3] 郁梅等. 基于視覺(jué)的車(chē)輛牌照檢測(cè)[J]. 計(jì)算機(jī)應(yīng)用

85、研究，1999(5)：65-67</p><p>　　[4] 張引，潘云鶴. 面向車(chē)輛牌照字符識(shí)別的預(yù)處理算法[J]. 計(jì)算機(jī)應(yīng)用研究，1999(7)： 85-87</p><p>　　[5] 葉晨洲等. 車(chē)輛牌照字符識(shí)別系統(tǒng)[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，1999(5): 10-13</p><p>　　[6] 孫增祈. 智能控制理論與技術(shù)[M]. 北京：清華大學(xué)出版社

86、，1999</p><p>　　[7] 蔣先剛. 基于Delphi的數(shù)字圖像處理工程軟件設(shè)計(jì)[J]. 中國(guó)水利水電出版社，2006：179- 181</p><p>　　[8] 胡小鋒，趙輝. Visual C + + /MATLAB 圖像處理與識(shí)別[M]. 北京：人民郵電出版社，2004</p><p>　　[9] 岡薩雷斯. 數(shù)字圖像處理（第二版）[M]. 北京

87、：電子工業(yè)出版社，2007</p><p>　　[10] D. S. Kim and S. I. Chien,. Automatic car license plate extraction using modified generalized symmetry transform and image warp ing[ J ]. in Proc. IEEE Int. Symp. Industrial Elec2

88、tronics, vol. 3, 2001, pp. 2022 - 2027</p><p><b>　　致 謝</b></p><p>　　時(shí)光匆匆如流水，轉(zhuǎn)眼便是大學(xué)畢業(yè)時(shí)節(jié)，春夢(mèng)秋云，聚散真容易。離校日期已日趨臨近，畢業(yè)論文的完成也隨之進(jìn)入了尾聲。此時(shí)，回頭想想這段求學(xué)路，時(shí)而喜悅，時(shí)而惆悵。在這個(gè)美麗的校園里，原本天真幼稚的我如今已蛻變成一個(gè)睿智、沉穩(wěn)的青年

89、，感謝命運(yùn)的安排，讓我有幸結(jié)識(shí)了許多良師益友，是他們教我如何品味人生，讓我懂得如何更好的生活！人生處處是驛站，已是揮手作別之時(shí)，在此，向所有幫助過(guò)我的人獻(xiàn)上我最誠(chéng)摯的謝意！</p><p>　　“飲其流時(shí)思其源，成吾學(xué)時(shí)念吾師?！敝链苏撐耐瓿芍H，謹(jǐn)向我尊敬的指導(dǎo)老師xx教授致以誠(chéng)摯的謝意和崇高的敬意。從選題、定題、撰寫(xiě)提綱，到論文的反復(fù)修改、潤(rùn)色直至定稿，xx老師始終認(rèn)真負(fù)責(zé)地給予我深刻而細(xì)致地指導(dǎo)，使我受益匪

90、淺。除了敬佩xx教授的專(zhuān)業(yè)水平外，他的治學(xué)嚴(yán)謹(jǐn)和科學(xué)研究的精神也是我永遠(yuǎn)學(xué)習(xí)的榜樣，并將積極影響我今后的學(xué)習(xí)和工作。</p><p>　　其次要感謝我的班主任xx老師和大學(xué)四年中給我們授課的所有老師們，是他們的悉心教導(dǎo)和精心栽培，讓我掌握了很多專(zhuān)業(yè)知識(shí)，為將來(lái)的工作打下了良好的基礎(chǔ)。</p><p>　　還要感謝我的父母，給予我生命并竭盡全力給予了我接受教育的機(jī)會(huì)，他們給我生活上的關(guān)懷和精

91、神上的鼓勵(lì)是我學(xué)習(xí)的動(dòng)力。</p><p>　　最后，感謝我的同學(xué)和朋友們，謝謝他們陪伴我成長(zhǎng)，給我鼓勵(lì)和幫助。</p><p>　　謝謝所有關(guān)心我的人！</p><p><b>　　附錄A：源代碼</b></p><p><b>　　主函數(shù)：</b></p><p>　　c

92、lose all;</p><p><b>　　clc;</b></p><p>　　I=imread(' C:\Documents and Settings\X\桌面\車(chē)牌識(shí)別\程序與圖像\car2.jpg');</p><p>　　figure(1),imshow(I);title('原圖')</p&g

93、t;<p>　　I1=rgb2gray(I); %灰度化</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>

94、　　I2=edge(I1,'robert',0.15,'both'); %邊緣檢測(cè)</p><p>　　se=[1;1;1];</p><p>　　I3=imerode(I2,se); %腐蝕</p><p>　　se=strel('rectangle',[25,25]);</p><p&g

95、t;　　I4=imclose(I3,se); %閉運(yùn)算</p><p>　　I5=bwareaopen(I4,2000); %計(jì)算圖像中的目標(biāo)區(qū)域</p><p>　　figure(3),subplot(221);imshow(I2);title('robert算子邊緣檢測(cè)');</p><p>　　subplot(222);imshow(I3)

96、;title('腐蝕后圖像');</p><p>　　subplot(223);imshow(I4);title('平滑圖像的輪廓');</p><p>　　subplot(224);imshow(I5);title('從對(duì)象中移除小對(duì)象');</p><p>　　[y,x,z]=size(I5);</p>

97、<p>　　myI=double(I5);</p><p><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><

98、/p><p>　　if(myI(i,j,1)==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>　　end </p><p><b>　　end</b>

99、;</p><p>　　[temp MaxY]=max(Blue_y);%Y方向車(chē)牌區(qū)域確定</p><p><b>　　PY1=MaxY;</b></p><p>　　while ((Blue_y(PY1,1)>=5)&&(PY1>1))</p><p>　　PY1=PY1-1;</p

100、><p><b>　　end </b></p><p><b>　　PY2=MaxY;</b></p><p>　　while ((Blue_y(PY2,1)>=5)&&(PY2<y))</p><p>　　PY2=PY2+1;</p><p>

101、<b>　　end</b></p><p>　　IY=I(PY1:PY2,:,:);</p><p>　　%%%%%% X方向 %%%%%%%%%</p><p>　　Blue_x=zeros(1,x);%進(jìn)一步確定x方向的車(chē)牌區(qū)域</p><p><b>　　for j=1:x</b></p

102、><p>　　for i=PY1:PY2</p><p>　　if(myI(i,j,1)==1)</p><p>　　Blue_x(1,j)= Blue_x(1,j)+1; </p><p><b>　　end </b></p><p>　　end </

103、p><p><b>　　end</b></p><p><b>　　PX1=1;</b></p><p>　　while ((Blue_x(1,PX1)<3)&&(PX1<x))</p><p>　　PX1=PX1+1;</p><p><b&g

104、t;　　end </b></p><p><b>　　PX2=x;</b></p><p>　　while ((Blue_x(1,PX2)<3)&&(PX2>PX1))</p><p>　　PX2=PX2-1;</p><p><b>　　end</b>

105、</p><p>　　PX1=PX1-1;%對(duì)車(chē)牌區(qū)域的校正</p><p>　　PX2=PX2+1;</p><p>　　dw=I(PY1:PY2-8,PX1:PX2,:);</p><p><b>　　t=toc; </b></p><p>　　figure(4),subplot(1,2,1)

106、,imshow(IY),title('Y方向合理區(qū)域');</p><p>　　subplot(1,2,2),imshow(dw),title('定位');</p><p>　　b=rgb2gray(dw); %對(duì)定位后的車(chē)牌灰度化</p><p>　　figure(5);subplot(2,2,1),imshow(b),title(

107、'1.車(chē)牌灰度圖像')</p><p>　　g_max=double(max(max(b)));</p><p>　　g_min=double(min(min(b)));</p><p>　　T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值</p><p>　　[m,n]=size(b);

108、</p><p>　　d=(double(b)>=T); % d:二值圖像</p><p>　　figure(5);subplot(2,2,2),imshow(d),title('2.車(chē)牌二值圖像')</p><p><b>　　% 濾波</b></p><p>　　h=fspecial('

109、;average',3);</p><p>　　d=im2bw(round(filter2(h,d)));</p><p>　　figure(5),subplot(2,2,3),imshow(d),title('3.均值濾波后')</p><p>　　% 某些圖像進(jìn)行操作</p><p><b>　　% 膨脹

110、或腐蝕</b></p><p>　　% se=strel('square',3); % 使用一個(gè)3X3的正方形結(jié)果元素對(duì)象對(duì)創(chuàng)建的圖像進(jìn)行膨脹</p><p>　　% 'line'/'diamond'/'ball'...</p><p>　　se=eye(2); % eye(n) retu