【正文】 籌建卡口系統(tǒng)。 2 、車牌圖像識別技術(shù)在 城市交通 領(lǐng)域的應(yīng)用 隨著我國機動車保有量的迅速增加，以及政府對公共安全的日益重視，城市交通監(jiān)控和管理工作日趨繁重。 高速公路收費輔助系統(tǒng)：一般是在高速公路入口處進(jìn)行車牌圖像采集、識別，將識別結(jié)果寫入通行卡 ( 票 ) 或者通過網(wǎng)絡(luò)傳送至各出口站，在車輛到達(dá)出口時，再進(jìn)行一次車牌圖像采集、識別，并將識別結(jié)果與入口識別結(jié)果相比對，以防止或發(fā)現(xiàn)倒卡、換卡、換牌等逃費行為。剛開始主要用于高速公路收費輔助系統(tǒng)以降低交通通行征費收入的流失，后來逐步發(fā)展到 城市交通 、 停車場管理、門禁管理 等多種應(yīng)用領(lǐng)域。 盡 我所 知 ， 除 文 中 特 別 加 以 標(biāo) 注 和 致 謝 的 地方 外 ， 不 包 含 其 他 人 或 組 織 已 經(jīng) 發(fā) 表 或公 布 過 的 研 究 成 果 ， 也 不 包 含 我 為 獲 得 及 其 它 教 育 機 構(gòu) 的 學(xué) 位 或 學(xué) 歷 而 使 用 過的 材 料 。該方法受噪聲影響小， 對字符定位準(zhǔn)確，判斷決策方法簡單 。主要完成了以下幾 個 方面的工作： 1 、對于二值化、邊緣檢測、同態(tài)濾波、數(shù)學(xué)形態(tài)學(xué)處理、直方圖變換和幾何畸變校正等圖像處理方法在車牌圖像識別技術(shù)中的應(yīng)用特點進(jìn)行了分析和總結(jié)； 設(shè)計出 一種基于 Canny 邊緣檢測 尋找目標(biāo)對象特征點，再 對特征 點的灰度像素值 分析判斷 來確定閾值的車牌字符 圖像 二值化方 法 ， 可以滿足本文對車牌字符特征提取 時 預(yù)處理的要求 。 車牌圖像識別應(yīng)用技術(shù)研究 摘 要 車牌圖像識別技術(shù)以計算機視覺、人工智能和模式識別理論為基礎(chǔ)，是實現(xiàn)交通管理智能化的一個重要組成部分。 2 、對于現(xiàn)有的車牌區(qū)域定位方法進(jìn)行了分析研究 ； 在此基礎(chǔ)上 ， 設(shè)計實現(xiàn)了一種基于多方向邊緣提取和數(shù)學(xué)形態(tài)學(xué)處理的車牌區(qū)域定位方 法 。 4 、分析研究了 現(xiàn)有的 車牌字符特征提取和分類識別的方法， 設(shè)計 出一種車牌字符分類識別的方案。 對 本 研 究 提 供 過 幫 助 和 做 出 過貢 獻(xiàn) 的 個 人 或 集 體 ， 均 已 在 文 中 作 了 明確 的 說 明 并 表 示 了 謝 意 。 1 、車牌圖像識別技術(shù)在高速公路領(lǐng)域的應(yīng)用 高速公路是車牌圖像識別技術(shù)在我國交通工程中最早應(yīng)用的領(lǐng)域，也是車牌識別產(chǎn)品應(yīng)用最多的領(lǐng)域。 目前的高速公路收費輔助系統(tǒng)中， 采用 車牌圖像識別技術(shù)在車牌識別速度指標(biāo)基本可以滿足 ， 但 識別結(jié)果正確率指標(biāo) 還不是很理想 。因此，城市交通領(lǐng)域迫切需要應(yīng)用一些 較 可靠、有效的智能化技術(shù)手段。 公安系統(tǒng)設(shè)立城市卡口監(jiān)控點的主要任務(wù)是對車輛進(jìn)行車牌識別，并將識別結(jié)果與被盜搶、肇事、在逃、通緝的車輛牌號黑名單進(jìn)行比對。 3 、車牌圖像識別技術(shù)在停車場收費管理系統(tǒng)中的應(yīng)用 停車場收費管理系統(tǒng)：用于對出入車輛號牌識別和匹配，實現(xiàn)自動計時、計費管理。其中，車牌識別正確率是目前車牌識別產(chǎn)品中存在的最主要的問題，也是國內(nèi)主流廠商最為頭疼的問題。但通過 各個 廠商在其有關(guān)網(wǎng)站提供的信息和對兩家廠商提供的測試軟件進(jìn)行一定數(shù)量樣本的測試后 ， 可以發(fā)現(xiàn)， 各個 廠商聲稱的 車牌識別正確率往往是通過對特定場所、特定時間范圍內(nèi)的樣本進(jìn)行測試而得出的結(jié)論。 車牌圖像識別技術(shù)研究現(xiàn)狀 上世紀(jì) 90年代中后期開始，隨著數(shù)字圖像處理基礎(chǔ)理論的不斷發(fā)展和視頻處理技術(shù)、電子技術(shù)及計算機信息技術(shù)的迅速進(jìn)步，國內(nèi)從事車牌圖像識別技術(shù)研發(fā)的廠商和研究人員增長迅速，提出了大量的 關(guān)鍵 技術(shù)算法，實際應(yīng)用 中 3 也取得了一定的成果。相關(guān)論文中提出了很多車牌圖像處理、分割、分析、識別的算法，主要利用較經(jīng)典的圖像空間變換、智能計算和數(shù)據(jù)挖掘理論，并在一定程度上進(jìn)行了實驗論證。 在車牌字符分類器設(shè)計方面， 公開 資料中提出的分類器主要有： 神經(jīng)網(wǎng)絡(luò)分類器 ( 包括 BP神經(jīng)網(wǎng)絡(luò)、 SOFM網(wǎng)絡(luò)等 ) 、 模板匹配分類器 、 基于 概率統(tǒng)計 的 Bayes 分類器 、 幾何 分類器 等。此外， 由于一些客觀因素的影響， 對于有關(guān)方法實驗驗證時， 難以獲得足夠 數(shù)量 的 具有廣泛代表性圖像樣本，實驗結(jié)果的說服力 還不夠充分 。 而目前這些方面的研究還 比較困難 ，有待于進(jìn)一步加強。從某種程度上講， 意味著要完全可靠。 (1) 關(guān)于圖像的二值化 5 在車牌圖像識別中，圖像 二值化 是一個非常重要的技術(shù)。 (2) 關(guān)于圖像的邊緣檢測 通過分析比較， 本文在車牌區(qū)域定位時采用了 Sobel 模板進(jìn)行多方向邊緣檢測， 而 在字符切分時采用了 Canny 邊緣檢測 方法，獲得了較好的應(yīng)用效果。 (5) 關(guān)于 圖像的直方圖變換 圖像的直方圖變換在車牌圖像識別中的作用具有兩面性 , 如何有效利用圖像的直方圖變換尚有待于在實踐中總結(jié)。本文建議最好在圖像采集階段，將幾何畸變控制在一定的范圍內(nèi)。 3 、分析研究了一些車牌字符切分方法，提出了一種基于 Canny 邊緣檢測的字符切分方法。 方案考慮 了漢字、英文字母和阿拉伯?dāng)?shù)字的不同特點，分別提取字符的分類特征，并選擇不同的分類識別方法。 因此，相較于 其它一些圖像 采集環(huán)境一般比較穩(wěn)定的 如 指紋圖像識別、人臉圖像識別、機械零件圖像檢測、水果 缺陷 圖像檢測等 圖像識別技術(shù) 來 說，車牌圖像在內(nèi)容和質(zhì)量的變化上要復(fù)雜得多，從而對為獲得車牌圖像識別對象穩(wěn)定而明確的特征信息所進(jìn)行的有關(guān)圖像處理技術(shù)提出了更高的要求。 從字面上理解 ，所謂 圖像 二值化 ， 就是將彩色或灰度圖像用兩個灰度級別( 一般為 黑、白 ) 來表示 。 圖像 二值化 一般作為 一種 預(yù)處理方法 ，評價其 效果的優(yōu)劣應(yīng)當(dāng)兼顧下面兩方面的基本要求： 1 、二值圖像 中目標(biāo)對象的完整性 。 (a) 原圖 (b) 圖 (a) Otsu 法 二 值化圖 圖 二 值化效 果評價 8 二值化實際上是尋找閾值 T 的過程 ，而 閾值 T 的選擇要以滿足 二值化目的為依據(jù)。 其基本思想是：設(shè)閾值 t 將灰度分成了兩 類 ，一 類 對應(yīng)背景部分，一 類 對應(yīng)目標(biāo)對象，則 這兩類 灰度值的 類 內(nèi)方差應(yīng)當(dāng)最小，兩 類 間方差應(yīng)當(dāng)最大。則： 類 內(nèi)方差 )t()t()t()t( 2222112w ????? ?? 式（ 25 ） 類 間方差 )]t(M)t(M)[t()t()t( 21212B ?? ??? 式（ 26 ） 對于給定的一幅圖像 ， 2w? + 2B? = 常數(shù)，因而 )t(2B? 最大時 ，則 )t(2w?最小， 此時 t=T 便是 使圖像分為兩類的最佳 閾值。局部閾值二值化方法閾值的選擇依靠考察點 的灰度值及其周圍的局部鄰域的灰度值來決定，它是一種動態(tài)選擇閾值的方法。 2 、 Bersen算法二值化容易 產(chǎn)生嚴(yán)重的噪聲 。對車牌區(qū)域圖像 二值化時的目標(biāo)對象除字符外，還可能是或者包括邊框 ( 一般是在需要對車牌進(jìn)行幾何畸變 校正 時 ) ，而對字符 圖像 進(jìn)行 二 值化 時的目標(biāo)對象則明確為字符。 Canny 算子法 檢測 出的邊緣定位比較準(zhǔn)確、寬度為一個像素、孤立點和非邊緣 噪聲 得到了較好的抑制，大大減少了圖像中需要分析判斷的數(shù)據(jù)，一般比較容易判斷出目標(biāo)和背景，從而能夠較好地確定 圖像 二值化的 閾值 。 因此，在進(jìn)行 車牌 字符切分時 最好 避免以二值化圖像為基礎(chǔ)。 11 灰度 圖像中 ， 所謂邊緣像素點表現(xiàn)為 該點的 鄰域是一個灰度級變化帶，衡量這種變化最有效的兩個特征值 ， 是灰度的變化率和變化方向。在進(jìn)行邊緣檢測時，其 基本 過程如下： Step1:獲得各個像素 點 的逼近梯度算子 f? 2221 )pf()p(ff ????? f 為灰度圖 像 ， 1p 、 2p 為兩個方向模板， ? 表示卷積。由于 對噪聲比較敏感， 而且 由于 閾值 固定， 自適應(yīng)性不好。Laplacian 算子用模板表示 為 ： 12 ????????????010141010p 在進(jìn)行邊緣檢測時，其 基本 過程如下： Step1:獲得灰度圖像 f 的二階差分 f2? ： pff2 ??? Step2:尋找零交叉點。而在此基礎(chǔ)上提出的 LoG 算子 邊緣 檢測 法 ， 通過 高斯濾波來減少噪聲， 邊緣檢測效果獲得了一定的提高 。 Canny 算子法檢測邊緣的具體過程如下： Step1:用二維高斯濾波模板與灰度圖像 f(x,y)卷積，以減小噪聲影響； 二維高斯函數(shù)為： )]yx(2 1e x p [2 1)y,x(E 2222 ??? ??? 卷積 ： )y,x(f)y,x(E)y,x(A ?? Step2:利用導(dǎo)數(shù)算子 ( 如 Prewitt 算子、 Sobel 算子 ) 找到圖像灰度沿著兩個方向的導(dǎo)數(shù) Gx 、 Gy, 并求出梯度的大小 |G| 和方向 θ ： xAGx ??? yAGy ??? 2y2x GG|G| ?? )GG(arctanxy?? Step3:對梯度幅值進(jìn)行 非極大值抑制。 在對車牌圖像進(jìn)行邊緣提取時，采用 Canny 算子邊緣 檢測 法能比較好地提取出字符的輪廓邊緣，同時對于噪聲 有很好的抑制。因此， 對于 邊緣 、紋理等 圖像細(xì)節(jié)的提取 ， 是車牌區(qū)域 定位和 字符切分的 一個 關(guān)鍵所在。具體到車牌圖像，字符部分主要為高頻成分，而背景主要為低頻成分。如圖 所示。如圖 所示，本例原圖與圖 原圖相同。 (a) 車牌灰度 圖像 (b)同 態(tài)濾波 前 Canny 邊緣 (c) 同 態(tài)濾波 后 Canny 邊緣 圖 同 態(tài)濾波對 Canny 邊緣 檢測的影響 數(shù)學(xué)形態(tài)學(xué) [9] 數(shù)學(xué)形態(tài)學(xué)理論提出了獨特的變換和概念用于描述圖像的基本特征，采用 15 了以積分幾何和隨機集論為基礎(chǔ)的數(shù)學(xué)工具，可以得到幾何常數(shù)的測量和反映圖像的體視性質(zhì)，在圖像處理和分析方面有著較廣泛的應(yīng)用。 BB ??? )BA(A ? A 為原始圖像， B 為結(jié)構(gòu)元 圖像 。本方法中利用閉運算的目的 ， 是在基本不改變 目標(biāo)對象 形狀的基礎(chǔ)上 ， 獲得連通的 目標(biāo)對象的 外輪廓 或區(qū)域 。 像素連通性的判斷通常采用 4 鄰域連通與 8 鄰域連通兩種規(guī)則。當(dāng)像素互為 8 鄰域時即稱為 8 鄰域連通。這也是能對圖像進(jìn)行直方圖變換的基礎(chǔ)。 在 本章 中，有一個 同態(tài)濾波處理 后進(jìn)行 車牌圖像 二值化 的例子。 關(guān)于車牌圖像幾何畸變校正問題 [12] [ 13] 造成 圖像幾何畸變 的原因主要有兩個因素，一個是攝像系統(tǒng)自身因素，另一個是對象與攝像鏡頭的軸線相對位置因素。 圖像空間幾何坐標(biāo)變換指的是按照一幅標(biāo)準(zhǔn)圖像或一組基準(zhǔn)點去校正幾何失真圖像。 傳統(tǒng)的 尋找校正基準(zhǔn)點的 方法是采用 Hough 變換方法檢測車牌區(qū)域邊緣。也有其它一些方法，比如，根據(jù)字符重心位置、字符中心走向等來確定校正基準(zhǔn)，但這樣則對字符圖像前期處理（如二值化）提出了更高的要求，而且判斷決策相對也更為困難。這個問題一般能夠通過在圖像采集階段改善技術(shù)手段來解決。這條直線即可作為車牌圖像水平傾斜校正的依據(jù)。如果圖像的 幾何畸變 嚴(yán)重時， 因 校正 而產(chǎn)生的新畸變也可能會比較大，會給以后字符的分類識別帶來一定的困難。按圖像特征與人類視覺的關(guān)系 可分為自然特征與 人 為特征 兩大類 。幅值特征容易在特定的像素點處或某個區(qū)域內(nèi)進(jìn)行測量，判斷決策時更易理解。 一 階 灰度直方圖 的表征參數(shù)主要有 平均值、方差、傾斜度、陡峭度、能量、熵 等， 二 階 灰度直方圖 的表征參數(shù)主要有 自相關(guān)系數(shù)、協(xié)方差、慣性矩、絕對值、能量、熵 等。比如，對車牌圖像進(jìn)行小波變換，可以突出車牌區(qū)域高頻的邊緣和紋理信息。在某種程度上，可以說 邊緣特征 是車牌圖像中被經(jīng)常利用的最重要的特征之一。 6 、線條和角點特征 圖像中經(jīng)常出現(xiàn) 線條 以及 線條 與 線條 相交引起的角點，這些 線條和角點 能夠反映出對象的特征信息。 7 、紋理特征 圖像紋理是一種反映某一區(qū)域中 像素灰度級變化 的 空間分布的屬性 ，目前對其確切的定 義尚存在不同的觀點。目前， 車牌區(qū)域定位 時利用的主要是在邊緣檢測基礎(chǔ)上獲得的一些較簡單、直觀、易于判斷的相對比較可靠的 紋理特征 ，在本文后面的內(nèi)容中也有進(jìn)一步的分析。 現(xiàn)有的一些車牌區(qū)域定位方法簡要分析 20 為了盡可能設(shè)計出適應(yīng)性較好的 車牌區(qū)域定位 方法，對 公開資料中所提出的 較 常用和常提到的 一些 方法 進(jìn)行了一定的 分析 研究。 由以上過程可以看出，這類車牌 區(qū)域定位 方法的基本出發(fā)點是為了利用神經(jīng)網(wǎng)絡(luò)在分類方面的 優(yōu) 點， 主要是 神經(jīng)網(wǎng)絡(luò) 的泛化能力和對樣本的學(xué)習(xí)能力。 基于彩色圖像特征的車牌區(qū)域定位方法 [17][ 18] 該類方法主要是為了充分利用彩色圖像信息，采用顏色分類、顏色聚類、顏色模板匹配等方法 , 或者是在彩 色空間中提取邊緣、紋理等特征信息從彩色圖像