【正文】 關(guān)鍵字 ：汽車(chē)牌照識(shí)別 邊緣檢測(cè) 定位與提取 字符分割 Abstract Car license plates recognition system is an important part of intelligent transportation system. It’s the main function module of traffic monitoring management system. The car license plate recognition technology research has important practical application meanings. This paper for automobile license plates recognition system for the system of research and analysis, design a car licence automatic identification method, including the pretreatment of the image, license plate location and extraction, characters, space and extraction. Car image preprocessing partly pleted car image of the original to the gray, to noise, image enhancement processing. License plate localization and extract of the use of the image edge detection method for positioning and extraction, and by using the method of level umbriferous extracted from the image segmentation, finally, using the character character wide high will be split character extraction. Keyword： License plate recognition edge detection Localization and Extraction Character segmentation I 目 錄 第 1 章 緒論 、圖表要求： 1）文字通順，語(yǔ)言流暢，書(shū)寫(xiě)字跡工整，打印字體及大小符合要求，無(wú)錯(cuò)別字，不準(zhǔn)請(qǐng)他人代寫(xiě) 2）工程設(shè)計(jì)類(lèi)題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國(guó)家技術(shù)標(biāo)準(zhǔn)規(guī)范。學(xué)校可以公布論文（設(shè)計(jì)）的全部或部分內(nèi)容。據(jù)我所知， 除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計(jì)）不包含其他個(gè)人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。對(duì)本論文（設(shè)計(jì)）的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中作了明確說(shuō)明并表示謝意。保密的論文（設(shè)計(jì)）在解密后適用本規(guī)定。圖表整潔，布局合理，文字注釋必須使用工程字書(shū)寫(xiě)，不準(zhǔn)用徒手畫(huà) 3）畢業(yè)論文須用 A4 單面打印，論文 50 頁(yè)以上的雙面打印 4）圖表應(yīng)繪制于無(wú)格子的頁(yè)面上 5）軟件工程類(lèi)課題應(yīng)有程序清單，并提供電子文檔 1）設(shè)計(jì)（論文） 2）附件：按照任務(wù)書(shū)、開(kāi)題報(bào)告、外 文譯文、譯文原文（復(fù)印件）次序裝訂 3）其它 摘 要 汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，是高科技的公路交通監(jiān)控管理系統(tǒng)的主要功能模塊之一，汽 車(chē)牌 照 識(shí)別技術(shù) 的 研究有重要的現(xiàn)實(shí)應(yīng)用意義 。2 車(chē)牌自動(dòng)識(shí)別系統(tǒng)原理 2 本論文主要研究?jī)?nèi)容 2 第 2 章 識(shí)別系統(tǒng)的相關(guān)技術(shù)簡(jiǎn)介 4 圖像的灰度化 4 圖像的梯度銳化 6 字符識(shí)別 7 算法設(shè)計(jì)流程 11 車(chē)牌提取 27 II 自動(dòng)識(shí)別 28 第 6 章 結(jié)論 29 參考文獻(xiàn) 其發(fā)展對(duì)社會(huì)生活、國(guó)民經(jīng)濟(jì)和城市建設(shè)將產(chǎn)生積極而深遠(yuǎn)的影響，在 作畢業(yè) 設(shè)計(jì)的 過(guò)程中， 要確保 所學(xué)知識(shí)得到疏理和運(yùn)用，它既是一次檢閱，又是一次鍛煉。同時(shí)，汽車(chē)牌照識(shí)別的方法還可應(yīng)用到其他檢測(cè)和識(shí)別領(lǐng)域，所以汽車(chē)牌照的識(shí)別問(wèn)題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一，運(yùn)用圖像處理技術(shù)解決汽車(chē)牌照識(shí)別的研究國(guó)內(nèi)外都有 (最早出現(xiàn)于 01 年代 (這個(gè)階段是采用簡(jiǎn)單的圖像處理技術(shù)來(lái)解決 )識(shí)別過(guò)程是使用工業(yè)電視攝像機(jī)拍下汽車(chē)的正前方圖像 (然后交給計(jì)算機(jī)進(jìn)行 簡(jiǎn)單處理 (并且最終仍需要人工干預(yù) )[4]。采用任何一種單一識(shí)別技術(shù)均難以奏效 !目前正在研制的無(wú)源石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 2 型汽車(chē)牌照智能識(shí)別系統(tǒng)綜合利用了車(chē)輛檢測(cè)技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)、圖像處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等 。 圖 11 系統(tǒng)流程圖 原始圖像：由停車(chē)場(chǎng)固定彩色攝像機(jī)、數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像 圖像預(yù)處理：對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行濾波，邊界增強(qiáng)等處理以克服圖像干擾 邊緣提?。和ㄟ^(guò)微分運(yùn)算， 2 值化處理，得到圖像的邊緣 車(chē)牌定位：計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車(chē)牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。 本論文主要研究?jī)?nèi)容 本文針對(duì)汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)進(jìn)行了系統(tǒng)的研究和分析 ,設(shè)計(jì)了一種汽車(chē)牌照的自動(dòng)識(shí)別方法，包括圖像的預(yù)處理、車(chē)牌定位與提取、字符分隔和提取。彩色圖像的像素色為 RGB(R， G， B)，灰度圖像的像素色為 RGB(r，r， r),R， G， B 可由彩色圖像的顏色分解獲得。=g（χ，у），則灰度增強(qiáng)可表示為： )],([),( yxfTyxg ? ] 或 )(39。圖像中每一點(diǎn)的運(yùn)算就被完全確定下來(lái)。 圖像的二數(shù)值化和閾值處理 二值圖像是指整幅圖像畫(huà)面內(nèi)僅黑、白二值的圖像。二值化的 閾 值選取有很多方法，主要分為 3 類(lèi) :全局 閾 值法、局部 閾 值法和動(dòng)態(tài) 閾 值法。動(dòng)態(tài)閥 7 閾 值法的 閾 值選擇不僅取決于該象素灰度值以及它周?chē)笏氐幕叶戎担疫€和該象素的坐標(biāo)位置有關(guān)，由于充分考慮了每個(gè)像素 鄰域的特征，能更好的突出背景和目標(biāo)的邊界，使相距很近的兩條線(xiàn)不會(huì)產(chǎn)生粘連現(xiàn)象。 圖像的梯度銳化 由于需要處理的圖像由拍攝而來(lái)，所以在很多情況下 字符模糊，所以要對(duì)圖像進(jìn)行銳化處理使模糊的圖像變的清晰 便于識(shí)別 ，圖像銳化的實(shí)質(zhì)就是增強(qiáng)圖像的邊緣或輪廓，其銳化后的結(jié)果通過(guò)微分而使圖像邊緣突出、清晰。 為了抑制噪聲，通常我們會(huì)采用低通濾波，但由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過(guò)濾噪聲的同時(shí)，也使得邊界變模糊，反之，低通濾波后為了提高邊緣輪廓，還需要使用高 通濾波，這時(shí)存在的噪聲也得到了增強(qiáng)，然而中值濾波在過(guò)濾噪聲的同時(shí)也很好的保護(hù)到了邊緣輪廓，因此常用中值濾波的方法來(lái)去噪 [11]。但是若以某個(gè)固定的經(jīng)驗(yàn)值對(duì)所有牌照統(tǒng)一進(jìn)行旋轉(zhuǎn)處理，又會(huì)使原本正常的牌照傾斜，導(dǎo)致新的錯(cuò)誤。針對(duì)這個(gè)問(wèn)題， Radon 變換可以滿(mǎn)足一定實(shí)時(shí)圖像處理的要求。 字符識(shí)別 進(jìn)行車(chē)牌識(shí)別前需要使用樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對(duì)車(chē)牌進(jìn)行識(shí)別。因此在圖像處理之前必須進(jìn)行預(yù)處理，包括去除噪音，邊界增強(qiáng) ，石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 8 增加亮度等等。 采用中值濾波 對(duì)圖像進(jìn)行平滑處理。 Scolor = imread(‘原始圖像’ )。 圖 32 原始圖像 %顯示灰度化 后的圖像 i = rgb2gray(Scolor)。)。 中值濾波不影響階躍函數(shù)和斜坡函 數(shù)，因而對(duì)圖像邊緣有保護(hù)作用：但是，對(duì)于持續(xù)期小于窗寬一半的脈沖信號(hào)將進(jìn)行抑制，因而可能會(huì)損壞圖像的某些細(xì)節(jié)。 4,黑底白字牌照為國(guó)外駐華機(jī)構(gòu)使用。第 3 個(gè)字符是一個(gè)“下文將對(duì)其算法做詳細(xì)介紹?；陂撝档姆指罘椒梢苑譃槿珠撝档姆椒ê途植块撝档姆椒āＳ捎谖矬w和背景以及不同物體 之間的灰度級(jí)有明顯的差別，因此，在圖像的灰度級(jí)直方圖中會(huì)呈現(xiàn)明顯的峰值。 邊緣檢測(cè) 兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割 、 紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。可以通過(guò)求梯度局部最大值對(duì)應(yīng)的點(diǎn)，并認(rèn)定為邊緣點(diǎn)，去除非局部最大值，可以檢測(cè)出精確的邊緣。 （ 3） Prewitt 和 Sobel 算子是在實(shí)踐中計(jì)算數(shù)字梯度時(shí)最常用的， Prewitt 模板實(shí)現(xiàn)起來(lái)比 Sobel 模板更為簡(jiǎn)單，此外，該算子沒(méi)有將重心放在接近模板中心的像素點(diǎn)石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 11 上。拉普拉斯算子是一個(gè)線(xiàn)性的 、移不變的算子，它的傳輸函數(shù)在頻域空間的點(diǎn)是零，因此拉普拉斯算子濾波過(guò)的圖像具有零平均灰度。 Canny 算子使用兩個(gè)閾值來(lái)分別檢測(cè)強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣與強(qiáng)邊緣相連時(shí)，弱邊緣才會(huì)包含在輸出中，因此，此方法不容易受噪聲的干擾，能夠檢測(cè)到真正的弱 邊緣。本文中所用方法是基于圖像的特征來(lái)做的，計(jì)算了類(lèi)車(chē)牌區(qū)域的特征值，面積 、 寬和高，在根據(jù)先驗(yàn)知識(shí)的寬高比來(lái)定位車(chē)牌。 bg=imopen(i,s)。 圖 35 增強(qiáng)黑白圖 （ 3）參考《數(shù)字圖象處理與分析》介紹的圖像二值化最佳閥值計(jì)算方法： Level=fmax（ fmaxfmin） /3 式中 Level 為最佳閥值， fmax 為最大灰度， fmin 為最小灰度。 level=(fmax1(fmax1fmin1)/3)/255。在本文中采用的是 Canny 算子提取邊緣。 title(39。rectangle39。圖像閉運(yùn)算 [5,19]39。,[5,19]))。)。 figure,imshow(bg2)。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 14 圖 37 邊緣提取 圖 38 閉運(yùn)算 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 15 圖 39 開(kāi)運(yùn)算 圖 310 開(kāi)運(yùn)算 Canny 算子提取邊緣能有效檢測(cè)出車(chē)牌區(qū)域的紋理特征，而采用 [5， 19]的矩形運(yùn)算子能有效的將車(chē)牌區(qū)域連接成片，去除非車(chē)牌區(qū)域。并根據(jù)先驗(yàn)知識(shí)和調(diào)試中的經(jīng)驗(yàn) ，設(shè)定了車(chē)牌長(zhǎng)寬的范圍作為判斷依據(jù)。如圖 312 圖 312 灰度子圖和二值子圖 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 17 第 4 章 車(chē)牌字符分割 車(chē)牌定位后的下一步是字符分割。 計(jì)算車(chē)牌水平投影 經(jīng)過(guò)上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像 ，如上圖 311 所示。 figure,subplot(2,1,1),bar(histcol1)。 subplot(2,1,2),bar(histrow)。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 18 圖 41 車(chē)牌二值子圖 對(duì)水平投影進(jìn)行峰谷分析 ,計(jì)算出車(chē)牌上邊框、車(chē)牌字符投影、車(chē)牌下邊框的（波石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 19 形峰上升點(diǎn)、峰下降點(diǎn)、峰寬、谷寬、峰間距離、峰中心位置等）參數(shù)。 MATLAB 實(shí)現(xiàn)程序如下： meanrow=mean(histrow)。 l=1。 %谷寬度（下降點(diǎn)至下一個(gè)上升點(diǎn)） l=l