【正文】 不均、對(duì)比度較小、傾斜、污 跡、字符粘連和斷裂等嚴(yán)重退化的車牌圖像的字符分割效果也不理想。這是因?yàn)槲覈膶?shí)際情況與國外有所區(qū)別。使得車牌的對(duì)比度降低，特征不是很明顯，即使在定位準(zhǔn)確的情況下，字符的識(shí)別也會(huì)受到很大影響。而我國則根據(jù)不同車型、用途，規(guī)定了多種牌照格式，例如分為軍車、警車、普通車等。 車牌識(shí)別的難點(diǎn)： 1）由于車牌圖像多在室外采集，會(huì)受到光照條件、天氣條件的影響，會(huì)出現(xiàn)圖像模糊，對(duì)比度低，目標(biāo)區(qū)域過小，色彩失真等影響，并且會(huì)伴隨復(fù)雜的背景圖像，這些都會(huì)影響車牌定位及 識(shí)別。另外，對(duì)輔助光源要求高，也很難有效解決復(fù)雜背景下多車牌移動(dòng)識(shí)別的技術(shù)難題，如：車牌圖像的傾斜、車牌表面污穢或磨損、光線干擾等都會(huì)影響定位的準(zhǔn)確性。近年來計(jì)算機(jī)的飛速發(fā)展和數(shù)字圖像技術(shù)的日趨成熟，為傳統(tǒng)的交通管理帶來巨大轉(zhuǎn)變，先進(jìn)的計(jì)算機(jī)處理技術(shù)，不但可以將人力從繁瑣的人工觀察 、 監(jiān)測(cè)中解放出來，而且能夠大大提高其精確度，汽車牌照自動(dòng)識(shí)別系統(tǒng)就是在這樣的背景與目的下進(jìn)行開發(fā)的。目錄 1 緒論 ................................................ 1 車牌號(hào)識(shí)別研究背景 .............................................. 1 車牌號(hào)識(shí)別技術(shù)研究現(xiàn)狀和趨勢(shì) .................................... 2 車牌識(shí)別研究?jī)?nèi)容 ................................................ 4 2 車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述 ............................. 6 3 車牌識(shí)別系統(tǒng)程序設(shè)計(jì) ................................. 8 開發(fā)環(huán)境選擇 .................................................... 8 圖像讀取及車牌區(qū)域提取 .......................................... 8 字符切割 ....................................................... 15 字符識(shí)別 ....................................................... 19 4 仿真結(jié)果及分析 ..................................... 22 車牌定位及圖像讀取及其圖像處理 ................................. 22 車牌字符分割及其圖像處理 ....................................... 22 車牌字符識(shí)別及其圖像處理 ....................................... 23 5 結(jié)論 ............................................... 24 參考文獻(xiàn) .............................................. 25 致謝 .................................................. 26 附錄：程序清單 ........................................ 27 1 1 緒論 車牌號(hào)識(shí)別研究背景 隨著我國公路交通事業(yè)的發(fā)展，車輛的數(shù)量正在迅速增長(zhǎng)，在給出行提供方便的同時(shí)，車輛管理上存在的問題日益突出，人工管理的方式已經(jīng)不能滿足實(shí)際的需要。汽車牌照等相關(guān)信息的自動(dòng)采集和管理對(duì)于交通車輛管理、園區(qū)車輛管理、停車場(chǎng)管理、交警稽查等方面有著十分重要的意義，成為信息處理技術(shù)的一項(xiàng)重要研究課題。傳統(tǒng)車牌識(shí)別一般僅支持單一車輛，背景比較簡(jiǎn)單。 2 2）每次采集時(shí)目標(biāo)所處位置不會(huì)一樣，采集視角會(huì)有很大變化，并且由于車牌掛的不正，都將導(dǎo)致車牌出現(xiàn)扭曲。我國標(biāo)準(zhǔn)車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成的，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，增加了識(shí)別的難度。 目前在國內(nèi)存在多種牌照格式，且存在以上種種困難和特殊性，加大了我國車牌自動(dòng)識(shí)別的難度，使得中國車輛牌照識(shí)別遠(yuǎn)遠(yuǎn)難于國外的車輛牌照識(shí)別。國外車牌比較規(guī)范統(tǒng)一，而我國車牌規(guī)范不夠，較為多樣化。而對(duì)于車牌字符的識(shí)別來說，其識(shí)別的準(zhǔn)確率很大程度上依賴于車牌定位和字符分割是否成功。在上世紀(jì) 70 年代，英國就在實(shí)驗(yàn)室中完成了“實(shí)時(shí)車牌檢測(cè)系統(tǒng)”的廣域檢測(cè)和開發(fā)。 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(shí)別率的報(bào)道只具有參考價(jià)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(shí)別系統(tǒng)中采用的很多算法具有很好的借鑒意義。此外，當(dāng)車輛區(qū)域的顏色和附近顏色相近時(shí)，定位失誤率會(huì)增加。 圖 我國車牌號(hào)示例 4 車牌識(shí)別技術(shù)的應(yīng)用前景 車輛牌照自動(dòng)識(shí)別技術(shù)是智能交通系統(tǒng)的一個(gè)重要組成部分，廣泛應(yīng)用于交通的監(jiān)控及管理。 2）公路自動(dòng)管理系統(tǒng)。 4）城市十字交通路口的“電子警察”。 車牌識(shí)別研究?jī)?nèi)容 車牌系統(tǒng)是計(jì)算機(jī)視覺和模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用課題之一。軟件部分是系統(tǒng)的核心，主要實(shí)現(xiàn)車牌自符的識(shí)別功能。 車牌定位是要完成從圖像中確定車牌位置并提取車牌區(qū)域圖像，目前常用的方法有：基于直線檢測(cè)的方法、機(jī)遇與域值化的方法、基于灰度邊緣檢測(cè)方法、基于彩色 5 圖像的車牌分割方法、神經(jīng)網(wǎng)絡(luò)法和基于矢量量化的牌照的定位的方法等。 6 2 車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述 一個(gè)完整的車牌號(hào)識(shí)別系統(tǒng)要完成從圖像采集到字符識(shí)別輸出，過程相當(dāng)復(fù)雜，基本可以分成硬件部分跟軟件部分，硬件部分包括系統(tǒng)觸發(fā)、圖像采集，軟件部分包括圖像預(yù)處理、車牌位置提取、字符分割、字符識(shí)別四大部分，一個(gè)車牌識(shí)別系統(tǒng)的基本結(jié)構(gòu)如圖 ： 圖 車牌識(shí)別系統(tǒng)基本結(jié)構(gòu)框圖 一：原始圖像：由停車場(chǎng)固定彩色攝像機(jī)、數(shù)碼相機(jī)或其他掃描裝置拍攝到的圖像。 五：字符識(shí)別：利用模板匹配的方法與數(shù)據(jù)庫中的字符 進(jìn)行匹配從而確認(rèn)出字符。 牌照識(shí)別過程中，牌照顏色的識(shí)別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與牌照識(shí)別互相配合、互相驗(yàn)證。 （ 2）牌照字符分割 : 在 完成牌照區(qū)域的定位后， 還需要 將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行 字符 識(shí)別 ，最后輸出結(jié)果。 （ 3） 牌照字符識(shí)別 ： 字符識(shí)別方法目前主要 得算法有兩種即 基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。牌照質(zhì)量會(huì)受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。 2) Matlab 語言簡(jiǎn)單，入門容易，程序設(shè)計(jì)不嚴(yán)格，自由度大，例如用戶無需對(duì)矩陣預(yù)定義即可使用。其程序流程圖如下 : 圖 預(yù)處理及邊緣提取框圖 目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX、 *.TIFF 等，本課題采集到的圖片是 *.JPG 的格式。的數(shù)組， m、 n 表示圖像像素的行、列數(shù)。原圖、灰度對(duì)于將彩色圖象轉(zhuǎn)換成灰度圖象時(shí)，圖象灰度值 H可由下面的公式計(jì)算： 29 87 14H R G B? ? ? () 3B G RH ??? () ()式使用了權(quán)值加重 法， ()式使用均值法，使用權(quán)值法的好處是可以突出某個(gè)通道， Matlab內(nèi)的 RGB轉(zhuǎn)灰度圖函數(shù) rgb2gray()就是使用的 ()式權(quán)值比例公式，這樣就可以利用邊緣檢 測(cè)方法，識(shí)別出臨近區(qū)域灰度值相差大的分界區(qū)。robert39。 在 edge()函數(shù)中有 Sobel 算子， Prewitt 算子， Roberts 算子， Log 算子， Canny 算子及 Robert 算子，幾種算法相比之下， Roberts 算子是一種最簡(jiǎn)單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對(duì)角線方向相鄰兩象素之差近似梯度幅值 11 檢測(cè)邊緣。 （ ） Robert梯度以 11,22xy? ????? ?? 為中心，所以他度量了 11,22xy? ????? ?? 點(diǎn)處 45? 和 135? 錯(cuò)誤 !未找到引用源。 對(duì)圖像進(jìn)行卷積。所以要對(duì)圖像做進(jìn)一步的處理，用灰度圖腐蝕來消除多余的邊界點(diǎn)。假設(shè) B對(duì) X腐蝕所產(chǎn)生的二值圖像 E是滿足以下條件的點(diǎn)（ x,y)的集合：如果 B 的原點(diǎn)平移到點(diǎn)（ x,y），那么 B將完全包含于 X中。二維結(jié)構(gòu)元素為數(shù)值 0和 1組成的矩陣，結(jié)構(gòu)元素中數(shù)值為 1的點(diǎn)決定結(jié)構(gòu)元素的領(lǐng)域像素在進(jìn)行腐蝕操作時(shí)是否需要參加運(yùn)算。腐蝕后如圖： 圖 腐蝕 效果圖 從腐蝕的結(jié)果分析，腐蝕的目的是消除小而無意義的物體，對(duì)比邊緣效果檢測(cè)圖與腐蝕效果圖可以看出，在邊緣檢測(cè)圖中還有的小的無意義的圖像已經(jīng)被完全消除了，留下來的僅僅是車牌區(qū)域以及車的標(biāo)志。 結(jié)構(gòu)單元中 Se一個(gè)小于對(duì)象閉合圖形，只要兩個(gè)封閉域的距離小于 Se，就將這兩個(gè)連接成一個(gè)連通域， Se生成方式采用 Se=strel(39。由于車牌圖像經(jīng)過腐蝕以后只剩下車牌區(qū)域以及車的標(biāo)志。 這樣， Car_Image_Perform中面積 小于 2021的對(duì)象都被刪除了。這里采用水平與垂直雙向投影法。從左向右尋找第一個(gè) 1值像素大于 5的 ? 錯(cuò)誤 !未找到引用源。剪切得到的圖像如下。 雖然 圖像間受背景 、 光照等影響存 在較大的差異， 但計(jì)算簡(jiǎn)單，程序運(yùn)算效率高。由此可得出濾波前后的圖像如下所示： 16 圖 車牌區(qū)域圖像濾波前效果 圖 車牌區(qū)域圖像濾波后效果 可以對(duì)比濾波前跟濾波后的圖像，如圖 和圖 所 示，很明顯，不但噪聲去除了，而且圖像得到了銳化。 對(duì)于此對(duì)象，系統(tǒng)給予膨脹處理，效果圖如圖 所示： 圖 車牌區(qū)域圖像腐蝕、膨脹后效果 字符切割 完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。 圖 牌照字符切割框圖 2021年頒布的我國車牌規(guī)范 (普通中小型汽車 )規(guī)定車牌總長(zhǎng) 440mm，牌照中的 7個(gè)字符的實(shí)際總長(zhǎng)為 409mm 左右，寬 140mm，每個(gè)字符 45mm寬， 90mm高，字符間距為10mm，其中第二個(gè)字符與第三個(gè)字符的間距較為特殊，為 ，最后一個(gè)字符與第一個(gè)字符距邊界 25mm。因此，字符的寬度可以從 width/9 到 width/7 之間漸進(jìn)的變化得到 ,程序流程圖。 經(jīng)過切割，切割的字符圖像如下： 圖 經(jīng)切割的七個(gè)字符 切割后一連串的字符串變成了單個(gè)字符，為后面的字符匹配識(shí)別奠定了基礎(chǔ)。對(duì)于模板匹配，首先建立標(biāo)準(zhǔn)模板庫，庫中字符使用統(tǒng)一的尺寸，這里使用 20 40? 。最近鄰插值 法 ,經(jīng)歸一化后的圖像如下。 匹配方法采用將目標(biāo)圖像與模板圖像逐點(diǎn)做差，得到第三幅圖像，程序?qū)崿F(xiàn)如下 for ii=1:40 or jj=1:20 Word_Image_Diff(ii,jj)=Word_Image(ii,jj)Word_Image_Code(ii,jj)。經(jīng)過這些步驟可以使得最終識(shí)別出的圖像與原圖的相似度更高，即結(jié)果更精確。由右側(cè)的歸一化圖像可以看出，切割出的圖像像素值和模板圖像達(dá)到了一致，由此便避免了切割出的圖像像素值不一致所帶來的問題。主要工作內(nèi)容及結(jié)論如下 : （ 1） 整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。實(shí)驗(yàn)表 明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。 25 參考文獻(xiàn) [1]. 趙丹，丁金華 .基于 Matlab 的車牌識(shí)別 [J].大連：大連大連理工學(xué)報(bào)， ， 14（ 4）：44～ 48 [2]. 冀小平 .基于 Matlab的車牌識(shí)別系統(tǒng)研究 [J].北京：電子設(shè)計(jì)工程 ,， 11（ 3）： 18～21 [3]. 徐輝 .基于 Matlan實(shí)現(xiàn)汽車車牌自動(dòng)識(shí)別系統(tǒng) [M]. 北京：國防工業(yè)出版社， [4]. 王愛玲，葉明生等 .MATLAB R2021圖像處理技術(shù)與應(yīng) 用 [M].北京：電子工業(yè)出版社， [5]. 張德豐 .MATLAB模糊系統(tǒng)設(shè)計(jì) [M].北京：國防工業(yè)出版社 , [6]. 葉晨洲等 .車輛牌照字符識(shí)別 [J].上海：上海交通大學(xué)學(xué)報(bào) ,～ 6 [7]. 劉智勇等 .車牌識(shí)別（ LPR）中的圖像提取及分割 [J].北京：中文信息學(xué)報(bào) ,2021,14(4):29～34 [8]. 賀興華 、 周媛媛 、 王繼陽等 .MATLAB 圖像處理 [M].北京