【正文】 程度等都可能對車牌區(qū)域定位產(chǎn)生一定地干擾。拍攝角度過大的話，會影響車牌定位，所以拍攝的角度越小，所獲取到的圖像中的車牌變形就越小，識別準確率就越高。（4）車牌管理不嚴格。我國的車牌底色相對于國外要多很多。在復(fù)雜多變環(huán)境下的車牌定位識別率較低的原因主要有以下幾個方面：1. 我國車牌本身特征的復(fù)雜性（1）字母、漢字和數(shù)字的復(fù)合。例如，核心算法繼續(xù)發(fā)展，識別率和識別速度進一步改善，圖像處理中對模糊圖像預(yù)處理能力增強等等。由于中國車牌的字符結(jié)構(gòu)構(gòu)成與國外有明顯差異，所以國外一些技術(shù)在中國使用效果并不是很理想，但其所運用的很多定位識別算法還是具有很好的借鑒意義。日本所研發(fā)Luis系統(tǒng)主要應(yīng)用于高速公路收費站，其全天車牌識別率高達90%以上，即使在陰天或暴雨的情況下也能達到70%左右。在車牌定位及識別的過程中，雖采用了多種定位及識別的方法，但是由于外界復(fù)雜的背景，光照不均及車牌自身的污漬或殘缺等條件的影響，使得車牌定位識別系統(tǒng)一直沒有得到有效地應(yīng)用，而且很多方法運算量比較大，不具有實用性。其中，由于車輛圖像采集于戶外，車輛圖像往往會摻雜一些非常不利的因素來降低圖像高清質(zhì)量，在很大程度上影響了車牌精確定位。而車牌識別屬于直接識別，是以數(shù)字圖像處理為基礎(chǔ)的，可以對車輛的圖像進行檢索與回放，具有高效實時性，因而對車牌定位及檢測的研究具有很大的經(jīng)濟價值和應(yīng)用意義[4]。目前交通堵塞、交通事故日益頻繁等現(xiàn)象已倍受人們的關(guān)注，因此，準確地定位與檢測車輛以使交通更為通暢，已經(jīng)成為現(xiàn)代化城市交通系統(tǒng)重點研究對象。隨著當今科技的快速發(fā)展，現(xiàn)代智能交通系統(tǒng)[1]就是將數(shù)字圖像處理、模式識別[2]、計算機視覺處理技術(shù)等綜合應(yīng)用于現(xiàn)代智能交通運輸體系當中，這樣使得交通管理系統(tǒng)運行得更加智能化、科學(xué)化和規(guī)范化，以解決了交通運輸業(yè)中存在的一系列問題。 車牌定位及識別技術(shù)運用目前先進的計算機視覺技術(shù)來處理受監(jiān)控的車牌圖像，應(yīng)用大量的數(shù)字圖像處理技術(shù)識別出車牌號碼，從而極大地提高了車輛的管理效率，節(jié)省了人力、物力，使得城市交通管理科學(xué)化與智能化。而車牌定位及識別系統(tǒng)能夠運行起來的首要前提且最重要的一步就是準確無誤地定位出汽車牌照，因此車牌定位是車牌定位識別系統(tǒng)的關(guān)鍵一步?，F(xiàn)如今，國外在車牌定位、識別方面的研究成績顯著，不少相當成熟的相關(guān)文獻發(fā)表，同時也開發(fā)出了多種技術(shù)成熟的車牌識別產(chǎn)品。此外，美國、加拿大、德國等各個發(fā)達國家都研發(fā)了屬于本國的車牌定位識別系統(tǒng)。目前國內(nèi)最常用的車牌定位技術(shù)[5]有基于彩色圖的定位算法、基于灰度變化的定位算法、基于神經(jīng)網(wǎng)絡(luò)的定位算法、基于數(shù)學(xué)形態(tài)的定位算法、基于遺傳學(xué)算法的定位算法等。 車牌定位識別難點 到目前為止,采用不同的設(shè)計方案，各種車牌識別的識別效果都會有所區(qū)別，因此，車牌識別的實時性和魯棒性有待進一步提高。我國車牌不僅僅有字母和阿拉伯數(shù)字，還有代表各省份的漢字。按GA362007標準[7]大致可以分為六種：大型民用汽車是黃底黑字；小型民用汽車是藍底白字；軍隊或武警專用車用白底紅字、黑字牌照；大使館及外籍汽車用黑底白字牌照；試車與臨時牌照是白底紅字，汽車補用車牌是白底黑字。由于外界環(huán)境或者人為因素造成車牌模糊不清、斷裂或者車牌偏斜角度很大的車輛，我國在行駛方面沒做太大限制。由智能化交通管理系統(tǒng)的結(jié)構(gòu)構(gòu)成可知，攝像機采集到的目標車輛圖像均是系列圖像，而由于外界環(huán)境復(fù)雜程度的影響，車牌定位識別系統(tǒng)所采用的目標車牌圖像可能不是最佳的。光照過亮或過暗都會使車牌的某些特征發(fā)生改變影響到車牌號碼定位識別的精確度。以下列舉了幾種應(yīng)用領(lǐng)域[8]：1. 高速公路電子收費目前，全國高速公路已開始實施以車牌識別技術(shù)與互聯(lián)網(wǎng)相結(jié)合的方式收費，正因為不同的車輛其收費的標準有很大的差異，導(dǎo)致很多有心司機想鉆電子收費系統(tǒng)的漏洞的空子，使得中途換卡進行逃費的現(xiàn)象日益突出，因此，車牌定位識別技術(shù)是解決此類問題的根本途徑。公路上一般會安裝車牌識別技術(shù)與測速技術(shù)相結(jié)合的設(shè)備用來測速并記錄違章車輛信息。該應(yīng)用系統(tǒng)一般可通過程序設(shè)定24小時不間斷工作，準確率極高；可以適應(yīng)各種速度行駛的車輛；可以在不影響正常交通的情況下完成黑名單搜索任務(wù)；整個監(jiān)視過程中安全、隱蔽、精確。此外，還有一些單位還會將這種應(yīng)用與車輛調(diào)度系統(tǒng)相結(jié)合，客觀地、準確地記錄單位車輛的出車情況。智能停車場管理系統(tǒng)一般將攝像頭安裝在停車場入口，捕捉到的車牌號碼圖像經(jīng)過車牌識別系統(tǒng)自動識別，并將圖像轉(zhuǎn)換成數(shù)字信號便于后續(xù)處理。汽車牌照自動識別技術(shù)是模式識別技術(shù)在智能交通管理系統(tǒng)的重要應(yīng)用，通過對圖像的采集、預(yù)處理、定位、字符分割和識別等手段來完成汽車牌照的自動識別功能，其硬件基礎(chǔ)設(shè)備一般包括CCD攝像設(shè)備、照明裝置、圖像采集設(shè)備、計算機等。此外，與整體安防行業(yè)的發(fā)展相應(yīng)，以下幾個趨勢對車牌識別產(chǎn)品的影響將會非常深遠：作為一種典型的模式識別算法，車牌識別一直期望有更高的圖像分辨率。3．更高的易用性、更強的適應(yīng)能力目前車牌識別算法本身的難題主要集中在車牌受到各種干擾時如何保證盡可能準確地識別，例如大型車常見的車牌污損、私家車輛規(guī)避限號的車牌遮擋、光照環(huán)境形成的陰影干擾等等。本文的重點對基礎(chǔ)的圖像預(yù)處理知識進行了研究學(xué)習(xí)，在選擇合適的圖像處理技術(shù)后，運用MATLAB對車牌識別系統(tǒng)中的圖像預(yù)處理、車牌定位、字符分割、字符識別等部分進行研究仿真。簡述了車牌識別系統(tǒng)的各個工作模塊的工作原理。 第三章：車牌定位與檢測。 36第二章 基于圖像處理的車牌識別系統(tǒng)車牌識別系統(tǒng)[9]只有完成從圖像采集到字符識別結(jié)果的輸出才能體現(xiàn)其完整性，該系統(tǒng)的完成步驟相當復(fù)雜，首先是觸發(fā)拍照和圖像采集，這兩個工作模塊都屬于硬件部分，軟件部分包括原圖像預(yù)處理、邊緣檢測實現(xiàn)對車牌的定位、定位后車牌圖像處理、字符分割及歸一化以及字符識別，最后輸出結(jié)果，一個車牌識別系統(tǒng)的工作流程如圖1所示： 輸入圖像采集圖像預(yù)處理字符分割 字符識別輸出識別結(jié)果 車牌定位定位車牌圖像處理 圖1 車牌識別系統(tǒng) 車牌自動識別技術(shù)的關(guān)鍵在于汽車牌照精確定位、字符分割、歸一化處理和字符識別等。根據(jù)汽車牌照底色的先驗知識，我們民用汽車牌照是藍底白字，所以本文以此為例利用彩色像素點統(tǒng)計進而分割出車牌區(qū)域，車牌圖像的樣本大多是由CCD攝像設(shè)備所拍攝獲到的，該樣本一般為RGB彩色圖像，所以要想精確定位，就得先確定好汽車牌照底色RGB各自對應(yīng)的灰度級范圍，接著沿著水平方向?qū)υ诖祟伾秶鷥?nèi)的像素點進行統(tǒng)計確定所統(tǒng)計的像素點數(shù)量，然后依據(jù)前面的工作設(shè)定合理的閾值，用來確定水平方向的車牌合理區(qū)域，隨后在分割后的車牌區(qū)域?qū)ζ浯怪狈较虻南袼攸c進行統(tǒng)計，確定好像素點數(shù)量，最終完成對車牌區(qū)域的分割，實現(xiàn)準確定位。該格式的圖像是由一個軟件開發(fā)聯(lián)合會組織制定的，支持高級別的壓縮，圖像色彩豐富，占用空間小，而且廣泛支持 Internet 標準，適用于攝影作品、寫實作品、照片等具有豐富清晰細膩的大圖像。將車牌定位、字符分割、字符識別進行了系統(tǒng)化，并用MATLAB軟件對系統(tǒng)的性能進行了測試仿真和分析。 車牌識別的軟件部分的編寫大多采用 VC++或者 MATLAB 語言，本課題我選用 軟件。MATLAB軟件大體上利用C語言編寫程序，這也就表示MATLAB軟件里提供了和C語言算法應(yīng)該的需要各種運算符，靈活使用運算符可以使程序變得簡短化。（5）可以使用 MATLAB 軟件中的control、Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 等模塊作為骨架來搭建整個應(yīng)用系統(tǒng)。由于拍攝傾斜角、車牌有污漬、車牌斷裂、攝像機鏡頭的光學(xué)畸變以及光照、季節(jié)和氣候的不穩(wěn)定等因素都會使圖像質(zhì)量下降，這些干擾源具體表現(xiàn)為如由于光照度不均勻造成車牌區(qū)域含有陰影部分導(dǎo)致圖像灰度過于集中；由攝像機獲得的車輛圖像在傳輸變換過程中也會產(chǎn)生噪聲污染；車輛的牌照區(qū)域被障礙物覆蓋或字符發(fā)生褪色或污漬覆蓋等等。由于不同時刻光照強度不同再加上汽車牌照識別系統(tǒng)需要24小時不間斷工作，這勢必會引起車牌圖像對比度嚴重不足，因此，很有必要進行圖像增強。攝像機拍攝角度的不同再加上很多拍攝的對象都是運動著的車輛，所以獲取到的圖像都會有一定程度的傾斜，因此，這勢必要對圖像進行傾斜矯正，或者是在車牌區(qū)域劃分以后進行傾斜校正。由此可見，真彩色圖像處理算法復(fù)雜，為了簡化車牌圖像處理過程，需要將彩色圖像進行灰度化。由于人眼對三基色的敏感度由高到低排依次是G(綠色）、R（紅色），B（藍色），根據(jù)敏感度分配不同的權(quán)值即圖像灰度化公式： (3)其中W是灰度圖的亮度值。從圖可以看出灰度化后雖然只有亮度信息，但仍完整地表示原圖的信息，其灰度化效果圖如圖2所示： （a）原始圖像 （b）灰度圖圖2 灰度化效果圖 灰度直方圖變換在數(shù)字圖像處理中，灰度直方圖是最簡單且最有用的工具，它是關(guān)于灰度級分布的函數(shù)，用于描述數(shù)字圖像中具有該灰度級的像素個數(shù)，并按照灰度級的大小統(tǒng)計其所出現(xiàn)的頻率。借助于灰度圖像可以很方便地進行高效檢測邊緣、分割圖像及濾波處理。采用直方圖變換后，可使圖像的灰度間距拉開或使灰度分布均勻，從而增大對比度，使圖像清晰，達到增強的目的，本文采用的直方圖變換是直方圖均衡化，所謂直方圖均衡化是通過對原圖像進行某種變換，使得圖像的直方圖變?yōu)榫鶆蚍植嫉闹狈綀D。假定s分布函數(shù)為，則有： （5）對于上式，等式兩邊對s求導(dǎo)可得 （6） 通過變換函數(shù)可以控制圖像灰度級的概率密度函數(shù)，從而改善圖像的灰度層次，這就是直方圖均衡的基礎(chǔ)。圖3是原車牌圖像以及直方圖和經(jīng)過均衡化的圖像顯示。從圖中還可以了解到：由于采用離散公式，其概率密度函數(shù)是近似的，原直方圖上頻率較小的某些灰度級被合并到一個或幾個灰度級中，頻率小的部分被壓縮，頻率大的部分被增強。由于圖像數(shù)據(jù)是二維的，而實際物體是三維的，從三維到二維的投影必然會造成信息的丟失，再加上成像過程中的光照不均和噪聲等因素的影響，使得有邊緣的地方不一定能被檢測出來，而檢測出的邊緣也不一定代表實際邊緣。公式定義為: (10)其中表示邊緣檢測之后的圖像，、和)分別為4領(lǐng)域的坐標，且是具有整數(shù)像素坐標的輸入圖像；其中的平方根運算使得該處理類似于人類視覺系統(tǒng)中發(fā)生的過程。它由下式給出: (11)Sobel算子是一組方向算子，從不同的方向檢測邊緣。由于邊緣點像素的灰度值與其領(lǐng)域點像素的灰度值有顯著不同，在實際應(yīng)用中通常采用微分算子和模板匹配方法進行圖像邊緣檢測。其信噪比（SNR）定義為： （13） 其中為邊緣檢測函數(shù)，是以W為寬度的濾波器的脈沖響應(yīng)，為高斯噪聲的均方差。對于同一邊緣要有低的響應(yīng)次數(shù)?？材崴阕拥倪吘墮z測算法步驟如下：（1） 利用高斯函數(shù)平滑圖像；（2） 采用微分算子沿圖像梯度的X與Y方向分別求偏導(dǎo)數(shù)，計算梯度的幅值和方向；（3） 把局部梯度最大值保留下來，抑制梯度非極大值點；（4） 用雙閾值算法檢測，并對邊緣進行連接；以下是幾種算子的邊緣檢測結(jié)果如圖4所示，從圖中可以看出通過 Roberts 算子檢測出的邊緣存在漏檢現(xiàn)象，對噪聲的抑制能力差；Prewitt 算子能抑制一定程度的噪聲，但是得到邊緣連續(xù)性較差；Canny 算子對邊緣的檢測性能較好，抗噪能力強，并且能在邊緣點產(chǎn)生強度、方向等信息；但是邊緣的一些細節(jié)容易得不到檢測或一些偽邊緣可能會被檢測出，而Sobel算子相對精確，它是方向性的，在水平和垂直方向上形成了最強烈的邊緣。車牌定位準確與否直接影響后續(xù)工作，車牌定位主要對汽車圖像進行車牌區(qū)域提取，并將車牌從該區(qū)域中準確地劃分出來，便于后面的字符分割操作，這里的圖像可能會具有很復(fù)雜的背景，加上光照條件和車牌自身的各種問題如缺損、褪色、污漬等，增加了車牌準確定位的難度。這些