【正文】 ............................................... 51 字符識別結(jié)果與分析 ........................................................................... 52 本章小結(jié) ............................................................................................... 54 6 結(jié)論與展望 ............................................................................................ 55 致 謝 .................................................................................................. 56 參考文獻 .................................................................................................. 57 附 錄 .................................................................................................. 60 重慶大學(xué)碩士學(xué)位論文 1 緒論 1 1 緒 論 本課題研究背景及意義 交通運輸是社會和經(jīng)濟發(fā)展的基礎(chǔ)，也是經(jīng)濟活動和社會生活的重要產(chǎn)業(yè)。 ③ 采用了一種基于灰度累加的車牌字符分割方法對車牌 字符進行分割， 證明對圖像質(zhì)量較差的車牌字符也能有較好的分割效果。主要完成的工作如下： ① 將采集到的含有車牌的圖像進行灰度化，通過 灰度拉伸、直方圖均衡化、中值 濾波 等 對 圖像進行增強 ，并提出了改進的迭代閾值法對圖像進行二值化處理。 基于小波分析的 車 牌 圖像 增強與 字符 識別研究 重慶大學(xué) 碩 士學(xué)位論文 學(xué)生姓名： 宋 娜 指導(dǎo)教師 ： 段其昌 教授 專 業(yè)： 模式識別與智能系統(tǒng) 學(xué)科門類： 工 學(xué) 重慶大學(xué) 自動化 學(xué)院 二 O 一 O 年 四 月 License Plate Image Improvement and Characters Recognition Based on Wavelet Analysis A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Degree of Master of Engineering by Song Na Supervisor: Prof. Duan Qichang Major: Pattern Recognition and Intelligent System College of Automation of Chongqing University , Chongqing, China April, 2020 重慶大學(xué)碩士學(xué)位論文 中文摘要 I 摘 要 隨著社會經(jīng)濟的發(fā)展 和人們生活水平的提高，由于道路硬件設(shè)施的限制，智能交通越來越受到人們的重視。考慮到微光下車牌圖像的含噪特點，結(jié)合小波變換的時頻分析能力，利用小波變換對微光下的圖像進行了去噪處理，取得了良好的去噪效果。然后 用鄰近插值法對分割出的字符進行歸一化處理。伴隨著世界各國汽車數(shù)量的急劇增加，城市交通狀況日益受到人們的重視，有限的道路設(shè)施顯然無法滿足要求，因此，人們把目光投向了設(shè)施之外的技術(shù)方法，也就是如何有效地對交通系統(tǒng)進行服務(wù)和管理。隨著國家成立 ITS協(xié)調(diào)領(lǐng)導(dǎo)小組，以政府主導(dǎo)形式進行 “ 中國 ITS發(fā)展戰(zhàn)略 ” 、 “ 中國 ITS體系框架 ” 及相關(guān)技術(shù)標(biāo)準(zhǔn)的研究，特別是 “ 十五 ” 國家重大科技攻 關(guān)項目 “ 智能交通系統(tǒng)關(guān)鍵技術(shù)開發(fā)和示范工程 ” 的實施 ，標(biāo)志著我國 ITS的發(fā)展經(jīng)過幾年的啟動期已進入發(fā)展期。 ② 高速公路超速自動化監(jiān)管系統(tǒng)：在高速公路建立超速無人值守的自動監(jiān)測、自動布控系統(tǒng)，通過車牌識別系統(tǒng)準(zhǔn)確記錄車輛行駛速度，給車主一定的監(jiān)管壓力，可有效降低高速公路因超速而造成的交通事故。 ④ 智能小區(qū)、智能停車場管理：在智能小區(qū)和智能停車場，應(yīng)用 LPR系統(tǒng)，出入車輛可以在不停車狀態(tài)下進入入口，而系統(tǒng)可以及時識別車牌號，將車輛信息經(jīng)過通信網(wǎng)絡(luò)傳到小區(qū)或停車場管 理系統(tǒng)，從而免去管理人員的人工干擾，節(jié)省人力 、 物力。因此，研究與開發(fā)具有我國車牌特點的高效、實用的實時車牌識別系統(tǒng)具有重要的現(xiàn)實意義。 1989年 Inigo就提出了車輛檢測和車輛跟蹤算法，把機器視覺技術(shù)應(yīng)用于交通控制這一領(lǐng)域，盡管得不到車輛辨識，但是證明了這種技術(shù) 是一種可行的車輛交通監(jiān)控技術(shù)。 VLPRS和 VECON分別適合于對新加坡格式和香港格式的車牌進行識別， HiTech公司則研制出了多種 see/Car System，每種see/Car System適合于某一國家的車牌識別，其中 see/Car System Chinese型 LPR系統(tǒng)是對中國格式的車牌進行識別，但不能識別車牌中的漢字。其中漢王眼采用的方法是強化車牌的垂直邊緣，通過行掃描，確定車牌位置，采用連通域進行字符分割，利用漢王自有的漢字識別優(yōu)勢進行車牌的識別；川大智勝采用的是自適應(yīng)能量濾波的方法進行車牌定位，采用水平投影分割字符，漢字的識別采用模板匹配的方法。 由于我國車 牌識別的特殊性，采用任何一種單一識別技術(shù)均難以奏效，這對我國車牌識別技術(shù)提出了更高的要求。 第二章 介紹車牌圖像的預(yù)處理， 如 對 車牌圖形進行灰度化，并且 通過 灰度拉伸、 直方圖均衡化、中值濾波 等 對圖形進行增強，提出了用改進的迭代閾值法對圖像進行二值化處理；并且研究了在微光下，由于車牌圖像噪聲的特殊性，結(jié)合小波分析時頻特性，對圖像進行去噪處理。 第六章為結(jié)論與展望，對本論文的工作及成果進行了總結(jié)，同時提出了將來的研究方向。 車牌 圖像 常用的 預(yù) 處理 方法 對于車牌圖像預(yù)處理，其目的就是為了突出車牌領(lǐng)域， 去除或者削弱不必要的噪聲， 從而 方便后續(xù)的車牌定位及字符識別。我們都知道，所有的顏色都可以由這三種基本色合成，對于一個尺寸為 A*B大小的彩色圖像來說，需要的存儲空間為一個 A*B*3的三維數(shù)組。 將彩色圖像轉(zhuǎn)換為灰度圖像的過程叫做圖像的灰度化處理。由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍色的敏感度最低， 因此， 當(dāng) ?RW ， ?GW ，?BW 時，能得到最合理的灰度圖像。圖像增強不考慮圖像質(zhì)量下降的原因，只將圖像中感興趣的特征有選擇地突出，而衰減不需要的特征，它的目的主要 是 提高圖像的可懂度。 空域法主要是 在空間域內(nèi) 對圖像中 的各個像素點進行操作， 其原理如圖 式 ()所示： h (x ,y)f(x ,y) g(x,y) 圖 空間域增強模型 Enhanced spatial domain model ? ? ? ? ? ?yxhyxfyxg , ? () 式 ()中 ? ?yxf , ， ? ?yxg , 分別為增強處理前后的圖像， ? ?yxh , 為空間運算函數(shù)。 ① 灰度拉伸 在空間域內(nèi)對圖像進行點運算能改變圖像上像素的灰度值，是一種簡單而重要的圖 像處理技術(shù)，也稱為灰度調(diào)整或者灰度拉伸 ，是一 種分段線性變換方法 。而當(dāng) 圖像的灰度級集中在較大區(qū)域而導(dǎo)致圖像偏亮?xí)r，我們就可以用灰度壓縮 的方法將圖像進行質(zhì)量改善，此時斜率 1。直方圖均衡化 是把給定圖像的直 方圖分布改造成均勻直方圖分布，使輸出像素灰度的概率密度均勻分布，直觀地講，直方圖均衡化導(dǎo)致圖像的對比度增加。 它的具體方法如下： 用圖像 ? ?yxf , 的直方圖代替灰度的分布密度函數(shù) ???rP ，則直方圖均衡化后的圖像 g 為： ? ? ? ???? r r dPrTs 0 ?? () 對于數(shù)字圖像，其灰度值為離散值，將上述公式離散化近似為 ： ? ? ???? kjjkk nnrTs0 1,2,1,0 ?? Lk ? () 其中， n 是圖像中像素的總和， kn 是灰度級為 kr 的像素個數(shù)， L為圖像中可能的灰度級總數(shù)。 1） 線性濾波 線性濾波是利用線性平滑濾波器也稱為均值濾波器對圖像進行濾波，一般是重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 11 采用 鄰域平均法 來模糊或者去除圖像中的顆粒噪聲。因此，選擇合理的鄰域大小顯得尤為重者 。 在鄰域 S為 33的模板中，像素點 ( , )mn 位于 S的中心，則： ? ? ? ?? ??? ??? ??? 1111,91,i jjnimfnmf () 假設(shè)噪聲 n 是隨機 不相關(guān)的加性噪聲， 期望為 0，方差為 2? ， (, )gi j 是沒有受污染的圖像， M 表示鄰域 S內(nèi)的所 有像素， 則含噪 圖像 (, )f i j 經(jīng)過鄰域平均后為： ? ? ? ? ? ? ? ?? ? ????? jinMjigMjifMnmf ,1,1,1, () 由式 ()可知，經(jīng)過鄰域平均后的圖像，噪聲均值不變，方差 22 1 ?? Ma ?，即方差減小了，說明噪聲強度減弱，噪聲得到抑制。所以中值濾波器對極限像素值遠不如均值濾波器敏感，從而可以消除孤立的噪聲點，又 不會 導(dǎo)致 圖像過于 模糊。 跟一維相 似，二維的濾重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 12 波窗口選擇對濾波效果的影響也很大。 表 33的中值濾波模板，它是以窗口鄰域的中心像素點 ? ?jif , 為中心切出的一個 33像素塊。 將車牌圖像 圖(a)用窗口大小為 33的濾波窗口進行中值濾波，得到的結(jié)果如圖 (b)所示。 將灰度圖像二值化，不可避免的會損失一些圖像信息，如何使這種損失降低到最小，這是人們長期從事圖像研究來所追求的目標(biāo)。 可以看出， 選擇合適的閾值 是 問題的關(guān)鍵。對于背景復(fù)雜，比如陰雨天氣、光照不均勻等情況下，使用全局閾值法就容易受噪聲影響，抗干擾能力低下，處理效果不理想。 動態(tài)閾值法也稱為自適應(yīng)閾值法，它是利用像素自身及其領(lǐng)域灰度變化的特征，不僅取決于該像素的灰度值及其周圍像素的灰度值，而且與像素位置信息有關(guān)。 ① 雙峰法 當(dāng)一幅圖像的背景和前景對比鮮明的時候，其灰度直方圖就會出現(xiàn)明顯的峰、谷、峰特征。 頻 度（ 像 素 數(shù) ）閾 值 T 灰 度 值 圖 雙峰法 閾值選擇方法 Bimodal threshold selection method ② OTSU算法 通常情況下，圖像的閾值取灰度直方圖中明顯的谷 位置，這需要圖像的灰度直 方圖存在谷，并且只有一個谷，而實際上，我們得到的圖像灰度直方圖 往往 不具備這個特點，這使得取到正確的圖像閾值顯得十分困難。 OTSU算法不依賴于圖像的灰度直方圖是否存在峰值，算法簡單實用，是比較穩(wěn)定、通用的二值化方法，但它同時也不能反映圖像的幾何結(jié)構(gòu)，當(dāng)目標(biāo)前景和背景灰度差不明顯時，容易出現(xiàn)誤分割的情況，與人的視覺不一致。 ④ 最優(yōu)閾值法 最優(yōu)閾值法是一種產(chǎn)生最小平均分割誤差的全局閾值化方法，它將圖像的灰度等級作為隨機量，而把灰度直方圖作為概率密度函數(shù)的估計 ()pz 。然而要得到 車牌圖像 中背景和目標(biāo)像素的灰度分布概率比較困難，這使最優(yōu)閾值法 的 推廣受到限制。 對比以上 幾種二值化方法，結(jié)合 本文 車牌圖像 在此之前進行了濾波等圖像去噪、增強預(yù)處理，使得圖像的灰度級相對呈兩極分布，并且具有一定的對比度，因此，選擇最后一種迭代閾值法，并在此基礎(chǔ)上進行一定的改進。 圖 灰度圖 和 二值化 效果 圖 Gray level image and binarization effect image 重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 17 微光下車牌 圖像的 去噪 在國外，早在 20 世紀(jì) 80 年代初期，一些發(fā)達國家已經(jīng)開始投入大量的人力物力對微光圖像進行處理研究， 到 80 年代中期，美國已經(jīng)在該領(lǐng)域取得重大進展，同時，德國、以色列等國家也相繼取得成果，推出了一些相關(guān)產(chǎn)品。因此，結(jié)合車牌圖像的特殊性，對微光車牌圖像還需要進行深入細致的研究。因此，如何提高微光車牌圖像的質(zhì)量和分辨率是一個亟待解決的問題 ，而微光圖像所具有的特征則是對它們進行處理的算法依據(jù) 。 微光圖像最大的特點是在圖像畫面上疊加有明顯的隨機閃爍噪聲。如果沒有在時空域間進重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 18 行轉(zhuǎn)換，時間噪聲 ??rnt只能在時間域中通過時間濾波器進行濾波，而空間噪聲??t