【正文】 由圖可以看出 ,絕大部分區(qū)域 (平滑區(qū)域 ) 分布在能量低的區(qū)間少部分區(qū)域 (車牌候選區(qū) 域 ) 分布在能量高的區(qū)間 。則車牌區(qū)域在圖像中表現(xiàn)為水平方向上能量高而集中的區(qū)域。碼字和需要編碼的塊屬于同樣的數(shù)據(jù)空間，在塊的編碼的過程中，找出其最相似的碼字，實際上就完成了對塊內(nèi)容的一種分類，因此它可以判別某個塊是否可能位于牌照區(qū)域。 基于矢量量化的車牌定位方法 矢量量化主要應 用在圖像 壓縮、編碼領域，其基本原理就是將圖像分割成基本的塊12( , , )nx x x ，將所有可能出現(xiàn)的塊組成一個數(shù)據(jù)空間 。 采用小波分析提取邊緣的算法，能夠彌補傳統(tǒng)的邊緣檢測算法的不足，在有效地抑制噪聲影響的同時，提供了較高的邊緣定位精度。用小波變換可以進行圖像增強、特征提取、邊緣檢測、圖像分割、紋理分析、圖像壓縮、模式識別等方面的處理。在這些方法中，神經(jīng)元網(wǎng)絡相當于濾波器，這些濾波器通過分析牌照的顏色、紋理等對圖像進行分類，確定此像素屬于牌照區(qū)域還是屬于背景區(qū)域。 基于字符串形狀特征的車牌分割方法，主要針對牌照字符串沿水平方向排列的規(guī)則紋理，采用了一種線性濾波器來初定車牌區(qū)域，采用平均值的辦 法選取閾值而 進行二值化，然后利用投影的方法進行精確定位。 基于特征的車牌車牌定位算法是利用一階微分算子對原始圖像的邊緣進行預處理，并在基礎上運用數(shù)學形態(tài)學的閉運算獲得車牌的獲選區(qū)，然后采用投影的方法剔除假車牌， 定位真車牌，這種方法的算法簡單，減少了噪聲的干擾，能夠滿足實時定位的要求。針對以上情況 ,本文提出了一種快速且魯棒性強的車牌定位算 法。高階插值插值效果好 ,但運算量大 . 雙線性插值的運算量小于高階插值 ,插值效果雖不如高階插值 ,但明顯優(yōu)于最近鄰插值 , 完全能滿足車牌識別的需要 . 所以 ,本文選擇雙線性插值算法進行圖像插值運算 . 雙線性插值示意圖如圖 25所示 .像素 C ,)( ji? ? 被 C( , )ij 、C 1( , )ij? 、 C 1( , )ij? 和 C 11( , )ij??四個像素包圍，則 , ) [( ( 1 , ) ( , ) ] * ( )[ ( , 1 ) ( , ) ] * ( ) ( , )[ ( 1 , 1 ) ( , ) ( , 1 )( 1 , ) ] * ( ) ( )jCC i i j C i j i iC i j C i j j j C i jC i j C i j C i jC i j i i j j? ? ? ?? ? ??? ? ? ? ?? ? ? ? ? ???? ? ? ? （ 215） 圖 25 雙線性插值示意圖 作為一種特殊情況，當像素 C（ ,ij? ? ）落在 C 1( , )ij? 和 C 11( , )ij??之間時，則有： ( , ) ( 1 , 1 ) * ( ) ( 1 , ) * ( 1 )C i j C i j j j C i j j j?? ?? ?? ??? ? ? ? ? ? ? ? （ 216） 車牌傾斜校正算法 由于道路的坡度、車牌的懸掛和攝像機與車牌之間傾斜角度的影響 , 使得拍攝到的車牌圖像產(chǎn)生了傾斜 ,這實際上是一種透視失真 . 一般情況下 , 可將傾斜的車牌圖像近似看成一個平行四邊形 , 可有三種傾斜模式 :水平傾斜、垂直傾斜和水平垂直傾斜 ,分別如圖 26 、圖 27 和圖 28 所示 . 圖 26 為水平傾斜的兩種情況 , 這時字符基本上無傾斜 , 車牌的水平 x 軸與圖像的 水平 x 軸有一個傾斜角度 ? , 只要求取 ? ,將圖像繞 x 設定頁眉 16 軸旋轉(zhuǎn) ? 即可 . 圖 27 為垂直傾斜的兩種情況 . 這時的傾斜實際上是同一行間像素的錯位偏移 . 只要檢測到垂直傾斜角度 β 進行錯位偏移校正即可 . 圖 28為水平垂直傾斜的兩種情況 ,既存在水平傾斜又存在垂直傾斜 ,是最一般的情況 . 可先檢測水平傾斜角度 ? 進行水平傾 斜校正 ,然后再求取垂直傾斜角度 ? 進行垂直傾斜校正 . 圖 26 水平傾斜 圖 27 垂直傾斜 圖 28 水平垂直傾斜 每章完結要總結這一章的工作設定頁眉 17 第三章 車牌定位 對于整個車牌識別系統(tǒng)來說，車牌識別精確度的高低主要取決于車牌定位 精確度的高低，而車牌定位又是車牌識別中最難解決的一步，迄今為止，仍然 沒 有一個完全通用的智能化車牌定位的方法 。 大量實驗表明 , 該方法簡單實用 ,對光照不敏感 ,抗干擾性強 。 (3) 通過求取車牌字符區(qū)域的局部極小和局部極大特征點 ,再進行投影確定車牌的傾斜角。 因此 ,需要在字符分割之前進行車牌的傾斜校正。 （ 3）濾波處理 根據(jù)上面噪聲點確定的結果 ,如果為噪聲點 ,則用中值取代該像素點灰度值 ,否則 ,該像素點的灰度值不變。關于此閾值主要 有兩種途徑得到 ,一是根據(jù)長期處理去噪的經(jīng)驗得來 ,二是采用窗口內(nèi)像素點的均值來粗略估計。此改進的快速中值濾波算法主要包括 :中值的確定、噪聲點的確定和濾波處理三個環(huán)節(jié)，下面予以詳述。 中值濾波器可以推廣到二維，對二維圖像操 作，二維中值濾波器的窗口形狀和尺寸對濾波效果影響較大，對于不同內(nèi)容不同應用要求的圖像，需要采用不同尺寸和形狀的窗口。可以證明，對圖像進行鄰域平均處理相當于圖像信號通過低通濾波器。鄰域 S 的形狀和大小根據(jù)圖像特點確定。對圖像進行 11 處理，通常采用空域濾波的方法，下面介紹幾種常用的空域濾波器。 圖 23 灰度拉伸 經(jīng)圖像采集系統(tǒng)獲取的原始圖像，通常都含有各種各樣的噪聲與畸變，這將大大影響系統(tǒng)的識別精度。 1x ，、 2 x 的選取有多種方法，總的原則選取灰度最為集中的一段的左右端點。 圖22所示的變換函數(shù)的運算結果是將原圖在 1x 和 2x 之間的灰度拉伸到 1y 和 2y 之間?；叶壤旌突叶鹊木€性變換有點類似，都用到了灰度的線性變換。這樣做可以同時提高處理速度與去掉無用的信息。 24位 BMP 格式文件的每個像素點均用 3 個字節(jié)（ 24位）來表示像素值， 3個字節(jié)分別存儲紅、綠、藍 3原色的值。 本論文 中 用到的圖像，是用攝像機獲得的 24 位彩色位圖文件格式?；叶葓D像是只含亮度信息不含色彩信息的圖像，其中亮度值量化為 256 級。對圖像進行預處理，主要包括圖像的二值化、灰度拉伸和增強等方法。 最后，對本文的工作進行了總結，并對后續(xù)的研究工作進行了一些探討。本文主要工作如下 : 通過閱讀大量的文獻，對車牌自動識別技術的應用背景和研究意義、車牌識別系統(tǒng)的 技術難點以及車牌自動識別技術的發(fā)展和研究現(xiàn)狀進行了系統(tǒng)的闡述。 ⑷ 其他因素。 ⑵ 自然環(huán)境問題。 從目前一些車牌識別產(chǎn)品的性能指標可以看出， LPR 系統(tǒng)的識別率和識別速度有待提高。這種方法的主要思想是通過三層 MLPN 網(wǎng)絡將具體均勻色度的彩色圖像進行色彩分割，再利用投影法分割出潛在的各種底色的車牌區(qū)域。 完全基于形態(tài)學的算法有運用數(shù)學形態(tài)學的閉運算獲得車牌的候選區(qū)，然后采用投影的方法剔除假車牌，定位針車牌。 基于特征的車牌定位的方法有 提出的基于字符邊緣檢測的車牌定位方法，通過圖像中的字符邊緣和水平掃描之間相交的邊緣之間的距離分布規(guī)律，確定可行的車牌區(qū)域，通過對區(qū)域的進一步分析來確定真是的車牌區(qū)域。 近幾年，國內(nèi)也有許多公司以及科研機構進行這方面的研究，并且有一些實用化的產(chǎn)品，這些產(chǎn)品的車牌識別率都在 90%以上，但對環(huán)境要求較高，在全天候的條件下，都存在識別精度不高、識別時間長凳缺點，車牌識別技術還存在很大的發(fā)展空間。通常所說的數(shù)字圖像處理是指用計算機進行的處理，因此也稱為計算機圖像處理 (Computer Inage Processing)。但是光學處理圖像精度不夠高，穩(wěn)定性差，操作不便。人類獲取外界信息有視覺、聽覺、觸覺、嗅覺、味覺等多種方法，但絕大部分 (約80%)是來自視覺所接收的圖像信息，即所謂“百聞不如一見”。 車輛牌照識別 (LPR)系統(tǒng) 作為智能交通系統(tǒng)的核心功能部分，在以對行駛車輛的牌照進行自動識別基礎上提供高速公路自動收費，電子警察抓拍系統(tǒng)，重要交通節(jié)點的管理控制，無人停車場自動管理，小區(qū)智能車輛管理，違章車輛的追蹤以及失竊車輛的調(diào)查等功能，以此來提供交通系統(tǒng)的利用率，節(jié)省人力與資金，目前，伴隨著計算機科學技術等一系列相關科技的發(fā)展與完善、車輛牌照自動識別系統(tǒng)也逐漸從研究階段轉(zhuǎn)化到了實用推廣階段 。 關鍵詞： 數(shù)字圖像處理； 圖像預處理；車牌定位；車牌字符分割和字符識別 II The Application Of Digital Images Processing In Licenese Plate Recognition ABSTRACT With the acceleration of urbanization and increasing popularity of motor vehicles, now in many countries there are frequent traffic accidents and jams .How to manage the traffic efficently has bee the focus of attenton around the world. In this environment, along with the rapid development of puter technology, munications technology and information technology, the intelligent transportation system (ITS) has bee the main development directon of the current traffic management. As the core of ITS, the License Plate Recognition (LPR) System plays a very important role. This dissertation base on analysis the theory of image proeessing and the vehicle license as the research main research how the image preprocessing, number plate, positioning, license plate character segmentation and character recognition and a series of processes in order to plete the vehicle license identification. KEYWORDS: Digital image processing。在這種大的背景下，伴隨著計算機技術、通信技術、信息技術的飛速發(fā)展，智能交通系統(tǒng)(ITS,Intellingence Traffic System)也隨之誕生，并且已經(jīng)成為當前交通管理發(fā)展的主要方向。如何高效的進行交通管理，已經(jīng)成為世界各國關注的焦點。 本文在分析圖像處理技術理論的基礎上，以車輛牌照 為研究對象，主要研究如何通過圖像的預處理、車牌的定位、車牌字符分割 和字符識別等一系列過程，以完成汽車牌照的識別。 license plate character segmentation and character recognition 3 數(shù)字 圖像處理技術在車牌識別中的應用 電子信息工程 2班， 202095024067 ,安鵬飛 指導老師： 張昭 第一章 緒論 交通的發(fā)展是社會發(fā)展和人民生活水平 提高的基本條件，隨著我國經(jīng)濟的快速發(fā)展，交通擁擠、交通事故、環(huán)境 污染等問題日益突出 ,保持經(jīng)濟可持續(xù)發(fā)展，以提高現(xiàn)有道路、公路網(wǎng)絡的運輸能力和運輸效率的智能交通系統(tǒng) Intelligent Transportation System (ITS)成為解決交通運輸問 題的一個重要途徑。 所謂圖像處理，就是對圖像信息進行加工處理，以滿足人的視覺心理和實際應用的要求。前者己經(jīng)有很長的發(fā)展歷史，從簡單的光學濾波到現(xiàn)在的激光全息技術，光學處理理論已經(jīng)日趨完善，而且處理速度快，信 息容量大，分辨率高，又很經(jīng)濟。所謂數(shù)字圖像處理就是利用數(shù)字計算機或者其他數(shù)字硬件，對從圖像信息轉(zhuǎn)換而得到的電信號進行某些數(shù)字運算，以提高圖像的實用性。 的研究現(xiàn)狀 基于圖像處理的車牌識別技術的研究在國外起步比較早 ，在美國、意大利、德國、以色列、新加坡等國家，現(xiàn)在都 已經(jīng)有比較成熟的產(chǎn)品投入使用，比如美國的（ AUTOSCOF）2020系統(tǒng) 、 以色列的 HiTech公司研制的 See/Car System、德國西門子公司的 ARTEM7SXI系統(tǒng)、新加坡的 Optasia 公司研制的 VLPRS 等車牌識別系統(tǒng)，但因為我國車牌樣式的多樣性、車牌顏色的多樣性以及包含漢字等特點，這些車牌識別系統(tǒng)部適合我國國情。 關于車牌定位方面，主要理由車牌的邊緣、形狀、顏色等特征，再結合數(shù)字圖像處理、形態(tài)學、小波變換、人工神經(jīng)網(wǎng)絡