【正文】 靈敏度有較大的四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 23 差異而產(chǎn)生圖像灰度失真，或是由于曝光不足或 過度而使得圖像的灰度值被限制在一個(gè)很小的范圍。 灰度變換增強(qiáng) 由于車牌圖像在拍攝時(shí)受各種各樣條件的限制和干擾，圖像的灰度值往往與實(shí)際景物不完全匹配。非均勻光照條件等情況雖然影響整體圖像的灰度分布，但是對局部圖像的性質(zhì)卻沒有什么影響，從而局部閾值法比全局閾值法有更廣泛的應(yīng)用，比如 Bernsen 算法 [24]就是一種典型的局部閾值法。設(shè)原始灰度圖像為 ? ?yxf , ,變換過后的二值圖像為 ? ?yxg , ，則二值化的過程表示為 ： ? ? ? ?? ???? ??? Tyxf Tyxfyxg ,0 ,1, (42) 根據(jù)閾值選取情況，又分為全局閾值、局部閾值和動(dòng)態(tài)閾值 [22]。為此，必須對二值化算法做深入細(xì)致的研究。在邊緣檢 測技術(shù)在汽車牌照自動(dòng)識(shí)別監(jiān)控系統(tǒng)的應(yīng)用的研究過程中，對圖像的二值化是非常關(guān)鍵的一步，二值化的效果直接影響到后面的車牌定位以及字符分割，因?yàn)檐嚺贫ㄎ缓妥址指疃际腔谲嚺茀^(qū)域的二值化結(jié)果進(jìn)行的。 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 21 (a)原彩色圖 (b)轉(zhuǎn)換后的灰度 圖 圖 41 彩色圖像的灰度化處理 灰度圖只能表現(xiàn) 256 種顏色，灰度化處理還有其他方法，如：取 3個(gè)分量的最大值、最小值、算術(shù)平均值等，目的都是使顏色的 R， G， B 分量值相等。 一般情況下彩色圖像每個(gè)像素用 3個(gè)字節(jié)表示，每個(gè)字節(jié)對應(yīng)著 R， G， B分量的亮度 (紅、綠、藍(lán) )，轉(zhuǎn)換后的灰度圖像的一個(gè)像素用一個(gè)字節(jié)來表示該點(diǎn)的灰度值，它的值在 0255 之間，數(shù)值越大，該點(diǎn)就越白，即越亮，越小則越黑。 車牌圖像的灰度化和二值化 圖像的灰度化 顏色圖像可分為黑白色、灰度色和彩色。而在景物成像的過程中，受多種因素的影響，圖像質(zhì)量都會(huì)有所下降，這種圖像質(zhì)量下降的過程稱為圖像的退化。而若結(jié)構(gòu)元素過小，則會(huì)使車牌區(qū)域無法粘連在一起，就有可能使真正的車牌區(qū)域不包含在可能的車牌區(qū)域集合中。 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法就是利用開啟和閉合這兩種運(yùn)算在圖像中進(jìn)行定位的。 開啟和閉合運(yùn)算也具對偶性，即 ： 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 19 ? ? ??? BABA CC? (39) ? ? ??? BABA CC ? (310) （ 3） 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位 數(shù)學(xué)形態(tài)學(xué)中的開閉運(yùn)算具有以下特 點(diǎn) ： (1)開運(yùn)算可以擦除圖像中的像素。 膨脹與腐蝕的結(jié)構(gòu)與原點(diǎn)的位置有關(guān)。也就是說，用B來膨脹 A得到的集合是 B 的位 移與 A至少有一個(gè)非零元素相交時(shí) B的原點(diǎn)的位置的集合。其運(yùn)算對象是集合，通常給出一個(gè)圖像集合和一個(gè)結(jié)構(gòu)元素集合，利用結(jié)構(gòu)元素對圖像進(jìn)行操作。形態(tài)學(xué)的基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素來量和提取圖像中的對應(yīng)形狀，從而達(dá)到對圖像進(jìn)行分析和識(shí)別的目的。這樣，就會(huì)在圖像中呈現(xiàn)出一條明顯的邊界，在投影表 ??iT 中反映為陡變的邊沿。只要確定緩沖器的位置，就能得到牌照的大致位置。 ” )，左右邊緣至少應(yīng)該有 7*2=14 個(gè)，邊緣檢測后每行應(yīng)該至少有 13 次“ 0”到“ 1”的變化。 主要用到 車牌 以下 的先驗(yàn)知識(shí) ： (1)攝像機(jī)與汽車的距離基本固定，而實(shí)際車牌的大小又基本相同，所以在圖像中車牌 的大小是一個(gè)特征量 ； (2)車牌有邊界，邊緣檢測時(shí)會(huì)有邊緣存在 ； (3)車牌中一般 7個(gè)字符，筆劃存在邊緣 ； 車牌的搜索方法如下 ： (1)對圖像作垂直投影，然后從下向上搜索投影值，因?yàn)閳D像中車牌以下部分的灰度值較低，且灰度分布相對均勻，經(jīng)過圖像增強(qiáng)和邊緣檢測后基本變?yōu)?0。下面對這些算法逐一介紹。 從人的視覺特點(diǎn) 出發(fā)，車牌目標(biāo)區(qū)域具有如下特點(diǎn) ： 車牌底色往往與車第 3 章 車牌定位 14 身顏色、字符顏色有較大差異 ； 車牌有一個(gè)連續(xù)或由于磨損而不連續(xù)的邊框，車牌內(nèi)有七個(gè)字符，基本成水平排列，所以在牌照的矩形區(qū)內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征 ； 車牌內(nèi)字符排列均勻，字符和牌照底色在灰度值上存在跳變，且字符本身與牌照底部灰度均勻 ； 車牌內(nèi)字符間的間隔、字符大小和牌照大小有固定的比例 ； 車牌的幾何特征 ： 即車牌的高、寬和高寬比相對固定。 車牌圖像定位的難點(diǎn)主要有 ： (1)圖 像獲取受環(huán)境因素干擾 (環(huán)境光照不均勻等 )，車牌照片質(zhì)量難以得到保證； (2)廣告牌等其它字符區(qū)域干擾，可能導(dǎo)致定位錯(cuò)誤 ； (3)車牌出現(xiàn)污損，變臟，筆跡模糊，褪色等； (4)車牌被保險(xiǎn)杠等部分遮擋； (5)車輛速度過快造成圖像的模糊失真等； (6)應(yīng)用背景復(fù)雜，車輛種 類繁多、車型、顏色變化多樣。 (2)顏色特征 ： 現(xiàn)有的車牌有 4種顏色類型 ： 小型汽車的藍(lán)底白字車牌、大型汽車的黃底黑字車牌、白底黑字的軍警車、黑底白字的國外駐華使館用車 。 車牌的先驗(yàn)知識(shí) 為了準(zhǔn)確、快速地定位出車輛牌照，人們己經(jīng)研究出了很多算法，這些算法都或多或 少地利用了車牌的先驗(yàn)知識(shí)，即車牌的自身特征。 第 3 章 車牌定位 12 圖 31常見車牌 車牌字符特征 標(biāo)準(zhǔn)車牌 (除軍車、警車、教練車、外交車外 )含有七個(gè)字符。第四至第七個(gè)字符是阿拉伯?dāng)?shù)字。后 220mm長， 140mm寬 ； (6)農(nóng)用運(yùn)輸車、拖拉機(jī)牌照。在實(shí)際的 工程應(yīng)用中，為了獲得較快的判決速度，只對整幅圖像的某一區(qū)域進(jìn)行檢測 [14]。 視頻檢測的主要目的是通過設(shè)計(jì)判斷識(shí)別算法，正確識(shí)別有無來車，將有來車的圖像 進(jìn)行抓拍并作進(jìn)一步的處理，對 HG 于 沒有來車的圖像將丟棄。實(shí)驗(yàn)表明，此方法可以有效抑制光線和自然條件的緩慢變化，并能夠在一定程度上提高背景差分算法檢測運(yùn)動(dòng)目標(biāo)的效果。 背景圖像的更新 對背景的更新，采用隔時(shí)進(jìn)行背景提取和更新的方法。反之，如果當(dāng)前圖像包含車輛，則和背景圖像不同，此時(shí)差值為 1,閾 值 T 的作用是減少噪聲和光線變化的影響。 四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 9 背景圖 當(dāng)前幀 消減結(jié)果 圖 21背景消減法效果 通過比較分析， 采取簡單實(shí)用的背景消減法作為車輛檢測的方法 較好 。它是一種利用當(dāng)前幀圖像與背景圖像對應(yīng)像素點(diǎn)的灰度差值來檢測車輛的技術(shù) ： 如果當(dāng)前圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值差別很大，就認(rèn)為此像素點(diǎn)有車通過 ； 相反，如果當(dāng)前圖像的像素點(diǎn)和背景圖像的像素點(diǎn)灰度值差別較小， 并且 在一定的范圍值內(nèi)，我們就認(rèn)為此像素點(diǎn)為背景像素點(diǎn)。采用這種方法時(shí)， 需要考慮如何選擇合適的時(shí)間間隔進(jìn)行差分運(yùn)算，這一般依賴于 所檢測的目標(biāo)的運(yùn)動(dòng)速度。從 而 導(dǎo)致光流計(jì)算算法的實(shí)用性比較差。因此，光流場攜帶了有關(guān)物體運(yùn)動(dòng)和景物二維結(jié)構(gòu)的豐富信息，通過對速 度場 (光流場 )第 2 章 汽車圖像的采集 8 的分析可以判斷在檢測區(qū)域內(nèi)車輛的有無。下面按照上述分類分別加以介紹。 而基于 激光傳感器、紅外傳感器的檢測，人為的干擾則比較大 。 (2)攝像頭和跟蹤的目標(biāo)都是運(yùn)動(dòng)的。且有著計(jì)算簡單，容易實(shí)現(xiàn)，速度快等優(yōu)點(diǎn) 。并討論了各自有缺點(diǎn)及 其 適用范圍。并提出采取簡單實(shí)用的背景消減法作為車 輛檢測的方法較好。 具體研究主要包括圖像采集、車牌的定位、字符的分割三 大塊內(nèi)容， 字符識(shí)別可參考其它 教科 書。 圖 像 獲 取邊 緣 連 接斷 邊 、 偽 邊 處理彩 色 圖 像 變 為灰 度 圖 像邊 緣 提 取邊 緣 輸 出低 通 濾 波邊 緣 定 位 圖 11 邊緣檢測的流程圖 我國汽車牌照識(shí)別的難點(diǎn) 雖然，國外汽車牌照識(shí)別系統(tǒng)研究工作己有一定進(jìn)展，但并不盡合我國國情，這主要是因?yàn)橐韵挛鍌€(gè)方面的原因 ： (1)我國標(biāo)準(zhǔn)汽車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，從 而 增加了識(shí)別的難度 ； (2)國外許多國家汽車牌照的底色和字符顏色通常只有對比度較強(qiáng)的兩種顏色 (例如韓國的車牌底色為紅色，車牌上的字符為白色 )， 而 我國汽車牌照僅底色就有藍(lán)、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等幾種顏色 ； (3)其他國家 的汽車牌照格式 (如汽車牌照的尺寸大小，牌照上字符的排列等 )通常只有一種， 而 我國則根據(jù)不同車輛、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 )； (4)我國汽車牌照的規(guī)范懸掛位置不統(tǒng)一 ； (5)由于 環(huán)境、道路或人為因素造成汽車牌照污染嚴(yán)重，這種情況下國外發(fā)第 1 章 引 言 6 達(dá)國家不允許上路， 而 在我國仍可上路行駛。使得被處理 的圖像信號(hào)相當(dāng)復(fù)雜，在這種情況下僅僅依靠局部信息檢測是不夠的。 以上方法是目前研究較多的邊緣檢測方法，其中前兩類方法屬于 經(jīng)典邊緣檢測方法 ，都是依靠對圖像進(jìn)行微分運(yùn)算求得梯度來進(jìn)行邊緣檢測的，其優(yōu)點(diǎn) 是計(jì)算簡單，速度快 ，缺點(diǎn)是僅僅依靠了局部信息，對噪聲較為敏感。一種復(fù)雜的方法是根據(jù)每一點(diǎn)的鄰域的局部統(tǒng)計(jì)性質(zhì)來確定模板的 系數(shù) [5]。多尺度信號(hào)處理的目的不僅是為了辨識(shí)出信號(hào)中的重要特征， 而且 能以 不同細(xì)節(jié)程度來構(gòu)造對信號(hào)的描述，在高層次視覺處理的任務(wù)中多尺度方法有著重要的作用，是一種新興的邊緣檢測方法 [4]。另一種方法 是局部曲線最小二乘擬合法，其基本思想是 ： 根據(jù)最小二乘法把圖 像的局部區(qū)域近似表示為一組基第 1 章 引 言 4 函數(shù)的線性組合，從 而 達(dá)到消除噪聲的效果。另外還有基于 曲面擬合 的各種邊緣檢測算法，它們的基本思想是用一個(gè)平滑的曲面和待測點(diǎn)周圍某領(lǐng)域內(nèi)像素的灰度值進(jìn)行擬合，然后計(jì)算此曲線的一階或二階導(dǎo)數(shù) [3]。所以，本課題的一個(gè)重要方向就是邊緣提取算法的研究及改進(jìn)。另外西安交通大學(xué)的圖像處理與識(shí)別研究室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系、清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)的自動(dòng)化系等也都做過類似的研究。 國內(nèi)外現(xiàn)有的一些類似產(chǎn)品主要有 ： 以色列 Hi Tech 公司的 See/Car System系列產(chǎn)品，香港 Asia Vision Technology 公司的 VECON 產(chǎn)品，新加坡 Optasia 公司的 VLPRS 產(chǎn)品等，其中 VECON 和 VLPRS 產(chǎn)品主要適合于 香港和新加坡的車牌， Hi Tech 公司的 See/Car System有多種的變形產(chǎn)品來分別適應(yīng)某一個(gè)國家的車牌， See/Car Chinese 系統(tǒng)可以對中國大陸的車牌進(jìn)行識(shí)別，但也有很大的缺陷， 而且 不能識(shí)別車牌中的漢字，另外日 本、加 拿大、德國、意大利、英國等各個(gè)西方發(fā)達(dá)國家都有適合于 本國車牌的識(shí)別系統(tǒng)。 車輛牌照圖像識(shí)別也是計(jì)算機(jī)智能化的關(guān)鍵技術(shù)之一，涉及到模式識(shí)別、圖像處理、人工智能、信息論、計(jì)算機(jī)等多個(gè)學(xué)科，同時(shí)也與語言文字學(xué)和心理學(xué)等學(xué)科相關(guān)，是一 門 綜合的技術(shù)，有著重要理論意義和實(shí)際應(yīng)用價(jià)值。目前，鐵路、航空、水運(yùn)業(yè)都在考慮利用智能運(yùn)輸系統(tǒng)的先進(jìn)技術(shù)改造傳統(tǒng)的運(yùn)輸方式，智能交通系統(tǒng)將起到越來越重要的作用。所謂智能交通系統(tǒng)是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子控制技術(shù)及計(jì)算機(jī)處理技術(shù)等 綜合運(yùn)用于 整個(gè)交通運(yùn)輸管理體系，通過對交通信息的實(shí)時(shí)采集、傳輸和處理，借助各種科技手段和設(shè)備，對各種交通情況進(jìn)行協(xié)調(diào)和處理，建立起一種實(shí)時(shí)、準(zhǔn)確、高效的綜合運(yùn)輸管理體系，從 而 使交通設(shè)施得以充分利用并能夠提高交 通效率和安全，最終使交通運(yùn) 輸服務(wù)和管理智能化，實(shí)現(xiàn)交通運(yùn)輸?shù)募s式發(fā)展 [1]。 canny 算子能在噪聲抑制和邊緣檢測之間取得較好的平衡，并能產(chǎn)生較細(xì)的邊緣效果。 本文在簡單介紹車牌識(shí)別的四個(gè)模塊的基礎(chǔ)上，主要對車牌邊緣檢測進(jìn)行了討論， 分析了 Roberts 算子、 Sobel 算子、 canny 算子、拉普拉斯 (Laplacian)算子和 Marr 邊緣檢測 算子 。車牌識(shí)別系統(tǒng)一般包括車輛圖像采集、車牌定位、 字符分割和字符識(shí)別四個(gè)模 塊。但是， Sobel 邊緣檢測算子也檢測出了一 些偽邊緣，使得邊緣比較粗，降低了檢測定位精度。它已經(jīng)成為當(dāng)前交通管理的方向。智能交通系統(tǒng)的發(fā)展趨勢也從單一的運(yùn)輸模式的智能化向綜合交通的多種運(yùn)輸模式協(xié)調(diào)配合的智能化方向 發(fā)展。對提高這些場所交通系統(tǒng)的管理第 1 章 引 言 2 水平和自動(dòng)化程 度具有重要的意義和巨大的經(jīng)濟(jì)價(jià)值。為了解決圖像惡化的問題，目前國內(nèi)外的研究機(jī)構(gòu)或公司企業(yè)采取的辦法是采用主動(dòng)紅外照明攝像或使用特殊的傳感器來提高圖像的質(zhì)量，繼 而 提高識(shí)別率。除此之外國內(nèi)的亞 洲視覺科技有限公司、四川理工學(xué)院本科畢業(yè)（設(shè)計(jì)）論文 3 深圳市吉通電子有限公司、中國信息產(chǎn)業(yè)部下屬的中智交通電子系統(tǒng)有限公司等也都有自己的產(chǎn)