【正文】 ),imshow(I)。四年來，是同學讓我的大學生活變得更加豐富多彩，我們一起經歷了大學的別樣生活，愿同窗友誼之樹常青。沒有你們就不會有我的今天，謝謝你們，我的父親母親！育我成才者老師。離別在即，站在人生的又一個轉折點上，心中難免思緒萬千，一種感恩之情油然而生。 除了以上需要改進的方向以外，為了從根本上提高車牌定位與字符分割的效果, 還需要有新的理論應用到車牌定位與字符分割技術中。本文只是簡單地做了亮度均衡，還有待進一步加強處理。經過大量的試驗，該軟件在抗干擾能力和分析的實時性上都表現良好，為后續(xù)的字符識別創(chuàng)造了良好的條件。并在考慮了標準車牌寧符分割的同時，還處理了字符粘連情況下的字符分割。即排除了偽車牌減少了運算量，又精確定位了車牌字符區(qū)域，減少了字符分割的干擾。然后根據車牌的形狀特征找到一系列的類車牌區(qū)域。本文的主要工作總結如下： (1)在車牌定位中，對HSI空間的亮度分量進行直方圖均衡化，提高了被處理圖像的亮度適應范圍，又不改變圖像的色度分量和飽和度分量。若兩幅車牌，采用文中所述算法，仍拒準確定位出兩幅車牌圖像．井精確地分割出所需的字符。(5)結果導出：圖 12 系統(tǒng)整體流程圖 Fig 12 Overall system flow chart圖 13 車牌定位流程圖 Fig 13 License plate localization flow chart圖 14 字符識別流程圖 Fig 14 Character recognition flow chart 軟件處理結果分析 除了對特點的圖片的處理外．還選取了一些干擾源多、光照不足及一幅圖片內包含多車牌情況的圖片作為對軟件糾錯性的測試。(2)車牌定位：由于當前不知道車牌是屬于藍自車牌、黑白車牌或者是黃黑車牌，所以需要分別按這三種類型依次處理。工具箱是MATLAB函數的子程序庫，每一個工具箱都是為某一類學科專業(yè)和應用而定制的，主要包括信號處理、控制系統(tǒng)、神經網絡、模糊邏輯、小波分析和系統(tǒng)仿真等方面的應用。新版本的MATLAB可以利用MATLAB編譯器和C/C++數學庫和圖形庫，將自己的MATLAB程序自動轉換為獨立于MATLAB運行的C和C++代碼。MATLAB對許多專門的領域都開發(fā)了功能強大的模塊集和工具箱。新版本的MATLAB對整個圖形處理功能作了很大的改進和完善，使它不僅在一般數據可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數據的表現等），MATLAB同樣表現了出色的處理能力。函數所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數據的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復數的各種運算、三角函數和其他初等數學運算、多維數組操作以及建模動態(tài)仿真等。函數中所使用的算法都是科研和工程計算中的最新研究成果，而前經過了各種優(yōu)化和容錯處理。而且這種語言可移植性好、可拓展性極強，這也是MATLAB能夠深入到科學研究及工程計算各個領域的重要原因。MATLAB一個高級的矩陣/陣列語言，它包含控制語句、函數、數據結構、輸入和輸出和面向對象編程特點。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級，MATLAB的用戶界面也越來越精致，更加接近Windows的標準界面，人機交互性更強，操作更簡單。 MATLAB的開發(fā)界面圖 11 MATLAB的開發(fā)界面 Fig 11 MATLAB development interface MATLAB軟件的優(yōu)勢(1)友好的工作平臺和編程環(huán)境。它將數值分析、矩陣計算、科學數據可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中，為科學研究、工程設計以及必須進行有效數值計算的眾多科學領域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設計語言（如C、Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平。希望經過這次實現LPR程序的經歷逐漸讓自己變得更加成熟和沉著。但是由于框架是正確可用的，所以對于改進的地方，應該從分割點的選取，總體的思路是改進各種閥值的選取，包括二值化的因子、高斯平滑的sigma因子等等，我們事先應當做一個直方圖統(tǒng)計等東西來計算出各種針對當前牌照的浮動閥值。 endend以下是水平分割結果（預分割）：圖 9 水平預分割的車牌圖像 Fig 7 Level of pre segmentation vehicle images可以看出頂上的螺絲釘與下面的邊沿被切除掉了，接著，我們做最后的分割，有些時候我們會連垂直方向上的一些邊都當成了字符，其實一個很簡單的解決方法就是設定一個閥值讓體積比較正常的字符通過，過濾掉類似邊沿的假結果。 seg_flag==1 seg_flag = 0。for i=1:length(seg_target) if ~seg_target(i) seg_flag = 1。 endendseg_target = sum_rows = (floor(min(sum_rows)/10)+1)*10。真正應該分割點的是最低的波谷處。對于水平切割，這里采用了最落后的閥值法，對水平總和數據求數學平均，然后低于數學平均值的那一整行像素將被刪除。圖 7 經二值、平度化、平滑后的車牌圖像 Fig 7 The binary, pingdu change, smooth the vehicle images after圖 8 圖 6是二值、灰度化并平滑后的結果，效果還是不錯的。然而，還有另外一些干擾也要引起我們的注意的問題，因此解決這種問題更顯得程序的通用性。4．2車牌字符分割算法 MATLAB車牌字符分割這是一個簡單的車牌字符分割程序，程序大概分為三步： 灰度化/二值化/直方圖均衡化/歸一化大??； 去噪 ； 分割；由于使用MATLAB作為平臺，第一步幾乎可以以一句話完成。但是此時仍不適合于做投影分析，因為車牌區(qū)域圖像內仍可能有干擾像素，如白色車輛的藍白車牌(如圖29(b))，此時如果得到的車牌區(qū)域包含了車身部分，則二值化后車身區(qū)域與字符屬于同一顏色。 (4)字符顏色與車牌底色具有固定的顏色搭配。 (2)第一個字符為漢字由于左右偏旁漢字中會出現間隙，而第二個字符和第三個字符間隔較大，所以可由 此做分界線，分段分割。而且，很多其他國家的汽車牌照格式通常只有一種，而我國則根據不同車輛、車型、用途，規(guī)定了多種牌照格式。劉弈 等提出了一種利用顏色信息的車牌字符分割新算法。陳寅鵬等提出了復雜車輛圖像中的車牌定位與字符分割方法。按照屬于同一個字符的像素構成一個連通域的原則，結合牌照字符的同定高度、間距的同定比例關系等先驗知識，來對車牌字符進行分割。根據字符串的結構和 尺寸特征，設計車牌字符串模板，通過該模板在車牌區(qū)域滑動匹配進行分類，并結合最大類間方差判決準則，確定最佳匹配位置，分割出車牌字符。根據車牌預處理圖像垂直投影圖的特點，提出一個特征值，并由車牌圖像的先驗知識和此特征值相結合來進行字符分割。這個過程也就是提取顏色對特征點的過程。在這里對紅色點也進行判斷，是因為在白底黑字的車牌中，前兩個字符是紅色的，不能忽略。所以白色像素只能利用飽和度和亮度兩個分量來提取，黑色像素只能根據亮度分量來提取。因此可以根據這一特點，把顏色信息和邊緣信息融合起來，盡量排除干擾以精確保留車牌特征。亮度是指刺激物的強度作用于感受器所發(fā)生的效應，其大小是由物體反射系數來決定，反射系數越大，物 體的亮度愈大，反之愈小。色調是彩色的最重要的屬性，是決定顏色本質的基本特性。在顏色相同 的情況下，明晴的細微變化會引起RGB值的較大跳躍，不利于顏色的檢測。比如，(0，0，0)表示黑色，(1，l，1)表示白色。常用的顏色宅間有RGB顏色空間，CMY顏色空間和HSI顏色空間等。這三剩t錐狀體分別感知紅色(R)、綠色(G)和藍色(B)的光，所有其它顏色都是這三種顏色的不同混合效果。一般RGB直方圖均衡化后的圖像相比原始圖像，圖像的細節(jié)更加清楚了但是單獨對各RGB分量進行均衡化將產生不正確的顏色，而對HSI顏色空間的亮度分量直方圖均衡化后的圖像，雖然會影響到整體圖像的彩色感觀，但沒有改變圖像的色調和飽和度值，因此本文采用的是對HSI中的亮度分量進行直方圖均衡化的方法。通過直方圖均衡化可以將圖像調整為灰度級豐富且 動態(tài)范圍大的圖像。 圖像增強 由于拍攝時光照強度的不同，會造成圖片亮度不均。 于是，基于顏色對特征點和數學形態(tài)學的車牌定位方法逐漸成型。我國車牌顏色的重要特點是車牌背景與字符具有固定的顏色搭配，即藍底白字(藍牌)、黃底黑字(黃牌)、白底黑字(白牌)和黑底白字(黑牌)。但是，圖像中除了車牌外還有車身和周圍景物等其它物體的顏色可能與車牌顏色相同或相近，這將造成有效定位率下降。 (4)將彩色圖像轉換到色調飽和度亮度空間(HSI空間)，統(tǒng)計車牌底色在HSI 空間中的各分量的經驗范圍并提取車牌候選區(qū)域，然后對候選區(qū)域進行投影分析和形態(tài)學操作提取車牌。車輛牌照具有與牌號、車身、背景不同的顏色，所以近年來很多學者已經開始應用彩色圖像處理技術進行車牌定位，采取的主要方法有： (1)采用多層感知器 網絡對輸入彩色車牌圖像進行彩色分割，通過投影法分割出潛在的車牌區(qū)域并根據先驗知識得出合理的車牌區(qū)域。但是對車牌嚴重褪色的情況，由于檢測不到字符筆畫的邊緣會導致定位失敗。這些方法正是利用了物體邊緣處灰度變化劇烈這一特點來檢測圖像的邊緣。 （3）基于邊緣檢測的定位方法。腐蝕、膨脹、開啟和關閉是數學形態(tài)學的基本運算。該算法對于牌照的傾斜或變形以及光照不均、偏弱或偏強有很好的效果，但對噪聲敏感，圖片中的灰塵、臟污以及車牌區(qū)域外的文字都會對定位造成很大的影響。 (1)基于紋理特征分析的定位方法。牌照矩形區(qū)域內的顏色一定是限定的四種色彩之一，特征明顯。3 車牌定位3．1 幾種常見的車牌定位方法 車牌定位方法的出發(fā)點是通過車牌區(qū)域的特征來判斷車牌，所利用的車牌的特征主要包括： (1)車牌區(qū)域的幾何特征，即在某個相對固定的拍照位置拍得的圖像上車輛牌照子圖像區(qū)域l每度和寬度一定，并且寬高比例一定。分辨率過高時，整個識別系統(tǒng)的處理時間會明顯增多，特別是在車牌分割，車牌二值化的處理中時間會顯著增加。盡管規(guī)范車牌對光的散射能力較強，但人工光照的方位角度不會影響車牌的亮度。實際工程中攝像方位相對于車輛行駛的方向一般是正上方、左側和右側，攝像角度一般在15～30度之間。背景中與車牌區(qū)域特征相似區(qū)域的大小反映了背景的噪聲程度。光照對圖像質量影響很大。車牌附近環(huán)境惡劣。根據中華人民共和國公共安全行業(yè)標準對機動車輛牌照的有關規(guī)定，車牌的規(guī)格、顏色和適用范圍各有不同。視頻觸發(fā)方式不需借助線圈、紅外或其他硬件車輛檢測器。車牌識別系統(tǒng)于是出現了兩種產品形式,一種是軟硬件一體，或者用硬件實現了識別功能的模塊，形成一個全硬件的車牌識別器，例如DSP。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中最明亮的時候,還是在一天中最暗的時候，唯一的例外是在白天，有時會看到一些牌照周圍的細節(jié)，這是因為晴朗天氣下太陽光的外光波的影響。自然光技術路線與人眼感習慣一致，并且真彩色圖像能夠反映車輛及其周圍環(huán)境真實的圖像信息，不僅可以用來識別汽車牌照，而且可以用來識別車牌顏色、車流量、車型、車體顏色等車輛特征。路線系統(tǒng)中車輛圖像的采集方式決定了車牌識別的技術路線。 （3）完善的系統(tǒng)功能。當多功能的系統(tǒng)操作使得網絡出差錯時，后臺管理系統(tǒng)應能保護圖像數據不會丟失，同時便于事后人工排查。例如，在高速公路收費中車牌識別系統(tǒng)的作用之一是減少通行時間，處理速度是這一類應用減少通行時間，避免車道堵車的有力保障。然后，還需要得到實際通過的車輛圖像以及正確的人工識別結果，之后便可以統(tǒng)計出以下識別率（1）自然交通流量的識別率=全牌正確識別總數/實際通過的車輛總數；（2)人工可識別車牌的百分率=人工正確讀取的車牌總數/實際通過的車輛總數；（3）系統(tǒng)可識別車牌的識別率=全牌正確識別總數/人工正確讀取的車牌總數；這三個指標決定了車牌識別系統(tǒng)的識別率，諸如可信度、誤識率等都是車牌識別過程中的中間結果。 車牌識別系統(tǒng)的評價指標從技術上評價一個車牌識別系統(tǒng)有三個指標，即識別率、識別速度和后臺管理系統(tǒng)。車牌定位算法需要挖掘并提取車牌區(qū)域的獨有特征，從而將車牌圖像分割提取出來。系統(tǒng)的核心部分為圖像采集、車牌定位、字符分割、字符識別。但是，隨著計算機性能的提高和計算機圖像處理技術的發(fā)展，車牌識別技術必將日趨成熟。以及定位出車輛在道路上的行駛位置。另外，該系統(tǒng)還可發(fā)現無車牌的車輛。(3)高速公路上的事故自動測報。一些交通流指標的測量對交通流控制相當重要。利用車牌識別系統(tǒng)的攝像設備，可以直接監(jiān)視相應路段的交通狀況，獲得車輛密度、隊列長度、排隊規(guī)模等交通信息，觀察和防范交通事故。牌照是機動車輛的身份標志。第一屆ITS世界大會認為，智能交通系統(tǒng)是將先進的信息技術、計算機技術、數據通信技術、電子控制技術、人工智能技術等有效的集成并應用于地面交通系統(tǒng)，從而建立起可以在大范圍內發(fā)揮作用的，實時、準確、高效的地面交通系統(tǒng)。mathematical morphology1前言 課題研究的背景和意義 隨著經濟全球化的發(fā)展和人民生活水平的提高，世界各國汽車數量迅速增加，城市的交通壓力也越來越大。通過大量的圖片試驗，特別是對存在大量干擾、光線不足及多車牌等圖片的處理結果表明，本文所提出的車牌定位與字符分割算法，抗干擾能力強，實時性和穩(wěn)定性好，為后續(xù)的字符識別創(chuàng)造了有利條件。二值化的過程中針對不同顏色的車牌選取了最適合的閾值算法。然后使用動態(tài)算子進行數學形態(tài)學處理，根據車牌的形狀特征，對逐行掃描得到的待定車牌區(qū)域進行分析，最后得到類車牌區(qū)域。 車牌識別主要包括車牌定位、字符分割和字符識別三大部分