【正文】 .............................................................................................. 32 致 謝 ...................................................................................................................................... 33 參考文獻(xiàn) ............................................................................................................................... 34 附錄 A 設(shè)計主程序 ........................................................................................................ 35 第 1 頁 1 緒論 選題的背景和目的 隨著經(jīng)濟(jì)全球化和信息時代的來臨，計算機(jī)技術(shù)、通信技術(shù)和計算 機(jī)網(wǎng)絡(luò)技術(shù)發(fā)展非常迅速，自動化的信息處理能力和水平也在不斷提高，并在人們的社會活動和實(shí)際生活的各個領(lǐng)域得到廣泛應(yīng)用。但 第一種措施對于大多數(shù)國家來說已經(jīng)不再適用 ，因為 其道路設(shè)施已經(jīng)基本飽和，不可能進(jìn)行大量的道路建設(shè)以滿足高速增長的交通需求。因此，智能交通系統(tǒng)（ Intelligent Transport System，簡稱 ITS）的概念被逐步提出，成為了世界各國解決交通運(yùn)輸管理問題的首選手段 [1][2]。對汽車牌照等相關(guān)信息的自動采集和處理的一門新的交通信息獲取技術(shù) —— 車牌識別技術(shù)逐漸發(fā)展起來，成為信息處理技術(shù)的一項重要的研究課題。國外在這方面的研究工作開展較早。 Eun Ryung 等利用圖像中的顏色分量，對車輛牌照進(jìn)行定位識別 。由于中國車牌的格式與國外有較大 差異，所以國外關(guān)于識別率的報道只具有參考價值，其在中國的應(yīng)用效果可能沒有在其國內(nèi)的應(yīng)用效果好，但其識別系統(tǒng)中采用的很多算法具有很好的借鑒意義。華中科技大學(xué)的陳振學(xué)等學(xué)者 提出了一種新的車牌圖像字符分割與識別算法，使用一維循環(huán)清零法，通過對垂直投影圖進(jìn)行一次掃描，有效的清除了雜點(diǎn)和間隔符，正確分割 第 3 頁 率達(dá)到了 %。 [4] 應(yīng)用范圍 車輛牌照自動識別技術(shù)是智 能交通系統(tǒng)的一個重要組成部分，它在交通管理、監(jiān)控中有著廣泛的應(yīng)用。第二章介紹了本設(shè)計 所使用 的 圖像處理方法， 通過對比線性低通濾波 和維納濾波的圖像去噪效果和 Roberts 算子 、 Sobel 算子 、 Prewitt 算子 、 LOG 算子 、Canny 算子 、 拉普拉斯算子 邊緣化效果確定 圖像的去噪 和 邊緣檢測 的 方法 。 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 5 頁 2 車牌圖像預(yù)處理 車牌區(qū)域特征 我國的標(biāo)準(zhǔn)車牌有四種 ： 大型車使用的黃底黑字黑框線、小型車使用的藍(lán)底白字白框線、國外駐華機(jī)構(gòu)使用的黑底白字紅“使”、“領(lǐng)”字白框線，軍用或警用的白底黑字紅“盯”紅框線，具體車牌如下圖 中 a、 b、 c、 d 所示，這些顏色特征使得車牌背景與字符有很大的對比度。一般民用牌照的第一個字符是漢字，并且是各省市的簡稱，有，’京”、“滬”、“津”、“渝”、 “ 晉”、“冀 ” 、“蒙”、“遼”、“黑”、“吉”、“蘇 ” 、 “ 浙 ” 、“皖”、 “ 閩”、 “ 贛”、“魯”、“豫”、“鄂”、 “ 湘”、 “ 粵”、“桂”、“瓊 ” 、 “川”、“貴”、“云”、“藏”、“陜”、“ 甘” 、“青”、“寧”、“新 ” 、“軍”、“空”、“?！?、“北”、 “ 沈”、“蘭 ” 、“濟(jì)”、“南”、“廣”、“成”等幾十個漢字。英文字母中的 I 和 O 舍去不用，為了 避免和數(shù)字中的 1 和 0 混淆。通過邊緣算子的檢測，可以很清晰的得到字符的骨架，所以得到的車牌區(qū)域內(nèi)的密度很大。因此在車牌識別領(lǐng)域，圖像的預(yù)處理過程主要包括的內(nèi)容有圖像的灰度化處理、 圖像去噪、 邊緣檢測 以及 圖像二值化 等等。在彩色顏色空間下，彩色圖像包含了大量的顏色信息。這就導(dǎo)致在對彩色圖像進(jìn)行圖像處理時，會占用更多的存儲空間，并且會極大的降低系統(tǒng)的處理速度?；叶葓D像的亮度信息為 256 級 ，即每一個灰度圖像的像素點(diǎn)的取值為 0255 之間的整數(shù)值。如在一幅 RGB 圖像中，如果圖像中每一個像素的 R、 G、 B 分量都相等，即 R=G=B，則該圖像將會表現(xiàn)出灰度圖像的特征。E:\GD\39。title(39。 %RGB轉(zhuǎn)換為灰度圖像 figure(1),imshow(im_gray)。 %顯示灰度圖像 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 8 頁 圖 原始圖像、灰度圖像對比 圖像的去噪 實(shí)際獲得的車牌圖像在形成、傳輸、接收和處理的過程中，不可避免地存在著外部的干擾和內(nèi)部的干擾，如光電轉(zhuǎn)換過程中敏感元件靈敏度的不均勻性、數(shù)字化過程中產(chǎn)生的量化噪聲、傳輸過 程中的誤差及人為的因素等，均會存在著一定程度的噪聲干擾。圖像平滑的目的有兩個 :改善圖像質(zhì)量和抽出對象特征 [6]。其鄰域大小為 :NxN， N 一般取奇數(shù)。由以上噪聲方差的分析可知，采用均值算法在縮小圖像噪聲方差 M 倍的同時，實(shí)際上也縮小了由圖像遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 9 頁 細(xì)節(jié)信號本身建立的模型“方差”的 M 倍，這必然會造成圖像細(xì)節(jié)的模糊。average39。,5),im_gray)/255。 figure(2),subplot(1,3,1)。)。5x5均值濾波 39。title(39。 %7x7均值 濾波 圖 3 種均值濾波對比結(jié)果 維納（ Wiener）濾波 20 世紀(jì) 40 年代， 維納 奠定了關(guān)于最佳濾波器研究的基礎(chǔ)。 w3=wiener2(im_gray,[7,7])。3x3維納濾波 39。title(39。imshow(w3)。 %7x7維納濾波 圖 3 種維納濾波對比結(jié)果 由圖 圖 以看出 不同尺寸的低通濾波 器 對圖像的處理效果不同，在其平滑模版的尺寸增大時，噪音消除效果明顯增強(qiáng)，但是圖像會變得模糊，細(xì)節(jié)信息會丟失。 圖像邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。在實(shí)際應(yīng)用中，常用的邊緣檢測算子有 Roberts 算子、 Sobel 算子、Prewitt 算子以及 Canny 算子等。根據(jù)此， Sobel 對灰度漸變和噪聲較多的圖像處理的效果較好。39。求出梯度后，可設(shè)定一 個常數(shù) T，當(dāng) ( , )G f x y T 時 ，標(biāo)出該點(diǎn)為邊界點(diǎn) ，其像 素值設(shè)定為 0，其它的設(shè)定為 255， 適當(dāng)調(diào)整常數(shù) T 的大小來達(dá)到最佳效果。 該算子通常有下列計算公式表示 : 39。 2[ ( , ) ] ( , ) ( , )xyG f x y f x y f x y?? () 式中 39。 Prewitt 算子不僅能檢測邊緣點(diǎn)，而且能抑制噪聲的影響，因此對灰度和噪聲較多的圖像處理得較好。在數(shù)字圖像中，可以用差分來近似，是圖像首先與高斯濾波器進(jìn)行卷積運(yùn)算，這一步即平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織將被濾除掉。 高斯一拉普拉斯算子通常具有如下形式 : 2222 2 21( ) (1 ) e x p ( )22rrGr ? ? ? ??? ? ? ? () 式中， ? 是方差， r 是離原點(diǎn)的徑向距離，即 2 2 2r x y??， x ， y 為圖像的坐標(biāo)和縱坐標(biāo)。梯度是用高斯濾波器的導(dǎo)數(shù)來計算的。但它的檢測也存在一些缺點(diǎn)，如丟失一些邊緣，有一些邊緣不夠連續(xù)，對噪聲敏感且不能獲得邊緣方向的功能信息。 同樣，在 Y 方向上 : ( , ) ( ( , ) ) ( ( 1 , ) )( , 1 ) 2 ( , ) ( , 1 )y y y yf x y f f x y f f x yf x y f x y f x y? ? ?? ? ? ? ? () 寫成模板格式是 ： [1 2 1]T? 。E:\GD\39。title(39。roberts39。Roberts算子 39。)。)。 figure(4),imshow(grd3)。 grd4=edge(im_gray,39。title(39。Canny39。Canny算子 ’)。一般情況下，傾斜 矯正 有兩步，第一步是找出傾斜的角度；第二部是進(jìn)行坐標(biāo)變換，得到 矯正 后的圖像。 Hough 變換提取直線法是一種變換域直線提取法，它把直線上的點(diǎn)的坐標(biāo)變換成過點(diǎn)的直線的系數(shù)域，利用了共線和直線相交的關(guān)系，使直線的提取問題轉(zhuǎn)化為計數(shù)問題。 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 19 頁 采用 Hough 變換的方法找出需要傾斜的角度，需要從圖像中找出一條是水平直線 做為基準(zhǔn)線 。 i=x c os si niiy? ? ?? () 當(dāng)完成全部像素的變換后 ,對 ( , )?? 空間的點(diǎn)進(jìn)行檢驗 ,峰值點(diǎn)對應(yīng)于 (, )xy 空間的一條 最長的 直線 。 md=round(sqrt(m^2+n^2))。 hough(ru+1,k)=hough(ru+1,k)+1。 end end end %計算 hough矩陣中的最大值所對應(yīng)的列坐標(biāo)，存 入 c if c=90 rot=c。)。 %對灰度圖像進(jìn)行旋轉(zhuǎn) figure(2),imshow(im_gray1)。 figure(4)。矯正 邊緣 圖像 39。title(39。 通過車牌 邊緣化后 圖像可以看出， 邊緣化 后的圖像，其車牌區(qū)域在水平方向 和 垂直方向上的投影顯示出明顯的峰 谷 峰的特 性，并且有多個峰值出現(xiàn)，組成了峰群。 通過 sum函數(shù)對圖像進(jìn)行水平和垂直方向的投影，用 bar函數(shù)繪制二維豎直方圖。 Matlab實(shí)現(xiàn)程序： se=ones(1,5)。imshow(B1)。 figure(5)。)。)。)。imshow(im_qgby)。 subplot(2,1,21)。)。因此，在車牌字符切分前，首先對圖像進(jìn)行二值化處理。 灰度圖像的直方圖是數(shù)字圖像處理中最簡單有用的工具。它說明在對應(yīng)的圖像中物體（前景）與背景的對比很明顯；直方圖中的一個波峰對應(yīng)圖像的前景部分，另一個波峰對應(yīng)圖像的背景部分，閾值應(yīng)選取在兩 個波峰之間的波谷處。title(39。 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 25 頁 for a=1:256 m(a)=0。 m(k)=b。 for a4=2:k if u(m(a4))u(w) w=m(a4)。 if(abs(x)30) l=u(m(a2))。b3=p。 for n1=(a3+1):(b31) if l1u(n1) l1=u(n1)。imshow(im)。title(39。 垂直投影分割 車牌圖像經(jīng)過矯正、定位、二值化后，得到一個只包含牌照字符的水平條形區(qū)域，此時需要進(jìn)行字符分割，為后續(xù)的字符識別奠定基礎(chǔ)。 通過圖 圖 比可知 字符區(qū)域的有效字符為七個，而在垂直投影上 有七個比較集中的投影峰值群 ， 且每個峰值之間都有一定的間隔。 X1=zeros(1,n)。列方向像素點(diǎn)累積和 39。累積像素量 39。 for i=1:7 while ((X1(1,Px0)10)amp。 while (((X1(1,Px1)=10)amp。 figure(11)。 end 圖 列方向像素點(diǎn)累積和 圖 直方圖 分割效果圖 字符結(jié)構(gòu)特征分割 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 30 頁 由第二章 介紹的我國車牌區(qū)域特征 和圖 可知， 車牌內(nèi)字符間隔為 12mm，故去所有間隔中心線可將車牌進(jìn)行分割。這是利用車牌區(qū)域字符結(jié)構(gòu)特征進(jìn)行字符分割的重要依據(jù)。 k=n/。 for i=1:2 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 31 頁 Z=im(:,(o*(i1)+1):o*i)。 figure(12) subplot(1,7,i)。本文 先 針 對 車牌圖像 進(jìn)行 去噪和邊緣檢測處理，然后再對車牌圖像進(jìn)行 矯正 和定位，最后對圖像進(jìn)行字符分割，以便為下一步識別提供基礎(chǔ)。 隨著科學(xué)技術(shù)的不斷進(jìn)步，車牌 識別系統(tǒng) 的 應(yīng)用 范圍會越來越廣，其內(nèi)部所包含的技術(shù)手段也會越來越豐富。 感謝我的指導(dǎo)老師 —— XXX老師。 XXX老 師不僅在學(xué)業(yè)上給我以精心指導(dǎo)，同時還 教會了我做研究、搞設(shè)計應(yīng) 該 有的堅持不懈、不畏艱難 的 精神 ，在此謹(jǐn)向 XXX老師致以誠摯的謝意和崇高的敬意 。 由于我的學(xué)術(shù)水平