【正文】 成連續(xù)平滑邊緣的一種方法。利用車牌形狀特性來定位車牌，在實(shí)際運(yùn)用中憂郁光照不均勻等影響和攝像機(jī)畸變，曝光不足和動(dòng)態(tài)范圍太窄等原因，導(dǎo)致圖像存在偽影，加上車牌上的灰塵、臟污等使形狀特性表現(xiàn)的不明顯，從而影響定位效果，此外傳統(tǒng)的Hough變換法應(yīng)用在車牌定位中，只是單純的進(jìn)行直線的檢測，沒有和車牌形狀特性結(jié)合起來，而且Hough空間與原圖像空間不是一一對應(yīng)的，由Hough空間中檢測到的特征點(diǎn)無法確定出車牌輪廓的起始位置，無法避免直線干擾的問題，因此在有直線干擾時(shí)及未進(jìn)行邊框提取時(shí)的可能性會(huì)大大增加。 基于灰度邊緣檢測方法此類方法通常利用車牌區(qū)域局部對比度明顯和灰度有規(guī)律變化的紋理特征來定位。這種圖像的灰度直方圖呈雙峰狀態(tài)。2. 基于梯度的邊緣檢測由于邊緣發(fā)生在圖像灰度值變化比較大的地方，對應(yīng)連續(xù)情形就是函數(shù)梯度最大的地方。 基于彩色圖像的車牌定位方法目前的車牌分割受限于灰度圖像，所以定位效果受陰影和光照條件的限制。也有的系統(tǒng)首先利用顏色信息對輸入圖像進(jìn)行彩色粗分割，得到了顏色為車牌照的一些區(qū)域。上述四種方法中，基于直線檢測的方法對我國車牌來講并不完全使用，因?yàn)槲覈嚺频膽覓烀黠@不夠規(guī)范，有些車牌邊框不夠明顯必然造成定位算法失效，如果結(jié)合別的算法側(cè)需要在本身運(yùn)算量很大的情況下額外增加系統(tǒng)開銷。主要的研究內(nèi)容有：(1)在MATLAB基礎(chǔ)上，實(shí)現(xiàn)車牌識(shí)別系統(tǒng)中的車牌定位及車牌字符的識(shí)別功能。當(dāng)車輛到達(dá)觸發(fā)圖像采集單元時(shí)，系統(tǒng)采集當(dāng)前的視頻圖像，牌照識(shí)別單元對圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。函數(shù)imread可以從任何MATLAB支持的圖像文格式中讀取一幅圖像。[...]=imread(filename,fmt)[...]=imread(filename)[...]=imread(URL,...)[...]=imread(...,idx) (CUR,ICO,and TIFE only)[...]=imread(...,39。)，其中返回的INFO是MATLAB的一個(gè)結(jié)構(gòu)體；大多數(shù)圖像文件格式采用8為數(shù)據(jù)存儲(chǔ)像素值，將這些文件讀入內(nèi)存后，MATLAB都將其存儲(chǔ)為unit8類型。為此，可使用以下命令：clear。E:/39。) .原始圖像Figure對象是MATLAB系統(tǒng)中包括GUI設(shè)計(jì)編輯窗在內(nèi)所有顯示窗口。如果當(dāng)前只有GUI設(shè)計(jì)編輯窗，MATLAB系統(tǒng)也默認(rèn)為無可用的Figure窗，及調(diào)用繪圖函數(shù)時(shí)將重新創(chuàng)建一個(gè)Figure對象。原圖、灰度圖及其直方圖見圖2與圖3。預(yù)處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強(qiáng)等步驟。 圖像增強(qiáng)對車輛圖像進(jìn)行灰度化處理值后，車牌部分和非車牌部分圖像的對比度并不是很高，此時(shí)如果直接進(jìn)行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因此難以準(zhǔn)確定位車牌。目前用于車牌圖像增強(qiáng)的方法有：灰度拉伸直方圖均衡中值濾波高斯濾波圖像腐蝕同等濾波等等?；叶戎荡蟮南袼攸c(diǎn)比較亮，反之比較暗。 （3）加權(quán)平均值法：按照一定的權(quán)值，對R、G、B的值加權(quán)平均，即： （）其中，、分別為R、G、B的權(quán)值。如果I是雙精度類型，則顯示為黑色，像素值將顯示為灰影。figure(2),subplot(1,2,1),imshow(I1)。title(39?？臻g域圖像平滑方法主要用低通卷積濾波、中值濾波等；頻率域圖像平滑常用的低通濾波器有低通梯形濾波器、低通高斯濾波器、低通指數(shù)濾波器、巴特沃思低通濾波器等。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點(diǎn)像素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點(diǎn)才能替換為鄰域平均值，而差值不大于閾值時(shí)，仍保留原來的值，從而減少由于平均化引起的圖像模糊。描述一般針對圖像或景物中的特定區(qū)域和目標(biāo)。所謂邊緣，是指周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。物體邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，即是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等，同時(shí)物體的邊緣也是不同區(qū)域的分界處。因?yàn)閳D像邊緣包含了模式識(shí)別的有用信息，所以邊緣檢測是圖像分析和模式識(shí)別種特征提取的主要手段。3. 檢測：在圖像中有許多的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來確定哪些點(diǎn)是邊緣點(diǎn)。運(yùn)算結(jié)果取決于結(jié)構(gòu)元素大小內(nèi)容以及邏輯運(yùn)算性質(zhì)?？梢杂脕硐∏覠o意義的目標(biāo)物。Subplot(3,2,4),imshow(I3),title(腐蝕后圖像）MATLAB使用imerode函數(shù)進(jìn)行圖像腐蝕。如果圖像時(shí)打包的二進(jìn)制圖像，則M將制定原始圖像的行數(shù)。此時(shí)可進(jìn)一步確定牌照在整幅圖像中的準(zhǔn)確位置。對車牌的分割可以有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色RGB對應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度個(gè)g（x，y），即個(gè)g（x，y）=1/m ∑f（x，y） m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。有些是具有旋轉(zhuǎn)不變性的(如：Laplacian算子)，因此只需要一個(gè)卷積掩模來計(jì)算。 (二)第一類梯度算子拉普拉斯(Laplace)算子通常使用33的掩模，有時(shí)也使用強(qiáng)調(diào)中心象素或其鄰接性的拉普拉斯算子(這種近似不再具有旋轉(zhuǎn)不變性)。(三)第二類梯度算子二階導(dǎo)數(shù)過零點(diǎn)算子 根據(jù)圖像邊緣處的一階微分(梯度)應(yīng)該是極值點(diǎn)的事實(shí)，圖像邊緣處的二階微分應(yīng)為零，確定過零點(diǎn)的位置要比確定極值點(diǎn)容易得多也比較精確。噪聲點(diǎn)對邊緣檢測有較大的影響，效果更好的邊緣檢測器是高斯拉普拉斯(Lo G)算子。有關(guān)，但邊緣位置與0的選擇無關(guān)，若只關(guān)心全局性的邊緣可以選取比較大的鄰域(如0=4時(shí)，鄰域接近40個(gè)象素寬)來獲取明顯的邊緣。 (四)Canny邊緣提取（或邊緣檢測Edge Detection)在如下的三個(gè)標(biāo)準(zhǔn)意義下，Canny邊緣檢測算子對受閂噪聲影響的階躍型邊緣是最優(yōu)的： 1)檢測標(biāo)準(zhǔn)不丟失重要的邊緣，不應(yīng)有虛假的邊緣； 2)定位標(biāo)準(zhǔn)實(shí)際邊緣與檢測到的邊緣位置之間的偏差最??； 3)單響應(yīng)標(biāo)準(zhǔn)將多個(gè)響應(yīng)降低為單個(gè)邊緣響應(yīng)。(4)由于噪聲引起的對單個(gè)邊緣的(多個(gè))虛假響應(yīng)通常造成所謂的“紋狀(streaking)問題。紋狀現(xiàn)象可以通過帶滯后的閾值處理(thresh01ding withhysteresis)來消除；如果邊緣響應(yīng)超過一給定高閾值時(shí)，這些象素點(diǎn)構(gòu)成了某個(gè)尺度下的邊緣檢測算子的確定的輸出。(5)算子的合適尺度取決于圖像中所含的物體情況。特征綜合方法(Feature synthesis appmach),首先標(biāo)記出所有由最小尺度算子得到的突出邊緣。這一過程可以對一個(gè)尺度序列(從小到大)重復(fù)進(jìn)行，通過不斷加入較小的尺度中沒有的邊緣點(diǎn)的方式累積起來生成邊緣圖。（2）灰度圖像二值化和灰度圖像一樣，二值圖像只要一個(gè)數(shù)據(jù)矩陣，每個(gè)像素只取兩個(gè)離散的值。即將256個(gè)亮度等級的灰度圖像通過適當(dāng)?shù)拈撝颠x取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個(gè)具有其他等級灰度值的均勻背景下，適用閾值法就可以得到比較的分割效果。 形態(tài)學(xué)濾波形態(tài)學(xué)是法國和德國的科學(xué)家在研究巖石結(jié)構(gòu)是建立的一門學(xué)科。當(dāng)探針在圖像中不斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分間的相互關(guān)系，從而了解圖像各個(gè)部分的結(jié)構(gòu)特征。數(shù)學(xué)形態(tài)是一種非線性濾波的方法，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測、圖像分割等圖像處理問題。常見的形態(tài)學(xué)運(yùn)算有腐蝕和膨脹兩種。膨脹是將與物體接觸的所有背景點(diǎn)合并到該物體中，是邊界向外不擴(kuò)張的過程。 膨脹后圖片閉運(yùn)算是先膨脹再腐蝕，可以去掉目標(biāo)內(nèi)的孔。進(jìn)行區(qū)域特征參數(shù)比較，提取車牌區(qū)域，經(jīng)根據(jù)先驗(yàn)知識(shí)和調(diào)節(jié)中的經(jīng)驗(yàn)，設(shè)定了車牌長款的范圍作為判斷依據(jù)。切分越準(zhǔn)確，則后面識(shí)別效果越好。字符識(shí)別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。例如對于光照不可控的遙感圖片，灰度直方圖的歸一化對于圖像分析是十分必要的。歸一化處理分為傾斜校正和大小歸一化，二傾斜度校正前面已經(jīng)調(diào)用MATLAB工具箱中imrode函數(shù)，二大小歸一是指在長度和寬度方向上分別乘以一個(gè)比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，大小歸一化常用的方法有兩種：一種是將整個(gè)牌照圖像按線性比例放大或縮小到標(biāo)準(zhǔn)模塊尺寸，這樣字符就自然的變?yōu)闃?biāo)準(zhǔn)模塊尺寸；另一種是分別從水平投影和垂直投影兩個(gè)方向上對字符象素的大小進(jìn)行歸一化處理。 字符的識(shí)別標(biāo)準(zhǔn)的車牌共有7個(gè)字符，其中第一位為漢字，第二位為大寫英文字母，第三位到第七位為阿拉伯?dāng)?shù)字。字符的識(shí)別目前用于車牌字符識(shí)別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。因此，字符特征的提取就成為研究的關(guān)鍵。模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一，它是將從待識(shí)別的圖像或圖像區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較，計(jì)算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高，可將圖像歸于相應(yīng)的類。此處采用相減的方法來求得字符與模板中哪一個(gè)字符最相似，然后找到相似度最大的輸出。為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(diǎn)，只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。 總結(jié)和體會(huì)目前的車牌識(shí)別系統(tǒng)在快速發(fā)展中，雖然已經(jīng)有一些公司開發(fā)的產(chǎn)品取得實(shí)際應(yīng)用，但是在準(zhǔn)確率和識(shí)別速度面有很大的提高空間，對算法的研究仍然是車牌識(shí)別的一個(gè)重點(diǎn)。3）在將來的牌照識(shí)別系統(tǒng)中，可以開發(fā)出更多的功能以得到更多的車輛信息，比如說：車型、車速等。謝辭短暫的大學(xué)生會(huì)就要結(jié)束了，再次，感謝所有在學(xué)習(xí)和生活中給予我關(guān)心和幫助的人們。其次，在我大學(xué)期間，代課老師都給予我熱情地幫助和指導(dǎo)，在此向這些老師們表示衷心的感謝。參考文獻(xiàn)【1】姚敏，數(shù)字圖像處理，機(jī)械工業(yè)出版社【2】，羅軍輝，馮平，哈力旦，機(jī)械工業(yè)出版社，2005,6【3】劉進(jìn)，車號(hào)定位識(shí)別與可信度估計(jì)，紅外與激光工程，2002,6,25【4】常華，車號(hào)識(shí)別系統(tǒng)，黑龍江科技信息，2007【5】賀興華，周媛媛，王繼陽，MATLAB圖像處理，人民郵電出版社【6】阮秋琦，實(shí)用數(shù)字圖像處理，北京電子工業(yè)出版社，2001【7】阮秋琦，數(shù)字圖像處理基礎(chǔ)，北京中國鐵道出版社，1988【8】趙丹，丁金華，基于MATLAB的車牌識(shí)別，大連理工學(xué)報(bào)，【9】王剛，冀小平，基于MATLAB的車牌識(shí)別系統(tǒng)研究，電子設(shè)計(jì)工程，【10】徐輝，基于MATLAB實(shí)現(xiàn)汽車車牌自動(dòng)識(shí)別系統(tǒng)，人工智能及檢測技術(shù)，【11】王愛玲，葉明生，鄧秋香，MATLAB R2007圖像處理技術(shù)與應(yīng)用，電子工業(yè)出版社，畢業(yè)論文（設(shè)計(jì)）原創(chuàng)性聲明本人所呈交的畢業(yè)論文（設(shè)計(jì)）是我在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。有權(quán)將論文（設(shè)計(jì)）用于非贏利目的的少量復(fù)制并允許論文（設(shè)計(jì)）進(jìn)入學(xué)校圖書館被查閱。 作者簽名： 指導(dǎo)教師簽名： 日期： 日期： 注 意 事 項(xiàng)（論文）的內(nèi)容包括：1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300字左右）、關(guān)鍵詞4）外文摘要、關(guān)鍵詞 5）目次頁（附件不統(tǒng)一編入）6）論文主體部分：引言（或緒論）、正文、結(jié)論7）參考文獻(xiàn)8）致謝9）附錄（對論文支持必要時(shí)）：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于1萬字（不包括圖紙、程序清單等）