【正文】 。車牌識別系統(tǒng)是智能交通系統(tǒng)ITS (Intelligent Transportation System) 的一個重要組成部分，在公路電子收費、出入控制、交通監(jiān)控等方面有著重要的應用價值。接著利用車牌圖像中字符顏色和車牌底色具有固定顏色搭配這一規(guī)律，在HSI空間中根據(jù)顏色，搜尋符合字符顏色與車牌底色搭配規(guī)律的像素點作為顏色對特征點。 在字符分割階段，首先通過特征點區(qū)域的形狀特征精確定位車牌區(qū)域；接著通過灰度化、灰度拉伸、二值化、邊緣化等處理，進一步精確定位字符區(qū)域。該軟件包含上述的車牌定位、校正和分割等步驟。character segmentation 。智能交通系統(tǒng)ITS是90年代興起的新一代交通運輸系統(tǒng)，迄今為止國際上沒有公認的定義。車輛牌照識別(Vehicle License Plate Recognition，VLPR)技術(shù)是車輛自動識別技術(shù)的重要組成部分：其功能是對采集到的汽車圖像進行處理和分析，以自動識別其中的牌照編號。它可以應用于以下領(lǐng)域： (1)交通監(jiān)控。 (2)交通流控制指標參量的測量。這也為交通誘導系統(tǒng)提供必要的交通流信息。根據(jù)識別出的車牌號碼從數(shù)據(jù)庫中調(diào)m該車檔案材料，可發(fā)現(xiàn)沒及時交納養(yǎng)路費的車輛。由于能自動識別車牌號碼，因而極易發(fā)現(xiàn)被盜車輛。由于需適應各種復雜背景，加之要識別的車輛種類繁多、顏色變化多端，以及檢測時要適應不同天氣變化導致的不同光照條件，因此，目前的車牌識別系統(tǒng)都或多或少地存在一些問題。一個典型的車牌識別系統(tǒng)包括圖像采集、車牌定位、字符分割、字符識別以及結(jié)果輸出五個功能模塊，其原理流程如圖11 所示：圖1 車牌識別系統(tǒng)流程圖 Fig l license plate recognition system flow chart 系統(tǒng)的工作原理：當車輛通過檢測區(qū)域時，檢測裝置將車輛的通過信號傳送到圖像采集設備；圖像采集設備采集車輛圖像，并將圖像傳送到計算機；計算機對車牌進行自動定位和識別并將識別結(jié)果送至監(jiān)控中心或收費處等應用場所。(3)車牌定位：車牌的定位是一個尋找最符合車牌特征區(qū)域的過程，從本質(zhì)上講，就是一個在參量空間尋找最優(yōu)定位參量的問題。 (5) 字符識別:對分割得到的字符圖像進行歸一化處理，進行字符識別，轉(zhuǎn)換為文本存入數(shù)據(jù)庫或直接顯示出來。為了測試一個車牌識別系統(tǒng)的識別率，需要將該系統(tǒng)安裝在一個實際應用環(huán)境中，全天候運行24 小時以上，采集至少1000 輛自然車流通行時的車牌照進行識別，并且需要將車輛牌照圖像和識別結(jié)果保存下來，以便調(diào)取查看。一個識別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識別出結(jié)果，那么這個系統(tǒng)就會因為滿足不了實時要求而毫無實用價值。后臺管理體系的功能應該包括: （1）識別結(jié)果和車輛圖像數(shù)據(jù)的可靠存儲。如果車牌號碼沒有被正確讀取時，可采用模糊查詢技術(shù)以得出相對最佳的比對結(jié)果。 。 自然光路線是指白天利用自然光線，夜間采用輔助照明光源，用彩色攝像機采集車輛真彩色圖像，用彩色圖像處理方法識別車牌。因紅外光是不可見光，它不會對駕駛員產(chǎn)生視覺影響。一個車牌識別系統(tǒng)的基本硬件配置是由攝像機、主控機、采集卡、照明裝置組成的，而軟件是由一個具有車牌識別功能的圖像分析和處理軟件，以及一個滿足具體應用需求的后臺管理軟件組成。開放式體系的優(yōu)點是由于硬件采用標準工業(yè)產(chǎn)品，運行維護容易掌握，備品備件采購可以從任何一家供應商獲得，不必擔心因為一家供應商倒閉或供貨不足而出現(xiàn)產(chǎn)品永久失效或采購困難的問題。視頻觸發(fā)方式是指車牌識別系統(tǒng)采用動態(tài)運動目標檢測和圖像序列處理技術(shù)，實時檢測車道上車輛的運動狀況，發(fā)現(xiàn)車輛通過時捕捉車輛圖像，識別車輛牌照，并進行后續(xù)處理。牌照缺乏統(tǒng)一的標準。有些牌照被污損，而有些牌照的字符模糊不清，對光線的散射性不好，這些不確定性極大地影響了識別的準確率。外界光照條件各不相同，白天和晚上光照不同。 外界背景的復雜程度也影響著車牌的定位準確率。不同實際工程其攝像方位和角度不一樣。 光線較暗時，不同的人工光照角度、方位和亮度對車牌識別系統(tǒng)影響也不一樣。分辨率大小影響車牌識別系統(tǒng)的識別速度和字符的識別率。而如何準確且快速地實現(xiàn)系統(tǒng)要求更是系統(tǒng)設計的難點。 (3)顏色特征，現(xiàn)有車牌有四種類型：小型汽年的藍底白字車牌，大型汽年的黃底黑字車牌，軍警車的白底黑字、紅字車牌，外籍汽車的黑底白字車牌。目前基于灰度圖像的車牌定位方法主要有以下幾種。這樣在已縮小的范圍內(nèi)再用上述方法進行遞歸檢測，直到牌照位置比較穩(wěn)定為止。數(shù)學形態(tài)學進行圖像處理的基本思想，是利用一個結(jié)構(gòu)元素來探測一個圖像，看是否能將這個結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時驗證填放元素的方法是否有效。通常還耍利用車牌的一些先驗知識去除偽車牌區(qū)域。能夠進行檢測的方法有多種，如Roberts邊緣算子、Prewitt算子、Sobel算子以及拉普拉斯邊緣檢測。 使用邊緣檢測方法的定位準確率較高，反映時間快，能有效去掉噪聲，適合于包含多個車牌的圖像，并且在多車牌圖像的情況下定位速度也很快。因此，很多研究人員認為彩色圖像比灰度圖像更有利于圖像分割和目標提取。 (3)利用顏色空間距離和相似度進行車牌底色的顏色分割，再采用投影法根據(jù)車牌的寬高比確定車牌候選區(qū)域，最后對候選區(qū)域的灰度圖像進行紋理分割提取車牌?；诓噬珗D像的車牌定位技術(shù)的研究增加了彩色信息，改善了車牌的定位效果。其中，李文舉提出了邊緣顏色對的概念。以上所述藍白特征點、黃黑特征點和白黑特征點就是我國車牌中可能出現(xiàn)的三種顏色對特征點。又考慮到車牌區(qū)域每一行上字符與背景跳變很頻繁，得到顏色對特征點后，設計一種水平方向上的形態(tài)學算子，把每一行上相距較近的顏色對特征點連接起來，再使用一個更大的形態(tài)學算了進行去噪，在得到的車牌區(qū)域中根據(jù)車牌的先驗知識分析去除偽車牌區(qū)域。在較暗的圖像中，直方圖的組成成分集中在灰度較低的一側(cè)；而明亮圖像的直方圖則傾向于灰度級較高的一側(cè)；對于低對比度的圖像直方圖 則集中于一段較窄的灰度級中。圖 2 RGB分量均衡化 Fig 2 RGB ponent equalization 圖 3 HSI分量均衡化 Fig 3 HSI ponent equalization 以上為彩色圖像均衡化步驟。顏色豐要是由視網(wǎng)膜上稱為錐狀體的三種不同的感光細胞感知不同波長的光而形成的。之所以將顏色模型稱為顏色空間，是因為人們發(fā)現(xiàn)用笛卡爾空間坐標的形式來映射顏色模型往往顯得更加直觀、有效。取值為0表示最小的顏色分量，而l表示最大的顏色分量。用RGB顏色空間來描述色彩雖然方便，但不符合人眼的視覺原理。色調(diào)是由物體反射光線中占優(yōu)勢的波長來決定的，不同的波長產(chǎn)生不同的顏色感覺，如紅、橙、黃、綠、青、藍、紫等。在顏色中加上白色或灰色愈多，其飽和度就愈小。3．3．2提取顏色對特征點 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，即白底黑字(白牌)、藍底白字(藍牌)、黑底白字(黑牌)和黃底黑字(黃牌)。但是，白色的色度沒有意義，黑色的色度和飽和度也沒有意義，也就是說這些分量取值不規(guī)律。 在以上的判斷條件里面，藍色和黑色的取值范圍有重臺的部分，這是因為存光線較晴的條件下，藍色和黑色的亮度分量比較接近：考慮到四種底色的車牌顏色搭配中，沒有藍色和黑色的搭配，所以這兩種顏色取值范圍可以有重合的部分。由于有車牌區(qū)域顏色固定搭配的先決條件．因此，下面還可以繼續(xù)根據(jù)顏色邊緣點的配對規(guī)律來繼續(xù)排除多余的非車牌干擾點。遲曉君等提出了基于投影特征值的車牌字符分割算法。王興玲提出了基于類間方差車牌字符分割的模板匹配算法。陳黎等提出基于聚類分析的車牌字符分割方法。在確定具體分割點時，先找投影信息的波谷橫坐標x，接著利用以x為中心的區(qū)域最小值與圖像在x處的垂直投影進行比較，如果相等，則 判斷x才是真正的分割點坐標。首先對字符外輪廓垂直距離采用尺度自適應三次B樣條小波變換進行字符的粗分割：然后應用基于目標占有率模板匹配的字符識別反饋進行字符的精分割，使字符分割效果好。另外在國外許多國家車牌的底色和字符顏色通常只有對比度較強的兩種顏色(例如韓國，其車牌底色為紅色，車牌的字符為白色)，我國汽車牌照僅底色就有藍、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等若干種顏色。 以上種種分割方法實現(xiàn)方式雖然各式各樣，但歸結(jié)起來總是基于幾個基本點： (1)車牌區(qū)域的垂直投影呈現(xiàn)明顯的波峰和波谷，波峰即為字符區(qū)域，波谷基本上都是字符間的間隙。標準字符不包含字符“I”，故可以不考慮這種情況。而將車牌區(qū)域二值化后，由于字符顏色與車牌底色的強烈色彩反差，字符與底色呈現(xiàn)兩極化。 通過以上的分析，最終結(jié)合以上所有特點，本文提出了幾種算法。對于我們的車牌識別程序，干擾我們的通常會有光照、車牌上的污點等等，這些干擾通常會使用普通圖像處理手段來解決，比如用高斯等平滑濾波，用直方圖均衡化等。然后我們可以對此二值矩陣分別對行、列進行求和統(tǒng)計。通過紅色曲線，我們已經(jīng)可以輕易地去掉上下區(qū)域的直線。經(jīng)比較后不難發(fā)現(xiàn)，因為M與0這兩個字母中間是空心的，所以曲線波動較大。bgs_img(i,:)]。temp_char = zeros(size(preseg_bgs_img,1),1)。amp。 end temp_char = zeros(size(preseg_bgs_img,1),1)。這種傻瓜程序，最要命的地方莫過于其工作環(huán)境必須很優(yōu)越：對齊了的車牌牌照、盡量減少的燈光影響等，其實實用性基本沒有?？傁胫@是很簡單的事情，卻處處需要自己打點，考慮各種情況等。5車牌字符分割算法實現(xiàn)5．1MATLAB的開發(fā)環(huán)境本文字符分割技術(shù)主要使用的是MATLAB軟件進行操作的，MATLAB是由美國mathworks公司發(fā)布的主要面對科學計算、可視化以及交互式程序設計的高科技計算環(huán)境。可以直接調(diào)用,用戶也可以將自己編寫的實用程序?qū)氲組ATLAB函數(shù)庫中方便自己以后調(diào)用，此外許多的MATLAB愛好者都編寫了一些經(jīng)典的程序，用戶可以直接進行下載就可以用。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。 (2)簡單易用的程序語言。使之更利于非計算機專業(yè)的科技人員使用。其擁有600多個工程中要用到的數(shù)學運算函數(shù)，可以方便的實現(xiàn)用戶所需的各種計算功能。MATLAB的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復雜函數(shù)。可用于科學計算和工程繪圖。 (5)應用廣泛的模塊集合工具箱。 （6）實用的程序接口和發(fā)布平臺。MATLAB的一個重要特色就是具有一套程序擴展系統(tǒng)和一組稱之為工具箱的特殊應用子程序。 車牌定位與字符分割軟件主要流程如下：(1)圖片導入：直接讀入計算機中保存的jpg圖片或者bmp圖片，圖片來源不限，給出圖片絕對路徑即可。(4)字符分割：傾斜校正后車牌周圍會有～部分邊緣區(qū)域，先通過車牌粗定位排除車牌邊緣區(qū)域得到車牌區(qū)域圖像；然后判斷車牌長寬比是否滿足要求j對滿足要求的車牌區(qū)域分別進行灰度化、灰度拉伸、二值化和邊緣提取后，精確定位字符區(qū)域；在統(tǒng)一車牌底色和字符顏色后，使用動態(tài)模板法進行字符分割：最后將得到的寧符大小歸一。車牌字符區(qū)域精確定位后得到的字符被鉚釘粘蓮，但是通過動態(tài)模板法的字符分割仍然準確地拽到了字符分割線。最后編程實現(xiàn)了車牌的定位與校正及字符分割，從輸入的車輛圖像中提取出一個個獨立的字符，為以后把分割出的單個字符輸入字符識別模塊并得到車牌識別結(jié)果奠定了基礎(chǔ)。動態(tài)形態(tài)學算子可以根據(jù)圖像分辨率的不同自行調(diào) 整形態(tài)學算子尺寸，進一步提高了車牌定位的適用范圍。 (3)字符分割中，先根據(jù)車牌的顏色對特征點連通區(qū)域形狀特性和字符邊緣紋理特性，分別將車牌定位細分為車牌區(qū)域定位和字符區(qū)域定位。由于 不同的圖片得到的字符區(qū)域長寬不統(tǒng)～，顯然傳統(tǒng)的模板法過于呆板，在充分考慮車牌字符的尺寸特征后，提出動態(tài)模板字符分割法。該軟件包含上述的車牌定位、傾斜校正和字符分割等所有步驟。(1)車牌定位之前的圖像預處理，對軟件處理的成敗至關(guān)重要。 (4)本文處理對象是彩色圖像，彩色圖像數(shù)據(jù)量比灰度圖像大，兇此如何在保證準確性的同時提高軟件的實時性仍然值得研究。行文至此，我的這篇論文已接近尾聲了；歲月如梭，我四年的大學時光也即將敲響結(jié)束的鐘聲。是你們，為我的學習創(chuàng)造了條件；是你們一如既往的站在我身后默默的支持我。感謝我的同學們的幫助，感謝信科院2007級的同學們。)。)?；叶葓D39。灰度圖直方圖39。,39。title(39。1]。腐蝕后圖像39。,[40,40])。平滑圖像的輪廓39。title(39。myI=double(I5)。%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置） PY1=MaxY。 end PY2=MaxY。 end IY=I(PY1:PY2,:,:)。 while ((white_x(1,PX1)3)amp。 while ((white_x(1,PX2)3)amp。%對車牌區(qū)域的校正 PX2=PX2+2。行方向合理區(qū)域39。)imwrite(dw,39。39。jpg=strcat(filepath,filename)。b=rgb2gray(a)。figure(8)。g_min=double(min(min(b)))。 % d:二值圖像imwrite(d,39。subplot(3,2,2),imshow(d),title(39。)% 濾波h=fspecial(39。 %BW = im2bw(I, level) 將灰度圖像 I 轉(zhuǎn)換為二進制圖像。 %matlab里函數(shù)bwarea 計算目標物的面積figure(8),subplot(3,2,4),imshow(d),title(39。,3)。diamond39。 % eye(n) returns the nbyn identity matrix 單位矩陣[m,n]=size(d)。39。)% 尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割d=qiege(d)。%figure(9),subplot(