【正文】 與 區(qū) 域生長 類似，應(yīng)用 區(qū)域分裂 — 合并 方法進行 車牌區(qū)域定位時也還需要進一步解決一些相關(guān)的問題。圖像的自然紋理信息中往往蘊含 著 甚至就直接或間接地來源于圖像的邊緣信息，而圖像的邊緣信息往往也呈現(xiàn)出 一定的 紋理信息的特點。這里僅對前者進行簡要分析，后者則在后面的相應(yīng)方法中加以說明。下面提及的一些 車牌區(qū)域定位 方法僅根據(jù)一些資料中的叫法分類，各類方法之間可能有一定的交叉。紋理可分為自然紋理和人工紋理兩類，常用結(jié)構(gòu)模型或統(tǒng)計模型兩種方法進行分析。 5 、矩特征 19 圖像矩集的定義為： ? ???? ???? d xd y)y,x(fyxM kjjk j,k 為非負(fù)整數(shù)， j+k 稱為矩的階數(shù)。由于車牌圖像 灰度直方圖 分布十分復(fù)雜，目前對于其 灰度直方圖特征 的規(guī)律性的認(rèn)識還不是很清楚。 自 然特征： 是圖像中人類視覺可以直接感受到的圖像的屬性，如 區(qū)域 的 亮度、輪廓、紋理、顏色等 。 用這種方法對車牌圖像進行水平傾斜校正比用 Hough 變換法要簡單，實驗中也取得了較好的結(jié)果。 17 既然要依托 車牌區(qū)域邊緣 尋找校正基準(zhǔn)，就必須要保證在車牌圖像中能檢測出 車牌區(qū)域邊緣 。目前，對于車牌 圖像幾何畸變校正 一般只能夠按照一組基準(zhǔn)點去校正。經(jīng)分析，發(fā)現(xiàn)在 同態(tài)濾波處理 后，使得圖像直方圖的分布形狀更接近于雙峰分布，以 車牌字符為對象時， 字符與背景 的 灰度差別更明顯， 有利于改善 Otsu算法二值化 的效果。 本文中全部采用 8 鄰 域連通規(guī)則。 連通區(qū)域標(biāo)記 [10] 在 本文中，主要是針對目標(biāo)對象在二值圖像中表現(xiàn)較為穩(wěn)定的幾何形狀等方面的特征信息進行有關(guān)的數(shù)學(xué)形態(tài)學(xué)處理，以濾除影響目標(biāo)判斷的一些 噪聲像素。 開運算和閉運算 腐蝕和膨脹是兩種基本的數(shù)學(xué)形態(tài)學(xué)運算方法， 但 單獨采用腐蝕或膨脹運算往往會使 圖像中目標(biāo)對象（如車牌 字符 ）的 形狀改變較大，從而可能歪曲 其有關(guān) 的信息。 (a) 車牌灰 度圖像 (b) 同態(tài) 濾波處理后 圖像 (c) 原灰 度直方圖 (d)同態(tài)濾波 處理后灰 度直方圖 圖 同態(tài)濾 波處理 同態(tài)濾波對車牌圖像邊緣檢測和二值化的影響 從 圖 可以看出， 同態(tài)濾波處理后 ，圖像的 灰度動態(tài) 范圍 有一定程度的壓縮。同態(tài)濾波 就是一種有利于 圖像細(xì)節(jié) 信息 提取 的處理方法。遍歷圖像，如果某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大的，則將該像素值置 0 ，即不是邊緣。如果 f2? 的一個像素值小于給定閾值 T，而其周圍鄰接的 8 個像素值都大于 T,則此像素即為零交叉點，對應(yīng)著圖像的邊緣。 對于 Roberts 算子 , ?????? ?? 10 01p1, ???????? 01 10p2 對于 Prewitt 算子 , ?????????? ????111000111p1 , ??????????????101101101p2 對于 Sobel 算子 , ?????????? ????121000121p1 ，??????????????101202101p 2 Step2:進行閾值操作得到二值邊緣圖像 ??? ?? ??? 時時t h re s hf2 5 5 t h re s hf0g thresh 為閾值 采用 上述方法 對車牌圖像進行邊緣檢測時，閾值 thresh的選擇對邊緣提取的效果至關(guān)重要。 圖像邊緣檢測技術(shù) 目前， 經(jīng)過對 公開資料中 有關(guān) 車牌 圖像 分割 和識別方法 所 依據(jù)的特征 進行分析 ， 發(fā)現(xiàn) 字符 在 邊緣、輪廓、形狀 、紋理 方面的特征是 最多被使用的較 可靠而且是 較容易 提取的 特征 。 Canny 邊緣檢測 ( 在本章 中具體介紹 ) 能 夠 比較好地 檢測出 邊緣，同時對于 孤立點和非邊緣 噪聲 能夠進行 很好的抑制 。 設(shè)圖像 F(x,y), 則圖像在像素點 ),( yx 處的灰度值為 ),( yxf 。 具體做法為：設(shè)給定圖像 ),( yxF 具有 L 級灰度值，對 1 ? t ? L 中的每個t 將 圖像像素 分成兩 類 ，計算 類 1 的象素個數(shù) )t(1? ， 平均灰度 )t(M1 , 方差)t(21? ；類 2 的象素數(shù) )t(2? ， 平均灰度 )t(M2 , 方差 )t(22? 。 2 、二值圖像 中 噪聲 對于后續(xù)處理影 響的大小 。 下面，對于本文 中 主要使用的有關(guān)圖像處理技術(shù)進行簡要的介紹 ，并對它們在車牌圖像識別中的應(yīng)用特點進行 分析 總結(jié) 。 6 該方法以 Canny 邊緣檢測為基礎(chǔ)，利用非漢字字符外形輪廓的連通性，通過數(shù)學(xué)形態(tài)學(xué)運算去除邊框處噪聲的影 響，先獲得非 阿拉伯 數(shù)字 1 的字符的高度，進而確定字符的垂直方向的位置， 再 利用漢字字符處與左邊框在垂直方向像素值變化的不同，確定漢字的水平方向起始位置， 最 后 根據(jù)字符寬度來 確定其它字符的水平方向位置。 (6) 關(guān)于車牌圖像的幾何畸變校正 在車牌圖像識別中，幾何畸變校正基準(zhǔn)的獲得比較困難 。目前提出的車牌字符切分和字符分類特征提取的方法，很多是以二值圖 像為基礎(chǔ)的。 本文研究的主要內(nèi)容 車牌區(qū)域定位、單個字符區(qū)域切分 和 字符分類識別 作為車牌圖像識別系統(tǒng)的三個 關(guān)鍵 技術(shù)，同時又是一個有機的整體。 上述方法的提出，為本文的有關(guān)研究提供了重要的參考和對照，在本文的第三章、第四章和第五章中進行了相應(yīng)的分析。 有關(guān)研究大多圍繞車牌圖像識別的三大 關(guān)鍵 技術(shù) ( 車牌區(qū)域定位、單個字符區(qū)域切分、字符分類識別 ) 進行。各個 廠商 所 聲稱的 識別正確率 一般在 95% 左右 ， 與真正智能化的要求還有一定的距離。 移動電子警察：移動電子警察現(xiàn)在逐漸應(yīng)用到交警日常工作中，采用移動電子警察技術(shù)可以靈活地對非固定監(jiān)控點的交通違章和事故進行取證處理，不僅提高了警察執(zhí)法效率，而且增強了執(zhí)法的公正性。從一些產(chǎn)品的解決方案來看，實際使用時 一般 仍然需要人工復(fù)核 。 作 者 簽 名： 日 期： 指 導(dǎo) 教 師 簽 名 ： 日 期： 使 用 授 權(quán) 說 明 本 人 完 全 了 解 大 學(xué) 關(guān) 于 收 集 、保 存 、 使 用 畢 業(yè) 設(shè) 計 （ 論 文 ） 的 規(guī) 定 ，即 ： 按 照 學(xué) 校 要 求 提 交 畢 業(yè) 設(shè) 計 （ 論 文 ） 的 印 刷 本 和 電 子 版 本 ； 學(xué) 校 有 權(quán) 保存 畢 業(yè) 設(shè) 計 （ 論 文 ） 的 印 刷 本 和 電 子版 ， 并 提 供 目 錄 檢 索 與 閱 覽 服 務(wù) ； 學(xué) 校可 以 采 用 影 印 、 縮 印 、 數(shù) 字 化 或 其 它 復(fù)制 手 段 保 存 論 文 ； 在 不 以 贏 利 為 目 的 前提 下 ， 學(xué) 校 可 以 公 布 論 文 的 部 分 或 全 部內(nèi) 容 。 采用這種 方 法 能 在一定程度上解決車牌定位 依 據(jù)的 共性特征信息 選擇 的問題 。 本文圍繞著開放或半開放采集環(huán)境中的車牌圖像特點，對車牌圖像自動識別系統(tǒng)中的 三個方面的關(guān)鍵技術(shù) — — 車牌區(qū)域定位技術(shù) 、 車牌字符切分 技術(shù)和車牌字符特征提取和分類識別 技術(shù) —— 進 行了研究。 關(guān)鍵詞 ： 車牌定位、字符切分、特征提取、模式識別 畢 業(yè) 設(shè) 計 （ 論 文 ） 原 創(chuàng) 性 聲 明 和 使 用 授權(quán) 說 明 原 創(chuàng) 性 聲 明 本 人 鄭 重 承 諾 ： 所 呈 交 的 畢 業(yè) 設(shè) 計（ 論 文 ）， 是 我 個 人 在 指 導(dǎo) 教 師 的 指 導(dǎo)下 進 行 的 研 究 工 作 及 取 得 的 成 果 。主要用于高速公路 收費管理、路徑判別、規(guī)費征稽、交通數(shù)據(jù)采集等方面，其中，最常用的是 高速公路收費 輔助系統(tǒng)。其中，最常用的場所是 城市卡口監(jiān)控。 停車場收費管理系統(tǒng)對車牌圖像識別技術(shù)在車牌識別結(jié)果的正確率指標(biāo)的要求也非常高，目前的車牌圖像識別產(chǎn)品在這方面也不夠理想， 一般也需要人工干預(yù) 。 如果這些因素變動時，就 可能要 根據(jù)具體的樣本、通過一定的分析學(xué)習(xí)過程以確定和修改使用的有關(guān)參數(shù) ， 才可能獲得較好的識別效果，否則其 識別正確率可能 不 會 很理想 。 在車牌字符切分方面， 公開資料中提出的方法主要有： 基于二值 ( 灰度 ) 圖像水平 ( 垂直 ) 投影分布的車牌 字符的 切分方 法 、 基于二值圖像字符區(qū)域上下輪廓分布的車牌 字符 切分方法 、 基于 模板匹配的 車牌字 符 切分 方法 、 基于 聚類分析 的 車牌 字符 切分 方法 、 基于車牌二值圖像字符連通性的 字符 切分 方法 、 基于 顏色分類的車牌字符 切分 方法 等。但在實際應(yīng)用中發(fā)現(xiàn)，車牌 圖像 識別 關(guān)鍵技術(shù) 還與其它一些因素有密不可分的關(guān) 系。 因此，如何保證車牌識別結(jié)果的可靠性，是一項十分艱巨的任務(wù)。但通過實驗發(fā)現(xiàn)，同態(tài)濾波 對 Canny邊緣檢測結(jié)果的影響很小，這也從另一側(cè)面反映了 Canny 邊緣檢測方法效果是比較穩(wěn)定的。 該方案綜合利用圖像的邊緣和紋理信息，利用 Sobel 模板提取四個方向的邊緣，并分別進行數(shù)學(xué)形態(tài)學(xué)等處理，同時利用紋理信息分析判斷，分兩個階段實現(xiàn)對車牌區(qū)域的定位。在這種環(huán)境中，很多因素都直接或間接地影響著圖像的內(nèi)容和質(zhì)量。0。下面主要介紹兩種比較典型、較常用的 Otsu算法和 Bernsen 算法，并提出一種 Canny 邊緣檢測指導(dǎo)下的字符（車牌）圖像二值化的方法。如圖 所示 ，將車牌邊框、鉚釘和字符一起作為目標(biāo)對象 時，則可以認(rèn)為灰度圖像中 目標(biāo) 對象 和背景明顯分離 ，此時采用 Otsu算法 二值化的效果較好；而如果僅將其中的某一個看作目標(biāo)對象，則不滿足以上條件，對其 9 二值化效果的評價也要大打折扣。如圖 2.3 所示。 (a) 原圖 (b)Canny 邊緣檢測 結(jié)果 (c) 二值 化結(jié)果 圖 基于 Canny 邊緣檢 測的車牌圖 像 二值化 對于比較精確分割出的車牌區(qū)域圖像，進行二值化時的判斷決策相對較為容易；但如果分割出的車牌區(qū)域圖像精確度較差時，就會給判斷決策帶來較大的困難。根據(jù)對這兩個特征值的處理方法的不同，基本的邊緣檢測方法 主要 有如下幾種：微分算子 邊緣檢測 法 、 Laplacian算子 邊緣檢測 法 和 Canny 算子 邊緣檢測 法 等。 本文在車牌區(qū)域定位時采用了 Sobel 模板進行多個方向的邊緣檢測。 2 、保證邊緣良好定位。如圖 所示 ，采用 Canny 算子法對于不同場景的車牌圖像一般都可以得到 較 穩(wěn)定的邊緣提取結(jié)果 。 同態(tài)濾波處理 基本 過程如下： f(i,j)→對數(shù)運算→ FFT →濾波→ FFT1→指數(shù)運算→ g(i,j) 14 對數(shù)運算 是為了使 照射分量 i(x,y)和反射分量 r(x,y)的傅立葉變換可分以便于 分別進行處理， 濾波 器可采用高 斯型高通 濾波 器，在壓縮 動態(tài)范圍 的同時增強對比度。但實驗中發(fā)現(xiàn)， 同態(tài)濾波 對 Canny 邊緣檢測結(jié)果的影響不是很大，這也從另一側(cè)面反映了 Canny 邊緣檢測方法效果是比較穩(wěn)定的。 閉運算 ：是先膨脹再腐蝕的過程。當(dāng)像素互為 4 鄰域時 , 即稱為 4 鄰域連通。對于車牌圖像處理來說，由于采集環(huán)境的復(fù)雜性，車牌區(qū)域的特征很不穩(wěn)定，給識別帶來了很大的困難。同時，車牌形狀、字符位置也會因 幾何畸變 發(fā)生變化，也會給車牌區(qū)域的定位和單個字符的切分造成困難。此外，即使能夠得到 比較準(zhǔn)確的車牌邊緣，使用 Hough 變換也存在計算量大的缺點。 下面給出車牌圖像水平傾斜校正的一種簡易方法： Step1:獲得車牌圖像 Canny 邊緣檢測圖 f ，選擇 f 中不包括左右邊框的部分 f1（比如，可選擇 f 中間寬度為圖像寬度約 2/3 部分）； Step2:以 8 鄰域連通法則對 f1中白色像素進行連通區(qū)域標(biāo)記 , 并將寬度 不是 最大的白色像素連通區(qū)置 0 ； Step3:經(jīng)上述處理 后，圖像中的白色像素一般就可視為車牌圖像水平邊界的一部分。比如，有關(guān)車牌標(biāo)準(zhǔn)怎樣與車牌圖像 幾何畸變校正 相協(xié)調(diào)，怎樣通過 改善圖像采集技術(shù)手段獲得滿足 幾何畸變 控制 要求的車牌圖像，等等。 2 、灰度直方圖特征 圖像 灰度直方圖 是通過統(tǒng)計各像素點的灰度值而獲得的，可用來估計圖像的概率分布，其形狀能夠反映出圖像的一些特征信息。因此，圖像的 邊緣特征 是區(qū)分圖像中不同對象的重要特征。但由于實際應(yīng)用中車牌圖像的復(fù)雜性，較難提取穩(wěn)定的 線條和角點 特征信息。但 由于 實際應(yīng)用中的