【正文】 章 系統(tǒng)測(cè)試及分析 ................................................ 34 測(cè)試的目的 ...................................................... 34 車(chē)牌識(shí)別系統(tǒng)的測(cè)試 .............................................. 34 測(cè)試效果 ........................................................ 35 結(jié)束語(yǔ) ............................................................... 40 參考文獻(xiàn) ............................................................. 42 致謝 ............................................................44 II 附錄 1：英文技術(shù)資料翻譯 .............................................. 45 附錄 2：程序清單 ...................................................... 60 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 1 前言 由于我國(guó)道路交通的發(fā)展迅速，汽車(chē)數(shù)量特別是轎車(chē)數(shù)量不斷增加，出現(xiàn)了 許多車(chē)輛管理方面問(wèn)題。 本次畢業(yè)設(shè)計(jì) 在研究大量資料以及運(yùn)用所掌握的相關(guān)知識(shí)的基礎(chǔ)上，針對(duì)車(chē)牌識(shí)別的諸多問(wèn)題，開(kāi)發(fā)基于 MATLAB 的車(chē)牌識(shí)別系統(tǒng)，經(jīng)過(guò)驗(yàn)證，該系統(tǒng)性能優(yōu)良，能夠檢測(cè)并識(shí) 別出大部分的車(chē)牌， 達(dá)到了設(shè)計(jì)的要求， 具有一定的實(shí) 用 價(jià)值。 MATLAB 的基本數(shù)據(jù)單位是矩陣，故 又被稱(chēng)為“矩陣實(shí)驗(yàn)室”，因?yàn)樗哂袕?qiáng)大的矩陣計(jì)算功能 ，相比其他語(yǔ)言，許多問(wèn)題用 MATLAB解決要簡(jiǎn)單的多 。 對(duì)車(chē)牌圖像首先進(jìn)行二值化處理，然后進(jìn)行字符分割， 字符分割是字符識(shí)別的基礎(chǔ)，字符識(shí)別是建立在正確分割字符的基礎(chǔ)上的，本文的字符識(shí)別采用的是模板匹配的方法，匹配率比較高。 (3)基于本車(chē)牌識(shí)別系統(tǒng)原理，所有按鈕對(duì)應(yīng)著各個(gè)模塊，本 系統(tǒng)共采用11 個(gè)按鈕：“打開(kāi)圖像”，“灰度化 ” ,“圖像增強(qiáng)”，“邊緣檢測(cè) ” ,“車(chē)牌定位”，“分割車(chē)牌 ” ,“車(chē)牌預(yù)處理”， “字符分割 ” ,“字符識(shí)別”，“一步檢測(cè) ” ,“退出”，每一個(gè)按鈕對(duì)應(yīng)的回調(diào)函數(shù)即為該功能實(shí)現(xiàn)的程序代碼。 油墨和顏料的三基色是 CMY（ Cyan / Magenta / Yellow， 青 / 洋紅 / 黃）圖像灰度化 灰度線(xiàn)性拉伸 直方圖均衡 圖像維納濾波 車(chē)輛圖像增強(qiáng) 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 8 而不是 RGB， CMY 又被稱(chēng)之為三減色，是因?yàn)?CMY 三基色的特點(diǎn)，它減少了為視覺(jué)系統(tǒng)識(shí)別顏 色所需要的反色光，正如油墨和顏料用的越多，顏色越暗（或越黑）所表現(xiàn)的那樣。 車(chē)輛 圖像灰度化 預(yù)處理前的汽車(chē)圖像樣本幾乎都是彩色圖像，因?yàn)楝F(xiàn)實(shí)中它們大都是通過(guò)電子設(shè)備拍攝獲取的，所以它們 是 RGB 圖像，一個(gè)像素的顏色由 R、 G、 B三種分量表示， R 表示紅色， G 表示綠色， B 表示藍(lán)色。 對(duì)圖像進(jìn)行灰度化 ，就是把圖像變?yōu)榛叶葓D像，主要處理方法如下 ： 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 9 (1)取最大值 ： 取 R、 G、 B 三值中最大的一個(gè)，即 R=G=B=max（ R、 G、 B) (31) (2)取平均值 ： R=G=B=(R+G+B)/3 (32) (3)加權(quán)平均 ，根據(jù)不同顏色在灰度過(guò)程化中的重要性不同，故采用數(shù)學(xué)上常用的加權(quán)方法 即 ： R=G=B=Wr*R+Wg*G+Wb*B (33) 其中 R、 G、 B 的權(quán)值分別為 Wr、 Wg、 Wb。 灰度拉伸 的作用是增強(qiáng)對(duì)比度，它是依據(jù)直方圖的特征來(lái)對(duì)某一些灰度區(qū)間進(jìn)行拉伸。 灰度直方圖表示了圖像的灰度分布情況，基本上可以描述一幅圖像的相貌，但是為了能更好的的進(jìn)行圖像識(shí)別，改善識(shí)別效果，必須對(duì)直方圖進(jìn)行修正 。圖像信號(hào)通過(guò)鄰域平均處理得到平滑，效果與圖像信號(hào)通過(guò)低通濾波器的相似。 (a)維納濾波前 (b)維納濾波后 圖 37維納濾波 前后 對(duì)比圖 二值化 二值是指黑、白兩種顏色，二值化就是就將圖 像變?yōu)楹凇變煞N顏色，這樣對(duì)二值化的圖像再進(jìn)行別的處理速度更快，得到的效果更好，二值化的圖像特征更明顯，更容易被描述和分析。全局閾值方法適用于目標(biāo)于背景分離明顯的圖像，算法簡(jiǎn)單，計(jì)算量小，在現(xiàn)實(shí)中得到了廣泛應(yīng)用。具體的推導(dǎo)如下所示 。 (a)車(chē)牌二值化前灰度圖 (b)車(chē)牌二值化圖像 圖 39 車(chē)牌二值化前后對(duì)照?qǐng)D 主要程序如下： %二值化 BWPlate=im2bw(GrayPlate,level)。 圖像邊緣的確定與提取對(duì)于圖像的分析與識(shí)別具有重要的作用，圖像中邊緣處兩側(cè)的特征，形狀，灰度等均存在巨大的差別，因此，可以通過(guò)邊緣的檢測(cè)來(lái)找出目標(biāo)，并進(jìn)行相應(yīng)的處理。它是基于求導(dǎo)的方法來(lái)檢測(cè)圖像邊緣的，因?yàn)閳D像邊緣的灰度變化最劇烈，表現(xiàn)形式上為函數(shù)梯度比較大。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 19 (4)基于數(shù)學(xué)形態(tài) 學(xué)的邊緣檢測(cè)。 Sobel 算子 本質(zhì)上同樣是 一種梯度幅值， M s sx y? ?2 2 (44) 偏導(dǎo)數(shù)sx和y采用的計(jì)算公式為 ：（其中常數(shù) 2?c ） )()( )()( 456210 670432 acaaacaas acaaacaas yx ?????? ?????? (45) 和其他的梯度算子 所用的方法相同 ，sx和y也可以采用 卷積模板 法計(jì)算 ： 101202101????xs 121000121????ys (46) 這一算子 主要處理對(duì)象為模板中心的 像素點(diǎn)。在實(shí)際生活中，拉普拉斯的二階方向?qū)?shù)算子應(yīng)用的并不廣泛。若該點(diǎn)滿(mǎn)足 式 415 的 條件，則該點(diǎn)為邊緣點(diǎn)： 022 ???? IG? (415) 式 415 中 ,? 為平滑的梯 度方向： ][1 xy IItg GG ????? ?? (416) 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 22 (3)邊緣強(qiáng)度 若某像素滿(mǎn)足邊緣定位條件，則該像素的邊緣強(qiáng)度為： )()( 22 21yIxI GG ????? (417) 由于 canny 算子算法比較復(fù)雜導(dǎo)致編程也很復(fù)雜，在實(shí)際生活中應(yīng)用并不廣泛，因此本系統(tǒng)并沒(méi)有采用此種算子。 基于以上幾大特征決定了可以采取相應(yīng)的定位方法，根據(jù)不同的特 征，如顏色、形狀、位置、紋理、 字符等特征采取不同的方法得到的準(zhǔn)確率不同，通過(guò)綜合比較選取合適的定位方法。 本文車(chē)牌定位算法 車(chē)牌邊緣檢測(cè)為車(chē)牌定位做了必要的準(zhǔn)備工作，由于本系統(tǒng)的車(chē)牌邊緣檢測(cè)的算子為 Sobel 算子，得到了不錯(cuò)的效果，因此，本系統(tǒng)是在 邊緣 檢測(cè)過(guò)后的圖像上進(jìn)行的定位操作。 (2)計(jì)算掃描 每列的黑白跳變次數(shù)，如果次數(shù) lefttest=4， 置 leftflag=1，表示初步找到左邊界。 圖 43 車(chē)牌定位示意圖 本文提出的車(chē)牌定位算法基于邊緣檢測(cè) 原理 ，有效的抑制了車(chē)牌區(qū)域外的噪聲信息，對(duì)不同條件下的車(chē)輛圖像有較好的適應(yīng)性， 處理速度比較快，效果比較好，基本滿(mǎn)足了本次設(shè)計(jì)的要求。在車(chē)牌識(shí)別系統(tǒng)中，要把車(chē)牌圖像從整幅圖像中分割出來(lái)， 需要將整幅圖像分割成小 部分進(jìn)行處理，圖像分割的準(zhǔn)確程度對(duì)字符識(shí)別會(huì)產(chǎn)生巨大的影響，所以 ，必須采用合適的分割方法 ，進(jìn)行圖像分割。 因此，利用這些已經(jīng)知道的車(chē)牌先驗(yàn)知識(shí)，可以準(zhǔn)確的預(yù)估字符區(qū)域，并準(zhǔn)確地進(jìn)行字符的分割與識(shí)別。 車(chē)牌字符分割效果如 圖 51 所示。amp。 統(tǒng)計(jì)模式法 統(tǒng)計(jì)模式識(shí)別是對(duì)模式的統(tǒng)計(jì)分類(lèi)方法，把模式 類(lèi)看成是用某個(gè)隨機(jī)向量實(shí)現(xiàn)的集合。但是，神經(jīng)網(wǎng)絡(luò)方法 具有會(huì) 出現(xiàn)誤識(shí)、不適合實(shí)時(shí)識(shí)別系統(tǒng)、學(xué)習(xí)樣本難采集等 缺點(diǎn)。根據(jù)預(yù)先設(shè)置的規(guī)則，輸出文本字符。本軟件系統(tǒng)的每一個(gè)功能模塊對(duì)應(yīng)著一個(gè)按鈕，同時(shí)為了基于快捷的思想，設(shè)計(jì)了一個(gè)“一步檢測(cè)”的按鈕，通過(guò)此按鈕，可以很快地識(shí)別車(chē)牌。在測(cè)試時(shí)特別注意界面中有沒(méi)有標(biāo)題、標(biāo)簽寫(xiě)錯(cuò)，包括運(yùn)行時(shí)彈出的對(duì)話(huà)框中是否有誤，還特別做了用以區(qū)別的標(biāo)題欄圖標(biāo)。牌照?qǐng)D像中的字符寬度一般不超過(guò) 20 個(gè)像素，為了保證字符匹配的準(zhǔn)確性，本系統(tǒng)采用的 20*40 像素的二值化的模板。 神經(jīng)網(wǎng)絡(luò)法 該方法是基于 人工神經(jīng)網(wǎng)絡(luò) 原理實(shí)現(xiàn)模式識(shí)別。 常用的字符識(shí)別方法 由于模式 特征存在的種類(lèi)不同，因此，可以將模式識(shí)別方法 大致分為 3大 類(lèi)。amp。因此，如果漢字區(qū)域分割結(jié)果大于 1，則將這些 分割出來(lái)的區(qū)域合并，得到一個(gè)正確的漢字區(qū)域。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 30 本系統(tǒng) 采用的投影的方式是建立在車(chē)牌大小、形狀、字符長(zhǎng)寬高等相關(guān)比例先驗(yàn)知識(shí) 基礎(chǔ)上的 ，對(duì)粘連字符進(jìn)行相關(guān)的切分，對(duì)分隔的字符進(jìn)行合并。 字符分割 圖像分割 圖像分割是 基于某些 原則將一幅圖像或景物分為若干個(gè)特定的、具有獨(dú)特性質(zhì)的部分或子集，并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。 車(chē)牌上下 邊界 定位流程圖為圖 44所示，左邊界定位流程圖為圖 45 所示。 (5)在求出 top 和 bottom 后進(jìn)行相減判定其差值，小于某臨界值 (由實(shí)驗(yàn)得到 )時(shí)，重置 bottomflag，繼續(xù)搜索車(chē)牌。 基于小波變換的定位方法 小波變換 是將信號(hào)經(jīng)過(guò)各種形式的變換將信號(hào)進(jìn)行分解成為子信號(hào)，由于這些子信號(hào)時(shí)域和頻域特性存在許多差異，因此可以對(duì)這些 子 信號(hào)進(jìn)行時(shí)頻特性的檢測(cè)和分析。 (3)車(chē)牌內(nèi)字符有多個(gè)，基本呈水平排列，在牌 照的矩形區(qū)域內(nèi)存在豐富的邊緣，呈現(xiàn)規(guī)則的紋理特征。 Canny 具體實(shí)現(xiàn)過(guò)程： (1)圖像平滑 進(jìn)行圖像平滑的 高斯 函數(shù)： 222( , ) e xp ( )2xyG x y ???? (413) 圖像卷積： ),(),(),( yxIyxGyxI G ?? (414) 其中： ? 是一個(gè)尺度參數(shù)， ? 越小，則函數(shù)越“集中”，即僅在一個(gè)很小的局部范圍內(nèi)平滑， ? 越大，則表示圖像在一個(gè)較大的范圍內(nèi)進(jìn)行平滑， I(x,y)為原始圖像。 ?????????????14142041412 (412) 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 21 物體的邊緣 在 拉普拉斯算子 中對(duì)應(yīng)著 零點(diǎn) ， 理想狀況下 ，過(guò)零點(diǎn)的位置的精確度很高，但在實(shí)際生活中，由于存在許多噪聲的干擾，結(jié)果不是很精確。 Sobel 算子 Roberts 算子告訴我們 ，采用 33? 鄰域可以避免在像素之間內(nèi)插點(diǎn)上計(jì)算梯度。 (3)小波多尺度邊緣檢測(cè)。 邊緣檢測(cè)方法 因?yàn)榛叶茸兓菆D像物體中的邊緣主要表現(xiàn)，所以，邊緣檢測(cè)的基本原理是檢測(cè)圖像灰度的不連續(xù)性的地方。)。 南京工程學(xué)院畢業(yè)設(shè)計(jì)說(shuō)明書(shū)（論文） 17 、 對(duì)于車(chē)牌圖像，其本身的對(duì)象和背景灰度差距比較大，灰度直方圖有明顯的雙峰現(xiàn)象，在經(jīng)過(guò)圖像增強(qiáng)處理以后，這一 特點(diǎn)更為明顯。從最小灰度值到最大灰度值遍歷 t ，當(dāng) t使得值211200 )()( ?????? ????g 最大時(shí) t即為分割的最佳閾值。因此局部閾值法能夠比較準(zhǔn)確地實(shí)現(xiàn)對(duì)象和圖像的分離，但仍然存在一些缺點(diǎn)，如圖像分割偶然性大，易出錯(cuò)，易出現(xiàn)偽影現(xiàn)象，同時(shí)計(jì)算量大，速度慢。 MATLAB 軟件中用于維納濾波的函數(shù)為 Wiener2 函數(shù)，其采用