【正文】 邊緣提 取 ...................................................9 4 車(chē) 牌定 位 ........................ . . . . ............................10 車(chē)牌特征的信息分 析 ........................................11 車(chē)牌特征的信息分 析 ....... ..........................11 常見(jiàn)車(chē)牌顏色特征的信 息 .............................12 車(chē)牌特征分析結(jié) 論 ......... ..........................13 4. 2 車(chē)牌號(hào)碼初定 位 ............................................13 車(chē)牌 二值 化 ............... ..........................14 圖像二值化的基本原 理 ...............................14 4. 3 牌照區(qū)域的分 割 .................. ..........................15 5 牌照字符分 割 ....................................................16 5. 1 字符字符切分綜 述 ................ ..........................16 5. 1. 1 字符分 割 ...........................................16 . 2 字符 歸 一 化 .........................................16 6 車(chē) 牌字符的識(shí) 別 ..................................................17 6. 1 車(chē)牌字符識(shí)別綜 述 ..........................................17 6. 2 模版匹配字符識(shí) 別 ..........................................17 7 車(chē) 牌號(hào)碼識(shí)別軟件設(shè)計(jì)結(jié)果及分 析 ............. .....................20 7. 1 辛牌識(shí)別仿 真 ........ ...................................... 20 7. 2 結(jié)果分 析 ..................................................27 結(jié)束 語(yǔ) ............................................................. 29 致謝 .........................................................30 參考文 獻(xiàn) ....................... . . . . . . . ... . . . . ......................31 附錄程序清 單 .....................................................31 1 緒論 選題背景 汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)是制約道路交通智能化的重要因素，包括車(chē)牌定位、 字符分割和字符識(shí)別三個(gè)主要部分。 某些牌照識(shí)別系統(tǒng)還具有通過(guò)視頻圖 像判斷車(chē)輛駛?cè)胍曇暗墓δ芊Q之為視頻車(chē)輛檢測(cè)。具體步驟如 下 :首先通 過(guò) MATLAB軟件對(duì)圖像 2 進(jìn)行灰度轉(zhuǎn)換，二值化處理然后采 用 4Xl的結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕，去除圖像 的噪聲。在設(shè)計(jì)研究單位 和 工 業(yè)開(kāi)發(fā) 部 門(mén) ， MATLAB 被廣泛的應(yīng) 用 于 研究和解決各種具 體 問(wèn) 題。我國(guó)停車(chē)場(chǎng)應(yīng)用較多的是紅外探測(cè)器和電磁感應(yīng)環(huán)探測(cè)器。 軟件系統(tǒng)的編寫(xiě)大多采用 VC 或者 MATLAB 語(yǔ) 言 ， 本課題選用了 MATLAB 語(yǔ)言 。 (3) 較強(qiáng)的圖形控制和處理功 能 ， 自 帶的 API 使得用戶可以方便地在 MATLA B 與 C、 C++ 等 其 他程序設(shè)計(jì) 語(yǔ) 言 之 間建 立數(shù)據(jù)通信。在進(jìn)行形態(tài)學(xué)濾波去 除 其 它 區(qū)域。利用垂直投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的 字符分割有較好的效果。為了提高識(shí)別率，除了不斷的完善 識(shí) 別 算 法 ， 還應(yīng)該想辦法克服各種光照 條 件 ， 使采集到的圖像最 利 于 識(shí)別。 [3)其流程圖 為 : 圖 5 預(yù)處理及邊緣提取流程圖 圖像灰度化 灰度圖是指只包 含 亮 度信 息 ， 不 包含色彩信息的圖 像 ， 例如平 時(shí) 看 到 的 亮 度 連續(xù)變化的黑白照片就是一幅灰度圖。由于人眼對(duì)綠色最為敏感 ， 紅色次之，對(duì)藍(lán)色的敏感性最 低 ， 因 此 使的〉的〉的將得到較易識(shí)別的灰度圖 像。在汽車(chē)牌照?qǐng)D像處理初 期 ， 若不能有效 抑制或者去除這些噪 點(diǎn) ， 將影響車(chē)牌定位的準(zhǔn)確性或者造成無(wú)法定位。為了克服這種平 均化引起的圖象模糊現(xiàn) 象 ， 我們給中心點(diǎn)象素值與其鄰 域 平 均值 的 差 值設(shè)置一固 定的閥 值 ， 只有 大 于 該闕值的點(diǎn)才能替換為鄰域平均值， 而 差 值不 大 于 闕值 肘 ， 仍保留原來(lái)的 值 ， 從而減少 由 于 平均化引起的圖象模糊。 LOG濾波器方法通過(guò)檢測(cè)二 階 導(dǎo) 數(shù)過(guò)零點(diǎn)來(lái)判斷邊緣點(diǎn) 。 這些方法各有優(yōu)缺 點(diǎn) ， 要實(shí)現(xiàn)快 速 、 準(zhǔn)確地定位車(chē) 牌 ， 應(yīng)該綜合利用車(chē)牌的 各種特 征 ， 僅 靠單一特征很難奏效。 表 1 幸牌特征信息統(tǒng)計(jì) 編號(hào) 分類 外廊 尺 寸 (mm) 顏色 大型汽車(chē) 前 : 440X 140 黃底黑字黑框線 后 : 440X220 藍(lán)底臼字臼框線 2 小型汽車(chē) 440X 140 藍(lán)底臼字臼框線 3 使館汽車(chē) 440X 140 黑底臼字紅 使 字臼框線 4 領(lǐng)館汽車(chē) 440X 140 黑底臼字紅 領(lǐng) 字臼框線 5 境外汽車(chē) 440X 140 黑底白字自框線，或黑底紅字 紅框線 6 外籍汽車(chē) 440X 140 黑底白字臼框線 7 教練汽車(chē) 440X 140 黃底黑字黑框線 8 試驗(yàn)汽車(chē) 440X 140 黃底黑字黑框線 9 臨時(shí)入境汽車(chē) 300X 165 白底紅字黑 臨時(shí)入 境 字紅 框線 (字有金色輪廓線〉 10 臨時(shí)行駛汽車(chē) 440X 140 自底 (有哦藍(lán)色暗紋 )黑字黑 框線 另 外 ，民用汽車(chē)的好 牌 上有 省 、 直轄 市 、 自治區(qū)的名稱和發(fā)證及監(jiān)督機(jī)關(guān)的代 號(hào) ， 編號(hào)是英文大寫(xiě)字母。 常 見(jiàn) 牢 牌顏色特征的信息 對(duì)目前 8 種常見(jiàn)車(chē)牌〈對(duì)大型車(chē)輛取前置車(chē)牌〉的 顏色分布和格式分布進(jìn)行 分 析 ， 可以得出如下結(jié)論 : ? 工 存在 5 種顏色 :黃石、黑色、藍(lán)色、白色和紅 色 : ? 存在 5 中前景和背景的顏色組合 :黃底黑字黑框線、藍(lán)底白字自框線、 黑底白字紅 使 (或 領(lǐng) )字臼框 線 、 黑底白字臼框 線 ， 黑底紅字 紅框 線 : ? 字符顏色 與 背 景顏色的亮度相差很 大 :要 么 亮度高于背景顏色的亮度 (藍(lán)底臼字自框線、黑底白字紅 使 (或 領(lǐng) )字臼框線、黑底臼 字 臼 框線、黑 底 紅字紅框 線 。 ? 觀測(cè)和分析車(chē)牌外形特點(diǎn)，無(wú)論哪種車(chē) 牌 ， 外 輪廓都有一個(gè)寬度不大 的輪廓線，輪廓線的顏色和字符顏色一 致 ， 與背景 的 亮 度 差 異很大。 14 對(duì)圖像進(jìn)行腐蝕 通過(guò)計(jì)算尋 找 X和 Y方向車(chē)牌的區(qū)域 對(duì)分割出的車(chē)牌 做進(jìn)一 步 處 理 圖 6 牌照定位與 分 割 流 程圖 牌照?qǐng)D象經(jīng)過(guò)了以上的處理 后 ， 牌照區(qū)域已 經(jīng) 十 分明 顯 ， 而且其邊緣得到了 勾勒和加強(qiáng)。二值圖像與灰度圖像相 比 ， 信息量大大減 少 ， 因而處理二值圖像的速度快，成本 低 ， 實(shí)用價(jià) 值高。 字符歸一化 一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處 理 ， 以滿 足 下 一 步字 符識(shí)別的需要。統(tǒng)計(jì)特征匹配法的要點(diǎn)是先提取待識(shí)別模式的一組統(tǒng)計(jì) 特征，然后按照一定的準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。 4)支持向量機(jī)模式識(shí)別算法。 M 和 N為模 板 字 符點(diǎn)陣橫向和縱向包含的像素個(gè)數(shù)。車(chē)牌字符識(shí)別與一般文字識(shí)別在于 它的字符數(shù)有 限 ， 漢 字共約 50 多 個(gè) ， 大寫(xiě)英文字母 26 個(gè) ， 數(shù)字 10 個(gè)。1 立 主 引 士 39。 IPJ F刷 ， .3 l豆 坦 且噩噩 Fle d批 236。 回 陽(yáng)， .. 1口 39。 liJ 234。.... !:!.， . p 口 ， 。f1 自 日 laj M盲 1 .2 . 圖 13 分 割 出來(lái)的七個(gè)字符圖像 3 4 5 6 7 曰國(guó) .IJ 回 國(guó) 國(guó) 同A 國(guó) 圖 18 歸一化處理后的七個(gè)字符圖像 fh Ee4EemMd Ie由 t39。 =1，田 面副 .， . 行為向合 理 區(qū) 我 定位剪切后的彩色車(chē)脅圖像 mEmtlZ路 (W.!!I 圖 23 定位剪切 11Figure 8 宇 巧 27當(dāng) ew Inged z。 口 畫(huà)面昌 烏 I E禮 守 1 口 畫(huà) 口 2 3 4 s 6 7 J 同 Em {陽(yáng)比 m 自 I{ 237。模板的制作很重 要 ， 必須要用精確的模板， 否 則 就 不 能 正確的識(shí)別。在本系統(tǒng)的設(shè)計(jì) 時(shí) ， 也汲取了以上一些算法 的思想，結(jié)合實(shí) 際 ， 反復(fù)比 較 ， 綜合分析 :二是在有效性和實(shí)用的原則 下 ， 結(jié)合神經(jīng)網(wǎng)絡(luò) 和 人 工 智能的新技術(shù)的 應(yīng)用是研究的一個(gè)方向。最常用的是投影分 割 ， 主要是針對(duì)在車(chē)牌定 位 ， 圖像預(yù)處理后比較規(guī)則的車(chē)牌圖像。 通過(guò)這次畢業(yè)設(shè)計(jì)使我明白了自己原來(lái)知識(shí)還比較欠缺。同樣此次設(shè)計(jì)也大大提高了動(dòng)手的能 力 ， 使我充分體會(huì)到了在創(chuàng)造過(guò)程中探 索的艱難和成功時(shí)的喜悅。 此 外 ， 還得出一個(gè)結(jié) 論 :知識(shí)必須通過(guò)應(yīng)用才能實(shí)現(xiàn)其價(jià)值 !有些東西以為學(xué)會(huì) 了，但 真 正到用的時(shí)候才發(fā)現(xiàn)是兩回 事 ， 所以我認(rèn)為只有到真正會(huì)用的時(shí)候才是 真的學(xué)會(huì)了。 但是系統(tǒng)本身還存在許多不 足 ， 距離具體實(shí)用的要求仍有很 大 差 距 ， 但我卻 在這次畢業(yè)設(shè)計(jì)中學(xué)到了很多知識(shí)。 2. 投影分割的方 法 。3. 如何設(shè)計(jì) 識(shí) 別 器。這在 對(duì) 于 有雜點(diǎn)的車(chē)牌是很有用 的 ， 因?yàn)檫@樣可以把字符與字 符之間的雜色點(diǎn)去 除 ， 只 有自色的字符和黑色的背景存 在 ， 這樣有 利 于 的字符分 割進(jìn)行。 i l:路餌 圖 24 圖像處理 27 39。其中車(chē)牌號(hào)碼識(shí)別程序源代碼見(jiàn)附錄程序清單。 四 liJ1朋 圃 圃 四E. 行為向合理區(qū)域 圖 16 行方向區(qū)域和最終定位出來(lái)的草牌 24 因 1. 回 町 gu陪 8 L 電 l國(guó) H file !，dit ew!nsert !ool ， i ndo 39。...... 。Ild陽(yáng) 39。 本次汽車(chē)車(chē)牌的識(shí) 別 ， 為了保存更多的有用信息。:i .四 圖 9 原始圖像 同 le Ed社 View Insert Tools Desktop Window Hel p 口 國(guó) 昌 I !￥ I 利 I 喧 口固 1 1畫(huà) 固 吧 灰皮圖宣 方國(guó) 4000 灰度國(guó) 3500 3000 。 回 邸 .1 二 二 土 。 19 建立自動(dòng)識(shí)別的代碼表 讀取分割出 來(lái) 的字 第一個(gè)字符與模板中 的漢字模版進(jìn)行匹配 第 二 個(gè)字符與模板中 的漢字模版進(jìn)行匹配 后五個(gè)字符與模板中 的漢字模版進(jìn)行匹配 待識(shí)別字符與模版字符相 減 ， 值 越少相似度大，找到最小的 一 個(gè) 即為匹配的最好的 識(shí)別完 成 ， 輸 出此模版對(duì)應(yīng)值 圖 8 字符識(shí)別流程圖 此處采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似，然后找