【正文】 數(shù)學(xué)工具，可以得到幾何常數(shù)的測(cè)量和反映圖像的體視性質(zhì)，在圖像處理和分析方面有著較廣泛的應(yīng)用。本方法中利用閉運(yùn)算的目的 ， 是在基本不改變 目標(biāo)對(duì)象 形狀的基礎(chǔ)上 ， 獲得連通的 目標(biāo)對(duì)象的 外輪廓 或區(qū)域 。當(dāng)像素互為 8 鄰域時(shí)即稱為 8 鄰域連通。 在 本章 中，有一個(gè) 同態(tài)濾波處理 后進(jìn)行 車牌圖像 二值化 的例子。 圖像空間幾何坐標(biāo)變換指的是按照一幅標(biāo)準(zhǔn)圖像或一組基準(zhǔn)點(diǎn)去校正幾何失真圖像。也有其它一些方法，比如，根據(jù)字符重心位置、字符中心走向等來(lái)確定校正基準(zhǔn)，但這樣則對(duì)字符圖像前期處理（如二值化）提出了更高的要求，而且判斷決策相對(duì)也更為困難。這條直線即可作為車牌圖像水平傾斜校正的依據(jù)。按圖像特征與人類視覺(jué)的關(guān)系 可分為自然特征與 人 為特征 兩大類 。 一 階 灰度直方圖 的表征參數(shù)主要有 平均值、方差、傾斜度、陡峭度、能量、熵 等， 二 階 灰度直方圖 的表征參數(shù)主要有 自相關(guān)系數(shù)、協(xié)方差、慣性矩、絕對(duì)值、能量、熵 等。在某種程度上，可以說(shuō) 邊緣特征 是車牌圖像中被經(jīng)常利用的最重要的特征之一。 7 、紋理特征 圖像紋理是一種反映某一區(qū)域中 像素灰度級(jí)變化 的 空間分布的屬性 ，目前對(duì)其確切的定 義尚存在不同的觀點(diǎn)。 現(xiàn)有的一些車牌區(qū)域定位方法簡(jiǎn)要分析 20 為了盡可能設(shè)計(jì)出適應(yīng)性較好的 車牌區(qū)域定位 方法，對(duì) 公開(kāi)資料中所提出的 較 常用和常提到的 一些 方法 進(jìn)行了一定的 分析 研究。 基于彩色圖像特征的車牌區(qū)域定位方法 [17][ 18] 該類方法主要是為了充分利用彩色圖像信息，采用顏色分類、顏色聚類、顏色模板匹配等方法 , 或者是在彩 色空間中提取邊緣、紋理等特征信息從彩色圖像中分割出車牌。之所以將紋理檢測(cè)與邊緣檢測(cè)結(jié)合在一起研究，是因?yàn)樵谲嚺品指畹墓こ虘?yīng)用和相關(guān) 研究實(shí)踐中，這兩種方法往往是相輔相成、互為補(bǔ)充的。 2 、區(qū)域分裂 — 合并 區(qū)域分裂 — 合并 方法是從整幅圖像開(kāi)始通過(guò)不斷分裂得到各個(gè)區(qū)域，一般是先把圖像分成任意大小且不重疊的區(qū)域，然后再 合并 或 分裂 這些 區(qū)域 以滿足分割的要求。 基于幾何形狀特征的車牌區(qū)域定位方法 [ 21] 直觀 看來(lái)，車牌字符集中分布于一個(gè)近似 矩形 的區(qū)域中，這個(gè)特點(diǎn)是在所有可識(shí)別的車牌圖像中都存在的。 目前，在 車牌區(qū)域定位 中一般利用的多為人們易于感知的車牌圖像邊緣和紋理的分布規(guī)律（比如，車牌區(qū)域邊界幾何形狀、字符區(qū)域水平方向灰度密度分布等），而對(duì)于圖像一些較深層邊緣和紋理的分布（如分布的一致性，致密度等）則 還 未能總結(jié)出適 應(yīng) 范圍較大的規(guī)律。 現(xiàn)對(duì)彩色空間中 以 顏色分類法進(jìn)行 的 車牌 區(qū)域定位 方法 作 簡(jiǎn)要分析。 基于神經(jīng)網(wǎng)絡(luò)分類器的車牌區(qū)域定位方法 [15][ 16] 在所收集的資料中，基于神經(jīng)網(wǎng)絡(luò)分類器的 車牌區(qū)域定位 方法采用的 神經(jīng)網(wǎng)絡(luò)有 BP 神經(jīng)網(wǎng)絡(luò)、 Elman 遞歸神經(jīng)網(wǎng)絡(luò) 和 SOFM 神經(jīng)網(wǎng)絡(luò)等不同 的 類型，但其過(guò)程基本相同。 一般來(lái)說(shuō)，由于 車牌區(qū)域圖像 的 像素灰度級(jí)變化 較強(qiáng)，因此，在車牌定位時(shí)自然會(huì)想到利用其 紋理特征 。圖像分析時(shí)經(jīng)常利用各階中心矩，其定義為： ? ???? ???? d x d y)y,x(f)y(y)x(xM kjjk 式中 00010010 MMy,MMx ?? 通過(guò)重心主軸計(jì)算并用面積規(guī)范化的中心矩具有與位置無(wú)關(guān)的特性，在物體放大、平移、旋轉(zhuǎn) 時(shí)保持不變。 3 、變換系數(shù)特征 圖像的 變換系數(shù)特征 包括利用各種變換 ( 如傅立葉變 換、小波變換等 ) 形成的變換系數(shù)的屬性，變換系數(shù)的分布也能夠反映圖像 一些方面 的特征信息。 人為特征： 是圖像中人類視覺(jué)不能直接感受到的，需要通過(guò)變換或測(cè)量才可以得到的圖像的屬性，如各種變換的頻譜、直方圖、各階矩等。 但需要指出的是，即使通過(guò)一定的 方法 可以解決 校正 基準(zhǔn)的問(wèn)題，車牌 圖像幾何畸變校正 效果也未必盡如人意。 檢測(cè)出的 車牌區(qū)域邊緣 不一定要求很完整，但必須要能與其它對(duì)象邊緣區(qū)分。因此，如何獲得基準(zhǔn)點(diǎn)的坐標(biāo)便成為校正能否成功的最關(guān)鍵之處。這就使我們想到：能否通過(guò)將車牌圖像直方圖形狀規(guī)定化為 合適的 雙峰分布 ( 如雙正態(tài)分布、雙三角分布等 ) 來(lái)獲得較理想的 Otsu算法二值化的處理效果。 圖像灰度直方圖變換 [11] 法國(guó)人 Estournt在研究圖像與其直方圖的關(guān)系時(shí)，在實(shí)驗(yàn)中發(fā)現(xiàn) , 一般圖像的外觀甚至內(nèi)容與其直方圖之間沒(méi)有直接的關(guān)系。通過(guò)選擇相應(yīng)的結(jié)構(gòu)元可實(shí)現(xiàn)對(duì)相關(guān)像素族的整體處理，而相關(guān)像素族的幾何形狀特征，又是選擇結(jié)構(gòu)元的一個(gè)直接依據(jù)。將腐蝕和膨脹組合的開(kāi)運(yùn)算和閉運(yùn)算則基本不改變 目標(biāo)對(duì)象的 形狀， 有利于真實(shí)信息的利用， 因此本 文 主要采用這兩種運(yùn)算。與處理前相比，直方圖更接近于雙峰分布，字符與背景的分離相對(duì)更容易些。 根據(jù)人工光學(xué)成像原理可知，對(duì)于灰度圖像 f(x,y), 可以認(rèn)為圖像的灰度是由照射分量 i(x,y)和反射分量 r(x,y)相乘所得，即有 f(x,y)= i(x,y)* r(x,y) 反射分量反映圖像的細(xì)節(jié)內(nèi)容，其頻譜處于高頻區(qū)域；照 射分量在空間上變化緩慢，其頻譜處于低頻區(qū)域。 Step4:用雙閾值算法檢測(cè)和連接邊緣 。 上述 純 Laplacian 算子法檢測(cè)邊緣， 對(duì)于噪聲 更 敏感，而且 也有由于 閾值固定， 自 適應(yīng)性不好的問(wèn)題。如果 thresh選取得好，可以獲得比較完整的邊緣，同時(shí)使得噪聲不至于過(guò)大。而邊緣檢測(cè)是提取 這些 特 征的 一種基本的、 較 為 可靠的手段 。下面所述的 二值化方法 ，是以 Canny 邊緣檢測(cè) 來(lái)尋找目標(biāo)對(duì)象特征點(diǎn)，再根據(jù) 對(duì) 特征點(diǎn)灰度值 的分析判斷來(lái)確定閾值進(jìn)行 二值化。考慮以像素點(diǎn) (x,y) 為中心的 (2W+1)*(2W+1) 模板， ( 其中 W 表式模板的大小 ) ，則Bersen算法可描述如下： (1) 動(dòng)態(tài)計(jì)算圖像中各像素點(diǎn) ),( yx 的閾值 ),( yxT ),(m i n),(m a x(),( lykxflykxfyxT WlW WkWWlW WkW ??????? ??? ?????? ??? 式（ 27 ） (2) 對(duì)圖像中的各像素點(diǎn) ),( yx 進(jìn)行逐點(diǎn)二值化，設(shè)二值化后的圖像為),( yxB ， ),( yxb 表示二值化圖像 ),( yxB 在 ),( yx 處的灰度值。 可以用式（ 21 ）至式（ 24 ）來(lái)分別計(jì)算 )t(1? ， )t(2? ， )t(M1 ，)t(M2 ： ??? ??? NyMx yx yxC. 1,11 ),()t(? ???? 01),( yxC t),( t),( ??yxf yxf 式（ 21 ）??? ??? NyMx jx yxC, 1,12 ),()t(? ???? 01),( yxC t),( t),( ??yxf yxf 式（ 22 ）)t(1)t( 11 ??M ???ti i1 式（ 23 ） )t(1)t( 22 ??M ????Lti i1 式（ 24 ） 其中 ?1 t L? 表示灰度級(jí)。 對(duì) 二值化 效果優(yōu)劣的評(píng)價(jià)因目的不同會(huì)有很大的差異。 圖像二值化技術(shù) 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。 經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，該方法 受噪聲影響較小，對(duì)字符定位準(zhǔn)確，判斷決策過(guò)程簡(jiǎn)單。 常用的通過(guò) Hough變換檢測(cè)直線獲取校正基準(zhǔn)的方法，實(shí)際應(yīng)用的效果還不是很理想。 二值化 閾值的確定應(yīng)該以對(duì)圖像進(jìn)行 二值化 時(shí)期望達(dá)到的目的為依據(jù)。 關(guān)鍵 技術(shù)水平的高低，決定了一個(gè)車牌圖像識(shí)別產(chǎn)品性能的優(yōu)劣，在某種程度上也決定著車牌識(shí)別技術(shù)的應(yīng)用前景。 有關(guān)研究 也 存在一些 不足 之處，主要表現(xiàn)在以下幾個(gè)方面： 1 、 一些 方法 對(duì) 實(shí)際應(yīng)用 特點(diǎn)考慮的還不夠全面 實(shí)際應(yīng)用中，車牌識(shí)別產(chǎn)品大多是在開(kāi)放或半開(kāi)放的場(chǎng)所使用，車牌圖像的采集往往是在不同的時(shí)空進(jìn)行，因而圖像中車牌的有關(guān)特征一般來(lái)說(shuō)不太穩(wěn)定，表現(xiàn) 比較 復(fù)雜 。通過(guò)對(duì)有關(guān)資源數(shù)據(jù)庫(kù)中 1998年 — 2020年在各類期刊上公開(kāi)發(fā)表的約 380 篇相關(guān)論文的統(tǒng)計(jì)，發(fā)現(xiàn)有關(guān)車牌區(qū)域定位的內(nèi)容占 50% 以上 。而且 由于并沒(méi)有建立一個(gè)標(biāo)準(zhǔn)規(guī)范的測(cè)試體系，因此 有關(guān)數(shù)據(jù)的客觀公正性、可比性和可靠性等方面 尚值得 商榷。 在城市卡口監(jiān)控、移動(dòng)電子警察方面，對(duì)車牌圖像識(shí)別技術(shù)在車牌識(shí)別結(jié)果的正確率指標(biāo)的要求 比較 高，否則將給執(zhí)法工作帶來(lái)很大的麻煩。 因此， 雖然 車牌圖像識(shí)別技術(shù)在這一領(lǐng)域取得了較好的使用效果，但還不能實(shí)現(xiàn)真正意義上 的智能化收費(fèi)。 作 者 簽 名 ： 日 期： 目 錄 第一章 緒論 .......................................................1 車牌圖像識(shí)別技術(shù)應(yīng)用現(xiàn)狀 ...............................................................1 車牌圖像識(shí)別技術(shù)研究現(xiàn)狀 ...............................................................2 本文研究的主要內(nèi)容 ............................................................................4 第二章 車牌圖像識(shí)別中的常用圖像處理技術(shù) ..........................7 圖像二值化技術(shù) ...................................................................................7 圖像邊緣檢測(cè)技術(shù) .............................................................................10 同態(tài)濾波 .............................................................................................13 2 .4 數(shù)學(xué)形態(tài)學(xué) ........................................................................................ .14 圖像灰度直方圖變換 ..........................................................................15 關(guān)于 車牌 圖像幾何畸變校正問(wèn)題 .......................................................16 第三章 車牌 區(qū)域 定位 技術(shù) 研究 ......................................18 車牌區(qū)域特征分析 ..............................................................................18 現(xiàn)有的一些車牌 區(qū)域定位 方法簡(jiǎn)要分析 ............................................19 基于多方向邊緣處理的 車牌區(qū)域定位方法 .........................................24 第四章 車牌 字符切分技術(shù) 研究 ......................................33 車牌圖像中字符區(qū)域及單字符圖像特征分析 .....................................33 現(xiàn)有的一些車牌字符切分方法分析 ....................................................33 基于 Canny 邊緣檢測(cè)的車牌字符切分方法 .........................................35 第五章 車牌字符分類識(shí)別技術(shù) 研究 ..................................41 字符圖像的前期處理 ...........................................................................4 1 字符分類識(shí)別特征及其提取方法 ........................................................41 現(xiàn)有的一些分類識(shí)別方法分析 ............................................................44 車牌字符分類識(shí)別方案的設(shè)計(jì) ............................................................48 第六章 結(jié)論及建議 ..........................