【正文】 33利用Roberts算子，sobel算子，Prewitt算子邊緣檢測效果圖比較車牌區(qū)域定位環(huán)節(jié)是車牌識別系統(tǒng)中核心的環(huán)節(jié)，如何保持定位時間及定位精度將直接影響整個車牌自動識別系統(tǒng)的性能。車牌圖像中，有可能發(fā)生有邊緣的地方并非邊界，也有可能物體的邊界在車牌圖像中不成為邊緣，這是因為現(xiàn)實中的物體是三維的，而車牌圖像只有二維信息，從三維到二維的投影成像會不可避免造成一部分信息的丟失；而且在車牌圖像獲取過程中的光照和噪聲也是影響車牌圖像效果不可避免的重要因素之一。中值濾波法原理為設有一個一維序列f1，f2……fn。邊緣信息和噪聲干擾在頻域范圍內往往映射為高頻分量，因此在濾除噪聲的同時要保護邊緣信息。因此，我們發(fā)現(xiàn)國內外的研究人員提出各種有效的增強圖像對比度的方法，如灰度線性變換、線性濾波器等。而本課題將采用加權平均法來得到車牌的灰度化圖像。通過查閱我們發(fā)現(xiàn)，國內外只有少數(shù)文獻提及到可用色彩信息幫助對車牌信息的識別和分割，我們也考慮到圖像文件的存儲和圖像的處理需要占用大量系統(tǒng)資源，所以絕大多數(shù)較好的車牌識別系統(tǒng)均使用不含彩色信息的灰度圖像作為車牌識別系統(tǒng)的原始圖像，而灰度圖像中使用像素為一個八位字節(jié)表示該像素的亮度值，因此使原始圖像成為一個灰度圖像是具有256個灰度級的黑白圖像，便于車牌圖像二值化操作，也使得車牌信息處理運算量大大減少。車牌數(shù)字圖像處理因易于實現(xiàn)處理程序和參數(shù)可變，非線性處理，故是一項通用性強，精度高，處理方法靈活，信息保存，傳遞可靠的圖像處理技術，主要用于圖像變換，模式識別，及模擬圖像的產(chǎn)生，廣泛應用與通信，遙感，影像醫(yī)學，及多種工業(yè)領域和國家軍事領域，而對于車牌的圖像處理我們也將采用數(shù)字圖像處理。但是隨著車牌識別系統(tǒng)理論研究的不斷深入，硬件平臺性能的不斷提高，LPR系統(tǒng)的性能會越來越完善，其在現(xiàn)代交通管理領域的需求也會不斷地加大。此方法的應用在車牌識別準確率方面有很大的提高，但在識別實時性的要求比較欠缺，車牌識別速度有待提高，因此沒有得到廣泛的應用。字母為A—Z這26個英語字母，數(shù)字為0—9這10個阿拉伯數(shù)字。尤其是在強光照射下，得到的數(shù)字圖像各處反光不均勻，在夜間的時候，汽車前燈往往造成數(shù)字圖像亮度不均勻，對比度較低，這些情況往往需要進行直方圖均衡操作。LPR系統(tǒng)作為智能化交通管理系統(tǒng)的核心基礎技術之一，發(fā)揮的作用也不容忽視，因此LPR系統(tǒng)也是現(xiàn)代智能交通管理中一項重要研究課題。智能化交通管理系統(tǒng)能夠智能提取，分析，定位車牌，及準確的獲取車牌信息。 課題研究的目的及基本思路1．2．1 課題研究的目的 智能化交通安全管理系統(tǒng)是交通管理的重要組成部分，而車牌圖像識別（License plate Recognition ，LPR）技術是車輛自動識別技術的重要組成部分之一。車輛管理體制的不斷完善和公路交通安全基礎建設的不斷發(fā)展，為智能化交通安全系統(tǒng)的實際應用做好了良好的鋪墊。在智能化交通系統(tǒng)中，車牌自動識別系統(tǒng)是智能化交通系統(tǒng)的重要組成部分，車牌自動識別系統(tǒng)的成功開發(fā)將推動智能化交通系統(tǒng)的發(fā)展。它能夠通過車牌圖像獲取設備得到車牌圖像，通過獲取車牌圖像信息并及時處理，來得到車牌的具體信息，來達到智能化控制車道路安全狀況的目的。 隨著我國國內經(jīng)濟的不斷發(fā)展，汽車數(shù)量的急劇增加，交通安全管理成為我國發(fā)展重要的組成成分，是國家大力發(fā)展的基礎工程。二、車牌識別系統(tǒng)分析及要求2．1．1 車牌識別系統(tǒng)的系統(tǒng)分析1. 在智能化交通管理系統(tǒng)中，如何準確的對車牌信息進行高速的，準確的獲取，并進行分析，提取是最為關鍵的步驟，汽車的車牌圖像作為車輛的唯一身份標識是智能化交通安全管理系統(tǒng)中來源和處理對象，使的車牌識別系統(tǒng)的研究成為智能化交通安全管理系統(tǒng)的核心步驟，車牌自動識別系統(tǒng)通過對車牌區(qū)域的提取，及分析進而對汽車車牌區(qū)域進行識別，最終完成對車牌的有效信息提取，其中，車牌自動識別系統(tǒng)的重要問題是如何有效并準確的獲取車牌圖像信息。當車輛速度很高時，會造成拍攝的圖片模糊，甚至變形。其中漢字字符由于結構復雜、筆畫繁多，因此識別率較低,在正常的環(huán)境下，其亮度與背景的亮度差異也很大，同樣可以利用這些特性來進行相關的處理。 目前，用于現(xiàn)實系統(tǒng)的車牌識別系統(tǒng)產(chǎn)品國外比較著名的有: 新加坡Optasia公司的VLPRS系列，以色列HiTech公司的See/Car System系列，英國Alphatech公司的ARGUS產(chǎn)品，英國Racal Messenger Ltd公司的Talon LPRS等。 系統(tǒng)總體結構設計2．2．1智能控制系統(tǒng)的功能總體設計車牌識別系統(tǒng)大致分為四個子系統(tǒng)：車牌信息獲取子系統(tǒng)，車牌圖像預處理子系統(tǒng)，車牌圖像定位子系統(tǒng)，車牌圖像分割子系統(tǒng)（本課題不予詳細研究）(1) 車牌圖像獲取子系統(tǒng)：要求能將BMP格式的灰度圖像準確的顯示出來。 DIB圖像的獲取 “Device Independence Bitmap” 即DIB 圖像[1],是一種與設備無關的位圖文件，其目的是為了使某種應用程序創(chuàng)建的位圖圖形可以被其他應用程序轉載或顯示一樣。通常車牌識別系統(tǒng)的攝像部分采用圖像獲取設備可以直接得到一幅灰度圖像，但是為了保證圖像處理的可行性，我們將大部分獲取的圖像都進行灰度化處理。圖31車牌彩色圖像與灰度化圖像對比 車牌圖像的圖像增強階段，即增強圖像中有用的信息，抑制圖像中不需要的信息，一般可以認為這是一個失真的過程，其目的是要增強視覺效果，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，抑制不感興趣的特征，加強圖像判讀和識別效果，使之改善圖像質量，豐富圖像的信息量。其中采用圖像灰度拉伸的方法會有效地增強了圖像的對比度，使得圖像中字符變得清晰、區(qū)域變得更加分明，從而便于圖像二值化和字符分割處理及字符識別。對于數(shù)字圖像來說，濾波的方法往往分為兩種：①頻域濾波法②空間域濾波法。取窗口長度為奇數(shù)m（m為奇數(shù)），對此序列進行中值濾波，就是從輸入序列中相續(xù)抽出m個數(shù)，fiv,fi,fi+v,其中fi為窗口的中心值，v=（m1）/2,再將這m個點的數(shù)值按其數(shù)值大小排列，取其序號為正中間的那個數(shù)作為濾波器輸出。邊緣檢測是也檢測數(shù)字圖像局部顯著變化的基本方法，同時使得數(shù)字圖像中無關的部分暗淡，車牌部分是數(shù)字圖像中邊緣相對集中的區(qū)域，因此邊緣檢測是圖像分割，紋理特征值提取和形狀特征值提取的基礎，常常采用邊緣臨近的一階或二階方向導數(shù)來檢測數(shù)字圖像的邊緣，以便后續(xù)的數(shù)字圖像分割或特征提取等操作。一般來說，車牌的定位算法都是基于車牌區(qū)域的不同特征而提出的。邊緣檢測的作用是精確定位邊緣和增強我們感興趣的車牌區(qū)域，同時抑制我們不感興趣的區(qū)域。我們將通過尋找圖像中一種特殊的顏色模式來實現(xiàn)針對藍底白字的車牌，定義有色點對（A,B:A點，其左方為藍色點，右方為白色點；B點其左方為白色點，右方為藍色點；A,B點應在一定的方位內）由于顏色判斷屬于模糊判斷，為了提高算法的抗干擾性，對有色點對的顏色定義也比較寬泛，具體的步驟如下：（1） 設某一點的紅藍綠色分量為C1,C2,C3。它主要是因為車牌圖像獲取設備導致的，而與水平方向有一個角度，或者是由于車輛本身車牌安裝的原因造成的。目前對車牌圖像進行校正的方法主要如下：①進行模板匹配，尋找車牌區(qū)域的四個頂點，在通過雙線性空間變換重建矩形車牌區(qū)域。二值化圖像占有非常重要的地位及影響同時對于車牌圖像數(shù)字化處理中，通過車牌圖像的進一步處理，使圖像變得準確，清晰，而且圖像數(shù)據(jù)量減少，能凸顯出我們課題研究感興趣的區(qū)域，從而抑制我們不感興趣的區(qū)域。例如，一幅圖像的大小為X*Y，F(xiàn)(x,y)為數(shù)字圖像中的一個像素，0xX,0y，則 （310） 有此式可以看出閾值選擇的大小也會影響F(x,y)的變化，目前有很多方法用于車牌二值化，例如 ①紋理分析法 ②灰度直方圖波峰波谷法 ③ostu方法 ④彩色分析法 ⑤統(tǒng)計方法。在本次課題的研究中自己也更深入地理解了課題的研究流程，模塊結構，算法設計等，同時自己也發(fā)現(xiàn)要設計和編寫完成一個課題，必須要掌握好相關的知識。 這篇論文是在王鵬的悉心指導之下完成的。感謝物理與電子工程學院老師組為本論文提供的錯誤和建議，還要感謝同門的同學們在論文研究過程中給我以許多鼓勵和幫助。 本課題是在Visual C++的平臺上實施的，C++作為一門編程語言，對于本次課題的研究非常重要，而我們也必須掌握