【正文】 ......................50 結(jié)論 ......................................................................................................5 0 建議 ......................................................................................................5 0 參考文獻(xiàn) ...........................................................52 插 圖 清 單 圖 二值化效 果 評(píng)價(jià) .......................................................................... 7 圖 Otsu 算法二值化 .......................................................................... 9 圖 Bersen 算法二值化 ...................................................................... 9 圖 基于 Canny 邊緣檢測(cè)的車牌圖像二值化 ..................................... 10 圖 不同車牌圖像 Canny 邊緣檢測(cè)效果圖 ......................................... 13 圖 同態(tài)濾波處理 .............................................................................. 14 圖 同態(tài)濾波對(duì)二值化的影響 ........................................................... 14 圖 同態(tài)濾波對(duì) Canny 邊緣檢測(cè)的影響 ............................................ 14 圖 原灰度圖 ..................................................................................... 27 圖 正西方向邊緣 .............................................................................. 27 圖 西南方向邊緣 .............................................................................. 27 圖 西北方向邊緣 .............................................................................. 27 圖 東南方向邊緣 .............................................................................. 28 圖 四個(gè)方向邊緣合成圖 .................................................................. 28 圖 去除小連通區(qū)后圖 ...................................................................... 29 圖 車牌粗分割結(jié)果 .......................................................................... 29 圖 開運(yùn)算后正西方向邊緣圖 ........................................................... 30 圖 ........................................................... 30 圖 四個(gè)方向邊緣合成圖 ............................................................... 31 圖 去除小連通區(qū)后圖 ...................................................................... 31 圖 車牌區(qū)域定位結(jié)果 ...................................................................... 31 圖 原車牌灰度圖像 .......................................................................... 36 圖 Canny算子法檢測(cè)邊緣 ............................................................... 37 圖 寬度較大的連通區(qū) ...................................................................... 37 圖 寬度最大的連通區(qū) ...................................................................... 37 圖 去除字符上下背景后 Canny 邊緣圖 ............................................ 38 圖 閉運(yùn)算后圖 ................................................................................. 38 圖 可能的字符區(qū)置“ 1” ............................................................... 38 圖 各 個(gè)字符區(qū)域標(biāo)記 ...................................................................... 39 1 第一章 緒 論 車牌圖像識(shí)別技術(shù)應(yīng)用現(xiàn)狀 [1] [2] 2020年，車牌圖像識(shí)別 產(chǎn)品 第一次在國(guó)內(nèi) 實(shí) 際 應(yīng) 用于 交通工程。 3 、在分析研究現(xiàn)有車牌字符切分方法的基礎(chǔ)上，提出了一種基于 Canny邊緣檢測(cè)的車牌字符切分方法，并對(duì)其可行性進(jìn)行了實(shí)驗(yàn)驗(yàn)證 。由于 在 實(shí)際使用 場(chǎng)合 中，所 采集圖像的內(nèi)容和質(zhì)量的變化非常復(fù)雜 ， 給車牌圖像識(shí)別技術(shù)的應(yīng)用和發(fā)展帶來(lái)了很大的困難 。 方案考慮了漢字、英文字母和阿拉伯?dāng)?shù)字的不同特點(diǎn)，分別提取漢字、字母和數(shù)字的分類特征，并選擇不同的分類識(shí)別方法。據(jù)統(tǒng)計(jì)，目前我國(guó)車牌識(shí)別產(chǎn)品 主流供應(yīng)商 ( 如北京漢王科技、昆明利普視覺(jué)、上海高德威、沈陽(yáng)聚德、北京信路威等公司 )的 產(chǎn)品有一半左右是應(yīng)用在此領(lǐng)域。目前，車牌圖像識(shí)別技術(shù)已經(jīng)開始在移動(dòng)電子警察、城市卡口監(jiān)控、超速布控報(bào)警等城市交通 ( 治安 ) 方面有了一定的應(yīng)用。由于停車管理日益成為城市交通管理中一個(gè)嚴(yán)重問(wèn)題，人們對(duì)停車管理的智能化呼聲日漸高漲，通過(guò)車牌識(shí)別系統(tǒng)可以構(gòu)建一個(gè)智能的停車管理系統(tǒng)，因此，在大中城市的商場(chǎng)、寫字樓有很大的市場(chǎng)潛力。也就是說(shuō)，所采用的 車牌圖像識(shí)別技術(shù)往往還在一定程度上 要 依賴待識(shí)別圖像具體的采集環(huán)境和采集方式等因素 。 在車牌區(qū)域定位方面，公 開資料中提出的方法主要有： 基于神經(jīng)網(wǎng)絡(luò)分類器的 車牌區(qū)域定位 方法 、 基于彩色圖像特征的車牌區(qū)域定位方法 、 基于紋理檢測(cè)和邊緣檢測(cè)的車牌區(qū)域定位方法 、 基于區(qū)域的車牌區(qū)域定位方法 、 基于幾何形狀特征的車牌區(qū)域定位方法 、 基于離散圖像空間變換的 車牌區(qū)域定位 方法 、 基于離散圖像空間變換的 車牌區(qū)域定位 方法 、 基于遺傳算法 的車牌區(qū)域定位方法 等。 2 、 對(duì)與車牌圖像識(shí)別 關(guān)鍵 技術(shù)相關(guān)領(lǐng)域的研究還存在一定的困難 由于一些客觀的原因， 有關(guān) 研究 工作往往是局限于車牌圖像識(shí)別關(guān)鍵技術(shù)本身的設(shè)計(jì)方案和算法 。而由于實(shí)際應(yīng)用場(chǎng)合，原始圖像 幾乎都是在開放或半開放的環(huán)境中進(jìn)行采集的 ， 天氣變化、光線變化 、攝像機(jī)與車牌不同的相對(duì)位置 以及圖像采集現(xiàn)場(chǎng)不同的景物背景等因素， 都直接或間接地影響著圖像的內(nèi)容和質(zhì)量 ，從而會(huì)影響相關(guān)方案的選擇 。 (3) 關(guān)于圖像的同態(tài)濾波 對(duì)車牌圖像進(jìn)行同態(tài)濾波可以 增強(qiáng)字符與背景的對(duì)比 ，有利于 邊緣提取，對(duì)車牌區(qū)域圖像的二值化具有一定的幫助。 2 、在分析研究公開資料中提出的一些車牌區(qū)域定位方 法的基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了一種基于多方向邊緣 處理 和數(shù)學(xué)形態(tài)學(xué)處理的車牌區(qū)域定位方案。 7 第二章 車牌圖像識(shí)別 中 的常用 圖像處理 技術(shù) 研究 在實(shí)際應(yīng)用中，車牌圖像幾乎都是在開放或半開放的環(huán)境中進(jìn)行采集的。 ???? 。 目前，公開的資料 中提出了很多圖像二值化的算法，主要有 Otsu算法 [3]、Bersen算法 [4]、彩色二值化算法 [ 5] 、 直方圖凹面分析 算法 [6]、 Kittler 算法等。 由上述可以發(fā)現(xiàn)： Otsu 算法 閾值的確定以灰度圖像像素值的分布而不是以具體的 二值化 目的為依據(jù)，適合 于目標(biāo) 對(duì)象 和背景明顯分離 的 圖像 的二值化閾值 的確定 。 由于 Bersen算法 以局部窗口內(nèi)最大、最小值作為考察點(diǎn)的鄰域，當(dāng)考察窗內(nèi)無(wú)目標(biāo)點(diǎn)時(shí)，個(gè)別噪聲點(diǎn)將引起閾值的突變，背景灰度的非均勻性也將影響局部閾值的變化，當(dāng)考察窗內(nèi)均為目標(biāo)點(diǎn)時(shí)，局部閾值被拉伸，這樣勢(shì)必使得宏觀上本應(yīng)同類的部分象素 : 目標(biāo) ( 或背景 ) 被強(qiáng)行二值化為背景 ( 或 目標(biāo) ) ，從而 產(chǎn)生嚴(yán)重的噪聲 。如圖 所示，本例原圖與圖 原圖相同，以字符作為二值化目標(biāo)對(duì)象，結(jié)果如圖 2.4(c)所示。所以，邊緣檢測(cè)方法從本質(zhì)上 講 都是通過(guò)對(duì)這兩個(gè)特征值的處理來(lái)實(shí)現(xiàn)的。在 車牌 圖像的分割和 識(shí)別中， 一般不采用上述的 純微分算子邊緣檢測(cè)法。 Canny算子邊緣檢測(cè) 法 [ 7] Canny 算子邊緣 檢測(cè)法 遵循的三個(gè)準(zhǔn)則為： 1 、保證成功檢測(cè)出邊緣，對(duì)于弱邊緣也應(yīng)有強(qiáng)響應(yīng)。更為重要的一點(diǎn)是根據(jù) Canny 原則進(jìn)行 邊緣檢測(cè) , 易于實(shí)現(xiàn)有關(guān)閾值的自適應(yīng)判斷 ， 符合車牌圖像處理的特點(diǎn)要求。對(duì)車牌圖像采用同態(tài)濾波即可濾除一些低頻非字符信號(hào)突出高頻的字符信號(hào)，同時(shí)減少光照強(qiáng)度的動(dòng)態(tài)范圍，以利于字符邊緣 、紋理等 圖像細(xì)節(jié)的提取。 (a) 車牌 灰度圖像 (b) 同態(tài) 濾波后 Otsu 法二值化 圖像 圖 同態(tài)濾 波對(duì)二值 化的影響 對(duì) 車牌圖像同態(tài)濾波處理后，增強(qiáng) 了 字符與背景的對(duì)比，突出 了 邊緣 , 使邊緣檢測(cè)也更易于進(jìn)行。本 文 中利用開運(yùn)算的目的 ，主要 是在基本不改變 目標(biāo)對(duì)象 形狀的基礎(chǔ)上 ，減少或 消除 目標(biāo)對(duì)象 外小像素對(duì)象和 目標(biāo)對(duì)象 外 有關(guān) 背景像素。 4 鄰域連通：坐標(biāo)為 (i,j) 的像素，其四個(gè) 4 鄰域像素的坐標(biāo)分別為 (i+1,j)， (i1,j) ， (i,j+1) ， (i,j1) 。 改變圖像的直方圖形狀的一個(gè)目的，是希望能夠穩(wěn)定和突出圖像中目標(biāo)對(duì)象的特征信息，以有利于識(shí)別。對(duì)于車牌圖像來(lái)說(shuō)，由于 幾何畸變 ，會(huì)使得車牌字符的結(jié)構(gòu)和筆畫形狀發(fā)生變化，可能增加樣本的類型，從而給字符的分類識(shí)別帶來(lái)困難。在車牌區(qū)域較大、車牌附近 的 干擾比較少、車牌邊緣清晰的情況下一般可以較好地檢測(cè)出車牌邊緣 直線 ；而當(dāng)車牌較小、車牌附近干擾較多、車牌邊緣不清晰等情況下， 則 很難檢測(cè)出車牌邊緣 直線 。事實(shí)上，目前越來(lái)越多的車牌是鑲嵌在矩形框中的，如果在制定車牌標(biāo)準(zhǔn)時(shí)在這方面有一定規(guī)范，那么， 保證車牌圖像中能檢測(cè)出 車牌區(qū)域邊 界線在技術(shù)上應(yīng)不難實(shí)現(xiàn)。因此，有必要研究如何在車牌圖像采集的階段將圖像的 幾何畸變 限制在一定的范圍里。但由于車牌圖像的復(fù)雜性，有關(guān)的 幅值特征往往是不穩(wěn)定的。 4 、邊緣特征 圖像的 邊緣特征 包括 灰度邊緣特征 和 彩色邊緣特征 ，反映的是圖像灰度值或顏色的不連續(xù)性，而這種不連續(xù)性又反映出圖像中存在不同屬性的區(qū)域。角點(diǎn)特征具有其所代表的局部關(guān)系信息不因視角不同而改變的優(yōu)點(diǎn)，在漢字字符分類識(shí)別時(shí)有所應(yīng)用。 此外，圖像中還存在其它方面的一些特征信息。但由于實(shí)際應(yīng)用中采集的車牌 圖像的 特點(diǎn)，較難建立明確穩(wěn)定的特征向量 。 因此， 采用 這種方法 必須首先控制好圖像的 顏色畸變。具體過(guò)程是： Step1 ：確定圖像中要分割的區(qū)域及各區(qū)域的一個(gè)種子像素 ； Step2 ：以種子像素為生長(zhǎng)起點(diǎn)，根據(jù)事先確定的生長(zhǎng)或相似準(zhǔn)則，將種子像素周圍領(lǐng)域中與其性質(zhì)相同或相似的像素合并為一個(gè)區(qū)域，并以新像素為新種子繼續(xù)上述過(guò)程 ； Step3 ：當(dāng)所有區(qū)域都滿足生長(zhǎng)停止的條件或規(guī)則時(shí)，整幅圖像便被分割為滿足分割條件的不同子區(qū)域