【正文】 像的質(zhì)量，繼 而提高識(shí)別率，但系統(tǒng)的投資成本過(guò)大，不適合普遍的推廣。因而對(duì)字符識(shí)別的進(jìn)一步研究也同樣具有緊迫性和必要性。 上述車牌定位方法具有一定的實(shí)用性和參考價(jià)值，然而也都有不完善的方面，有待進(jìn)一步完善。因而車牌字符識(shí)別的研究仍然有很長(zhǎng)的路要走。 第 2 章 介紹了 車牌識(shí)別系統(tǒng)的介紹和程序的設(shè)計(jì)方法。 車牌識(shí)別系統(tǒng)的設(shè)計(jì)原則 本系統(tǒng)的設(shè)計(jì)必須遵循以下原則： 1. 要遵循國(guó)內(nèi)的車牌標(biāo)準(zhǔn) 目前國(guó)內(nèi)汽車牌照有六種類型： （ 1）大型民用汽車所用的是黃底黑字牌照；（ 2）小型民用汽車用的是藍(lán)底白字；（ 3）軍隊(duì)或武警專用汽車是白底紅字、 黑字牌照；（ 4）使、領(lǐng)館外籍汽車是黑底白字牌照；（ 5）試車和臨時(shí)牌照是白底紅字，且數(shù)字前分別標(biāo)有 “試 ”和 “臨時(shí) ”字標(biāo)志；（ 6）汽車補(bǔ)用牌照是白底黑字。 負(fù)面影響： 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 8 頁(yè) （ 1）車輛圖像是用攝像頭獲取的，得到的圖像往往存在著 015 度的傾斜，因而要考慮定位和識(shí)別的校正。 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 9 頁(yè) 第 3 章 車牌識(shí)別算法設(shè)計(jì) 上文介紹了車牌識(shí)別系統(tǒng)的設(shè)計(jì)方法，下面我將介紹車牌識(shí)別各個(gè)步驟的內(nèi)部算法設(shè)計(jì)，深度剖析車牌識(shí)別系統(tǒng)的編程原理，相信經(jīng)過(guò)這章介紹，大家會(huì) 與 車牌識(shí)別系統(tǒng)零距離?；叶葓D像就是只有強(qiáng)度信息，而沒(méi)有顏色信息的圖像，存儲(chǔ)灰度圖像只需要一個(gè)數(shù)據(jù)矩陣，矩陣的每個(gè)元素表示對(duì)應(yīng)位置的像素的灰度值。這是考慮到在實(shí)用的圖像處理系統(tǒng)中，針對(duì)彩色或灰度圖像進(jìn)行速度高、成本低、信息量大的處理 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 10 頁(yè) 所產(chǎn)生的花銷太大?；?本思想是： 1. 求出圖像中的最大和最小灰度值 0Z 和 1Z ，并令初始閾值 如公式 32 所示 ： 210 KZZT ?? (32) 2. 根據(jù)閾值 kT 將圖像分割成目標(biāo)圖像和背景圖像兩部分， 如公式 33 與 34 所 示， 再求出 這兩部分的 平 均灰度值 OZ 和 BZ 。再如傳輸過(guò)程中，噪聲污 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 12 頁(yè) 染圖 像，或者使機(jī)器從圖像中提取的信息減少甚至造成錯(cuò)誤，因此必須對(duì)降質(zhì)圖像進(jìn)行改善。高通、低通、平均濾波等。圖像分割是圖像提取得重要組成部分，只有有效地完成分割，才能進(jìn)一步提取目標(biāo)特征并識(shí)別目標(biāo)。 圖像分割的一種重要途徑是通過(guò)邊緣檢測(cè)，即檢測(cè)灰度級(jí)具有突變的地方。 邊緣檢測(cè)算子檢查每個(gè)像素的領(lǐng)域并對(duì)灰度變化率進(jìn)行量化，通常也包括方向的確定。每條分割線均將鄰域剩下的像素分成兩部分。調(diào)用該函數(shù)能夠很好的處理背景帶來(lái)的干擾 。再將剪切好的圖片代替原來(lái)的 DIP，從左向右掃描。 車牌傾斜度調(diào)整 因?yàn)榉指畛鰜?lái)的車牌圖像可能存在傾斜，所以必須對(duì)它進(jìn)行調(diào)整，使得字符都處于同一水平位置，那樣既有利于字符的分割也可以提高字符識(shí)別的準(zhǔn)確率。 具體的算法如下： 1. 先自下向上對(duì)圖像進(jìn)行逐行掃描直至遇到第一個(gè)白色的像素點(diǎn)，記錄下來(lái)。 2. 在這個(gè)高度范圍之內(nèi)再自左向右逐列進(jìn)行掃描，遇到第一個(gè)白色像素時(shí)認(rèn)為 是字符分割的起始位置，然后繼續(xù)掃描，直至遇到有一列中沒(méi)有白色像素，則認(rèn)為這個(gè)字符分割結(jié)束，然后繼續(xù)掃描，按照上述的方法一直掃描直至圖像的最右端。一般來(lái)說(shuō)，眾多的字符組成的圖像它的左右兩邊的字符像素的高度應(yīng)該是處于水平位置附近的，如果兩邊字符像素的平均位置有比較大的起落，那就說(shuō)明圖像存在傾斜，需要進(jìn)行調(diào)整。最后微調(diào)一下就好了。其大概過(guò)程是這樣的：首先獲取文檔，使指針指向 DIB 對(duì)象，并且鎖定對(duì)象，調(diào)用自定義的模板消弱背景干擾 。最后在四個(gè)絕對(duì)值中選擇最大者作為當(dāng)前像素的最后值。 本文采用的是 Sobel 算子邊緣檢測(cè)算法。邊緣檢測(cè)不僅用于圖像分割，也是紋理分析等其它圖像分析的重要信息源和形狀特征基礎(chǔ)。在這里，要分割的目標(biāo)就是車牌圖像，由于車牌圖像具有一定的特殊性，在進(jìn)行邊緣檢測(cè)之前，要對(duì)車牌圖像的特征進(jìn)行分析，所有的車輛牌照都具有下列一些共同特征： 1. 圖像上有大量 長(zhǎng)短不一、類似直線與長(zhǎng)方形的區(qū)域，還有一些灰度特 征類似 于文字區(qū)域的汽車廠商標(biāo)志區(qū)域。中值濾波是一種非線性的信號(hào)處理方法，與其對(duì)應(yīng)的中值濾波器也是一種非線性的濾波器，它在一定的條件 下可以克服線性濾波器如最小均方濾波、平均值濾波等所帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾波脈沖干擾及圖像掃描噪聲最為有效，特別適合用在很強(qiáng)的椒鹽或脈沖干擾，因?yàn)檫@些值與其鄰近值像素灰度值有很大的差異，因此經(jīng)過(guò)排序后取中值的結(jié)果是強(qiáng)迫將此干擾變成與其鄰近的某些像素的灰度值一樣，達(dá) 到去除干擾的效果。這類圖像改善方法統(tǒng)稱為圖像增強(qiáng)技術(shù)。 3. 求出新的閾值 ，如公式 35 所示 。 閾值法分割比較簡(jiǎn)單，簡(jiǎn)單到主要只有兩個(gè)步驟： 1. 確定需要的分割閾值 2. 將分割閾值與像素值相比較以劃分像素 在這兩個(gè)步驟中，確定閾值是關(guān)鍵 的一步，如果能確定一個(gè)合適的閾值就能方便地將圖像分割開來(lái)。而 R、 G、 B 的取值范圍是 0255，所以灰度的級(jí)別只有 256 級(jí)。真彩色圖像又稱 RGB 圖像，它是利用 R、 G、 B 三個(gè)分量表示一個(gè)像素的顏色， R、 G、 B 分別代表紅、綠、藍(lán) 3 種不同的顏色，通過(guò)三基色可以合成出任意顏色。 3. 黑盒原則 整個(gè)系統(tǒng)對(duì)外只有一個(gè)入口和一個(gè)出口，完成汽車圖像的輸入和 車牌字符串輸出的功能。民用汽車牌照上有省、直轄市、自治區(qū)的名稱和發(fā)證照及監(jiān)督機(jī)關(guān)的代號(hào)，編號(hào)是英文大寫字母。 第 4 章 是對(duì) 車牌識(shí)別系統(tǒng)結(jié)果的分析和展示。在整個(gè)車牌自動(dòng)識(shí)別系統(tǒng)中實(shí)現(xiàn)高識(shí)別率主要有三個(gè)部分起著關(guān)鍵的作用：在全車身圖像中車牌部分的定位、定位后車牌字符的分割、對(duì)單個(gè)字符的識(shí)別。車牌字符識(shí)別實(shí)際上是依附在車牌上的印刷體文字的識(shí)別，能否正確識(shí)別不僅是文字識(shí)別技術(shù)的問(wèn)題，還要考慮其載體 ——車牌區(qū)域的影響。 1. 車牌定位研究 車牌定位的研究國(guó)外起步比較早，上個(gè)世紀(jì) 90 年代以來(lái)，我國(guó)也開始對(duì)車牌定位進(jìn)行深入的研究，并取得了一定的成效。 關(guān)于車牌定位系統(tǒng)的研究，國(guó)內(nèi)外學(xué)者已經(jīng)作了大量的工作，但實(shí)際效果并不是很理想，比如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準(zhǔn)確度的潛在因素。 課題的研究意義 汽車牌照識(shí)別系統(tǒng)是智能交通系統(tǒng)的一個(gè)重要組成部分，它是一個(gè)特定目標(biāo)為對(duì)象的專用計(jì)算機(jī)視覺(jué)系統(tǒng)，該系統(tǒng)能從一幅圖像中自動(dòng)提取車牌圖像，自動(dòng)分割字符， 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 2 頁(yè) 進(jìn)而對(duì)字符進(jìn)行識(shí)別，它運(yùn)用模式識(shí)別、人工智能技術(shù)，對(duì)采集到的汽車圖像進(jìn)行處理，能夠?qū)崟r(shí)準(zhǔn)確地自動(dòng)識(shí)別出車牌的數(shù)字、字母及漢字字符，并以計(jì)算機(jī)可直接運(yùn)行的數(shù)據(jù)形式給出識(shí)別結(jié)果，使得車輛的電腦化監(jiān)控和管理成為現(xiàn)實(shí)。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)流率，總行程時(shí)間，總的流入量流出量，車型及車流組成，日車流量，小時(shí) /分鐘車流量，車流高峰時(shí)間段，平均車速 ，車輛密度等。 vertical texture。圖像預(yù)處理 采用灰度變換、圖像二值化、中值濾波、邊緣檢測(cè)、去除噪音等方法對(duì)圖像進(jìn)行了處理，提高了圖像的質(zhì)量，強(qiáng)化了圖像區(qū)域。作為一個(gè)專用的計(jì)算機(jī)視覺(jué)系統(tǒng)，它能夠自動(dòng)地?cái)z取并識(shí)別車牌號(hào)碼，可應(yīng)用在公路自動(dòng)收費(fèi)、停車場(chǎng)管理、失竊車輛偵察、門衛(wèi)系統(tǒng)、智能交通系統(tǒng)等不同場(chǎng)合。 西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院 20xx 年制 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 IV 頁(yè) 摘 要 車牌識(shí)別系統(tǒng)是一個(gè)專用的計(jì)算機(jī)視覺(jué)系統(tǒng)，它能夠自動(dòng)地?cái)z取車輛圖像和識(shí)別車牌號(hào)碼，可應(yīng)用在公路自動(dòng)收費(fèi)、停車場(chǎng)管理、失竊車輛偵察、門衛(wèi)系統(tǒng)、智能交通系統(tǒng)等不同場(chǎng)合。字符處理是針對(duì) 車牌字符做處理，首先對(duì)得到的車牌進(jìn)行傾斜度調(diào)整，然后利用連通域法分割得到單獨(dú)的字符， 最后 對(duì)字符進(jìn)行了歸一化處理，便于下一步字符識(shí)別。 智能交通管理系統(tǒng)是 21 世紀(jì)道路交通管理的發(fā)展趨勢(shì)，高速公路的不斷發(fā)展和車輛管理體制的不斷完善，為智能交通管理系統(tǒng)進(jìn)入實(shí)際應(yīng)用領(lǐng)域提供了契機(jī)。 4. 對(duì)養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營(yíng)管理實(shí)行不停車檢查 根據(jù)識(shí)別出的車牌號(hào)碼從數(shù)據(jù)庫(kù)中調(diào)出該車檔案材料，可發(fā)現(xiàn)沒(méi)及時(shí)交納養(yǎng)路費(fèi)的車輛。 本論文的主要方法和研究進(jìn)展 國(guó)內(nèi)外研究進(jìn)展 從 20 世紀(jì) 90 年代初，國(guó)外就已經(jīng)開始了對(duì)汽車牌照自動(dòng)識(shí)別的研究，其主要途徑就是對(duì)車牌的圖像進(jìn)行分析，自動(dòng)提前車牌信息，確定汽車牌號(hào)。因而進(jìn)一步加深車牌定位的研究是非常必要的。對(duì)一些復(fù)雜圖像應(yīng)用某些數(shù)學(xué)工具不僅可以加快處理速度而且可以改善和優(yōu)化處理結(jié)果。文獻(xiàn) [15]給出了基于神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別方法；文獻(xiàn)[16]提出了一種基于模板匹配的車牌識(shí)別方法。 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 5 頁(yè) 圖 像 灰 度 化圖 像 二 值 化圖 像 中 值 濾 波車 牌 邊 緣 檢 測(cè)圖 像 去 噪開 始結(jié) 束 圖 12 圖像預(yù)處理流程圖 字符處理如圖 13 所示。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等技術(shù)為基礎(chǔ)，對(duì) 攝像機(jī)所拍攝的車輛圖像或者視頻序列進(jìn)行分析，得到每一輛汽車唯一的車牌號(hào)碼，從而完成識(shí)別過(guò)程。 2. 面向現(xiàn)場(chǎng)環(huán)境 本系統(tǒng)主要用于高速公路的交通路口和停車場(chǎng)，因而必須考 慮到路口的環(huán)境，現(xiàn)場(chǎng)環(huán)境對(duì)軟件設(shè)計(jì)產(chǎn)生兩方面影響： 正面影響 ： （ 1）在攝像頭拍攝時(shí)，汽車相對(duì)于攝像頭的距離是固定的，只要焦距一定，汽車圖像大小就是不變的，車牌圖像的大小、位置也都是不變的。其中，車輛圖像預(yù)處理模塊又分為灰度化模塊、噪聲處理模塊、邊緣檢測(cè)模塊、二值化模塊，車牌圖像預(yù)處理模塊又分為傾斜度調(diào)整模 塊、字符分割模塊、歸一化模塊、字符的細(xì)化模塊等。 數(shù)字圖像分為彩色圖像和灰度圖像。 圖像的二值化 二值圖像是指整幅圖像畫面內(nèi)僅有黑、白二值的圖像。當(dāng)掃描這幅圖像時(shí)，從 B1 到 B2 之間的灰度有變化就意味著有邊界存在。 設(shè) 置 像 素 指 針 * l p S r c 。噪聲并不限于人眼所能看到的失真或變形，有些噪聲只有在進(jìn)行圖像處理時(shí)才 能發(fā)現(xiàn)。 中值濾波 流程圖 如圖 32所示。 根據(jù)以上車牌圖像的特點(diǎn)，利用車牌中字符和車牌背景的相對(duì)特性，即字符豎向 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 14 頁(yè) 紋理的分割方法，能夠?qū)Ω黝愜囕v圖像實(shí)現(xiàn)很好的分割效果。 經(jīng)典的邊緣提取方法是考察圖像的每個(gè)像素點(diǎn)在某個(gè)區(qū)域內(nèi)灰度的變化，利用邊緣鄰近一階或二階方向?qū)?shù)變化規(guī)律檢測(cè)邊緣。假定以當(dāng)前像素為中心獲取一個(gè) 33 鄰域，按行按列依次編號(hào)為 a， b， c， d， e， f， g， h， i。 設(shè) 置 像 素 指 針B Y T E * p b y R s ci = 0 , j = 0若 i 圖 像 高 度H I G H若 j 圖 像 寬 度 W E I T H獲 取 當(dāng) 前 像 素 值以 及 周 圍 點(diǎn) 的 像 素 值用 邊 緣 檢 測(cè) S O B E L 算 子 檢 測(cè) 像 素 點(diǎn)周 圍 像 素 導(dǎo) 數(shù) 變 化 ， 并 乘 以 S O B E L算 子 的 橫 向 矩 陣 和 縱 向 矩 陣j + +i + +更 新 當(dāng) 前 視圖結(jié) 束將 原 圖 再 乘 以S O B E L 算 子 的 縱向 矩 陣 系 數(shù) ，得 到 新 的 圖 像用 原 圖 像 與 新 圖像 相 減 ， 得 到 最終 圖 像更 新 當(dāng) 前 視圖開 始YNYN 圖 33 邊緣檢測(cè)流程圖 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 16 頁(yè) 消弱背景噪聲 對(duì)于背景的消弱的好環(huán)也關(guān)系到車牌位置的提取準(zhǔn)確性。 設(shè) 置 像 素 指 針i = 1 , j = 1若 i 圖 像 高 度 H I G H若 j 圖 像 寬 度 W E I T H獲 取 當(dāng) 前 像 素 點(diǎn) 的 值獲 取 當(dāng) 前 像 素 點(diǎn) 前 一 個(gè)像 素 值令 當(dāng) 前 像 素 點(diǎn) 減 去 前 一個(gè) 像 素 點(diǎn)j + +i + +更 新 當(dāng) 前 視 圖結(jié) 束開 始YNNY 圖 34 噪聲過(guò)濾 流程圖 西 南交通大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 第 17 頁(yè) 車牌捕捉 在上述的圖像預(yù)處理工作，無(wú)疑是為了給車牌定位做下基礎(chǔ)。一種是白底黑字，而我們需要的則是白底黑字的車牌。 傾斜度調(diào)整 流程圖 如圖 36