【文章內(nèi)容簡(jiǎn)介】 。 30 致謝 31 附錄 32 附錄 A 外文資料 32 附錄 B 程序清單 40 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 1 第 1 章 緒 論 研究背景及意義 汽車牌照自動(dòng)識(shí)別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，是高科技的公路交通監(jiān)控管理系統(tǒng)的主要功能模塊之一。它在傳統(tǒng)的交通監(jiān)控技術(shù)的基礎(chǔ)上，引入了數(shù)字?jǐn)z像技術(shù)和計(jì)算 機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)車輛圖像的采集和處理，獲得車輛的數(shù)字化信息，從而達(dá)到更高的智能化管理水平， 車牌自動(dòng)識(shí)別技術(shù)在車輛過(guò)路、過(guò)橋全自動(dòng)不停車收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，因此 對(duì)汽 車牌 照 識(shí)別技術(shù)的 研究有重要的現(xiàn)實(shí)應(yīng)用意義 [1]。 其發(fā)展對(duì)社會(huì)生活、國(guó)民經(jīng)濟(jì)和城市建設(shè)將產(chǎn)生積極而深遠(yuǎn)的影響，在 作畢業(yè) 設(shè)計(jì)的 過(guò)程中， 要確保 所學(xué)知識(shí)得到疏理和運(yùn)用，它既是一次檢閱，又是一次鍛煉。 對(duì)課題進(jìn)行深刻的認(rèn)識(shí) ，綜合性地運(yùn)用幾年內(nèi)所學(xué)知識(shí)去分析、解決問(wèn)題 [2]。 國(guó)內(nèi)外發(fā)展現(xiàn)狀 伴隨著世界各國(guó)汽車數(shù)量的增加 , 城市交通狀況日益受到人們的重視，如何有效地進(jìn)行交通管理，越來(lái)越成為各國(guó)政府和有關(guān)部門所關(guān)注的焦點(diǎn)，針對(duì)此問(wèn)題，人們運(yùn)用先進(jìn)的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)，這些系統(tǒng)一般都包括車輛檢測(cè)裝置，通過(guò)這些裝置對(duì)過(guò)往車輛實(shí)施檢測(cè)，提取有關(guān)交通數(shù)據(jù)，以達(dá)到監(jiān)控、管理和指揮交 通的目的 [3]。汽車牌照識(shí)別技術(shù)是車輛檢測(cè)系統(tǒng)中的一個(gè)重要環(huán)節(jié) , 它在交通監(jiān)視和控制中占有很重要的地位，有著多種應(yīng)用，例如自動(dòng)收費(fèi)系統(tǒng)、不停車?yán)U費(fèi)、失竊車輛的查尋、停車場(chǎng)車輛管理、特殊部門車輛的出入控制等等。同時(shí)，汽車牌照識(shí)別的方法還可應(yīng)用到其他檢測(cè)和識(shí)別領(lǐng)域，所以汽車牌照的識(shí)別問(wèn)題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問(wèn)題之一，運(yùn)用圖像處理技術(shù)解決汽車牌照識(shí)別的研究國(guó)內(nèi)外都有 (最早出現(xiàn)于 01 年代 (這個(gè)階段是采用簡(jiǎn)單的圖像處理技術(shù)來(lái)解決 )識(shí)別過(guò)程是使用工業(yè)電視攝像機(jī)拍下汽車的正前方圖像 (然后交給計(jì)算機(jī)進(jìn)行 簡(jiǎn)單處理 (并且最終仍需要人工干預(yù) )[4]。 國(guó)外汽車牌照識(shí)別系統(tǒng)研究工作已有一定進(jìn)展 。但并不盡合我國(guó)國(guó)情 。由于我國(guó)汽車車牌識(shí)別的特殊性 。采用任何一種單一識(shí)別技術(shù)均難以奏效 !目前正在研制的無(wú)源石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 2 型汽車牌照智能識(shí)別系統(tǒng)綜合利用了車輛檢測(cè)技術(shù)、計(jì)算機(jī)視覺技術(shù)、圖像處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等 。是一個(gè)比較有發(fā)展前途的車牌識(shí)別系統(tǒng)。 車牌識(shí)別系統(tǒng)的組成 硬件和軟件 識(shí)別系統(tǒng)中要用到的硬件主要有攝像頭 、 感應(yīng)器和計(jì)算機(jī)。車牌識(shí)別系統(tǒng)的軟件部分主要分為四大塊，預(yù)處理 、 車牌定位 、 車牌字符的分割 和字符識(shí)別 [5]。 圖 11 系統(tǒng)流程圖 原始圖像：由停車場(chǎng)固定彩色攝像機(jī)、數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像 圖像預(yù)處理：對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行濾波，邊界增強(qiáng)等處理以克服圖像干擾 邊緣提?。和ㄟ^(guò)微分運(yùn)算， 2 值化處理，得到圖像的邊緣 車牌定位：計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。最后得到的便為車牌區(qū)域。 字符分割：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符 字符識(shí)別：利用模板匹配的方 法與數(shù)據(jù)庫(kù)中的字符進(jìn)行匹配從而確認(rèn)出字符，得到最后的汽車牌照，包括英文字母和數(shù)字。 車牌自動(dòng)識(shí)別系統(tǒng)原理 當(dāng)車輛通過(guò)時(shí)，車輛檢測(cè)裝置受到觸發(fā)，啟動(dòng)圖像采集設(shè)備獲取車輛的正面或反面圖像，并將圖像傳至計(jì)算機(jī)，由車牌定位模塊提取車輛的牌照，字符分割模塊對(duì)車牌上的字符進(jìn)行切分，最后由字符識(shí)別模塊進(jìn)行字符識(shí)別并將結(jié)果輸出 [6]。 本論文主要研究?jī)?nèi)容 本文針對(duì)汽車牌照自動(dòng)識(shí)別系統(tǒng)進(jìn)行了系統(tǒng)的研究和分析 ,設(shè)計(jì)了一種汽車牌照的自動(dòng)識(shí)別方法，包括圖像的預(yù)處理、車牌定位與提取、字符分隔和提取。汽車圖像原始圖像 圖像預(yù)處理 邊緣提取 車牌定位 字符分割 字符識(shí)別 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 3 預(yù)處理 部分完成對(duì)原始汽車圖像進(jìn)行必要的灰度化、去噪聲、圖像增強(qiáng)處理，車牌定位與提取部分利用邊緣檢測(cè)方法對(duì)圖像進(jìn)行定位與提取，然后利用水平投影的方法對(duì)提取的圖像進(jìn)行字符分割，最后利用字符寬高將分割字符提取。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 4 第 2 章 識(shí)別系統(tǒng)的相關(guān)技術(shù)簡(jiǎn)介 圖像的灰度化 彩色圖像包含著 過(guò)多 的顏色信息，因此在對(duì)圖像進(jìn)行識(shí)別等處理中經(jīng)常將彩色圖像 灰度化處理， 轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度?；叶葓D像就是只有強(qiáng)度信息而沒有顏色信息的圖像，存儲(chǔ)灰度圖像只要一個(gè)數(shù)據(jù)矩陣，矩陣 中 每個(gè)元素表示對(duì)應(yīng)位置像素的灰 度值。彩色圖像的像素色為 RGB(R， G， B)，灰度圖像的像素色為 RGB(r，r， r),R， G， B 可由彩色圖像的顏色分解獲得。而 R， G， B 的取值范圍是 0~255，所以灰度的級(jí)別只有 256 級(jí) [7]。 從圖像輸入裝置得到的圖像數(shù)據(jù)，以濃淡表示，各個(gè)像素與某一灰度值相對(duì)應(yīng)。設(shè)原圖像像素的灰度值 D = ?（ x， y），處理后圖像像素的灰度值 D180。=g（χ，у），則灰度增強(qiáng)可表示為： )],([),( yxfTyxg ? ] 或 )(39。 DTD? （ 21） 要求 D 和 D’都在圖像的灰度范圍之內(nèi)。函數(shù) T（ D）稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。一旦灰度變換函數(shù)確定，則確定了一個(gè)具體的灰度增強(qiáng)方法。圖像中每一點(diǎn)的運(yùn)算就被完全確定下來(lái)?；叶茸儞Q函數(shù)不同，即使是同一圖像也會(huì)得到不同的結(jié)果 [8]。選擇灰度變換函數(shù)應(yīng)該根據(jù)圖像的性質(zhì)和處理目的來(lái)決定。選擇的標(biāo)準(zhǔn)是經(jīng)過(guò)灰度變換后，像素的動(dòng)態(tài)范圍增加，圖像的對(duì)比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩、容易識(shí)別。 圖像的二數(shù)值化和閾值處理 二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來(lái)，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外的空缺等等。車牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大地提高處理效率。二值化的 閾 值選取有很多方法，主要分為 3 類 :全局 閾 值法、局部 閾 值法和動(dòng)態(tài) 閾 值法。全局 閾 值法是根據(jù)圖像的直方圖或灰度的空間分布確定一個(gè) 閾 值，并根據(jù)該 閾 值實(shí)現(xiàn)灰度圖像到二值化圖像的轉(zhuǎn)化。全局 閾 值方法的優(yōu)點(diǎn)在于算法簡(jiǎn)單，對(duì)于 目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)輸入圖像量化噪聲或不均勻石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 5 光照等情況抵抗能力差，應(yīng)用受到極大限制。局部 閾 值法則是由象素灰度值和象素周圍點(diǎn)局部灰度特性來(lái)確定象素的 閾 值的， Bernsen 算法是典型的局部 閾 值方法，非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，局部 閾 值法也存在缺點(diǎn)和問(wèn)題，如實(shí)現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。動(dòng)態(tài)閥 7 閾 值法的 閾 值選擇不僅取決于該象素灰度值以及它周圍象素的灰度值，而且還和該象素的坐標(biāo)位置有關(guān)，由于充分考慮了每個(gè)像素 鄰域的特征，能更好的突出背景和目標(biāo)的邊界，使相距很近的兩條線不會(huì)產(chǎn)生粘連現(xiàn)象。 閾值處理的操作過(guò)程是先由用戶指定或通過(guò)算法生成一個(gè)閾值，如果圖像中某中像素的灰度值小于該閾值，則將該像素的灰度值設(shè)置為 0 或 255，否則灰度值設(shè)置為255 或 0[9]。 閾值化的變換函數(shù)表達(dá)式如下： ??? ??? Tx Txxf ,255,0)( （ 22） 式中 T 為指定的閾值。比它大就是白，比它小就是黑。 圖像的梯度銳化 由于需要處理的圖像由拍攝而來(lái)，所以在很多情況下 字符模糊，所以要對(duì)圖像進(jìn)行銳化處理使模糊的圖像變的清晰 便于識(shí)別 ，圖像銳化的實(shí)質(zhì)就是增強(qiáng)圖像的邊緣或輪廓，其銳化后的結(jié)果通過(guò)微分而使圖像邊緣突出、清晰。圖像銳化的方法有兩種 :梯度銳化法和高通濾波法 [10]。 圖像的去噪 圖像可能在拍攝或者傳輸過(guò)程中夾帶了噪聲，去噪聲是圖像處理中常用的手法。通常去噪用濾波的方法，比如中值濾波、均值濾波 。 為了抑制噪聲，通常我們會(huì)采用低通濾波，但由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過(guò)濾噪聲的同時(shí)，也使得邊界變模糊，反之，低通濾波后為了提高邊緣輪廓，還需要使用高 通濾波，這時(shí)存在的噪聲也得到了增強(qiáng)，然而中值濾波在過(guò)濾噪聲的同時(shí)也很好的保護(hù)到了邊緣輪廓，因此常用中值濾波的方法來(lái)去噪 [11]。 灰度拉伸 若有一幅圖，由于拍攝光照不足，使得整幅圖偏暗（例如，灰度范圍從 055），或者拍攝時(shí)光照過(guò)強(qiáng)，使得整幅圖偏亮（灰度范圍從 200255），這些情況都是屬于低石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 6 對(duì)比度，即灰度都擠在一起，沒有拉開?；叶壤斓囊馑季褪前迅信d趣的灰度范圍拉開，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達(dá)到了增強(qiáng)對(duì)比度的目的。 圖像的傾斜矯正 由于拍攝時(shí)鏡頭與牌照的角度、車輛的運(yùn) 動(dòng)及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時(shí)車頭或者鏡頭發(fā)生擺動(dòng)以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌圖像有一定的傾斜度，為了正確識(shí)別需要進(jìn)行傾斜度校正，否則將無(wú)法進(jìn)行單個(gè)字符的正確分割，字符識(shí)別的誤差率就會(huì)上升。但是若以某個(gè)固定的經(jīng)驗(yàn)值對(duì)所有牌照統(tǒng)一進(jìn)行旋轉(zhuǎn)處理，又會(huì)使原本正常的牌照傾斜，導(dǎo)致新的錯(cuò)誤。因此有必要針對(duì)特定的牌照?qǐng)D像提取其傾斜角度，再加以相應(yīng)的旋轉(zhuǎn)處理。如何從牌照中自動(dòng)提取其傾斜度是預(yù)處理過(guò)程中的一個(gè)難點(diǎn)，一般使用Hough 變換檢測(cè)圖像中的直線來(lái)對(duì)圖 像的傾斜進(jìn)行相應(yīng)的矯正 [12]。 Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實(shí)現(xiàn)并處理等優(yōu)點(diǎn)：但它存在著計(jì)算量大，需要巨大的儲(chǔ)存空間等問(wèn)題，所以不適合用在具有一定實(shí)時(shí)性要求的圖像處理中。針對(duì)這個(gè)問(wèn)題， Radon 變換可以滿足一定實(shí)時(shí)圖像處理的要求。 車牌字符分割 經(jīng)過(guò)上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，其中，車牌的背景像素為白色，用 1 表示 。車牌的字符像素為黑色，用 0 表示。在識(shí)別時(shí)系統(tǒng)只能根據(jù)每個(gè)字符的特征來(lái)進(jìn)行判斷，為了最終能準(zhǔn)確識(shí)別牌照上的漢字、英文字母及 數(shù)字，必須將單個(gè)字符從矯正的牌照中逐個(gè)提取分離出來(lái)。 字符識(shí)別 進(jìn)行車牌識(shí)別前需要使用樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對(duì)車牌進(jìn)行識(shí)別。其具體流程為 :使用漢字、字母、字母數(shù)字、數(shù)字四個(gè)樣本分別對(duì)四個(gè)子網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值。對(duì)已經(jīng)定位好的車牌進(jìn)行圖像預(yù)處理，逐個(gè)的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進(jìn)行識(shí)別，輸出識(shí)別結(jié)果。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 7 第 3 章 車牌照提取與定位 算法設(shè)計(jì)流程 灰度化 二值化 濾波 圖像預(yù)處理 開始 字符的分割 定位和提取 字符的識(shí)別 結(jié)束 圖 31算法設(shè)計(jì)總流程 汽車圖像預(yù)處理 圖像在形成、傳輸或變換過(guò)程中，受多種因素的影響，如：光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、暴光不足或過(guò)量、相對(duì)運(yùn)動(dòng)等，往往會(huì)與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異。因此在圖像處理之前必須進(jìn)行預(yù)處理，包括去除噪音，邊界增強(qiáng) ，石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 8 增加亮度等等。 首先應(yīng)該把 256 色彩色圖像轉(zhuǎn)換為灰度圖像。平滑是圖像預(yù)處理的主要環(huán)節(jié)，平滑的好壞直接影響二值化的質(zhì)量。 濾波的方式有兩種，一種是空間域?yàn)V波，一種是頻率域，在空間域，常見的濾波方式有兩種方式，均值濾波和中值濾波。 采用中值濾波 對(duì)圖像進(jìn)行平滑處理。中值濾波在一定條件下可以克服線性濾波器如最小均方濾波、均值濾波等帶來(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，同時(shí)還可以保護(hù)字的邊界信息。 Matlab 實(shí)現(xiàn) %裝入待處理圖像并顯示原始圖像 如圖 32： clear。 close all。 Scolor = imread(‘原始圖像’ )。 figure, imshow(Scolor), title(39。原始彩色圖像 39。)。 圖 32 原始圖像 %顯示灰度化 后的圖像 i = rgb2gray(Scolor)。 figure,imshow(i)。 title(39?；叶葓D像 39。)。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 9 圖 33 灰度化后的圖像 中值濾波 中值濾波是一種非線性濾波處理技術(shù)，能有效地抑制圖像中的某些噪聲，它基于圖像這樣一種特性：噪聲往往以孤立點(diǎn)的形式出現(xiàn)，這些點(diǎn)對(duì)應(yīng)的像素?cái)?shù)很少，而圖像是由許多像素?cái)?shù)較多、面積較大的小塊組成。 在一維情況下，中值濾波器是一個(gè)含有奇數(shù)個(gè)像素的窗口。處理之后，用窗口內(nèi)各像素灰度值的中值來(lái)代替位于窗口正中的像素的灰度值。 中值濾波不影響階躍函數(shù)和斜坡函 數(shù)，因而對(duì)圖像邊緣有保護(hù)作用：但是，對(duì)于持續(xù)期小于窗寬一半的脈沖信號(hào)將進(jìn)行抑制，因而可能會(huì)損壞圖像的某些細(xì)節(jié)。中值濾波很容易推廣到二維情況。二維窗口形狀可以是正方形、近似圓形或十字形。 現(xiàn)有的牌照有四種類型，分別是 : 藍(lán)底白字牌照為小功率汽車使用； 黃底黑字牌照為大功率汽車使用； 白底黑字或紅字牌照為軍用或警用 。 4,黑底白字牌照為國(guó)外駐華機(jī)構(gòu)使用。這四種牌照的長(zhǎng)度均為 45cm，寬 15cm，共 8 個(gè)字符。民用牌照第 1 個(gè)字符是漢字，且是各省市的簡(jiǎn)稱，如“京”、“蘇”、“鄂”等。第 2 個(gè)字符是大寫英文字母 ，是頒發(fā)證照及監(jiān)督機(jī)關(guān)的代號(hào)。第 3 個(gè)字符是一個(gè)“”，第 4～ 8 個(gè)字符均為阿拉伯?dāng)?shù)字或英文大寫字母。如“貴 A 123