【文章內(nèi)容簡介】 符識別的結(jié)果。一個典型的車牌自動識別系統(tǒng)通常由車輛檢測、圖像采集、車牌提取、字符分割和字符識別等部分組成，其中，車輛檢測模塊一般使用地感線圈，它可以檢測當(dāng)前是否有車輛通過。目前，隨著視頻檢測技術(shù)的提高，有些已經(jīng)開始使用視頻流檢測系統(tǒng)，檢測是否有車輛通過。圖像采集部分包括光線不足時自動光源補足和CCD攝像頭，以攝取清晰的車輛圖像。車牌提取、字符分割和字符識別部分由計算機或DSP處理器組成，可以完成對車牌的識別。車輛圖像采集車牌提取字符分割字符識別車輛檢測車牌識別系統(tǒng)的硬件部分主要包括三個部分：（1）圖像采集部分圖像采集由CCD彩色攝像機和圖像采集卡組成。為了提高系統(tǒng)對天氣、環(huán)境、光線等的自適應(yīng)性，攝像機一般采用自動對焦、自動光圈的一體化機；車輛檢測通常采用車輛傳感器，如地感線圈、紅外線等。圖像采集的工作過程是：首先在攝像機前方檢測點設(shè)置一傳感器，當(dāng)汽車通過檢測點時，傳感器向主機發(fā)出信號，系統(tǒng)即自動攝下車輛的圖像，并將圖像輸入計算機。但是在這樣的圖像上，由于車輛處于運動狀態(tài)以及污損等原因，車牌畫面往往不夠清晰，難以從中攝取需要的信息。為了解決這一問題，一方面我們盡量采取清晰度更高和更精確的CCD攝像機；另外我們通過設(shè)置更精確的硬件來保證圖像的清晰度。比如說在攝取車牌圖像時加強光照，盡量使車牌的位置和攝像機的距離為最佳等等。這樣可以為后續(xù)圖像處理減小難度和提高系統(tǒng)的精確度以及穩(wěn)定性。（2）圖像處理部分主要涉及數(shù)字圖像的處理過程，一般使用嵌入式的硬件系統(tǒng)，比如說可以采用DSP處理器來集成系統(tǒng)，這樣的系統(tǒng)安裝和使用比較方便，應(yīng)用范圍更廣。當(dāng)然在特定條件下也可以使用計算機來完成。（3）結(jié)果輸出部分將識別出的車牌號碼通過液晶屏幕或者顯示器輸出出來，必要的時候需要與車輛數(shù)據(jù)庫建立連接，從而進(jìn)一步顯示出該車輛的狀態(tài)。車牌自動識別系統(tǒng)的軟件部分包括車牌提取、字符分割和字符識別等三個算法，即從背景復(fù)雜的含有車牌的圖像中提取出車牌圖像，然后對提取的車牌圖像進(jìn)行必要的預(yù)處理、分離出單個字符，接著提取字符的特征并與標(biāo)準(zhǔn)字符進(jìn)行比對，得到待識別車牌的車牌號碼，并與車牌數(shù)據(jù)庫進(jìn)行連接以便確定該車輛的狀態(tài)。在本章的后續(xù)部分我們將對本文中的車牌識別算法做比較詳細(xì)的說明。車牌識別系統(tǒng)的軟件部分實現(xiàn)的功能就是把輸入的車牌圖像（由硬件部分采集的數(shù)字圖像）進(jìn)行處理后，得到該車牌所代表的車牌號碼。一般把車牌識別系統(tǒng)的處理過程分為三個大步驟：（1）車牌定位；（2）字符分割；（3）字符識別。車牌定位算法實現(xiàn)的功能就是從一幅復(fù)雜背景的數(shù)字圖像中分割出車牌圖像，要求具有較高的識別率和較強的環(huán)境適應(yīng)性。由于從攝像機前端得到的原始圖像是從不同的環(huán)境和針對不同的車輛拍下的，因此在質(zhì)量上有相當(dāng)大的差別。如何處理這些質(zhì)量參差不齊的圖像，得到更適合后端圖像處理的數(shù)據(jù)就是圖像預(yù)處理需要完成的工作。首先，我們得到的圖像可能是彩色圖像，但是由于彩色圖像數(shù)據(jù)量巨大，處理起來不方便且速度較慢，所以有必要將彩色圖像轉(zhuǎn)換為灰度圖像。其次，圖像的亮度不同。有的圖像較暗，有的圖像較亮，需要將這些圖像轉(zhuǎn)換為亮度比較接近的圖像，這可以用直方圖均衡化來實現(xiàn)，以增強圖像的對比度。最后，所得圖像可能會受到噪聲的干擾。當(dāng)然，對于不同的環(huán)境和設(shè)備，噪聲的類型是不同的，比如說有高斯濾波，中值濾波等等，具體使用那一種濾波，要根據(jù)應(yīng)用環(huán)境和系統(tǒng)硬件設(shè)備情況而定。車牌提取一直是車牌識別中備受關(guān)注的一步，因為它是整個車牌識別的第一步。它的成功與否直接影響到后續(xù)的步驟，并最終使我們系統(tǒng)的速度和識別率受到影響。圖像預(yù)處理車牌提取因此，很多人都致力于車牌定位算法的研究，也提出了很多切實可行的方法。本人也提出了兩種有效的車牌定位算法，一種是基于高帽變換和小波變換的車牌提取方法，另一種是基于投影法和數(shù)學(xué)形態(tài)學(xué)的車牌提取方法。前一個算法的特點是采用水平定位和豎直定位相結(jié)合，首先采用高帽變換突出了車牌區(qū)域，實現(xiàn)了車牌的水平定位；然后通過小波變換對車牌區(qū)域進(jìn)行特征提取，實現(xiàn)了車牌的豎直定位；最后根據(jù)得到的車牌水平位置和豎直位置信息，從原始圖像中提取出車牌。后一個算法的特點是首先采用投影法，利用水平一階差分圖的水平投影進(jìn)行車牌水平定位，即通過對一階差分水平投影曲線進(jìn)行掃描，得到較大的波峰值或波峰積分值較大的波峰在平滑的一階差分水平投影曲線中的位置坐標(biāo)，進(jìn)而利用這些波峰位置坐標(biāo)進(jìn)行車牌水平定位運算，得到一個或多個車牌水平位置候選區(qū)域在原始圖像中的位置坐標(biāo)；然后在豎直定位時，結(jié)合數(shù)學(xué)形態(tài)學(xué)的特性，利用閉運算，在原始圖像中突出車牌區(qū)域的位置，通過合理選擇二值化閥值，對變換后的圖像進(jìn)行二值化，實現(xiàn)車牌豎直定位，克服了基于掃描行的車牌提取方法和基于彩色的車牌提取方法難以解決在照明不均勻環(huán)境下定位準(zhǔn)確率的問題。這兩種車牌定位方法在第三章中將會有詳細(xì)的論述。從車牌定位算法得到的車牌圖像具有一些特殊性，所以我們必須首先對他們進(jìn)行預(yù)處理。預(yù)處理一般包括歸一化和圖像增強。之所以要歸一化，是因為有的車牌圖像的大小各異，我們必須把它們轉(zhuǎn)化為統(tǒng)一大小的車牌；還有就是車牌原先的顏色搭配不同，有的車牌是黃底黑字，轉(zhuǎn)換為灰度圖像過后字符的灰度值比車牌預(yù)處理定位字符的位置分割字符車牌圖像字符圖像車牌背景的灰度值要小，而有的車牌是藍(lán)底白字，轉(zhuǎn)換為灰度圖像過后就是字符亮而背景比較暗。所以必須統(tǒng)一為黑底白字的圖像。同時，車牌圖像中基本上只含有車牌，不包括其他的區(qū)域，因此我們可以利用這一特點把圖像盡量增強。有統(tǒng)計表明，車牌圖像面積的20%~30%是字符區(qū)域，其余的是車牌的底色區(qū)域。我們可以加強這些灰度值較高的字符區(qū)域，使之相對于背景而言更突出一些。我們知道，一個普通車牌包括七個字符，且字符大小一定，皆為90mm高，45mm寬。而且字符間的位置，間距是一定的，排列也相當(dāng)有規(guī)律。所以我們一旦確定一個字符的位置并且知道它是第幾個字符的話，其他字符的位置我們也就一并確定了。即使車牌上字符出現(xiàn)一定的粘連，但是一般來說還是可以找到一個或者多個沒有粘連的字符的。所以，在這里本人提出了兩種字符定位方法，一種是基于拉普拉斯變換、區(qū)域生長法和車牌先驗知識相結(jié)合的車牌字符分割方法，另一種是基于快速區(qū)域標(biāo)號算法和車牌大間隔定位方法的車牌字符分割方法。前一種算法的特點是首先采用拉普拉斯算子對進(jìn)行車牌區(qū)域進(jìn)行邊緣檢測；然后，以拉普拉斯變換檢測到的邊緣點為“種子”點進(jìn)行區(qū)域生長，得到“初步”字符候選區(qū)；接著，去除高度、寬度和高寬比明顯不符合字符區(qū)域要求的“初步”字符候選區(qū)，得到“中間”字符候選區(qū)域；然后，結(jié)合車牌的先驗知識修正和補足字符區(qū)域，得到“最終”字符候選區(qū)域。后一種算法的特點是首先計算二值化閾值把車牌灰度圖像轉(zhuǎn)化為二值圖像；然后，用快速區(qū)域標(biāo)號算法對車牌二值圖像進(jìn)行連通性分析得到字符的候選區(qū)域；接著，從車牌二值化圖像中定位出大間隔的位置；然后，結(jié)合車牌大間隔的位置特征修正和補齊字符區(qū)域，得到最終的字符區(qū)域。這兩種車牌字符分割方法在第四章中將會有詳細(xì)的論述。本章主要對車牌自動識別系統(tǒng)的總體結(jié)構(gòu)進(jìn)行一個簡單的說明。文章先后介紹了車牌自動識別系統(tǒng)的硬件組成和軟件部分，并且詳細(xì)地介紹了車牌識別系統(tǒng)的軟件流程。第三章車牌定位本章詳細(xì)介紹了如何從含有車牌的原始圖像中提取車牌圖像。在這一章，我們將介紹兩種車牌定位的算法，分別是基于高帽變換和小波變換的車牌提取方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車牌提取方法。實驗證明，我們所開發(fā)的算法是有效而且實用的。在此之前我們將就車牌提取在國內(nèi)外常用的算法和技術(shù)發(fā)展?fàn)顩r作一個較詳細(xì)的說明。車牌定位作為車牌處理流程的前端步驟，具有相當(dāng)重要的作用，定位的好壞將直接影響到車牌識別的有效性和準(zhǔn)確率。車牌定位是車牌識別中的關(guān)鍵環(huán)節(jié)之一。車牌定位是否成功以及定位的準(zhǔn)確程度，直接決定了后期能否進(jìn)行識別以及識別的效果。由于車牌可以出現(xiàn)在圖像上的任何位置，而且由于受天氣、背景、磨損等外界干擾因素的影響，造成得到牌定位一直是車牌自動識別系統(tǒng)中的重點和難點。為了準(zhǔn)確、快速地定位出車牌區(qū)域，人們已經(jīng)研究了許多定位方法，這些算法基本上都或多或少的借助了車牌自身特征來實現(xiàn)的。車牌自身具有很多的固有特征，這些特征對于不同的國家是不同的。從人的視覺角度出發(fā)，我國車牌具有以下可用于定位的特征：（1）車牌底色往往與車身顏色、字符顏色有較大差異；（2）車牌有一個連續(xù)或由于磨損而不連續(xù)的邊框，車牌內(nèi)字符有多個，基本呈水平排列，所以在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣，呈現(xiàn)出規(guī)則的紋理特征；（3）車牌內(nèi)字符之間的間隔比較均勻，字符和牌照底色在灰度上存在跳變，而字符本身與牌照底的內(nèi)部都有較均勻灰度；（4）不同圖像中牌照的具體大小、位置不確定，但其長度比變化有一定范圍，存在一個最大和最小長寬比。根據(jù)這些特點，人們提出了多種車牌定位的方法。下面介紹幾種具有代表性的方法。一般來說，單色圖像的灰度級有256級、128級和64級不等，通常所采用的為256級的灰度圖像?；叶葓D像中每一個點的灰度值可以用一個單值實函數(shù)來表示，該函數(shù)在某點的值稱為在該點灰度級或亮度。由于灰度圖像的函數(shù)表示比較簡單，在圖像處理時可以減少運算時間，提高運算速度。因此目前的大多數(shù)研究都是基于灰度圖像的，以滿足車牌識別的實時性需求。如前文所述，盡管車牌圖像的背景較為復(fù)雜，可能包含了行人、建筑和其他車輛等干擾因素，但車牌區(qū)域具有較為穩(wěn)定的特征，即存在若干各等高且水平排列的字符，字符色和牌照底色的灰度值存在明顯的跳變，車牌區(qū)域存在豐富的邊緣特征，因此被廣泛應(yīng)用于車牌的定位研究中。在文獻(xiàn)[18]中，作者首先對車輛灰度圖像在橫向上進(jìn)行一階差分運算，并累積其差分直方圖。對此直方圖采用離散指數(shù)平滑法進(jìn)行平滑，而且具有一定寬度和對稱性，因此可以利用這一特征來排除一部分峰點。然后對橫向分割出來的車牌子圖像應(yīng)用一個縱向的邊界抽取模板作運算，再作縱向累加直方圖并平滑，這樣得到直方圖的許多峰，最后對這些峰的寬度進(jìn)行從小到大的排序，應(yīng)用相應(yīng)的規(guī)則來確定車牌所處的位置。作者使用一階微分算子對原始圖像的邊緣進(jìn)行預(yù)處理，并在此基礎(chǔ)上運用數(shù)學(xué)形態(tài)學(xué)的閉運算獲得車牌的候選區(qū)，然后采用投影法剔除假車牌，定位出真車牌。在文獻(xiàn)[20]中，作者首先將輸入的彩色圖像進(jìn)行灰度化，隨后在灰度圖像上利用濾波算子進(jìn)行濾波預(yù)處理，并生成一個門限，將濾波后的圖像轉(zhuǎn)化為二值圖像。由于經(jīng)過預(yù)處理后，車牌的投影具有明顯的豎線條區(qū)域，可以根據(jù)這個特點，在二值圖像中進(jìn)行區(qū)域搜索，尋找出具有較多豎線條的區(qū)域，并將它們作為候選的車牌位置。然后根據(jù)車牌號碼在水平方向上的投影具有明顯的規(guī)律以及字符間具有較低的谷點的規(guī)律，并結(jié)合車牌的高寬比來切割出車牌的位置。根據(jù)車牌區(qū)域的特征設(shè)計了一個處理函數(shù)，使用該函數(shù)對原始圖像進(jìn)行處理后，突出圖像中的豎直邊緣，并適當(dāng)調(diào)節(jié)參數(shù)，使車牌區(qū)域的特征得以放大，在此基礎(chǔ)上提取車牌的位置。 數(shù)學(xué)形態(tài)學(xué)中的腐蝕和膨脹以