【文章內容簡介】 隔符在第4和第5個字符之間，其余的車牌的間隔符在第2個和第3個字符之間。由于使館牌照出現(xiàn)的概率很小，將之視為小型車牌照一種變形情況，不單獨處理，后面提出的車牌格式均值后一種格式情況；（5） 從左到右，車牌中每一位的可能字符如下：第1位，30個省份的簡稱和“使”字，共有31個字符（暫時不考慮軍警車）；第2位，除去字母“I”之外的25個英文大寫字母；第3位，除去字母“I”和字母“O”之外的24個英文大寫字母和10個數(shù)字，共有34個字符；第4~6位，10個數(shù)字字符；第7位，10個數(shù)字字符和“領”“學”“試”“境”，共有14個字符。字符總數(shù)共有70個。觀測和分析車牌外形特點，無論哪種車牌，外輪廓都有一個寬度不大的輪廓線，輪廓線的顏色和字符顏色一致，與背景的亮度差異很大?，F(xiàn)實環(huán)境下，車牌有時安裝后，車輛廠商的商標會遮擋牌照外輪廓線，但商標本身又是一個輪廓線，其亮度與背景的亮度差異也很大，同樣可以利用之。首先，結合車牌分析結論，利用其中的特征6點可以構造牌照字符的格式模型，這個模型在其后的用來指導牌照定位后、字符識別前的字符分割。結合GA3692標準，牌照圖像的實際大小可能隨著CCD攝像頭采集的時機不同而產生一定的縮放，但是總體比例不會發(fā)生大的變化。設第1個字符中心和第2個字符的中心間距為一個長度單位，以第1個字符中心為原點，那么非使館車牌的其余字符中心的橫向位置應分別為：1，，。其次，利用分析結論7，可以利用字符在牌照的排列縮小候選字符的集合規(guī)模，加快識別速度或進行識別后結果的糾正判別。如果不知道字符在牌照中的排列位置，那么每個位置的候選字符可以達到70個，如果知道了它的位置，那么該位置的候選字符至多有34個，尤其是對牌照的第6位，候選字符只有10個數(shù)字由于CCD攝像頭采集圖像以BMP位圖圖像格式存儲到微機，為了便于車輛的定位與分割和車輛字符的識別，原始圖像應具有適當?shù)牧炼?，較大的對比度和清晰可辨的牌照圖像。但由于系統(tǒng)的圖像采集部分工作于開放的戶外環(huán)境，加之車牌的整潔度、自然光照條件、車輛行駛速度等因素的影響，車輛圖像可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖像進行識別前的預處理。除了少數(shù)文獻提及過可用色彩信息幫助對牌照的檢測和分割外，考慮到圖像文件的存儲量和處理圖像需要占用大量系統(tǒng)資源，絕大多數(shù)牌照識別系統(tǒng)均采用不含彩色信息的灰度圖像，即圖像中每個像素僅由一個8位字節(jié)表示該像素的亮度值，因此灰度圖像是具有256個灰度級的黑白圖像，便于以后的圖像二值化，處理運算量大大減少。一些系統(tǒng)的攝像部分采用單色CCD攝像頭則可以直接得到灰度圖像?；叶然捎矛F(xiàn)行通用的標準平均值法，用g表示灰度后的灰度值，R、G、B分別表示原真彩色圖中的紅、綠、藍分量，則有：g=++..............................................................（）車輛識別系統(tǒng)是全天候的工作性質，若無理想的補充光照明，自然光照度的晝夜變化會引起牌照圖像的對比度嚴重不足使圖像中牌照字符分辨不清，甚至根本無法定位和分割，更無法識別。因此，研究者們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、直方圖修整法等。采用圖像灰度拉伸的方法有效地增強了圖像的對比度，增強后的圖像中字符清晰、區(qū)域分明，便于圖像二值化和字符分割處理。還有些采用一種簡便有效的線性濾波器進行圖像中字符特征的增強，得到一個亮度明顯高于背景的牌照字符區(qū)域，經(jīng)進一步的定位處理就很容易確定其具體位置?？梢?，圖像對比度增強處理無論對牌照圖像的可辨識的改善，還是簡化后續(xù)的牌照定位和分割的難度都是很有必要的。如果造成圖像對比度不足的原因為：（1） 被攝像物的遠近不同，使得圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡。（2） CCD攝像頭掃描時各點的靈敏度有較大的差異而產生圖像灰度失真（3） 成像時曝光不足或者過度而使得圖像的灰度變化范圍太窄。（4） 自然光線的差異。這時如將圖像灰度線形擴展，長能顯著改善圖像質量，達到增強圖像的對比度和分辨率。實驗中，對于正常采樣的車輛圖像，也使線性灰度變換，突出感興趣的目標或者灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)域。令原圖像f（x，y）的灰度值范圍是[a，b]，線性變換后，圖像g（x，y）的范圍為[O，Mf]，g（x，y）和f（x，y）的變換關系的數(shù)學表達式為：......................（）其中，對于灰度級為256的圖像而言。圖1 圖像灰度級坐標中值濾波是一種非線性的濾波技術，由于實際計算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。它是基于圖像的這一種特性：噪聲往往孤立的點形式出現(xiàn)，這些點對應的像素數(shù)很少，而圖像則是由像素較多，面積較大的小塊構成。在一定條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾波脈沖及圖像的掃描噪聲比較有效。其原理為，設有一個一維序列f1，f2……fn。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。中值濾波表達式為：Yi=Med{fiv,…fi,…fi+v} i∈Z v=(m1)/2.....................（）對數(shù)字圖像進行中值濾波，實質就是對二維序列{Xmn}的中值濾波，濾波窗口也是二維的，用一個滑動窗口W在圖像上進行掃描，吧窗口內包含的圖像像素按灰度級升（或降）序排列起來，取灰度值居中的像素灰度為窗口中心像素的灰度（若窗口中有偶數(shù)個像素，則取兩個中間值的平均），用公式表示為：X（m，n）=Median{f（mk，n1），（k，1）∈W}....................（）本課題采用的中值濾波的窗口為33的矩形窗口（共9個像素），結果表明通過中值濾波可以很好地消除孤立噪聲點的干擾，如下圖所示。更重要的是使用這種中值濾波，除有效地消除噪聲外，還能有效地保護邊界信息。圖像分割的一種重要途徑是通過邊緣檢測，即檢測灰度級具有突變的地方，表明一個區(qū)域的終結，也是另一個區(qū)域開始的地方，這種不連續(xù)性稱為邊緣。邊緣檢測不僅用于圖像分割，也是紋理分析等其他圖像分析的重要信息源和形狀特征基礎。需要說明的是：邊緣與物體間的邊界并不等同，邊緣指的是圖像中像素值有突變的地方，而物體的邊界指的是現(xiàn)實場景中的存在于物體之間的邊界。一幅圖像中，有可能又邊緣的地方并非邊界，也有可能物體的邊界在圖像中不成為：邊緣，這是因為現(xiàn)實中的物體是三維的，而圖像只有二維信息，從三維到二維的投影成像不可避免的會丟失一部分信息；另外成像過程中的光照和噪聲也是不可避免的重要因素。本課題采用LOG算子，其中LOG邊緣檢測器的基本特征是（1） 平滑濾波器是高斯濾波器；（2） 增強步驟采用二階導數(shù)（二維拉普斯函數(shù)）；（3） 邊緣檢測判據(jù)是二階導數(shù)零交叉點并對應一階導數(shù)的較大峰值。使用線性內插方法：這種方法的特點是圖像首先與高斯濾波器進行卷積，這一步即平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結構組織將被濾除。由于平滑會導致邊緣的延展，因此邊緣檢測器只考慮那些具有局部梯度最大值的邊緣點。這一點可以用二階導數(shù)的零交叉點來實現(xiàn)。拉普斯函數(shù)用作二維二階導數(shù)的近似，是因為它是一種無方向算子。為了避免檢測出非顯著邊緣，應選擇一階導數(shù)大于某一閥值的零交點作為邊緣。LOG算子對圖像f（x，y）進行邊緣檢測，輸出h（x，y）是通過卷積運算得到的，即：...............................（）由于圖像平滑會引起邊緣的模糊。高斯平滑運算導致圖像中邊緣和其他尖銳不連續(xù)部分的模糊，其中模糊量取決于δ值。δ值越大，噪聲濾波效果越好，但同時也丟失了重要的邊緣信息，影響了邊緣檢測器的性能。如果取小δ值，又有可能平滑不完全而留有太多的噪聲。大δ值的濾波器在平滑相互鄰近的兩個邊緣時，可能會將它們連在一起，這樣只能檢測出一個邊緣。因此，在不知道物體尺寸和位置的時候，很難準確確定濾波器的δ值。一般來說，使用大δ值的濾波器產生魯棒邊緣，小δ值的濾波器產生精確定位的邊緣，兩者結合，能夠檢測出圖像的最佳邊緣。本課題的δ的取值為2。LOG算子具有計算速度快的特點，經(jīng)運算后邊緣圖像輪廓清晰，尤其適用于具有比較密集筆畫的間距小的圖像邊緣。在車牌識別系統(tǒng)中車牌的定位固然成為關鍵步驟之一，由于不同的車輛車型其懸掛的位置不一，其車牌的模糊度不一等情況使得車牌區(qū)域定位技術難度大大提升，所以區(qū)域定位已然成為設計研究的重點突破技術。區(qū)域定位算法的闡述本文的定位方法是在一定條件下的目標搜索。因而要考慮己經(jīng)具備的一些條件和參數(shù)以簡化方法的復雜度。確定性條件就是目前已經(jīng)具備的硬件技術(如高級攝相機、高性能的處理器、性能優(yōu)良的傳感系統(tǒng)等):可提供的參數(shù)就是取像設備與車輛之間的距離以及車輛圖像的先驗知識等。根據(jù)這些條件和參數(shù)可以獲得有利于定位方法實現(xiàn)的信息:（1） 拍照使用國內統(tǒng)一標準的牌照，因而具有統(tǒng)一規(guī)格的尺寸。（2） 在拍攝時，CCD攝像頭與汽車的距離是固定的，因而攝入的圖像具有固定比例的大小，并消除了因拍攝時的抖動而出現(xiàn)的低劣圖像。（3） 汽車牌照內部有接近水平的一排字，而且字跡要相對清晰。有了上述條件，就可以有針對地采用相應的方法進行車牌目標的搜索。本文采用了窗口搜索的方法尋找車牌潤標。由于車牌目標區(qū)的紋理密集，像素值總和遠大于具有同一窗口尺寸的其它區(qū)域，因而我們可以通過計算所到之處的窗口內部像素值總和，比較總和的大小來判斷車牌目標區(qū)。搜索步長為2個像素，由左向右，由上向下進行。算法如下式：................................（） ..............................................（）式中，S為窗口2frameL2frameW中所有白像素數(shù)碼之和，j和i分別為窗口中的橫縱坐標，（k1，k2）為窗口像素的位置，（x0，y0）是S取最大值時的窗口中點，我們稱之為探點。窗口搜索的結果會使探點位于車牌區(qū)域中。當探點位子車牌區(qū)域中時，只表明找到了車牌區(qū)內的某點，但探點相對于車牌區(qū)位置卻是模糊的，因而不能準確定位車牌，必須進一步確定車牌的邊界，才能獲得車牌區(qū)在汽車圖像中的位置。邊界確定采用投影直方圖方法，圖像的預處理已經(jīng)很好地將車牌區(qū)域劃分出來，車牌區(qū)的邊緣較周圍的其它區(qū)域有很好的灰度跳變。因而采用投影直方圖的方法，以適當?shù)拈}值對邊緣加以約束就可以很好地定出車牌區(qū)的邊界。投影直方圖方法是將處理后的圖像灰度值先向水平方向投影，使圖像的二維函數(shù)f（x1，x2）轉變?yōu)橐痪S函數(shù)f（y1），如下式：.............................................（）圖像處理后的車牌區(qū)域更加明顯，且易與其他部位分離。去閥值m為：.................................................（）其中δ為調整系數(shù)搜索邊界是從車牌區(qū)域的探點同時向上和向下進行的，搜索范圍為2frameW。這樣在縮小搜索區(qū)的同時可以準確地定出車牌上下邊界y1，y2。一旦確定了車牌區(qū)域上下邊界y1，y2之后，就可以將牌照區(qū)域灰度值向垂直方向投影，方向公式如下：......................................................（）現(xiàn)實情況下，大多數(shù)的車牌存在這車牌懸掛傾斜，損壞等現(xiàn)象，在只能識別系統(tǒng)中要識別有這些現(xiàn)象的車輛車牌，必須經(jīng)過圖像傾斜糾正這一步驟，才能正確識別車牌信息。車牌圖像的傾斜主要有水平傾斜和豎直傾斜兩種類型：（1） 水平傾斜，指車牌圖像和水平方向成一個傾斜角度。它主要是因為拍攝的時候攝像頭沒有架設好，而與水平方向有一個角度。或者是車牌本身安裝的原因，定位螺栓不在同一水平面上所引起的。最終就造成拍攝出來的圖像中的車輛在水平方向發(fā)生整體傾斜。（2） 豎直傾斜，是指車牌字符與豎直方向有一個傾斜的角度。它形成的原因主要是在拍攝車牌圖像時，由于攝像頭的光軸直線(即攝像頭的法向量)與車牌所在的平面不垂直，而是存在一定的夾角。也就是攝像頭的光軸直線與車體前進方不平行，造成攝入汽車圖像中的車牌圖像在豎直方向上會產生畸變，這種畸變使得車牌的邊緣基本是水平的，但卻使牌照中的每個字符都有向左或向右的扭曲。如果車牌本身安裝出現(xiàn)問題，即車牌所在平面與水平地面并非垂直，出現(xiàn)一個角度，這種傾斜將更為加劇。另外，根據(jù)攝像頭安裝位置的不同，拍攝角度過大時，還可能出現(xiàn)其它形狀的車牌變形，如梯形、平行四邊形，甚至是任意四邊形。對于這些情況，有文獻提出使用Hough變換，求取車牌4個頂點坐標，根據(jù)畸變車牌四邊形的4個頂點和歸一化車牌的4個頂點之間的一一對應關系，求解雙線性空間變換方程，對畸變圖像進行校正。本文以下主要考慮車牌圖像拍攝角度不大時的水平傾斜校正和豎直傾斜校正，對于產生其它形狀的變形暫時沒有考慮。（1） 通常車牌區(qū)域的上下邊緣是兩條明顯的平行直線。，一般都采用，Hough變換，檢測出這兩條直線的傾斜角度，然后對牌照進行水平傾斜糾正。（2） Hough變換是一種能夠在線條圖中檢測出己知形狀曲線的技術，它對局部的曲線斷裂和噪聲干擾不敏感，廣泛應用于目標檢測鄰域。豎直傾斜校正的方法與水平傾斜校正的方法相同，不同的是，它檢測車牌