【文章內(nèi)容簡介】 時，同樣的進行牌照識別，將其與前面輸入的牌照信息進行對比，計算出停車時間，然后計費。本課題主要側(cè)重算法的研究，主要工作是設(shè)計軟件，對已攝取到的卡口車輛照片實現(xiàn)車牌識別。 系統(tǒng)軟件設(shè)計硬件設(shè)備采集到圖片后首先要考慮圖像的存儲格式。目前比較常用的圖像格式有*.BMP、*.JPG、*.GIF、*.PCX 等，本課題采集到的圖片是*.JPG 的格式。軟件系統(tǒng)的編寫大多采用 VC 或者 MATLAB 語言，本課題選用了 MATLAB 語言。MATLAB 具有以下優(yōu)點：1）MATLAB 編程效率高，使用方便。MATLAB 以矩陣作為基本語言要素大大提高了數(shù)值計算的編程效率。MATLAB 本身擁有豐富的函數(shù)庫，并具有結(jié)構(gòu)化的流程控制語句和運算符，用戶在使用過程中能夠方便自如地應(yīng)用。其圖像處理工具箱更是大大擴展了 MATLAB 解決圖像處理問題的能力，其他還有諸如用于神經(jīng)網(wǎng)絡(luò)和小波的工具箱等，對于算法的分析都有著很大的幫助。2）MATLAB 擴充能力強，交互性好，移植性和開放性較好。MATLAB 的庫函數(shù)同用戶文件在形式上是一樣的，用戶可以根據(jù)自己的需求方便地建立與擴充新的庫函數(shù)，擴充其功能。MATLAB 可在 Windows 系列、UNIX、Linux、VMS 、PowerMac 平臺上使用，且所有的核心文件和工具箱文件都是公開的，用戶可以修改源文件構(gòu)成新的工具箱，從而可以擴充很多新的功能，利于算法的研究和改進。 3） 較強的圖形控制和處理功能，自帶的 API 使得用戶可以方便地在 MATLAB與 C、C++等其他程序設(shè)計語言之間建立數(shù)據(jù)通信。 本文設(shè)計的系統(tǒng)采用 MATLAB 搭建車輛牌照識別系統(tǒng)，具有非常明顯的優(yōu)勢：1）可以直接使用 MATLAB 的 Image Acquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 作為骨架來搭建整個系統(tǒng)。2）使用 MATLAB 的圖形用戶界面技術(shù)（GUI）編寫牌照識別系統(tǒng)面板，可以達到與牌照定位切分程序及字符識別程序的無縫連接。3）使用專業(yè)工具箱，使得研究人員不必過于關(guān)心程序的細節(jié)問題，可以將主要的精力放在算法的研究、設(shè)計方面，極大地減少了工作量，為算法的研究改進提供了先決條件。 整個軟件系統(tǒng)是一個具有車牌識別功能的圖像分析和處理軟件。首先將采集到的汽車圖像進行灰度化、灰度拉伸和濾波處理，以降低噪點、增加車牌部分的對比度。然后，通過對預(yù)處理后的圖像進行小波變換分解提取圖像邊緣，并進行形態(tài)學(xué)處理，這時，車牌的輪廓已經(jīng)非常清晰，并且可以和非車牌區(qū)域明顯區(qū)分開來了，接著，根據(jù)車牌的特點進行車牌初步定位，對車牌區(qū)域和偽車牌區(qū)域進行篩選后，采用投影法進行車牌二次定位，提取出車牌圖像。將提取出的車牌圖像進行二值化處理，根據(jù)投影圖的特點查找傾斜的角度，采用坐標(biāo)變換的方法進行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點進行字符切分。最后利用改進的BP 網(wǎng)絡(luò)完成了整個車牌字符的識別。整個系統(tǒng)的設(shè)計主要采用了 M 語言，部分采用了 C 語言開發(fā)。最后搭建了一個測試平臺，將上述三個部分進行了系統(tǒng)化，對系統(tǒng)的性能進行了測試和分析。 本章小結(jié)本章主要介紹了車牌識別系統(tǒng)的總體設(shè)計方案。首先，簡單介紹了車牌識別系統(tǒng)的組成部分，包括硬件部分和軟件部分。硬件部分主要完成車輛圖像的攝取，獲取高質(zhì)量的含有牌照的圖像，受條件限制，關(guān)于硬件的研究本文未展開具體工作。軟件部分在整個系統(tǒng)中占有很重要的地位，而且軟件的優(yōu)化和升級能在很大程度上彌補硬件的不足，因此是本文研究的重點，軟件研究主要是設(shè)計車牌識別系統(tǒng)的主體，包括基于小波變換的車牌定位模塊、基于 Otsu 算法的車牌字符切分模塊的車牌字符識別模塊。在確定總體設(shè)計方案后，后面將對每一模塊依次進行介紹。 整個軟件系統(tǒng)的設(shè)計流程圖如圖所示：第三章 車牌圖像預(yù)處理 為了便于車牌的分割識別，攝像機攝下的原始圖像應(yīng)具有適當(dāng)?shù)牧炼群蛯Ρ榷?。但通常?jīng)輸入系統(tǒng)獲取的車牌圖像信息由于光照條件、牌照的整潔度、攝像機的狀態(tài)(焦距、角度和鏡頭的光學(xué)畸變)以及車速的不穩(wěn)定等因素都會使圖像含有各種各樣的噪聲與畸變。例如由于光照度不均勻造成圖像灰度過于集中。由攝像頭獲得的圖像經(jīng)過AD轉(zhuǎn)換、線路傳送都會產(chǎn)生噪聲污染。車牌的字符部分受到磨損或是被污跡覆蓋等等。這些主客觀因素不可避免地影響車牌圖像的清晰程度，降低圖像質(zhì)量，輕者表現(xiàn)為圖像不干凈，難以看清細節(jié)，重者表現(xiàn)為圖像模糊不清、歪斜或缺損，車牌字符邊界模糊、細節(jié)不清、比劃斷開、粗細不均等現(xiàn)象。這勢必會影響車牌區(qū)域分割，降低車牌字符識別的準確度。因此，在對車牌圖像進行分析之前，必須要對車牌圖像進行預(yù)處理。對車牌圖像的預(yù)處理主要包括以下三個方面:(l)圖像對比度增強。由于車牌識別系統(tǒng)需要全天候工作，自然光照度的晝夜變化會引起車輛圖像對比度的嚴重不足，所以增強圖像是很有必要的。(2)圖像去噪。通常得到的汽車圖像會有一些污點，為了保證識別的效果，需要對圖像進行去噪處理。(3)傾斜矯正。攝像機的位置、車輛的運動等因素經(jīng)常使拍攝出來的汽車圖像有一定的傾斜，這就需要對圖像進行傾斜矯正，或在分割出車牌區(qū)域之后對字符傾斜矯正 通常情況下，實際的車牌識別系統(tǒng)中由攝像機采集到的原始圖像是彩色圖像，所有的彩色圖像都是由紅(R)、綠(G)、藍(B)三基色組合而成，在數(shù)字圖像中每一個基色都被分為256個等級，即0~255。由R、G、B三基色不同級別的組合方式，可以計算出一幅彩色數(shù)字圖像最多可包含167772種顏色。在灰度圖像中R=G=B，因此灰度圖像中只有一種灰度顏色，同彩色圖像中的三基色一樣，灰度色也被分成0255，共256個等級，同理可以計算出一幅灰度圖像最多只包含256種顏色。由此可見，一幅彩色圖像所包含的信息量遠遠大于一幅灰度圖像，它不僅需要大量的存儲空間還需要復(fù)雜的圖像處理算法，這使得整個車牌識別系統(tǒng)操作時間過長，無法達到其實時性的要求。所以，首先應(yīng)將采集到的彩色圖像轉(zhuǎn)換成一幅灰度圖像，這個過程便是圖像的灰度化。令g為轉(zhuǎn)換后灰度圖像在某一點的灰度值，R、G、B分別為轉(zhuǎn)換前該點的R、G、B分量。 圖1彩色原圖使用matlab自帶的灰度變換函數(shù) rgb2gray(),對彩色圖片進行灰度化處理，結(jié)果如下圖。圖2灰度圖像對車輛圖像進行灰度化處理之后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因而難以準確定位車牌。為了增強牌照部位圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行灰度拉伸。使用matlab自帶的灰度調(diào)整函數(shù)imadjust().對灰度圖像進行灰度拉伸，結(jié)果如下：圖3 灰度拉伸后的圖像從兩圖的對比中我們可以看到灰度拉伸后對比度明顯增強，車牌區(qū)域更加明顯。車牌圖像中的邊緣、細節(jié)、跳躍部分以及噪聲都代表圖像的高頻分量，而大面積的背景區(qū)和緩慢變化部分則代表圖像的低頻分量。由此可見，若采用低通濾波法去除車牌圖像中的噪聲，在除去噪聲的同時也會使車牌及字符的邊緣變得模糊，這對后續(xù)的車牌定位以及字符識別非常不利。反之，若采用高通濾波法則在增強邊緣信息的同時也增了噪聲。因此，為了在保證在車牌圖像邊緣信息不被弱化的情況下除去噪聲，采用中值濾波法來去除圖像噪聲。中值濾波是一種非線性濾波，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。中值濾波首先是被應(yīng)用在一維信號處理技術(shù)中，后來被二維圖像信號處理技術(shù)所引用。在一定的條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾及顆粒噪聲最為有效。中值濾波它是一種鄰域運算，類似于卷積，首先把鄰域中的像素按灰度等級進行排序，然后選擇該組的中間值作為輸出像素值。它能減弱或消除傅里葉空間的高頻分量，因為高頻分量對應(yīng)圖像中的邊緣區(qū)域，且其灰度值具有較大較快的變化，該濾波可將這些分量濾除，使圖像平滑。其主要原理是:首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域。然后將鄰域中的各個像素的灰度值進行排序，取其中間值作為中心點像素灰度的新值，這里的鄰域通常被稱為窗口。當(dāng)窗口在圖像中上下左右進行移動后，利用中值濾波算法可以很好地對圖像進行平滑處理。具體步驟如下:①將模板在圖像中漫游，并將模板中心與圖像中某個像素的位置重合。②讀取模板下各對應(yīng)像素的灰度值。③將這些灰度值從小到大排列成一列。④找出排在中間的一個值。⑤將這個中間值賦給對應(yīng)模板中心位置的像素。本次作業(yè)采用matlab自帶的中值濾波器函數(shù)medfilt2()，對灰度圖像進行去噪處理。第四章 車牌定位牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割。 牌照定位于分割流程圖牌照圖象經(jīng)過了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強。此時可進一步確定牌照在整幅圖象中的準確位置。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的機構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達到對圖像分析和識別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個基本運算，最后還用了bwareaopen來去除對象中不相干的小對象。采用matlab自帶的edge()函數(shù)對圖像進行邊緣的提取。edge()格式：[g,t]=edge(f,’method’,parameters)本次作業(yè)采用canny邊緣檢測器。進行邊緣檢測，檢測后的結(jié)果如圖提取候選區(qū)域的步驟是：首先對經(jīng)過開閉運算處理的圖像進行區(qū)域提取，并計算區(qū)域特征參數(shù)，然后根據(jù)車牌的先驗知識對區(qū)域特征參數(shù)進行比較，提取車牌區(qū)域。本課題選擇使用車牌的寬高范圍和比例關(guān)系對車牌進行初步定位。對車牌的區(qū)域提取可以利用regionprops 函數(shù)，對圖像每個區(qū)域進行標(biāo)記，然后計算每個區(qū)域圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形，面積。最后計算出包含所標(biāo)記區(qū)域的最小矩形的寬和高。對車牌的分割可以2007 年實施的車牌標(biāo)準規(guī)定，車前車牌長 440mm，寬 140mm。其比例為440 /140 ≈ 。根據(jù)圖像像素的大小，這里選取篩選條件為寬在50到150之間，高在20到50之間，就可以比較準確的得到車牌的大致位置。 初步提取的車牌經(jīng)過上述方法分割出來的車牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。圖像的二值化處理就是將圖像上的點的灰度值置為 0 或 255，這樣處理后整個圖像呈現(xiàn)明顯的黑白效果，即將256個亮度等級的灰度圖經(jīng)過合適的閾值選取，而獲得的二值化圖像仍然可以反映圖像整體和局部特征。 二值化處理后的圖像，其集合性質(zhì)只與像素值為0或255的點的位置有關(guān)，不再涉及像素的其他級值，處理過程簡單，且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255，否則，灰度值為 0，表示背景或者其他的物體區(qū)域。如果某圖像在內(nèi)部有均勻一致的灰度值，并且處在一個具有其他等級灰度值的均勻背景下，利用閥值法就能得到較好的切分效果。如果物體同背景的差別難以用不同的灰度值表現(xiàn)（比如紋理不同） ，可以把這些差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值法來切分該圖像。動態(tài)調(diào)節(jié)閥值來實現(xiàn)圖像的二值化可動態(tài)地觀察其切分圖像的具體結(jié)果。本次作業(yè)采用matlab中的im2bw函數(shù)對定位后的車牌進行二值化處理。裁剪出來的車牌的進一步處理過程圖 傾斜校正 雖然標(biāo)準的車牌字符應(yīng)為水平依次排列，但是由于放置不當(dāng)或車身前進方向與圖像采集設(shè)備不在同一條直線上等原因，會造成圖像中的車牌傾斜、扭曲。因為一個傾斜的數(shù)字或字母的識別和一個很正的數(shù)字或字母的識別是有很大差別的，所以車牌定位之后要進行傾斜校正。一般情況下，傾斜校正有兩步，第一步是找出傾斜的角度；第二部是進行坐標(biāo)變換，得到校正后的圖像。目前常用的計算傾斜角度的方法有兩種，一種是 Hough 變換來找出傾斜的角度，一種是利用投影的方法來找出傾斜的角度。另外還有Radon變換方法等，這里主要介紹前面兩種方法。本次作業(yè)采用hough算法對圖形進行傾斜校正。圖9旋轉(zhuǎn)前的圖像圖10 hough變換后的車牌二值圖像經(jīng)過車牌字符圖像的二值化和傾斜校正，得到的是一個只包含牌照字符的水平條形區(qū)域，為了進行字符識別，需要將牌照字符從圖像中分割出來。這里常用投影法，既簡單又快捷。投影法切分車牌字符的思想是根據(jù)車牌字符的特點，將車牌圖像進行垂直方向的投影，因為字符區(qū)域的黑色像素點比較多，比較集中，同時每個車牌字符之間有一定的空隙間隔隔開。這樣投影下來得到的投影圖應(yīng)該有多個相對集中的投影峰值群，只要根據(jù)峰值群的特點進行分割，就可以得到車牌的字符。 對圖像的垂直方向進行投影，得到的投影圖如圖11所示。圖 11 字符投影圖圖中有七個比較集中的投影峰值群，且每個峰值之間都有一定的間隔。根據(jù)這一特點，從左往右依次定位出每個字符的起始和結(jié)束位置，并且進行切割。然后對切割出來的每個