【文章內容簡介】 過程 。 開發(fā)環(huán)境 :Microsoft Windows Vista 。 通信與電子工程學院 通信工程 07級 EDA設計 3 開發(fā)工具 : 。 采集設備 :卡西歐 700 萬像素數碼相機。 課題的理論意義及應用價值 從 20 世紀 90 年代初 (1988 年 )，國外的研究人員就已經開始了對（車牌識別系統）LPR 系統的研究，其主要途徑就是對車牌的圖像進行分析，自動提取車牌信息，確定汽車牌號。在車牌識別過程中，雖然運用了很多的技術方法，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化及車牌本身比較模糊等條件的影響，使得 LPR 系統一直得不到很好的應用，而且很多的方法都需要大量的數值計算，沒有考慮到實時處理的要求。為了解決圖像惡化的問題，目前國內外的研究機構或公司企業(yè)采取的辦法 是采用主動紅外照明攝像或使用特殊的傳感器來提高圖像的質量，繼而提高識別率，這樣做的同時也造成了系統的投資成本過大，應用領域變小，不適合普通的推廣。從 20 世紀 90年代初，國外的研究人員就已經開始了對汽車牌照識別的研究。以色列 HiTech 公司的See/Car System系列，香港 Asia VisionTechnology 公司的 VECON 產品，新加坡 Optasia公司的 VLPRS 系列都是比較成熟的產品。其中 VECON 和 VLPRS 產品主要適合于香港和新加坡的車牌， HiTech 公司的 See/CarSystem 有 多種變形的產品來分別適應某一個國家的車牌。 See/Car Chinese 系統可以對中國大陸的車牌進行識別，但都存在很大的缺陷，而且不能識別車牌中的漢字，另外日本、加拿大、德國、意大利、英國等各個西方發(fā)達國家都有適合本國車牌的識別系統。各個國家的產品雖然不同，但基本上都是基于車輛探測器的系統，設備投資巨大。國內在 90 年代也開始了車牌識別的研究。目前比較成熟的產品有中科院自動化研究所漢王公司的 “漢王眼 ”，亞洲視覺科技有限公司、深圳吉通電子有限公司、中國信息產業(yè)部下屬的中智交通電子有限公司等也有自己的產品，另外西 安交通大學的圖像處理和識別研究室、上海交通大學的計算機科學和工程系、清華大學人工智能國家重點實驗室、浙江大學的自動化系等也做過類似的研究。通常處理時為了提高系統的識別率，都采用了一些硬件的探測器和其他的輔助設備 [1]。 從 LPR 系統的主要關鍵技術 (車牌定位、車牌字符分割、車牌字符識別 )而言，關于車牌定位的研究，國外起步比較早，現有比較好的牌照定位方法主要有 等提出的基于水平搜尋的定位方法 等提出的基于 DFT 變換的頻域分析方法； 等人提出的基于掃描行的車牌 提取方法。上述方法，盡管在一定的條件下能夠分割出車牌，但車牌識別系統大多是利用攝像機室外拍攝汽車圖像，存在許多客觀的干擾，如天氣、背景、車牌磨損、圖像傾斜等因素，因此定位并不十分理想。 90 年代以來，由于交通現代化發(fā)展的需要，我國也開始對車牌定位進行了深入研究，并取得了一定的成就 [18]。 國內在 20 世紀 90 年代開始對車輛牌照識別系統進行了相關的研究，上海交通大學戚飛虎提出了基于彩色分割的牌照識別方法 [5]；華中科技大學黃心汗提出了基于模板匹配和神經網絡的牌照識別方法 [8]；西安交通大學的鄭南寧等人提出了多層 次紋理分析的牌照識別方法 [1]。另外，清華大學的研究所也對車輛牌照識別系統進行了非常有價值的研究。牌照識別技術的研究促進了適合我國車輛牌照產品的問世，國內的牌照識別產品相繼問世并且投入了使用。其中亞洲視覺生產的 VECONVIS 車輛牌照識別系統 、 成都西圖科技有限公司生產的 CIAST2020 車牌識別稽查系統 、 上海高德威公司的汽車牌照識別系統以及北京漢王公司的嵌入式一體化車牌辨識儀等產品牌照識別率都達到了95%以上。但是，由于車輛牌照識別受環(huán)境光線的影響比較大，識別的效果在不同的光照背景下面識別率會有所不同， 因此在車輛牌照定位和識別的算法優(yōu)化方面還有大量的 通信與電子工程學院 通信工程 07級 EDA設計 4 工作要做 [1]。 系統硬件分析 一個車牌識別系統的基本硬件配置是由攝像機、主控機、采集卡、照明裝置組成。在收費站系統中， 系統拓撲結構為星型網絡 ,主節(jié)點為控制中心站 ,提供相關車輛數據查詢服務 ,并且可以監(jiān)控下屬各個相關站點的運行情況 ,中心站和其下屬的站點可以通過網絡信道組成一個通信網絡 ,實現牌照信息的實時查詢 [1]。 具體的收費站系統硬件主要包括了衛(wèi)星設備 、 高性能工控計算機 、 高分辨率 CCD攝像機 、 高放大倍數鏡頭 、 地感線圈 、 CCD 自動亮度控制器和視 頻采集卡等等。在收費站端，前端工控機利用車輛經過時地感線圈觸發(fā)的信號，控制圖像采 集卡抓拍圖像，并對抓拍的汽車圖像進行牌照識別，同時控制攝像機光圈的大小，以適應外界環(huán)境不同的光照條件。然后將需要發(fā)送的車輛數據傳送到站點服務器，由站點服務器將數據通過衛(wèi)星送到中心站，再由中心站通過衛(wèi)星將需要更新的數據下發(fā)到其它小站。 以上只是舉一個收費站的例子，在其他的關于本系統的運用中，可以通過普通攝像頭，計算機以及以太網來實現，無須太復雜的技術。 本文由于條件有限，只能通過普通數碼照像機和個人電腦實現車牌識別系統。 系統軟件分析 整個軟件系統 由一個具有車牌識別功能的圖像分析和處理軟件，以及一個滿足具體應用需求的后臺管理軟件組成。 一個完整的車輛牌照識別系統是一個復雜的系統 ,包括圖像采集 、 數據傳輸與更新等步驟 ,其中的圖像牌照處理中的每一個步驟都是比較復雜的 ,尤其是牌照定位與分割 、 字符切分與識別的復雜性更大 。 因為采集到的圖像受到環(huán)境、燈光以及牌照本身污損等情況的影響 ,造成采集到的圖像質量各不相同 ,有些圖像質量很差 ,給圖像處理造成一定的困難 。 因此對于牌照處理階段的各個步驟 ,很多人都進行了相關的研究 ,提出了許多比較好的算法 ,但是 很多算法對于某一類圖像質量的照片可能研究效果比較好 ,但是對于其它的車牌圖像處理效果不見得就好 。 牌照識別單元是 車輛牌證識別 系統中最重要的一部分，也是技術含量最高的一部分，它包括以下 4 個模塊[2]。如圖 1— 1 所示。 汽車圖像采集 照片區(qū)域提取 牌照字符切分 牌照字符識別 圖 1— 1 牌照識別流程 由于條件和時間的有限 ,本論文只能對牌照識別系統中數字識別的軟件部分進行一定的研究 ,即車輛牌證圖像處理的數字處理軟件部分 。 更具體的牌證識別過程如下圖 1— 2 所示 : 通信與電子工程學院 通信工程 07級 EDA設計 5 車輛圖像歸一化圖像預處理車牌定位車牌分割牌照區(qū)域二值化字符分割字符識別 圖 1— 2 具體車輛牌照識別流程 [5] 系統軟件分析 一個 完整的車輛牌照識別系統是一個復雜的系統 ,包括圖像采集 、 圖像預處理 、 車牌定位與分割 、 字符切分 、 字符識別以及圖像編碼 、 數碼傳輸與更新等步驟 ,其中的圖像牌照處理中的每一個步驟都是比較復雜的 ,尤其是牌照定位與分割 、 字符切分與識別的復雜性更大 。 因為采集到的圖像受到環(huán)境、燈光以及牌照本身污損等情況的影響 ,造成采集的圖像質量各不相同 ,有些圖像質量很差 ,給圖像處理造成了一定的困難 。 因此對于牌照處理階段的各個步驟很多人都進行了相關的研究 ,提 出了許多比較好的算法 ,但是很多算法對于某一類圖像質量的照片可能效果比較好 ,但是對于其它的車牌圖像處理效果不見得就好 。 一個牌照識別系統的基本機構如下圖 1— 3所示 : 車輛攝像頭視頻圖像采集卡圖像 軟件識別核心結果 管理計算機管理軟件 圖 1— 3 車牌識別系統結構圖 [1] 用計算機處理數字圖像 ,必然要首先考慮圖像的存儲格式 。 目前比較常用的圖像格式由 *.BMP、 *.JPG、 *.GIF、 *.PCX 等 ,其中比較常用的為 *.BMP 和 *.JPG。 本文采用的是 *.JPG 格式 。 實際的輸入圖像的大小不同 ,理論上對 于牌照的大小以及顏色都沒有什么嚴格的要求 ,但是圖像太小的話 ,影響圖像的識別效果 ,圖像太大的話 ,導致圖像處理運算時間加長 ,影響圖像的處理時間 。 因此 ,為了適應不同大小的圖像 ,需要對輸入的圖像進行大小歸一化 。 用攝像機或者數碼相機采集到的車輛圖像都是 24位真彩色圖像 ,真彩色圖像比較接近現實生活中的人眼觀察的真實顏色 。 對于真彩色圖想 ,圖像數據包括實際的 R、 G、 B值 ,其中每個 R、 G、 B在實際的處理中占有一個字節(jié) ,這樣一個真彩色圖想的一個像素將占有 3個字節(jié) ,而對于 256灰度位圖 ,所有的圖像的軟件部分將采用 256灰度位圖 圖像進行處理 [6]。 通信與電子工程學院 通信工程 07級 EDA設計 6 第 2 章 牌照提取技術 牌照區(qū)域提取 要正確識別車牌上的數字 ， 首先取決于車輛牌照能否正確從車輛圖像中提取 ， 而車輛牌照能否正確從車輛圖像中提取則是自動識別的前提 ， 所以圖像提取需要極高的正確性 。 這里從汽車圖像中提取牌照區(qū)域 — 牌照坐標 ， 以供下一步識別牌照數字字符用 。 如圖 2— 1 所示 (附表一 )顯示了具體一輛車輛圖片的牌照提取過程 。 其中用到了大量的數字圖像處理算法 ,包括圖像的彩色圖到灰度圖的變換 ,灰度拉伸 ， 均衡 ， 邊緣卷積算子 ，紋理特征提取 ， 去噪 ， 濾波等等 [1]。 牌 照定位預處理 牌照定位的預處理只要是對采集的車輛圖像進行灰度化和去除噪聲的處理，以使車輛圖像尤其是牌照區(qū)域質量改善，同時保留和增強原有車牌中紋理和顏色信息，去除可能影響牌照區(qū)域紋理和顏色信息的噪聲，為牌照定位提供方便 。 牌照定位預處理 牌照定位的預處理只要是對采集的車輛圖像進行灰度化和去除噪聲的處理，以使車輛圖像尤其是牌照 灰度圖 (GrayScale)是指只包含亮度信息，不包含色彩信息的圖像，例如平時看到的亮度由暗到明連續(xù)變化的黑白照片。要表示灰度圖，就需要把亮度值量化，通常分成 0~255共 256 個級別， 0 表示最暗（全黑）， 255 表示最亮（全白）。由于 256 級灰度比較簡單，若是彩色圖像，其顏色種類較多，不利于圖像處理，因此一般都是將彩色圖像轉換為灰度圖進行處理。通常在收費站中抓拍到的車輛圖像均為 24 位真彩色圖像，可以根據下述灰度值和 RGB 顏色對應關系轉換成灰度圖 [1]: 灰度值 ==++ 下面一段 代碼實現了真彩色圖像到灰度圖的轉換： I= imread(??)。 I2=rgb2gray(I)。 Imshow(I)。 Figure,imshow(I2)。 如圖 2— 2所示為 24 位真彩色車輛圖像以及它的灰度圖 通信與電子工程學院 通信工程 07級 EDA設計 7 (原圖 ) (灰度圖 ) 圖 2— 2 車輛圖像及其灰度圖 灰度拉伸 為了增強車輛圖像和牌照圖像 (提取自車輛圖像 )的對比度，使其明暗鮮明，有利于牌照識別，需要對它們進行灰度拉伸。 灰度拉伸是將灰度分段線形拉伸，它將輸入圖像中某點 (, )xy 的灰度 ( , )f xy ， 通過映射函數 T ， 映射成輸出圖像中的灰度 ( , )gxy ， 即 ( , ) [ ( , )]g x y T f x y? (2— 1) 假定原圖像 ( , )f xy 的灰度范圍為 [, ]ab ，希望變換后圖像 ( , )f xy 的灰度范圍擴展至 通信與電子工程學院 通信工程 07級 EDA設計 8 [, ]cd 可采用下述線形變換來實現。 ( , ) [ ( ) / ( ) ] ( , )g x y d c b a f x y c? ? ? ? (2— 2) 圖 2— 3 灰度變換原理圖 [1] 圖像中大部分像素的灰度分布在區(qū)間 [, ]ab 間，小部分像素的灰度級強度超出此區(qū)間。為改善增強效果，可令 ? ?? ?0 ( , )( / ) ( , )( , ) ( , ) ( , )( , ) ( , )gfff x y ac a f x ydcg x y f x y a c a f x y bbaMdf x y b d b f x y MMb?????? ?? ? ? ????????? ????? (2— 3) 車輛圖像進行灰度拉伸前后，牌照區(qū)域的效果對比如圖 2— 4 所示，可以看出，拉伸后，對比度明顯增強。 通信與電子工程學院 通信工程 07級 EDA設計 9 (拉伸前 ) (拉伸后 ) 圖 2— 4 灰度拉伸前后牌照圖案 直方圖均衡化 直方圖表示數字圖像中每一個灰度與其出現頻度間的統計關系 ,直方圖能夠給出該幅圖像的概貌性特征描述 ,例如圖像的灰度范圍、每個灰度級的頻度和灰度的分布、整幅圖像的平均 明暗和對比度等 。 采用直方圖均衡化可以使圖像的灰度間距拉開或者使灰度分布均勻 ,從而增大了反差 ,在車輛圖像中可以使車牌區(qū)域細節(jié)清晰 ,達到圖像增強的目的 [10]。 設 ( , )f xy 的灰度范圍為 minf 和 maxf ,將直方圖正規(guī)化為 [0,1]r? ,即 m inm a x m inff frf f L???? (2— 4) 其中 L表示為圖像灰度的范圍。則灰度直方圖表示為 : () krknPr n? (2— 5) 其中 n 為一幅圖像總像素數目， kn 表示灰度為 kr 的像素數目?；叶扔成浜瘮禐?通信與電子工程學院 通信工程 07級 EDA設計 10 []s Tr? ，直方圖均衡化時 ( ) 1sPs? 。 而由概率論的知識可得：( ) ( ) ()( ) 1rr rsP r d r P r d rd s P r d rPs??? (2— 6) 從而 0( ) ( )r rs T r P w d w?? ? (2— 7) 在數字圖像處理中，直方圖均衡化的離散公式為： 00( ) ( )kk jk k r jjjns T r P rn??? ? ??? (2— 8) (原圖 ) (均衡化后 ) 圖 2— 5 直方圖均衡效果對比 圖 2— 5 是直方圖均衡化處理前后的效果對比圖，處理前灰度分布比較均勻，反映 通信與電子工程學院 通信工程 07級 EDA設計 11 在圖像上面則是顏色變化平緩，經過直方圖均衡化后圖像對比度增強，可以看到牌照區(qū)域比較清晰，整幅圖像明暗對比增強，視覺效果變好了。 中值濾波 車輛圖像由于噪聲的影響，存在一些孤立點，俗稱椒鹽噪聲，在進行牌照圖像處理中要考 慮抑制或者去除這種椒鹽噪聲。中值濾波是一種非線性濾波技術，由于實際計算過程中并不需要圖像的統計特性，所以比較方便。它是基于圖像的這樣一種特性：噪聲往往以孤立的點的形式出現，這些點對應的像素數很少，而圖像則是由像素數較多 、 面積較大的小塊構成。在一定條件下，可以克服線形濾波器所帶來的圖像細節(jié)模糊，而且對濾波脈沖干擾及圖像的掃描噪聲最為有效。但是對一些細節(jié)多，特別是點 、 線和尖頂多的圖像不宜采用中值濾波的方法 [1]。 中值濾波也是一種局部平滑技術，在抑制隨機噪聲的同時使邊沿減少模糊。中值濾波對于一種滑動窗口 內的諸像素灰度排序，用其中值代替中心像素原來的灰度。假設原圖像的像素如下所示： 則處理過后的圖像的像素變化為：