【導(dǎo)讀】師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加。而使用過的材料。均已在文中作了明確的說明并表示了謝意。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文。不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。全意識(shí)到本聲明的法律后果由本人承擔(dān)。同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學(xué)可以將本學(xué)位。印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。這就需要一個(gè)高效的方法來實(shí)現(xiàn)對汽車的管理。而生，而智能交通系統(tǒng)的關(guān)鍵技術(shù)便是車牌識(shí)別系統(tǒng)。車牌識(shí)別系統(tǒng)能夠廣泛用于高速公路車輛監(jiān)測、十字路口車輛監(jiān)測、小區(qū)車輛管理等?？兀@大大提高了效率，節(jié)省了人力和物力。牌定位、字符分割、字符識(shí)別。在國內(nèi)國外發(fā)展的概況，并且對車牌定位系統(tǒng)的組成進(jìn)行了研究。

　　

【正文】 在相應(yīng)的累加器加 1: countM (p1, k) = countM (p1, k) +1。? 值的變化步長為 度。 (4)找出對應(yīng)圖像平面共線的累加器中的最大值，該最大值對應(yīng)的 ? 為此直線的傾斜角度。在求垂直方向的偏角時(shí)，算法同上。 4． 2 Radon 變換角度檢測原理 Radon 變換的基本思想是點(diǎn)一線的對偶性。圖像變換前在圖像空間，變換后在參數(shù)空間。二維空間 (x， y)平面內(nèi)的一條直線可以表示為 (見圖 41)： cos sinxy? ? ??? （ 41） 圖 41直線的極坐標(biāo)表示 將其映射成 Radon 空間的一個(gè)點(diǎn) ( , )?? 具體步驟如下： 1．對原圖像進(jìn)行二值化； 2．二值圖像邊緣化后進(jìn)行 Radon 變換； 3．找出 Radon 變換矩陣中的局部極大值 11( , )R?? ， 1? 就是車牌圖像一條邊框的傾斜角度。 Radon 變換后，原圖像中的直線段對應(yīng) Radon 空間中的點(diǎn)，且線段越長，對應(yīng)的點(diǎn)亮度越大。 有時(shí)邊緣檢測之后的圖像中，車牌的邊緣往往還會(huì)有一些干擾的線段，這種情況下如果直接尋找 Radon 空間的 11( , )R?? 的局部極大值可能會(huì)出現(xiàn)誤判，因此需要采取一些措施以防誤判。根據(jù)先驗(yàn)知識(shí)，我們知道拍攝的車牌 圖像中車牌的 2 條豎直邊偏離垂直方向的角度不會(huì)超過某個(gè)角度，如( 25 )??? ；且 2 條水平邊偏離水平方向的角度也不會(huì)超過某個(gè)角度，如( 25 )??? 。此外， Radon 變換總能在 1 0?? 或 1 90?? 附近取得局部極大值，這樣我們就可以設(shè)置一個(gè)閾值來求取 ?? 和 90 ?? 范圍內(nèi)的 Radon變換的局部極大值，所求得的局部極大值就是檢測的車牌水平和垂直邊的傾斜角。 4． 3 基于 Radon 變換的車牌圖像校正 檢測到了車牌的水平邊傾斜角度 ? 和垂直邊的傾斜角度 ? 之后，我們先對車牌圖像進(jìn)行水平校正，水平校正采用對車牌圖像旋轉(zhuǎn) ? 即可實(shí)現(xiàn)。我們設(shè)變換前的坐標(biāo)為 (x， y)，變換后的出標(biāo)為 (x1， y1)旋轉(zhuǎn)變換的公式 (42)如下： 11c o s s ins in c o sx x yy x y?????? ? ? ?? （ 42） 垂直校正采用對圖像按公式（ 43）進(jìn)行坐標(biāo)變換來實(shí)現(xiàn)。 11tanx x yyy ????? ?? （ 43） 實(shí)現(xiàn)代碼如下： figure(8),subplot(2,2,4),imshow(dw),title(39。定位剪切后的彩色車牌圖像 39。) gray=rgb2gray(dw)。 bw=edge(gray,39。canny39。)。 theta=1:180。 [R,xp]=radon(bw,theta)。 [I0,J]=find(R=max(max(R)))。%J 記錄了傾斜角 qingxiejiao=90J dw1=imrotate(dw,qingxiejiao,39。bilinear39。,39。crop39。)。 figure(9),imshow(dw1)。title(39。傾斜校正后的車牌 39。)。 圖 42是對其他一些車牌圖像進(jìn)行傾斜校正 前后的對比 ，從中可以看出，對于不同類型的車牌圖像采用本文方法都可以得到較好的傾斜校正 。 （ a） 車牌 1 傾斜校正 前 的 結(jié)果 （ b）車牌 1 傾斜校正 后 的 結(jié)果 （ c）車牌 2 傾斜校正前 的 結(jié)果 （ d）車牌 2 傾斜校正后 的 結(jié)果 （ e）車牌 3 傾斜校正前 的 結(jié)果 （ f）車牌 3 傾斜校正后 的 結(jié)果 （ g）車牌 4 傾斜校正前 的 結(jié)果 （ h）車牌 4 傾斜校正后 的 結(jié)果 圖 42 多幅 車牌圖像 進(jìn)行傾斜校正前后的對比 車牌 1 和車牌 2 是存在 水平邊傾斜角度 ? ， 從圖 42（ b）和圖 42（ d）中可以看出車牌 1和車牌 2 得到了很好的傾斜校正。 車牌 3和車牌 4不但存在水平邊傾斜角度 ? ，而且存在 垂直邊的傾斜角度 ? ，從圖 42（ f）和圖 42（ h） 中 可以看出車牌 3和車牌 4得到了較好的傾斜校正。車牌僅僅進(jìn)行了水平校正，并沒有進(jìn)行垂直校正，這也是算法的不足之處。 第五章 車牌字符分割 5． 1 車牌區(qū)域的預(yù)處理 經(jīng)過上述方法分割定位出來的車牌 圖像 中存在 目標(biāo)物體、背景還有噪聲，要想從 車牌 圖像中 準(zhǔn)確地分割出車牌字符 ， 還需要對 車牌區(qū)域進(jìn)行 預(yù)處理。 車牌圖像的預(yù)處理過程如下： 第一步，對經(jīng)過傾斜校正后的車牌圖像進(jìn)行灰度化 。 圖 51車牌圖像的灰度化 第二 步， 對灰度圖像進(jìn)行二值化， 減 少背景像素的干擾，增強(qiáng)目標(biāo)區(qū)的色素度。 圖 52車牌圖像二值化 第三 步，對二值化圖像進(jìn)行均值濾波。 通過均值濾波可以消除或減少噪聲，改善圖像的質(zhì)量。 圖 53均值濾波后的車牌圖像 第四 步，對濾波圖像進(jìn)行腐蝕或膨脹。 膨脹是將裂縫橋接起來，腐蝕的一種是消除不相關(guān)的細(xì)節(jié)。 圖 54膨脹或腐蝕后的車牌圖像 圖 55是對其他一些車牌圖像的預(yù)處理結(jié)果，可以看出 車牌圖像經(jīng)過預(yù)處理后，噪聲在不斷減弱 ，為后期字符分割提供基礎(chǔ) 。 (a)車牌 1的預(yù)處理結(jié)果 (b)車牌 2的預(yù)處理結(jié)果 (c)車牌 3的預(yù)處理結(jié)果 圖 55 對分割定位車牌的預(yù)處理結(jié)果 5． 2 字符的分割與歸一化 圖 56 字符分割與歸一化流程圖 字符分割 在汽車牌照自動(dòng)識(shí)別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。字符識(shí)別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會(huì)出現(xiàn)字符粘連情況，所以此處采用的方法為 尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。 圖 57 分割出來的七個(gè)字符圖像 字符歸一化 一般分割出來的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。但是對于車牌的識(shí)別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識(shí)別的目的。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期字符識(shí)別處理。 [m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0，則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 圖 58 歸一化處理后的七個(gè)字符圖像 圖 59是對其他一些車牌圖像的字符分割結(jié)果， 從圖中可以看出能夠較好地實(shí)現(xiàn)車牌字符的分割 。 (a) 分割出來的七個(gè)字符圖像 (b) 分割出來的七個(gè)字符圖像 (c) 分割出來的七個(gè)字符圖像 (d) 分割出來的七個(gè)字符圖像 (e) 分割出來的七個(gè)字符圖像 (f) 分割出來的七個(gè)字符圖像 圖 59 多幅車牌的 字符分割結(jié)果 從上述的字符分割結(jié)果中可以看出，本算法能較好地實(shí)現(xiàn)車牌的字符分割。有些車牌字符分割結(jié)果 存在噪聲等，這是由于某些車牌圖像的直方圖存在多峰情況， 給車牌圖像二值化過程中閾值的選擇帶來一定的影響，從而影響字符的分割。車牌圖像 均值濾波 過程中 模板大小的選取也帶來一些 誤差。 第六章 總結(jié)與展望 6． 1 總結(jié) 本文主要對車牌識(shí)別系統(tǒng)中車牌定位、校正與字符 分割的算法進(jìn)行研究。最后編程實(shí)現(xiàn)了車牌的定位與校正及字符分割，從輸入的車輛圖像中提取出一個(gè)個(gè)獨(dú)立的字符，為以后把分割出的單個(gè)字符輸入字符識(shí)別模塊并得到車牌識(shí)別結(jié)果奠定了基礎(chǔ)。本文的主要工作總結(jié)如下 : （ 1）在車牌定位中，本文采用 基于 數(shù)學(xué)形態(tài)學(xué)與邊緣檢測以及顏色相結(jié)合的 方法。 （ 2）在車牌的水平傾斜校正過程中，本文采用了 Radon 變換方法。 （ 3）字符分割中，本文采用了 基于 模板匹配與垂直投影相結(jié)合的字符分割方法 。 （ 4）最后使用 MATLAB 語言編寫了車牌定位與字符分割程序。該程序包含上述的車牌定位、傾斜校正和 字符分割等所有步驟。經(jīng)過大量的試驗(yàn)，該程序在抗干擾能力和分析的實(shí)時(shí)性上都表現(xiàn)良好，為后續(xù)的字符識(shí)別創(chuàng)造了良好的條件。 6． 2 今后展望 現(xiàn)代交通的飛速發(fā)展和車牌識(shí)別技術(shù)應(yīng)用范圍的不斷拓展給車牌識(shí)別提出了更高的要求，然而由于客觀條件及時(shí)問的限制，對車牌定位和字符分割的研究仍有很多工作需要進(jìn)行。后續(xù)的研究有待于從以下幾個(gè)方面進(jìn)步提高和完善 : (l)車牌定位對于字符分割有著重要的影響，本文只是針對沒有太多復(fù)雜背景的藍(lán)白車牌圖片進(jìn)行，有待進(jìn)一步實(shí)現(xiàn)其他具有復(fù)雜背景的車牌圖片的定位。 (2)由于采樣圖片的限制，字符分割 中尚沒有碰到漢字被分為兩部分的情況， 以后要加強(qiáng)對漢字間隔的處理。 (3)另外對于非標(biāo)準(zhǔn)車牌，如武警牌、使館牌以及近年出現(xiàn)的個(gè)性化車牌的識(shí)別，下一步的工作要把這些車牌都考慮進(jìn)去。 除了以上需要改進(jìn)的方向以外，為了從根本上提高車牌定位與字符分割的效 果，還需要有新的理論應(yīng)用到車牌定位與字符分割技術(shù)中。 致謝 本論文是在童瑩老師的悉心指導(dǎo)和親切關(guān)懷下完成的。從選題、研究到撰寫、修改到最后順利完成，整個(gè)過程更是凝聚著導(dǎo)師的辛勞和思想。在此，衷心感謝童老師的教誨和 關(guān)懷 !老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、淵博的學(xué)識(shí)、坦誠的處世風(fēng)格、開拓創(chuàng)新的精神以及特有的人格魅力無不給我留下了很深的影響，使我受益匪淺。 感謝一如既往地激勵(lì)、關(guān)心和支持我的家人和朋友，正是他們，給了我奮斗的力量和信心，并讓我深刻地明白了：“滾滾長江東逝水，浪花淘盡英雄，是非成敗轉(zhuǎn)頭空”，每天都是新的零點(diǎn)，應(yīng)該不斷充滿勇氣和信心去迎接新的挑戰(zhàn)。 最后，讓我再一次對培養(yǎng)我的南京工程學(xué)院，在百忙之中評閱我的論文和參加答辯的各位老師致以最誠摯的謝意！ 參考文獻(xiàn) [1](美 )岡薩雷斯 (Gonzalez， .)等著 。阮秋琦等譯，數(shù)字圖像處理 (第二版 )[M].電子工業(yè)出版社， 2020. [2]李樹廣，劉允才 .智能交通的發(fā)展與研究 [D].2020(6):16. [3]張引，潘云鶴，彩色汽車圖像牌照定位新方法 [J].中國圖像圖形學(xué)報(bào) .2020(4):374377. [4]徐建國，賀敬凱 .車 型與車牌自動(dòng)識(shí) 別技術(shù)分析 [J].交 通與計(jì)算機(jī) .2020(2):712. [5]戴青云，余英林 .一種基于小波與形態(tài)學(xué)的車牌圖像分析方法 [J].中國圖像圖形學(xué)報(bào) .2020(5):411415. [6]章毓晉 .圖像 處理與分析 [M].清華大學(xué)出版社， . [7]徐飛，施曉紅 .MATLAB 應(yīng)用圖像處理 [M].西安電子科技大學(xué)出版社， . [8]馬永力 .圖像處理在車牌識(shí)別系統(tǒng)的應(yīng)用 [D].武漢 :武漢理工大學(xué) ,2020. [9]曾致遠(yuǎn)，付祥勝 .基于數(shù)學(xué)形態(tài)學(xué)和邊緣特征的車牌定位算法 [J].電視技術(shù) ,2020(7):94– 96. [10]Kamat V.,Ganesan efficient implementation of the Hough transform for detecting vehicle license plates using DSP’[J].IEEE RealTime Technology and Applications :58– 59. [11]李文舉 ,梁德群 ,張旗 ,樊鑫 .基于邊緣顏色對的車牌定位新方法 [J].計(jì)算機(jī)學(xué)報(bào) ,202027(2):204– 208. [12]自潔 .車牌識(shí)別關(guān)鍵算法研究 [D].華北電力人學(xué)碩上論文 .2020. [13]周開軍 .復(fù)雜環(huán)境下的車牌識(shí)別研究 [D].武漢理工大學(xué)碩士學(xué)位論文， 2020. [14]李波，曾致遠(yuǎn)，付樣勝 .基于數(shù)學(xué)形態(tài)學(xué)和邊緣特征的車牌定位算法 [J].視頻技術(shù)應(yīng)用與工程， 2020， (7):9496. [15]趙雪春，戚飛虎 .基于彩色分割的車牌自動(dòng)識(shí)別技術(shù) [J].上海交通大學(xué)學(xué)報(bào)，1998， 32(10):49. [16]李弼程，彭天強(qiáng) .彭波等著 .智能圖像處理 [M].北京 :電子工業(yè)出版社，. [17]陳永超 .基于數(shù)字圖