【導(dǎo)讀】車牌照識別是智能交通系統(tǒng)的一個(gè)重要課題，在車輛管理、不停車收費(fèi)等系統(tǒng)中有廣泛應(yīng)用。別系統(tǒng)更優(yōu)于其他只能識別數(shù)字和字母的系統(tǒng)，具有更廣的適應(yīng)性。在汽車普及的今天，道路運(yùn)輸已經(jīng)成為超越鐵路運(yùn)輸?shù)淖钪匾牡孛孢\(yùn)輸方式，劇增長，道路運(yùn)輸所帶來的交通擁堵、交通事故和環(huán)境污染等負(fù)面效應(yīng)也日益突出，成為阻礙經(jīng)濟(jì)和社會發(fā)展的全球性共同問題。這個(gè)項(xiàng)目的目標(biāo)就是開發(fā)出一個(gè)識別速度快、準(zhǔn)確率的高的車牌漢字識別系統(tǒng)。本文提供了一種簡單的車牌漢字識別方法。我國機(jī)動車使用的拍照主要是根據(jù)公安部。所以我們只要考慮這50多個(gè)字的結(jié)構(gòu)差別就可以準(zhǔn)確的識別出這些漢字來。向量與標(biāo)準(zhǔn)庫中的向量進(jìn)行比較，找到該向量對應(yīng)的漢字，并輸出結(jié)果。對識別對象已知的

　　

【正文】 峰的圖像效果良好，但對于由于光照不均勻、噪聲干擾較大或運(yùn)動模糊等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差 。局部閾值法通 過定義考察點(diǎn)的鄰域，并由鄰域計(jì)算模板，實(shí)現(xiàn)考察點(diǎn)灰度與鄰域點(diǎn)的比較。非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，從而使得局部閾值法比全局閾值法有更廣泛的應(yīng)用， Bernsen 算法是一種典型的局部閾值法。但局部閾值法在文本圖像識別中也存在某些問題和缺點(diǎn)，如實(shí)現(xiàn)速度比全局閾值法慢，不能保證 漢字 筆劃連通性，容易出現(xiàn)偽影 (ghost)現(xiàn)象 (背景區(qū)域受到噪聲干擾出現(xiàn)筆劃 )等 :動態(tài)閾值法是一種自適應(yīng)的二值化方法，它利用了象素自身及其鄰域灰度變化特征，由于充分考慮了每個(gè)象素鄰域的特征，能夠更好的突 出背景和目標(biāo)的邊界，使得相距很近的兩條線不會產(chǎn)生粘連現(xiàn)象。 反色處理 在所提供的漢字庫中，車牌漢字圖像為白底黑字。由于 MATLAB 所提供的很多函數(shù)是對黑底白字的圖像進(jìn)行處理。所以我們對二值化后的圖像進(jìn)行取反。將原二值化后的二值化圖像轉(zhuǎn)化為黑底白字的漢字圖像，以供后面進(jìn)一步進(jìn)行處理。如圖 24。 ??? ??? Tyxf Tyxfyxg ),(,0 ),(,1),( 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 15 頁 a）二值化 圖片 b）反色后圖像 c） 二值化圖片 d) 反色后圖像 圖 24 圖像的反色 二值化圖像細(xì)化處理 二值圖像的細(xì)化處理是本課題中起著非常重要的作用。其主要目的是提取出漢字圖像的骨架，使得在識別過程中不會因?yàn)楣P畫本身的寬度，影響到漢字結(jié)構(gòu)特征提取的準(zhǔn)確度。所以我們使用細(xì)化處理，將圖像漢字細(xì)化為一個(gè)單像素寬的漢字圖像。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 16 頁 細(xì)化可用兩步腐蝕來實(shí)現(xiàn)。第一步是正常的腐蝕，但它是有條件的，也就是說，那些被標(biāo)為可出去的像素點(diǎn)并不立即消去。在第二步中，只將那些消 除后并不破壞連通性的點(diǎn)消除，否則保留。以上每一步都是一個(gè) 33 領(lǐng)域運(yùn)算。細(xì)化將一個(gè)曲線形物體細(xì)化為一條單像素的線，從而圖形化地顯示出其拓?fù)湫再|(zhì) [9]。如圖 25 所示 。 a） 細(xì)化前圖像 b）細(xì)化后圖像 c）細(xì)化前圖像 d）細(xì)化后圖像 圖 25 圖像的細(xì)化處理 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 17 頁 漢字 圖像的特征提取 特征空間的設(shè)計(jì)是模式識別系統(tǒng)的基礎(chǔ)。所選用的特 征空間應(yīng)使各類樣品能夠分布在該特征空間中彼此分開的區(qū)域內(nèi)，分類識別才有可能 。如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進(jìn)行正確的分類識別。常選取的 漢字 特征主要有以二值圖像 漢字 的筆畫像素分布為基礎(chǔ)的 漢字 特征及提取方法，以二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法，基于灰度圖像小波變換的 漢字 特征等。本課題所用的特征提取方法在二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法的基礎(chǔ)上改進(jìn)而來，所以下面主要介紹二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法及本文改進(jìn)后的方法 [10]。 筆畫方向線 素 特征 漢字 筆畫方向線素特征 [11]的提取步驟如下 : 首先獲取原 漢字 圖像的邊緣點(diǎn)，得到 漢字 的輪廓圖 。然后將 漢字 的輪廓圖分為M*N 個(gè)網(wǎng)格，按照橫、豎、撇、捺四種筆畫的定義分別計(jì)算每個(gè)網(wǎng)格中四種筆畫的多少 。最后將所有網(wǎng)格中四種筆畫的特征組合在一起，形成一個(gè) M*N*4 的方向線素特征向量。 漢字 是由橫、豎、撇、捺四種筆畫組成的，一個(gè) 漢字 區(qū)別于其它 漢字 的主要特征就是筆畫及其所在位置。 漢字 筆畫方向線素特征可以表達(dá) 漢字 在不同的空間位置上四種筆畫數(shù)量的多少，從而較好地表達(dá)了 漢字 的筆畫和位置這兩個(gè)主要特征。但是對于車 牌 漢字 來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對筆畫的定義較困難，易與樣品產(chǎn)生偏差，從而影響 漢字 的分類識別結(jié)果。 漢字結(jié)構(gòu)特征點(diǎn)特征 一個(gè)漢字的筆劃上和背景中的關(guān)鍵點(diǎn)是漢字結(jié)構(gòu)的一種本質(zhì)字形特征，印刷體漢字基本由直線筆劃構(gòu)成，是一種直線型文字。在一幅二值化圖像中，漢字信息絕大部分集中在漢字骨架上，而漢字骨架信息又大多集中在若干特征點(diǎn)上。一旦確定筆劃特征點(diǎn)，根據(jù)若干連接規(guī)則，漢字筆劃以及結(jié)構(gòu)形狀就可以確定。漢字筆劃特征點(diǎn)可以取斷點(diǎn)、折點(diǎn)、歧點(diǎn)和交點(diǎn)。端點(diǎn)是筆劃的起 (或終 )點(diǎn)且不 與別的筆劃相接 。折點(diǎn)是筆劃方向出現(xiàn)顯著變化的點(diǎn) :歧點(diǎn)是三叉點(diǎn)，要求其中兩個(gè)筆段分支方向相同 。交點(diǎn)是四叉點(diǎn)且有兩對相等的對頂角 [12]。 其特征提取過程如下 ： (1) 首先對 漢字 進(jìn)行細(xì)化處理。 (2) 對細(xì)化處理后的 漢字 像素點(diǎn)，進(jìn)行如下計(jì)算 ，如公式（ 24）。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 18 頁 （ 24） 式中 i, j 為 漢字 像素點(diǎn)的坐標(biāo)值， f(i， j)為像素點(diǎn)取值。 (3) 進(jìn)行如下判斷 ： 端點(diǎn) :指在起筆處和落筆處的位置，與該點(diǎn)相連的點(diǎn)數(shù)為 1， 即上式 c=1 時(shí)。 歧點(diǎn) :指該點(diǎn)周圍有三條線與之相連，即上式 c=3 時(shí)。 交點(diǎn) :指該點(diǎn)周圍有四條線與之相連，即上式 c=4 時(shí)。 (4) 分別記錄下該 漢字 中端點(diǎn)、歧點(diǎn)和交點(diǎn)的總個(gè)數(shù)，建立特征向量。 該特征更適合標(biāo)準(zhǔn)印刷體漢字 漢字 的分類。對于車牌漢字 漢字 來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對 漢字 的端點(diǎn)、歧點(diǎn)和交點(diǎn)定義和判斷易與樣品產(chǎn)生偏差，從而影響 漢字 的分類識別結(jié)果。 漢字結(jié)構(gòu)筆畫特征 一個(gè)漢字的不相連獨(dú)立結(jié)構(gòu)的個(gè)數(shù)及漢字筆畫結(jié)構(gòu)（橫、撇、豎、捺、點(diǎn)）的個(gè)數(shù)也是漢字結(jié)構(gòu)的一種本 質(zhì)形態(tài)特征。但是對于車牌漢字來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對筆畫的定義較困難，易與樣品產(chǎn)生偏差，特別是撇、捺、點(diǎn)這些筆畫的提取。所以要想一種方法，讓我們避開對撇、捺、點(diǎn)的 圖 26 漢字結(jié)構(gòu)特征提取流程圖 ? ???? ? ?? ?? 1 1 1 1 1),(x xi y yj jifc開始 漢字結(jié)構(gòu)橫的提取 漢字結(jié)構(gòu)豎的提取 漢字結(jié)構(gòu)撇的提取 結(jié)束 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 19 頁 提取。由于本課題中所要識別的漢字只有固定的 50 多個(gè)車牌漢字，所以我們可以將撇、捺、點(diǎn)這些筆畫劃分為一個(gè)統(tǒng)一的整體。其筆畫的提取由漢字整體除去橫和豎的筆畫后得到。 其流程圖如圖 26 所示。 a）提取前的圖像 b）橫的提取 c）豎的提取 d）撇的提取 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 20 頁 e）提取前圖像 f）撇的提取 g）豎的提取 h) 撇的提取 圖 27 漢字圖像的結(jié)構(gòu)特征提取 通過實(shí)驗(yàn)統(tǒng)計(jì)證明，由漢字的不相連獨(dú)立結(jié)構(gòu)、漢字 筆畫橫、豎 、 撇 、 捺 、 點(diǎn)的個(gè)數(shù)建立的四維特征向量可以使車牌漢字得以區(qū)分。如圖 27 所示，圖（ a）～ (d)及（ e）～ (h)分別為漢字 “北 ”及 “蘭 ”的圖像特征提取結(jié)果。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 21 頁 本章小結(jié) 本章主要是介紹 了車牌漢字圖像的預(yù)處理及漢字圖像的特征的提取。漢字圖像經(jīng)過尺寸規(guī)格化、二值化、反色、細(xì)化等一系列預(yù)處理后，生成了漢字圖像的骨架結(jié)構(gòu)。在這個(gè)基礎(chǔ)上，可以使?jié)h字圖像特征的提取更加簡單準(zhǔn)確。然后介紹了在原有二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法的基礎(chǔ)， 改進(jìn)的一種新的二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征的提取方 法。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 22 頁 第 3 章 漢字 圖像的識別 與一般印刷體 漢字 識別相比，車牌 漢字 識別有其自身的特點(diǎn)，它是文字識別技術(shù)與車牌圖像自身因素協(xié)調(diào)兼顧的綜合性技術(shù) 。 在車牌 漢字 識別 設(shè)計(jì)方面，公開資料中提出的 識別方法 主要有 ： 神經(jīng)網(wǎng)絡(luò)分類器 識別 法 、 模板匹配分類器 識別法 、基于概率統(tǒng)計(jì)的 Bayes 分類器 識別 、幾何分類器 識別法 等。 下面我們將介紹 本課題用到得模版匹配分類識別方法。 模板匹配分類器 識別法 模板匹配分類器 識別法 就是把訓(xùn)練樣品集的所有樣品作為標(biāo)準(zhǔn)模板，將待測樣品與每一個(gè)標(biāo)準(zhǔn)模板做比較，按照某種判斷準(zhǔn)則，找出最相似、最近鄰的標(biāo) 準(zhǔn)模板，則標(biāo)準(zhǔn)模板的類別即為待測樣品的類別。 本課題采用的為 最小距離模板匹配分類 識別法 ，其實(shí)現(xiàn)過程為 : 1. 建立訓(xùn)練樣品集的特征模板庫 使用設(shè)計(jì)好的車牌漢字結(jié)構(gòu)特征軟件對訓(xùn)練樣品集中的每一個(gè)車牌漢字圖像進(jìn)行特征向量（ xl）提取。建立標(biāo)準(zhǔn)的車牌漢字結(jié)構(gòu)特征向量模板庫。 每個(gè)向量對應(yīng)一個(gè)樣品 iX 。 如圖 31 及圖 32 所示 。 2．求出待測樣品 X 與訓(xùn)練樣品集里每一個(gè)樣品 iX 的距離 D 其計(jì)算公式為 公式（ 32）。 （ 32） 3．找出距離 D 最小時(shí)對應(yīng)的訓(xùn)練樣品 比較步驟 2 中計(jì)算出的 D,找出最小 D 值對應(yīng)的樣品。 該樣品的類別即為待測樣品的類別。 從而得到漢字識別結(jié)果。 其流程圖如圖 33 所示。 對于車牌漢字來說， 模板匹配分類識別法的原理簡單， 要存儲的標(biāo)準(zhǔn)模板數(shù)量只有 50 多個(gè)，因而存儲量不大 。而且，每個(gè)待測樣品與每個(gè)標(biāo)準(zhǔn)模板進(jìn)行相似度判斷的計(jì)算量也不大，識別速度比較快 。 在本章 節(jié)中，我們將對識別性能具體介紹。 ? ? ii XXXXD ??, 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 23 頁 圖 31 對漢字 “京 ”進(jìn)行特征向量提取 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 24 頁 圖 32 對漢字 “蘭 ”進(jìn)行特征向量提取 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 25 頁 圖 33 最小距離模板匹配分類識別法 流程圖 開始 輸入待識別字符特征向量 計(jì)算模版對照相似度 模版相似度比較 輸出相似度大的漢字結(jié)果 結(jié)束 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 26 頁 識別性能 分析 在種類眾多的識別方法中，每個(gè)方法都有其各自的優(yōu)點(diǎn)和缺點(diǎn)。所以在選擇方法的時(shí)候，要根據(jù)識別對象和設(shè)計(jì)目的，要求