【正文】 最后，讓我再一次對(duì)培養(yǎng)我的南京工程學(xué)院，在百忙之中評(píng)閱我的論文和參加答辯的各位老師致以最誠(chéng)摯的謝意！ 參考文獻(xiàn) [1](美 )岡薩雷斯 (Gonzalez， .)等著 。 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。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(duì)于字符分割有著重要的影響，本文只是針對(duì)沒(méi)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。 （ 4）最后使用 MATLAB 語(yǔ)言編寫了車牌定位與字符分割程序。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)。 (a) 分割出來(lái)的七個(gè)字符圖像 (b) 分割出來(lái)的七個(gè)字符圖像 (c) 分割出來(lái)的七個(gè)字符圖像 (d) 分割出來(lái)的七個(gè)字符圖像 (e) 分割出來(lái)的七個(gè)字符圖像 (f) 分割出來(lái)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。 圖 57 分割出來(lái)的七個(gè)字符圖像 字符歸一化 一般分割出來(lái)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。 圖 54膨脹或腐蝕后的車牌圖像 圖 55是對(duì)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(guò)預(yù)處理后，噪聲在不斷減弱 ，為后期字符分割提供基礎(chǔ) 。 圖 52車牌圖像二值化 第三 步，對(duì)二值化圖像進(jìn)行均值濾波。車牌僅僅進(jìn)行了水平校正，并沒(méi)有進(jìn)行垂直校正，這也是算法的不足之處。)。)。%J 記錄了傾斜角 qingxiejiao=90J dw1=imrotate(dw,qingxiejiao,39。)。定位剪切后的彩色車牌圖像 39。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(lái)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(cè)的車牌水平和垂直邊的傾斜角。二維空間 (x， y)平面內(nèi)的一條直線可以表示為 (見(jiàn)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(duì)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。 (4)找出對(duì)應(yīng)圖像平面共線的累加器中的最大值，該最大值對(duì)應(yīng)的 ? 為此直線的傾斜角度。 n 為車牌圖片的 寬度。該方法具有角度估計(jì)精確，速度快，抗干擾能力強(qiáng)等優(yōu)點(diǎn)。 目前對(duì)車牌進(jìn)行傾斜校正主要采用以下幾種方法： 1． Hough 變換法，通過(guò) Hough 變換來(lái)求取車牌的邊框傾斜度。車牌傾斜不但會(huì)給字符切分帶來(lái)困難，而且還會(huì)給漢字和字符識(shí)別帶來(lái)困難，降低 識(shí)別率，所以有必要進(jìn)行傾斜校正。 (a) 車牌 1定位結(jié)果 (b) 車牌 2定位結(jié)果 (c) 車牌 3定位結(jié)果 (d) 車牌 4定位結(jié)果 (e) 車牌 5定位結(jié)果 圖 310 多幅定位剪切后的彩色車牌圖像 程序 dw=I(PY1:PY28,PX1:PX2,:)表示截取 PY1和 PY28,PX1和 PX2 之間的像素矩陣 ， 其中 PY28是一個(gè)經(jīng)驗(yàn)值，對(duì)于不同的拍攝角度獲得的圖像也可以選擇 PY23或者 PY21，因此實(shí)際應(yīng)用中需要根據(jù)大量數(shù)據(jù)統(tǒng)計(jì)獲得。統(tǒng)計(jì)的目的主要是找到車牌圖像 在整個(gè)圖像中的坐標(biāo)范圍。 圖 33腐蝕后的車牌圖像 第三步：對(duì)腐蝕圖像進(jìn)行閉操作， 保持車牌圖像的基本形態(tài)特征。 3． 3 車牌定位流程及結(jié)果 本文采用基于數(shù)學(xué)形態(tài)學(xué)和邊緣檢測(cè)以及顏色相結(jié)合的方法實(shí)現(xiàn)車牌定位，其流程圖如下： 圖 31 車牌定位流程圖 對(duì)車牌圖像進(jìn)行預(yù)處理，得到車牌的基本形態(tài) 去除非目標(biāo)區(qū)域 通過(guò)計(jì)算尋找 X 和 Y方向車牌的區(qū)域 完成車牌定位 第一步，對(duì)經(jīng)過(guò)灰度拉伸的車牌圖像進(jìn)行邊緣檢測(cè) ，結(jié)果如圖 32所示。該方法具有較強(qiáng)的自適應(yīng)能力，可以在較復(fù)雜背景中精確定位大小不同的車牌。對(duì)夜間迎車頭燈時(shí)抓拍的圖像定位很成功。閉操作同樣使輪廓線更光滑，但與開(kāi)操作相反的是，它通常消彌狹窄的間斷和細(xì)長(zhǎng)的鴻溝，消除小的孔 洞，并填補(bǔ)輪廓線中的斷裂。 3． 2． 4 基于數(shù)學(xué)形態(tài)學(xué)的定位方法 數(shù)學(xué)形態(tài)學(xué)圖像處理的基本思想，是利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)一個(gè)圖像，看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。但應(yīng)用于背景復(fù)雜的圖像時(shí)，很容易把一些紋理分布比較豐富的其他非車牌區(qū)域也定位進(jìn)來(lái) .產(chǎn)生包含真車牌在內(nèi)的較多的車牌候選區(qū)域。該算法具有速度快、準(zhǔn)確率高、適應(yīng)性強(qiáng)等特點(diǎn)。車牌上的字符高度為 90mm，寬度為 45mm，分隔符的直徑為 lOmm(實(shí)際上，每個(gè)字符是居中分布在一個(gè)高度為 90，寬度為 45mm 的 矩形范圍內(nèi)，具體某個(gè)字符并不一定充滿這個(gè)矩形區(qū)域。 如果選用的模板大，去除噪聲的效果會(huì)更明顯，但是計(jì)算復(fù)雜，所涉及的像素多而容易把細(xì)節(jié)抹去，造成模糊 ，如圖 213所示。但是由于圖像邊緣也處于高頻部分，這樣往往帶來(lái)另外一個(gè)問(wèn)題：在對(duì)圖像進(jìn)行均值濾波操作時(shí)，往往對(duì)圖像的細(xì)節(jié)造成一定的破壞。,3)。一般對(duì)于 有緩變的較長(zhǎng)輪廓線物體的圖像，采用方形或圓形窗 口為宜，對(duì)于包含有尖頂角 物體的圖像，適宜用十字形窗口。中值濾波就是這樣的一個(gè)變換，圖像中值濾波后某像素的輸出等于該像素鄰域中各像素灰度的中值?？梢宰C明，對(duì)圖像進(jìn)行鄰域平均處理相當(dāng)于使圖像信號(hào)通過(guò)一個(gè)低通濾波器。 由公式 211 可知，經(jīng)鄰域平均后，噪聲的均值不變，方差 239。用一個(gè)像素鄰域內(nèi)各像素灰度平均值來(lái)代替像素原來(lái)的灰度，即使用了鄰域平均技術(shù)。) 圖 28車牌圖像二值化 圖 29車牌圖像二值化 圖 210車牌圖像二值化 以上圖片是對(duì)一些車牌圖像采用全局閾值分割方法的結(jié)果，從中可以看出，經(jīng)過(guò)采用上述方法進(jìn)行閾值分割后，能夠很好的把車牌字符與背景分割開(kāi)，同時(shí)該方法簡(jiǎn)單快捷，易于理解，實(shí)用性強(qiáng)。)。 % T 為二值化的閾值（四舍五入） [m,n]=size(b)。 39。藍(lán)白車牌和黑白車牌車牌底色和字符顏色對(duì)比明顯，而黃黑車牌的車牌底色和字符顏色對(duì)比不太明顯。動(dòng)態(tài)閾值 法的閾值確定不僅取決于該像素的灰度值及其周圍像素的灰度值，而且 與像素位置信息有關(guān)。 目前二值化有多種閾值選取方法。這是考慮到在實(shí)際的圖像處理系統(tǒng)中，要求處理的速度高、成本低、信息量大的濃淡圖像處理的花銷太大。 2． 3 車牌圖像的二值化 灰度圖像是有 256個(gè)灰度級(jí)的單色圖像，多級(jí)別的圖像能夠呈現(xiàn)出較為豐富的明暗度，但對(duì)于目標(biāo)搜索來(lái)說(shuō)，總是希望盡可能地減少背景像素的干擾，而保存或增強(qiáng)目標(biāo)區(qū)的色素度。 圖 27 灰度拉伸后的圖像及其直方圖 程序中使用 imadjust 函數(shù)來(lái)實(shí)現(xiàn)圖像的灰度拉伸。 figure(3),subplot(1,2,2),imhist(J)。%非線性變換 figure(3),subplot(1,2,1),imshow(J)。出于對(duì)實(shí)時(shí)性的考慮，在車牌識(shí)別系統(tǒng)中一般很少使用頻域增強(qiáng)法。 圖 23 車牌圖像的灰度圖及其直方圖 圖 24 車牌圖像的灰度圖及其直方圖 圖 25 車牌圖像的灰度圖及其直方圖 2． 2 圖像增強(qiáng) 圖像在獲取和傳輸過(guò)程中通常都會(huì) 混入很多噪聲，導(dǎo)致圖像質(zhì)量的下降，使圖像的細(xì)節(jié)難以辨認(rèn)、模糊、輪廓不清楚甚至畸變，不利于人和機(jī)器對(duì)圖像的理解?；叶葓D直方圖 39。灰度圖 39。原圖 39。D:\MATLAB7\39?；叶然奶幚矸椒ㄖ饕腥缦氯N : （ 1）最大值法 :使 g 的值等于三值中的最大的一個(gè)，見(jiàn)式 (21) max( , , )g R G B? （ 21) (2) 平均值法 :使 g 的值等于三值和的平均值，見(jiàn)式 (22) 3R G Bg ??? (22) (3)加權(quán)平均值法 :根據(jù)重要性或其他指標(biāo)給 R， G， B 賦予不同的權(quán)值，并使 g等于它們的值的加權(quán)平均值，見(jiàn)式 (23) 3R G BW R W G W Bg ??? (23) 其中 RW , GW , BW 分別為 R， G， B的權(quán)值。在 RGB 模型中，例如 R=G=B，則顏色表示一種灰度顏色，其中 R=G=B 的值叫做灰度值，我們用 g來(lái)表示。最后對(duì)字符分割實(shí)驗(yàn)結(jié)果進(jìn)行了分析。 第四章為傾斜校正。詳細(xì)地闡述了車牌定位分割過(guò)程中涉及到的圖像處理技術(shù)的基本理論 ,并結(jié)合課題程序進(jìn)行探討分析。 圖 11系統(tǒng)總流程圖 輸入車牌圖像 車牌圖像預(yù)處理 車牌定位 傾斜校正 字符分割 圖 12 車牌定位的流程圖 圖 13 字符分割與歸一化流程圖 1． 4 論文章節(jié)安排 第一章為緒論。目前的字符分割 的算法一直在不斷完善。車牌字符分割屬于印刷體字符分割的范疇。它的方法多種多樣，它可以是對(duì)先前方法的改進(jìn)，也可以是獨(dú)辟蹊徑的創(chuàng)新，也可以是新老方法的結(jié)合 。 國(guó)內(nèi)做得好的產(chǎn)品有中科院自動(dòng)化所漢王公司的“漢王眼”，除此之外國(guó)內(nèi)的亞洲視覺(jué)科技有限公司，中科院沈陽(yáng)自動(dòng)化所的沈陽(yáng)聚德公司，深圳市吉通電子有限公司，中國(guó)信息產(chǎn)業(yè)部下屬的中智交通電子預(yù)先公司等也都有自己的產(chǎn)品，另外，西安交通大學(xué)的圖像處理與識(shí)別研究所，上海交通大學(xué)的計(jì)算機(jī)科學(xué)與工程系，清華大學(xué)人工智能國(guó)家重點(diǎn)實(shí)驗(yàn)室，浙江大學(xué)的自動(dòng)化系等也都做過(guò)類似的研究。雖然提高了識(shí)別率，但是，這同時(shí)也造成了系統(tǒng)的投資成本過(guò)大，應(yīng)用領(lǐng)域變窄，不能普遍推廣應(yīng)用。 車牌自動(dòng)識(shí)別系統(tǒng)應(yīng)用于這些地方，可以解決通緝車輛的自動(dòng)稽查問(wèn)題，可 以解決車輛高峰期因出入車流瓶頸造成的陸橋卡口、停車場(chǎng)交通堵塞問(wèn)題，可以 解決因工作人員作弊造成的陸橋卡口、高速公路、停車場(chǎng)應(yīng)收款流失的問(wèn)題，還 可以最簡(jiǎn)單的方式完成交通部門的車輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計(jì)自動(dòng)化、模糊查 詢的問(wèn)題。 關(guān)鍵字：車牌識(shí)別系統(tǒng) ，車牌定位，字符分割 ABSTRACT Along with the ing of the Information age,our life bee more and more convenient,at the same time there is more and more it is urgent for us to study an efficient method to manage Transportation System emerges in this condition, and the key technology of this system is License Plate Recognition System(LPRS).This article studies the algorithm of license plate location and the algorithm of license plate character segmentation in is widely used in the monitoring of vehicle on highway,the monitoring of vehicle at crossroad and vehicle management in system can work in day and night efficiently,which saves labors and resources. LPRS is consisting of hardware and software, LPRS includes three steps: Locating License plate,Segmengting Characters,Recognizing this article studies the algorithms of th