【正文】 Then on license character recognition former pretreatment, feature extraction and recognition. When vehicles, vehicle detection device through by trigger, start image acquisition equipment acquisition vehicle positively or negatively image, and will be handed to the puter, the image license plate location module extract, sungi1 module on the character of license plate character recognition, and finally by segmentation module character recognition and will identify results sent to the monitoring center or cashier39。 本系統(tǒng)只適合藍(lán)底白字的車牌照，對(duì)其他的車牌照沒(méi)有設(shè)計(jì)到，因此也有具有一定的局限性，由于沒(méi)有實(shí)際拍攝照片所以網(wǎng)絡(luò)照片分割有誤差，有待以后改進(jìn)，另外由于樣本庫(kù)沒(méi)有建立成功，因此未完成車牌的識(shí)別功能，有待進(jìn)一步的研究。 本文開(kāi)始整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)的介紹了我國(guó)車牌的固有特征，以及車牌識(shí)別的特點(diǎn)等內(nèi)容。神經(jīng)網(wǎng)絡(luò)訓(xùn)練的缺點(diǎn)是可能會(huì)需要很長(zhǎng)的時(shí)間，不過(guò)訓(xùn)練好的網(wǎng)絡(luò)可以方便的用于識(shí)別。在對(duì)車牌中的漢字識(shí)別中，由于它的漢字只有有限的幾個(gè)，可以考慮構(gòu)建標(biāo)準(zhǔn)字庫(kù)來(lái)進(jìn)行模板匹配。近來(lái)，模式識(shí)別中也應(yīng)用了模糊數(shù)學(xué)的方法，取得良好效果，神經(jīng)網(wǎng)絡(luò)作為一種有力的工具，在模式識(shí)別中得到越來(lái)越多的應(yīng)用。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 27 第 5 章 汽車牌照字符識(shí)別 字符識(shí)別屬于模式識(shí)別的范疇，是迄今為止模式識(shí)別領(lǐng)域中發(fā)展最成熟并得到最廣泛應(yīng)用的一個(gè)方面。 所謂位置歸一化，是為了消除字符點(diǎn)陣位置上的偏差而將整 個(gè)字符點(diǎn)陣圖形移動(dòng)到規(guī)定的位置上的過(guò)程。 l=l+1。,39。 if l==7 title([39。 SegGray=subcol(rowtop:rowbot,cleft:cright)。 %查找最大值，即為最大字符寬度 提取分割字符 通過(guò)以上水平投影、垂直投影分析計(jì)算，獲得了車牌字符高度、字符頂行與尾行、字符寬度、每個(gè)字符的中心位置，為提取分割字符具備了條件。 %字符中心距離（字符中心點(diǎn)至下一個(gè)字符中心點(diǎn) ） maxs=max(markcol6)。 for k=1:n1 markcol3(k)=markcol(k+1)markcol1(k+1)。 markcol(l)=width。 end count1=0。 for k=1:width if histcol(k)=levelcol 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 24 count1=count1+1。 mincol=min(histcol)。下面需對(duì)垂直投影數(shù)據(jù)進(jìn)行分析處理，計(jì)算出左右邊框位置、字符寬度，分析原理如圖 45 所示。,39。 title([39。title(39。 sbw2=sbw(rowtop:rowbot,:)。 %峰中心位置 end maxhight=max(markrow2)。 markrow2(n1)=markrow(l)markrow(l1)。 %峰距離（上升點(diǎn)至下一個(gè)上升點(diǎn)） [m1,n1]=size(markrow2)。 %上升點(diǎn) markrow1(l)=count1。 count1=0。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 20 字符高 下 邊 上 邊 谷寬度M a r kr ow 1( k) 峰上升點(diǎn) M a r kr ow ( k) 峰寬度 M a r kr ow 4( k) 峰下降點(diǎn) M a r kr ow 3( k) 峰距離 M a r kr ow 2( k) 峰中心 M a r kr ow 5( k) 谷寬度 M a r kr ow 1( k+1 ) 峰上升點(diǎn) M a r kr ow ( k+1 ) 圖 43 水平投影分析計(jì)算示意 根據(jù)投影分析計(jì)算原理，取閾值 Level = （投影均值 +投影最小值） /2 ，分析計(jì)算得出的最大峰寬度即為字符高度。)。)。)。字符分割的算法很多，常采用垂直投影法來(lái)實(shí)現(xiàn)，公式如下 : ??? ?? Hi Wj jifjk 0 0 ),()( （ 41） 字符分割的步驟 車牌字符分割是本設(shè)計(jì)的重點(diǎn)，分割步驟如下： （ 1）計(jì)算車牌水平投影，并對(duì)水平投影進(jìn)行峰谷分析； （ 2）車牌矯正，計(jì)算車牌旋轉(zhuǎn)角度，旋轉(zhuǎn)車牌； （ 3）旋轉(zhuǎn)車牌后重新計(jì)算車牌水平投影，去掉車牌水平邊框，獲取車牌字符高度； （ 4）計(jì)算車牌垂直投影，去掉車牌垂直邊框，計(jì)算車牌上每 個(gè)字符中心位置，計(jì)算最大字符寬度； （ 5）取分割字符 ,并變換為 32 行 *16 列標(biāo)準(zhǔn)子圖。 圖 311 彩色標(biāo)記 （ 2） 計(jì)算 出包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗(yàn)知識(shí)，比較誰(shuí)的寬高比更接近實(shí)際車牌寬高比，將更接近的提取并顯示出來(lái) 。進(jìn)行區(qū)域特征參數(shù)石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 16 比較，提取車牌區(qū)域。)。,[19,1]))。圖像開(kāi)運(yùn)算 [5,19]39。rectangle39。 title(39。 bg1=imclose(grd,strel(39。) figure,imshow(grd)。 圖 36 二值化圖 （ 4）對(duì)得到圖像作開(kāi)操作進(jìn)行濾波。 fmin1=double(min(min(bw)))。 figure,imshow(bw)。,10)。 車牌定位 目前，已經(jīng)提出了很多車牌定位的方法這些方法都具有一個(gè)共同的出發(fā)點(diǎn)即通過(guò)牌照區(qū)域的特征來(lái)判斷牌照。梯度是用高斯濾波器的導(dǎo)數(shù)計(jì)算的。由于平滑會(huì)導(dǎo)致邊緣的擴(kuò)展，用拉普拉斯算子找到圖 像中的陡峭邊緣即只考慮那些具有局部梯度最大值的點(diǎn)，這一點(diǎn)可以用二階導(dǎo)數(shù)的零交叉點(diǎn)來(lái)實(shí)現(xiàn)。 （ 2） Sobel 算子對(duì)灰度漸變和噪聲較多的圖像處理的較好。 經(jīng)過(guò)一階的導(dǎo)數(shù)的邊緣檢測(cè)，所求的一階導(dǎo)數(shù)高于某個(gè)閾值，則確定該點(diǎn)為邊緣點(diǎn)，這樣會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多。度直方圖峰型分布明顯時(shí)，常以谷底作為門限候選值。因此，邊界就由這樣一些內(nèi)部點(diǎn)的集合組成，這些點(diǎn)都至少有一個(gè)鄰點(diǎn)不屬于該物體。所謂閾值的方法實(shí)質(zhì)是利用圖像的灰度直方圖信息得到用于分割的閾值。 12345”就是最典型的車牌號(hào)碼。第 2 個(gè)字符是大寫(xiě)英文字母 ，是頒發(fā)證照及監(jiān)督機(jī)關(guān)的代號(hào)。 現(xiàn)有的牌照有四種類型，分別是 : 藍(lán)底白字牌照為小功率汽車使用； 黃底黑字牌照為大功率汽車使用； 白底黑字或紅字牌照為軍用或警用 。處理之后，用窗口內(nèi)各像素灰度值的中值來(lái)代替位于窗口正中的像素的灰度值?；叶葓D像 39。)。 close all。 濾波的方式有兩種，一種是空間域?yàn)V波，一種是頻率域，在空間域，常見(jiàn)的濾波方式有兩種方式，均值濾波和中值濾波。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 7 第 3 章 車牌照提取與定位 算法設(shè)計(jì)流程 灰度化 二值化 濾波 圖像預(yù)處理 開(kāi)始 字符的分割 定位和提取 字符的識(shí)別 結(jié)束 圖 31算法設(shè)計(jì)總流程 汽車圖像預(yù)處理 圖像在形成、傳輸或變換過(guò)程中，受多種因素的影響，如：光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、暴光不足或過(guò)量、相對(duì)運(yùn)動(dòng)等，往往會(huì)與原始景物之間或圖像與原始圖像之間產(chǎn)生了某種差異。在識(shí)別時(shí)系統(tǒng)只能根據(jù)每個(gè)字符的特征來(lái)進(jìn)行判斷，為了最終能準(zhǔn)確識(shí)別牌照上的漢字、英文字母及 數(shù)字，必須將單個(gè)字符從矯正的牌照中逐個(gè)提取分離出來(lái)。 Hough 變換具有明了的幾何解析性，一定的抗干擾能力和易于實(shí)現(xiàn)并處理等優(yōu)點(diǎn)：但它存在著計(jì)算量大，需要巨大的儲(chǔ)存空間等問(wèn)題，所以不適合用在具有一定實(shí)時(shí)性要求的圖像處理中。 圖像的傾斜矯正 由于拍攝時(shí)鏡頭與牌照的角度、車輛的運(yùn) 動(dòng)及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時(shí)車頭或者鏡頭發(fā)生擺動(dòng)以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌圖像有一定的傾斜度，為了正確識(shí)別需要進(jìn)行傾斜度校正，否則將無(wú)法進(jìn)行單個(gè)字符的正確分割，字符識(shí)別的誤差率就會(huì)上升。通常去噪用濾波的方法，比如中值濾波、均值濾波 。比它大就是白，比它小就是黑。局部 閾 值法則是由象素灰度值和象素周圍點(diǎn)局部灰度特性來(lái)確定象素的 閾 值的， Bernsen 算法是典型的局部 閾 值方法，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)，局部 閾 值法也存在缺點(diǎn)和問(wèn)題，如實(shí)現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等。車牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大地提高處理效率。選擇的標(biāo)準(zhǔn)是經(jīng)過(guò)灰度變換后，像素的動(dòng)態(tài)范圍增加，圖像的對(duì)比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩、容易識(shí)別。一旦灰度變換函數(shù)確定，則確定了一個(gè)具體的灰度增強(qiáng)方法。設(shè)原圖像像素的灰度值 D = ?（ x， y），處理后圖像像素的灰度值 D180?；叶葓D像就是只有強(qiáng)度信息而沒(méi)有顏色信息的圖像，存儲(chǔ)灰度圖像只要一個(gè)數(shù)據(jù)矩陣，矩陣 中 每個(gè)元素表示對(duì)應(yīng)位置像素的灰 度值。 車牌自動(dòng)識(shí)別系統(tǒng)原理 當(dāng)車輛通過(guò)時(shí)，車輛檢測(cè)裝置受到觸發(fā)，啟動(dòng)圖像采集設(shè)備獲取車輛的正面或反面圖像，并將圖像傳至計(jì)算機(jī)，由車牌定位模塊提取車輛的牌照，字符分割模塊對(duì)車牌上的字符進(jìn)行切分，最后由字符識(shí)別模塊進(jìn)行字符識(shí)別并將結(jié)果輸出 [6]。車牌識(shí)別系統(tǒng)的軟件部分主要分為四大塊，預(yù)處理 、 車牌定位 、 車牌字符的分割 和字符識(shí)別 [5]。由于我國(guó)汽車車牌識(shí)別的特殊性 。汽車牌照識(shí)別技術(shù)是車輛檢測(cè)系統(tǒng)中的一個(gè)重要環(huán)節(jié) , 它在交通監(jiān)視和控制中占有很重要的地位，有著多種應(yīng)用，例如自動(dòng)收費(fèi)系統(tǒng)、不停車?yán)U費(fèi)、失竊車輛的查尋、停車場(chǎng)車輛管理、特殊部門車輛的出入控制等等。它在傳統(tǒng)的交通監(jiān)控技術(shù)的基礎(chǔ)上，引入了數(shù)字?jǐn)z像技術(shù)和計(jì)算 機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識(shí)別和人工智能技術(shù)，通過(guò)對(duì)車輛圖像的采集和處理，獲得車輛的數(shù)字化信息，從而達(dá)到更高的智能化管理水平， 車牌自動(dòng)識(shí)別技術(shù)在車輛過(guò)路、過(guò)橋全自動(dòng)不停車收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，因此 對(duì)汽 車牌 照 識(shí)別技術(shù)的 研究有重要的現(xiàn)實(shí)應(yīng)用意義 [1]。 27 建立樣本庫(kù) 21 提取分割字符 17 二次計(jì)算車牌水平投影 10 車牌定位 7 中值濾波 6 第 3 章 車牌照提取與定位 6 車牌字符分割 1 國(guó)內(nèi)外發(fā)展現(xiàn)狀