【正文】 平臺(tái)搭建 根據(jù)上文研究的算法，利用 MATLAB 的 M 語言分別實(shí)現(xiàn)了車牌識(shí)別系統(tǒng)的定位、 字符切分和字符識(shí)別功能模塊，利用 MATLAB 的 GUI 工具箱開發(fā)了測(cè)試系統(tǒng)，驗(yàn)證上面設(shè)計(jì)的算法在車牌識(shí)別系統(tǒng)中的應(yīng)用效果，利用 MATLAB 的圖形用戶開發(fā)環(huán)境（ GUIDE）設(shè)計(jì)了本測(cè)試平臺(tái)，流程如下： 圖 輸入圖像 *.jpg 車牌定位模塊 控件 2： 輸入?yún)?shù) 控件 3： 輸出結(jié)果 車牌字符切分模塊 車牌字符識(shí)別模 塊 控件 1： 讀入圖像數(shù)據(jù) 輸出識(shí)別結(jié)果 29 啟動(dòng)測(cè)試界面時(shí)，將會(huì)先導(dǎo)入識(shí)別參數(shù)設(shè)置值，當(dāng)改變參數(shù)設(shè)置后，更新識(shí)別參數(shù)設(shè)置值，使之與當(dāng)前設(shè)置一致。 實(shí)驗(yàn)環(huán)境 硬件環(huán)境： 數(shù)碼相機(jī)一臺(tái)（用于采集圖片）， PC 機(jī)一臺(tái)。改進(jìn)的方法采用了細(xì)化的方法提取了字符的骨架，減少了冗余信息，使其在復(fù)雜的應(yīng)用環(huán)境中仍 然能夠準(zhǔn)確27 的識(shí)別出字符，通過粗比對(duì)和細(xì)比對(duì)兩次匹配方法，提高了識(shí)別的魯棒性和準(zhǔn)確性，并且是運(yùn)算速度得到了提高。 同樣，采用相同的方法，我們也一樣可以識(shí)別出其他的字符。這次比較，我們選用的閾值是 ，通過比較，發(fā)現(xiàn)兩者的相似度為 左右，所以我們也不認(rèn)識(shí)該字符圖像是‘ G’。 圖 字符 Q與 O的區(qū)別 26 接下來，我們將待識(shí)別圖像與字母‘ D’標(biāo)準(zhǔn)模板來進(jìn)行細(xì)比對(duì)，通過對(duì)比，我們注意到數(shù)字‘ 0’與字母‘ D’最大的區(qū)別是圖像的上 1/3部，如圖 所示，所以這次我們需要選取待識(shí)別圖像的上 1/3 部，拿它來與字母‘ D’ 的標(biāo)準(zhǔn)模板的上 1/3 部比較，這次，我們選定閾值為 ，通過比較，發(fā)現(xiàn)兩者的相似度遠(yuǎn)遠(yuǎn)低于 ，所以，我們同樣也不認(rèn)為是字母‘ D’。例如某個(gè)待識(shí)別字符如圖 （圖像為標(biāo)準(zhǔn)化的 40 20的圖像），它與‘ 0’，‘ Q’，‘ D’，‘ G’標(biāo)準(zhǔn)字符模板的相似度均大于我們預(yù)定的閾值λ 0，并且根據(jù)它所處的位置來進(jìn)行判斷，假設(shè)它處在最后一個(gè)位置，那么它就應(yīng)該是數(shù)字，所以不用進(jìn)行細(xì)比對(duì)，我們就可以確定它是數(shù)字‘ 0’，但是如 果它處在第三個(gè)位置，它就有可能是數(shù)字也有可能是字母，這是我們就無法簡單的確定它是‘ 0’，‘ Q’，‘ D’還是‘ G’，我們就需要對(duì)它進(jìn)行細(xì)比對(duì)。 最后一步，就是對(duì)待識(shí)別圖像與標(biāo)準(zhǔn)模板進(jìn)行細(xì)節(jié)比對(duì)，也就 是我們所說的字符細(xì)比對(duì)。 接下來進(jìn)行第二步，模板匹配的粗比對(duì)。這樣，剛好剝掉了一圈，這也正是我們細(xì)化所要做的事。 我們判斷用的表如下： Staticinttable [256]={ 0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1, 1,0,0,0,0,0,0,0,1,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,1,0,0,1,1,0,0,1,1,1,1,0,1,1,1,0,1,1,1,0,0,1,1,1,10,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,0,0,0,0,0,0,0,0,1,1,0,0,1,1,1,1,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,1,0,1,1,1,0,0,1,1,0,0,1,1,1,0,1,1,0,0,1,0,0,0}；通過這張判斷表，我們就可以很簡單的判斷該點(diǎn)是否應(yīng)該刪除，整個(gè)算法也就非常簡單了。我們根據(jù)被處理點(diǎn)的八個(gè)相鄰點(diǎn)的情況來查表，若表中 (2) (4) (3) (6) (1) (5) 24 的元素是 1，則表示該點(diǎn)應(yīng)該刪除，否則保留。那么，如果去除那些骨架以外的點(diǎn)呢？顯然，是要根據(jù)它的八個(gè)相鄰點(diǎn)的情況來判斷，以下就是幾個(gè)例子，如圖所示： 圖 細(xì)化示意圖 上圖中的中心點(diǎn)就是我們所要處理的像素點(diǎn)，下面就來討論像素點(diǎn)可不可以刪除，圖（ 1）的像素點(diǎn)不可以刪除，因?yàn)樗莻€(gè)內(nèi)部點(diǎn)，我們要求的是骨架，如果連內(nèi)部點(diǎn)也刪除了，那么骨架就會(huì)被掏空的，所以不能刪除，圖（ 2）中的像素點(diǎn)也不可以刪除，因?yàn)樗彩莾?nèi)部點(diǎn)，和圖（ 1）一樣，圖（ 3）中的像素點(diǎn)可以刪除，因?yàn)樵擖c(diǎn)不是骨架，圖（ 4）也不能刪除，因?yàn)閯h除后，原來相連的部分就斷開了，圖（ 5）的可以刪除，因?yàn)椴皇枪羌?，圖（ 6）不能刪除，因?yàn)樗侵本€的端點(diǎn)，如果這樣的點(diǎn)刪除了，那么整 個(gè)直線也被刪了，圖（ 7）也不能刪，因?yàn)樗枪铝Ⅻc(diǎn)，由此可以看出，有這樣幾條判斷依據(jù)： 內(nèi)部點(diǎn)不能刪除； 孤立點(diǎn)不能刪除； 直線端點(diǎn)不能刪除； 如果 P是邊界點(diǎn)，去掉 P后，如果連通分量不增加，則 P可以刪除。 我們采用的是一種簡單而且效果很好的算法，能夠?qū)崿F(xiàn)抽取骨架的功能。 由于細(xì)化處理在圖像處理中的重要性，所以細(xì)化算法一直是人們比較關(guān)注的問題，人們也提出了許多的細(xì)化算法，這些算法的處理方法和結(jié)果也都不一樣，但是不論其目的，用途怎樣，細(xì)化過程都不能改變?cè)瓐D的拓?fù)溥B續(xù)性，也不能有顯 著的端點(diǎn)縮短和叉點(diǎn)分離的畸變情況。細(xì)化，又稱為骨架化，即在不影響原圖的拓?fù)溥B接關(guān)系的條件下，將寬度大于一個(gè) 像素的圖形線條轉(zhuǎn)變?yōu)橹挥幸粋€(gè)像素寬度的處理過程，也就是抽取圖像的骨架，由于細(xì)化能很好地展現(xiàn)圖像的形狀，并且，細(xì)化還有一個(gè)優(yōu)點(diǎn)就是可以減少所需用到的內(nèi)存空間，這樣就可以在進(jìn)行圖像處理時(shí)簡化23 一些操作，加快處理速度。 22 圖 車牌中的字符 圖 模板字符 本文字符識(shí)別流程 模板匹配是車牌字符識(shí)別最早使用的方法之一，本文也主要是研究基于模板匹配的系統(tǒng)，所以本章重點(diǎn)研究這種算法。對(duì)這三個(gè)字符做這樣的完全識(shí)別后，可以得到一些非常有用的信息，這些信息可以返回到字符分割模塊，可以指導(dǎo)字符分割調(diào)整字符分割的策略。 識(shí)別 車牌的第 7 個(gè)字符（若分割結(jié)果正確的話應(yīng)該是數(shù)字）：調(diào)用數(shù)字模板進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一個(gè)數(shù)字，識(shí)別結(jié)束；若為空字符，則最終識(shí)別結(jié)果為空字符，識(shí)別結(jié)束。 （ 2）調(diào)用數(shù)字模板進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識(shí)別結(jié)束；若為空字符，則表示不是數(shù)字，進(jìn)行第三步。 （ 3）調(diào)用漢字模板進(jìn)行識(shí)別，若識(shí)別結(jié)果為漢字，則最終結(jié)果為 一漢字，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則最終識(shí)別結(jié)果為空字符，識(shí)別結(jié)束。 識(shí)別車牌的第 2個(gè)字符（若分割正確的話應(yīng)該是字母）： （ 1）調(diào)用字母模板庫進(jìn)行識(shí)別，若為字母，則最終結(jié)果為一個(gè)字母，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則表示不是字母，進(jìn)行第二步。 （ 2）調(diào)用字母模板庫進(jìn)行識(shí)別，若為字母，則最終結(jié)果為一個(gè)字母，識(shí)別結(jié)束 ；若識(shí)別結(jié)果為空字符，則表示不是字母，進(jìn)行第三步。找出距離最短的那個(gè)模板這個(gè)模板的輸出值就可以作為該數(shù)據(jù)對(duì)應(yīng)的輸出值。分割步驟： 圖 車牌分割步驟 圖 分割后的車牌 字符識(shí)別 本文的字符識(shí)別采用的是基于模板匹配的識(shí)別方法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字 符書寫格式、字符、尺寸限制和一些其他條件。具體就是采用投影法先將字符粗分割，然后根據(jù)單個(gè)字符的寬度進(jìn)行分類，將粘連字符再分割，斷裂字符合并。它根據(jù)分 割和識(shí)別結(jié)果的耦合程度又有不同的劃分；自適應(yīng)分割線聚類法是一個(gè)分類器，用它來判斷圖像的每一列是否是分割線，它是根據(jù)訓(xùn)練樣本來進(jìn)行自適應(yīng)的神經(jīng)網(wǎng)絡(luò)，但是對(duì)于粘連的字符很難訓(xùn)練。 傳統(tǒng)的字符分割算法可以歸納為以下三類：直接分割法、基于識(shí)別基礎(chǔ)上的分割法和自適應(yīng)分割線聚類法。 字符分割的算法有很多，通常是根據(jù)處理對(duì)象的不同有許多相應(yīng)的方法。只要檢測(cè)出車牌的兩條平行直線即可，符合變換的要求。 Hough 變換只能對(duì)己知形狀參數(shù)的曲線方程如二次曲線、直線來進(jìn)行描述，不能對(duì)未知曲線來進(jìn)行檢測(cè)，這是此變換的缺點(diǎn)。平面內(nèi)的有規(guī)則曲線和直線，將原始圖像中直線和曲線上的點(diǎn)，都集中到變換空間上，形成峰點(diǎn)。其 中 Hough 變換的方法比較常用。求取車牌字符區(qū)域的極小特征點(diǎn)和極大特征點(diǎn)的方法 。Hough 變換法 。 目前，車牌的傾斜校正方法主要有：通過垂直和水平邊緣檢測(cè)相結(jié)合的方法 。傾斜的牌照不利于后續(xù)的字符分割與識(shí)別，嚴(yán)重的還可能引起牌照內(nèi)容的丟失，直接導(dǎo)致字符識(shí)別的失敗。 卷積能量公式如下： （式 ） 其中 h(n)為長度為 L 的卷積核。又由實(shí)驗(yàn)可知，對(duì)圖像求卷積能量時(shí)，卷積長度越接近車牌的寬度，定位就越準(zhǔn)確。其次，由于車牌區(qū)域與車 身相比，車牌區(qū)域的對(duì)比度特別大，灰度變化具有一定頻度，所以我們先對(duì)圖像的每一行相鄰像素做求極值處理，再求相鄰點(diǎn)間的差，從而減少由車身帶來的誤差?；谇笕【矸e能量極值區(qū)域進(jìn)行車牌定位的實(shí)驗(yàn)步驟基本如下：首先，為了提高定位準(zhǔn)確率，我們通過連續(xù)的兩幀圖像定出車輛大概位置，再在車輛的位置上搜索車牌，這樣不僅提高了準(zhǔn)確率，還提高了整個(gè)程序的運(yùn)行效率。 流程圖 如下 ： 圖 車牌定位流程圖 本文采用車牌定位 方法是一種基于灰度圖像，求取圖像能量極值區(qū)域的車牌定位方法，刻意避開二值化中閩值的確定問題。 自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過程的關(guān)鍵。車牌牌照的提取是一個(gè)尋找最符合牌照特征區(qū)域的過程。 車牌定位 從人眼視覺的角度出發(fā)，并根據(jù)車牌的字符目標(biāo)區(qū)域的特點(diǎn)，在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征。同時(shí)為了減少圖像中的孤立干擾點(diǎn)，保留車牌字符邊緣，讓車牌字符的圖像灰度水平投影更有的連續(xù)性。本文對(duì)圖像中特亮和特暗的地方進(jìn)行灰度拉伸，有效增強(qiáng)圖像對(duì)比度，提高車牌定位準(zhǔn)確率。 16 圖 二值化的圖像 圖 采集的車輛圖像為彩色圖像，應(yīng)將彩色圖像轉(zhuǎn)化為灰度圖像。 本設(shè)計(jì)中所用到圖片是用數(shù)碼相機(jī)拍的，模型如下圖： 圖 照片模型 圖像預(yù)處理 圖像預(yù)處理部分需要對(duì)采集到的圖像進(jìn)行圖像加強(qiáng)、平滑濾波等操作，目的是突出車牌的主要特征，以便更好地提取車牌。 14 圖 系統(tǒng)識(shí)別流程圖 開始 輸入汽車圖像 提取車牌 邊緣 形態(tài)學(xué)處理 一次定位 是否有車牌 進(jìn)行二值化 根據(jù)投影和坐標(biāo)變 換進(jìn)行傾斜矯正 根據(jù)垂直投影 進(jìn)行字符切分 進(jìn)行字符識(shí)別 結(jié)果輸出 二次定位 結(jié)束 NO YES 15 第 4 章 基于模板匹配的車牌識(shí)別詳細(xì)設(shè)計(jì) 本設(shè)計(jì)處理的流程包括：圖像采集 圖像預(yù)處理 車牌定位 傾斜校正 字符分割 字符識(shí)別六個(gè)部分。最后完成了整個(gè)車牌字符的識(shí)別。然后，通過對(duì)預(yù)處理后的圖像 進(jìn)行小波變換分解提取圖像邊緣，并進(jìn)行形態(tài)學(xué)處理，這時(shí)，車牌的輪廓已經(jīng)非常清晰，并且可以和非車牌區(qū)域明顯區(qū)分開來了，接著，根據(jù)車牌的特點(diǎn)進(jìn)行車牌初步定位，對(duì)車牌區(qū)域和偽車牌區(qū)域進(jìn)行篩選后，采用投影法進(jìn)行車牌二次定位，提取出車牌圖像。至于軟件系統(tǒng)的選擇，因?yàn)檐浖到y(tǒng)的編寫大多采用 VC 或者 MATLAB 語言，本課題選用了 MATLAB 語言。 算法實(shí)現(xiàn)總體設(shè)計(jì)方案中首先是要采集圖片，而硬件設(shè)備采集到的圖片要考慮其圖像的存儲(chǔ)格式。模板匹配方法最大的優(yōu)點(diǎn)是識(shí)別率很高，但是因?yàn)橐瘘c(diǎn)操作，所以效率比較低下。整個(gè)過程最重要的一步是模板的設(shè)計(jì)，它是后iijj xwx ??jxjj exfx ????? 11)(2)(21 keE ?? ?? j jjn xwky 2)(jjnjjxkewykewEw??????????????)()(222????13 續(xù)工作的基礎(chǔ)。其大體步驟是 :首先， 制作模板并要求模板的大小必須統(tǒng)一 。難以確定隱層和隱層節(jié)點(diǎn)的數(shù)目的缺點(diǎn)，所以在用于字符識(shí)別的過