【正文】 1993. [56]霍宏濤等編著.《數(shù)字圖像處理》.. [57] J. L. Eaves, E. K. Reedy, Continuous Wave Radar, Principles of Modern Radar chapter 13，Van Nostrand Reinhold Company, 1987. [58] Foresti, .，Murino, V, Regazzoni, recognition and tracking from road image sequences. IEEE Transactions, Vehicular Technology: 301一318, Jan. 1999. [59] Salvatore 39。CVGIP(Computer Vision Graphicsamp。參考文獻(xiàn) [1]，沈鴻飛，. [2]楊墉金，((TI39。而且他工作務(wù)實(shí)、經(jīng)驗(yàn)豐富、啟示了我為人處事的生活態(tài)度。致謝 在本論文完成之際，我想起了所有關(guān)心和幫助過我的老師、朋友，在此我向他們表達(dá)我最誠摯的感謝。在進(jìn)行匹配的時候又采用了先粗匹配，然后分組，根據(jù)細(xì)節(jié)部分和字符位置再次細(xì)比對的方式，提高了匹配成功率，降低了誤識率。 (4)車牌字符識別 在進(jìn)行字符識別的時候，為了滿足我們的項(xiàng)目需要，我采用了改進(jìn)的模板匹配的方法。這里對垂直投影法的改進(jìn)主要采取的是忽略部分字符粘連后造成的影響，合并斷裂字符，最后再通過寬高比值驗(yàn)證。 (3)車牌的字符分割 通過傾斜校正，我們得到了比較正規(guī)的圖像，這樣就便十分割處理。在進(jìn)行傾斜校正的時候，首先用Hough變換取得車牌傾斜的角度，然后通過兩次變換將圖像校正，最終達(dá)到我們的目的。 (2)車牌的傾斜校正 在將圖像二值化以后，我就可以進(jìn)行進(jìn)一步的處理。本文的研究工作如下: (1)圖像預(yù)處理 該階段主要研究內(nèi)容是數(shù)字圖像的基礎(chǔ)以及對車牌圖像的去噪處理和二值化。第七章結(jié)論 隨著汽車數(shù)量的增加，城市交通狀況口益惡化，如何能夠智能有效地進(jìn)行交通管理，已經(jīng)成為了各國政府和相關(guān)部門所關(guān)注的焦點(diǎn)，而汽車牌照識別系統(tǒng)(LPRS)在智能交通系統(tǒng)(ITS)中占有非常重要的地位，如何實(shí)現(xiàn)汽車牌照的自動識別已成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱點(diǎn)問題之一。把每一幅相減后的圖的0值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。其他模板設(shè)計(jì)的方法與此相同。所以建立字符模板庫也極為方便。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。在實(shí)際設(shè)計(jì)模板的時候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計(jì)的特征量來構(gòu)建模板，就可以避免上述問題。也可以計(jì)算圖象與模板特征量之間的距離，用最小距離法判定所屬類。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識別的主要方法。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實(shí)現(xiàn)特征提取直至識別。識別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時?；谀０迤ヅ涞腛CR的基本過程是:首先對待識別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。 最近鄰插值法計(jì)算非常簡單，并且，在許多的情況下，其結(jié)果也是可以令人接受的，不過，當(dāng)圖像中包含像素之間灰度級有變化的細(xì)微結(jié)構(gòu)時，最近鄰插值法會在圖像中產(chǎn)生人工的痕跡(如帶有鋸齒形的邊)。 當(dāng)字符切分出來后，因?yàn)榇笮〔煌?，這就需要進(jìn)行歸一化處理，目的就是可以在統(tǒng)一的標(biāo)準(zhǔn)下進(jìn)行識別，目前常見的歸一化方法有基十質(zhì)心的歸一化，還有就是基十外框的歸一化。 ，投影圖中無黑線處的位置對應(yīng)著圖像中沒有字符的地方，投影圖中還可以看出每個字符的投影都是連續(xù)的，各字符的投影之間都有一定的間隙，這是因?yàn)樵诖怪蓖队斑^程中，如果在某一列投影上沒有目標(biāo)像素，那么這一列一定是處于牌照上沒有字符的空隙處，所以我們在分割字符串的時候，就可以直接利用投影圖中空白處的位置信息在原二值化圖像的相應(yīng)位置，用白線來表示字符間的空隙，得到的分割字符串后圖像， 從上圖可以看出，通過簡單的確定分割點(diǎn)的位置，然后進(jìn)行分割，已經(jīng)基本完成了分割的任務(wù)，這樣的分割結(jié)果還是比較滿意的。在去除了上下邊框后，我們就可以利用垂直投影的方法來進(jìn)行字符的分割了，投影法是將圖像的每一列的目標(biāo)像素的數(shù)目統(tǒng)計(jì)出來，在二值化的圖像中，白色像素就是目標(biāo)像素，黑色像素就是背景像素，然后，我們再根據(jù)統(tǒng)計(jì)出來的數(shù)據(jù)進(jìn)行處理，劃分出字符間的間隔，最終完成分割字符的任務(wù)。由此，我們就檢測出了字符的上下邊沿，從而完成了去除上下邊框的任務(wù)，: 并且，我們在去除邊框的同時，還得到了車牌字符的高度，記錄為CharHeight，更加便于后續(xù)處理。 (2)如果所有被認(rèn)為是字符區(qū)域的行是連續(xù)的，則認(rèn)為在這些連續(xù)行中最上方一行即為字符的最上端，最下面一行就是字符的最下端。特別是牌照的上下邊框?qū)τ谂普兆址姆指钍且粋€很大的障礙，由于它的存在，使得字符串垂直投影的值全部大于零，缺少了零值點(diǎn)，使得我們不能根據(jù)零值點(diǎn)來確定分割的位置，因此必須先將其去掉。至今已提出了上千種各種類型的分割算法。這是因?yàn)閳D像的分割、目標(biāo)的分離、特征的提取和參數(shù)的測量將原始圖像轉(zhuǎn)化為更抽象更緊湊的形勢，使得更高層的分析和理解成為可能。 通過具體應(yīng)用我們可以看出，這種校正方法對那些傾斜度不是很大的圖像具有很好的效果，校正后的圖像便十后續(xù)的處理與識別，但是對十那些變化比較大的車牌圖像應(yīng)用效果不是太好，并且這種方法需要以車牌邊框?yàn)樾ＵA(chǔ)，通過邊框的位置來進(jìn)行校正，所以對十那些沒有邊框的車牌(部分磨損嚴(yán)重或者有意掩蓋的車牌，但是數(shù)量較少)，這種方法就無能為力了，需要采取其他的方法。)，其關(guān)系可用下式來表示: 這樣，原圖像經(jīng)過垂直方向和水平方向的兩次校正，原來傾斜的降}像就被轉(zhuǎn)換到了正常的位置。 設(shè)圖像中最低點(diǎn)A的坐標(biāo)為((x,y)，且斜邊與基準(zhǔn)直線的夾角為β(注意，此時的β為第一次校正后的夾角，即為βα，此時車牌中的任一像素點(diǎn)(x, y)，校正到新點(diǎn)的坐標(biāo)即為(x 第二步即對圖像進(jìn)行水平方向的矯正。為了不失一般性，我們設(shè)旋轉(zhuǎn)中心為(xo，yo)，旋轉(zhuǎn)角度為a，把原圖中的任意一點(diǎn)(x,y)轉(zhuǎn)換到點(diǎn)( Xk,YK)，可以用下式來描述: 逆時針時，a取正值，順時針時取正值。 我們研究的校正方法是針對具有一定角度傾斜的對象，傾斜的角度不大，但是由于一般出現(xiàn)的傾斜都包括了水平方向的傾斜和垂直方向的傾斜，如果采用一次旋轉(zhuǎn)校正，會導(dǎo)致字符扭曲，所以我們把校正分為兩步，首先，把表示車牌區(qū)域的四邊形的一邊轉(zhuǎn)換到與Y軸平行，然后再對圖像進(jìn)行變換，將車牌區(qū)域轉(zhuǎn)換到正常的位置。用Hough變換檢洲頃斜角度 通過Hough變換，我們可以找出圖像中最長的接近于垂直的直線，在通常情況下，這條直線就是車牌的垂直邊緣，所以它的傾斜角度也就是車牌垂直方向傾斜的角度，隨后我們再找出圖像中最長的接近于水平的直線，那么這條直線就是車牌的水平邊緣，同理，它的傾斜角度也就是車牌水平方向傾斜的角度，由此我們可以得到垂直傾斜角度α和水平傾斜角度β。它的具體算法描述如下: (1)、應(yīng)用OTSU法求出全圖閩值作為初值To (2)、對圖像進(jìn)行二值化處理