【正文】 計(jì)算出的平均字符寬度，則將該字符寬度設(shè)置為計(jì)算出的字符平均寬度。調(diào)整的方法為：首先計(jì)算除該字符外的其余六個(gè)字符的平均字符寬度及平均字符空隙寬度。評(píng)判函數(shù)定義如下： (31)其中，函數(shù) 表示車牌中除第 3 個(gè)字符的間距是最大的，其它字符間距都是均等這一特征：s2 表示的是第 3 個(gè)字符的間距與其它字符間距的誤差之和； 表示標(biāo)準(zhǔn)模板的字符與車牌各個(gè)字符中心點(diǎn)的匹配情況，其中 y 是模板與實(shí)際車牌中各個(gè)字符中心距離的方差； 是表示優(yōu)割字符可能是一個(gè)實(shí)際車牌的字符， M 表示滑動(dòng)匹配過程中采用的優(yōu)割字符數(shù)量。由于車牌自身?xiàng)l件的約束，評(píng)判都是在很少的次數(shù)內(nèi)結(jié)束，評(píng)判次數(shù)由車牌粗定位的效果決定，如果車牌定位后的圖像中車牌左右殘留部分較大，那么字符分割的評(píng)判次數(shù)就多，反之次數(shù)很少。保證車牌模板在實(shí)際車牌區(qū)域中，依次選取優(yōu)割字符，并以該優(yōu)割字符依次作為實(shí)際車牌的七個(gè)字符，結(jié)合其余的優(yōu)割字符來構(gòu)造出實(shí)際分割車牌，最后利用前面所構(gòu)造的車牌模板與當(dāng)前構(gòu)造出的實(shí)際分割車牌進(jìn)行覆蓋匹配，試探過程如圖 32 所示。由于優(yōu)割字符并不一定就是最后分割出的字符，有時(shí)車牌的邊框等也滿足優(yōu)割字符的條件，但它并不是一個(gè)車牌字符，因此，需要將這些偽字符在后續(xù)處理中剔除。（2）標(biāo)準(zhǔn)模板的生成在確定了分割的優(yōu)割字符之后，即確定了字符的高度和寬度，可由車牌的先驗(yàn)知識(shí)生成理想的車牌結(jié)構(gòu)，包括各字符的位置以及字符的中心點(diǎn)距離等。在確定出優(yōu)割字符寬度之后，在車牌圖像二值化圖像的垂直投影圖中，將符合優(yōu)割字符條件的區(qū)域進(jìn)行標(biāo)注，這些區(qū)域?yàn)樽址指顣r(shí)的優(yōu)先選擇區(qū)域。因?yàn)樵谒浇缇_確定以后，圖像的高度即為字符的高度，由理想車牌的先驗(yàn)知識(shí)可知，車牌中字符的高寬比為 2：1。為此，引入優(yōu)割字符 17 的概念。③如果發(fā)生字符粘連，使兩個(gè)或兩個(gè)以上字符發(fā)生粘連或字符和邊框發(fā)生粘連形成一個(gè)連通部分，那么使用連通域算法進(jìn)行字符的確定就會(huì)失敗，而使用垂直投影算法則應(yīng)通過垂直投影圖的閾值來排除這種情況，而在一般情況下這個(gè)閾值很難確定。假設(shè)車牌圖像在二值化過程中某一字符有下列某種情況：①如果發(fā)生字符斷裂，使字符分成上下兩個(gè)部分，那么使用連通域算法進(jìn)行字符分割時(shí)，會(huì)將一個(gè)字符判別為兩個(gè)字符，而使用垂直投影算法則不受此影響。為此，本文提出一種優(yōu)割字符的方法，并將其用于垂直分割算法。 圖像預(yù)處理傾斜校正和水平切割后，需要牌照圖像二值化，轉(zhuǎn)化為黑底色白字對不同顏色的牌照處理，采用 CASDA 算法進(jìn)行二值化處理，然后計(jì)算二值化后的圖像垂直投影，結(jié)果如圖 31 所示。綜合分析以上算法，本文研究了一種基于垂直投影和優(yōu)割字符的字符分割算法，該算法綜合了垂直投影法和連通域法的優(yōu)點(diǎn)。另外，對字符粘連所產(chǎn)生大的連通域可以考慮重新選取閾值再進(jìn)行切分的方法。于是提出了許多改進(jìn)方法，例如二值化方法的改進(jìn)，使二值化圖像盡量避免字符的粘連和斷裂。（5）輸出分割后的字符圖像。然后，依據(jù)每個(gè)區(qū)域的坐標(biāo)位置重新組織所得的區(qū)域。 15 （2）計(jì)算的每矩形地周圍邊境，并分別記為 A(i)l 和 A(i)r。連通域算法的思想是：對車牌圖像的二值化圖像進(jìn)行掃描，標(biāo)記連通域，將不符合車牌字符特征的連通域刪除，對保留的連通域使用某種評(píng)判函數(shù)進(jìn)行評(píng)判，選取合適的連通塊作為切割后車牌字符。 基于連通域的字符分割算法車牌上的字符除了第一個(gè)是漢字外，其它的都是字母或數(shù)字，即在理想狀態(tài)下是“全”連通的。但是，當(dāng)字符因斷裂而形成左右兩個(gè)部分時(shí)，在計(jì)算波谷點(diǎn)時(shí)，該算法就會(huì)出錯(cuò)。（6）輸出分割后的字符圖像。（4）從波谷點(diǎn)序列中選取最左和最右的波谷點(diǎn)，作為車牌第一和最后一個(gè)字符的分割界限，并計(jì)算兩波谷點(diǎn)的距離作為車牌的長度。（2）從左到右取投影圖外圍包絡(luò)線的波谷點(diǎn)，并將這些波谷點(diǎn)按照橫坐標(biāo)值升序排列?；诖怪蓖队暗淖址指钏惴ㄊ窃谲嚺普諈^(qū)域垂直投影圖上從左至右檢測各坐標(biāo)的垂直投影數(shù)值，當(dāng)找到第一個(gè)局部最小點(diǎn)的時(shí)候，認(rèn)為這個(gè)點(diǎn)是最左面字符的邊界；然后，在水平方向上從右至左 14 檢測坐標(biāo)的垂直投影數(shù)值，當(dāng)找到第一個(gè)局部最小點(diǎn)的時(shí)候，認(rèn)為這個(gè)點(diǎn)是最右面字符的邊界；得到兩邊字符的邊界之后，用同樣方法可以找到每個(gè)字符的邊界。 基于垂直投影的字符分割算法由于字符塊在豎直方向上的投影不僅在字符間取得局部最 小值，而且在字符內(nèi)的間隙處也能取得局部最小值。上述特點(diǎn)只有第一條對字符分割有所幫助，第二條到第六條都給字符分割增加了困難。牌照的規(guī)格也各不相同，各種字符的組合多種多樣，概括起來具有以下一些特征：①車牌中均為七個(gè)字符，常規(guī)情況第一個(gè)字符為漢字，第二個(gè)字符為字母，第三個(gè)到第七個(gè)字符為字母或者數(shù)字；②車牌中七個(gè)字符的外接矩形相同，高度和寬度的比例相同（除“1”外） ；③車牌的牌照架，以前是根據(jù)車主的要求牌照架有所不同，有的還沒有安裝牌照架，這不適合利用邊框信息進(jìn)行字符分割。表 21 字符定位算法比較方法 復(fù)雜度 穩(wěn)定性紋理特征定位法 簡單定位較精確，應(yīng)用廣，缺點(diǎn)是容易受到車牌圖像質(zhì)量的影響，造成車牌定位失敗數(shù)學(xué)形態(tài)學(xué)定位法簡單不受噪聲影響，不依賴圖像的狀況，定位較精確，適用于對車牌區(qū)域進(jìn)行粗定位，缺點(diǎn)是對車牌圖像的背景環(huán)境有一定要求邊緣檢測定位法 簡單不受圖像形態(tài)如傾斜等情況的影響，定位分割較精確，速度快，適合對車牌進(jìn)行粗定位 12 顏色空間定位法 較復(fù)雜根據(jù)車牌字符與背景顏色的差別，進(jìn)行車牌區(qū)域定位，定位準(zhǔn)確度較高，缺點(diǎn)是車牌顏色和車身顏色要有一定的對比度 13 第三章 汽車牌照字符分割方法研究 車牌字符的一般特征分析在對車牌字符進(jìn)行分割之前，先分析一下車牌中字符的一般特征，為后面進(jìn)行字符的分割打下基礎(chǔ)?，F(xiàn)在常用的車牌定位算法有基于字符紋理的定位、基于數(shù)學(xué)形態(tài)學(xué)的定位、基于邊緣檢測的定位、基于顏色空間的定位等方法。 11 圖 25 Robert 算子邊緣檢測圖 車牌定位算法介紹車牌定位就是將車牌圖像從整個(gè)待處理的圖像中定位分割出來。目前廣泛使用的邊緣檢測的方法有以下幾種：Robert 算子，Sobel 算子，Canny 算子，Prewitt 算子，log 算子等。該運(yùn)算的作用是填平小孔，連接臨近物體圖像，平滑物體圖像邊界，結(jié)果是總的位置和形狀不變。定義結(jié)構(gòu) A 被結(jié)構(gòu) B 腐蝕表示為 AΘB，數(shù)學(xué)形式可表示為： 10 (23)(3)開運(yùn)算該運(yùn)算是先進(jìn)行腐蝕運(yùn)算再進(jìn)行膨脹運(yùn)算的結(jié)合過程，作用是可以消除圖像中一些孤立的毛刺以及小點(diǎn)，同時(shí)可以連通兩塊或幾塊區(qū)域中的小點(diǎn)，使較大物體圖像的邊界得到平滑，同時(shí)，總的位置和形狀沒有改變。定義結(jié)構(gòu) A 被結(jié)構(gòu) B 腐蝕表示為 A⊕B，數(shù)學(xué)形式可表示為： (22)膨脹運(yùn)算效果如圖 24 所示 圖 24 膨脹處理(2)腐蝕運(yùn)算腐蝕的原理是消除邊界點(diǎn)，使圖像的邊界向內(nèi)收縮，具有收縮圖像的作用。數(shù)學(xué)形態(tài)學(xué)運(yùn)算的效果由結(jié)構(gòu)元素的大小和邏輯運(yùn)算決定，通常有膨脹運(yùn)算、腐蝕運(yùn)算、開運(yùn)算和閉運(yùn)算。數(shù)學(xué)形態(tài)學(xué)圖像處理是一種鄰域運(yùn)算，將這種鄰域稱作結(jié)構(gòu)元素，在每個(gè)像素位置上，結(jié)構(gòu)元素與對應(yīng)的區(qū)域進(jìn)行運(yùn)算，結(jié)果作為輸出圖像的對應(yīng)像素。它是一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的學(xué)科，其基本思想和方法對圖像處理的理論和技術(shù)產(chǎn)生了重大的影響。圖 23 顯示了對加入了椒鹽噪聲的圖片進(jìn)行均值濾波后的效果。二值化效果如圖 22 所示圖 22 二值化處理 均值濾波濾波是一種對圖像進(jìn)行增強(qiáng)的算法，通過對圖像進(jìn)行濾波處理可以實(shí)現(xiàn)圖像的光滑、銳化。全局閾值的二值化算法是指在整幅圖像中使用一個(gè)統(tǒng)一的閾值對灰度圖像進(jìn)行二值化，當(dāng)圖像背景比較單一時(shí)，采用全局閾值進(jìn)行圖像處理一般可得到比較滿意的結(jié)果，并且算法較簡單易于實(shí)現(xiàn)。進(jìn)行灰度轉(zhuǎn)換時(shí)使用如公式(21)：Y = R + +(21)灰度化效果如圖 21 所示?；叶葓D進(jìn)行算法處理相對簡單，處理灰度圖像的速度會(huì)比處理彩色空間的圖像快很多，因此常常將彩色圖像進(jìn)行灰度處理后再做下一步的算法分析。彩色圖像包含大量的顏色信息，它的每個(gè)像素都包含三個(gè)不同的顏色分量 R、G 、B，占用的存儲(chǔ)空間比較大，對其進(jìn)行處理時(shí)會(huì)降低系統(tǒng)的執(zhí)行速度。通過圖像的預(yù)處理，可以使車牌的主要特征更加突出，便于更好的提取車牌。 7 第二章 車牌預(yù)處理及定位與分割算法研究 圖像預(yù)處理采集的車牌圖像在進(jìn)行定位、分割、識(shí)別之前需要對原圖像預(yù)處理，這是因?yàn)橐恍┲T如車牌本身問題及拍攝環(huán)境條件等因素的影響，導(dǎo)致圖片模糊，無法直接進(jìn)行車牌的定位及后續(xù)的處理工作?？紤]到傳統(tǒng)的串行，無學(xué)習(xí)功能的機(jī)械式計(jì)算方法的缺陷，本文采用了具有大規(guī)模并行處理和分布式信息存儲(chǔ)，良好的自適應(yīng)，自學(xué)習(xí)能力的改進(jìn)即人工神經(jīng)網(wǎng)絡(luò)，使得該法成為本文進(jìn)行字符識(shí)別所使用的主要方法。之后用投影特征圖得到分割后的字符，為了方便下步的處理，本文隨后采用了字符歸一化的技術(shù)。本文車牌識(shí)別的步驟為:圖像預(yù)處理、車牌定位、字符分割、BP 網(wǎng)絡(luò)訓(xùn)練、字符識(shí)別等幾個(gè)部分。 本文研究的內(nèi)容由于神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的自組織學(xué)習(xí)能力、容錯(cuò)性、魯棒性及非線性處理等優(yōu)點(diǎn)，所以本文選擇了神經(jīng)網(wǎng)絡(luò)技術(shù)作為研究的主要方法，在此基礎(chǔ)上，詳細(xì)研究了車牌識(shí)別算法的實(shí)現(xiàn)方法，主要包括車輛牌照的分割與提取和車牌字符的識(shí)別。目前離線的文字字符識(shí)別產(chǎn)品已大量問世，有代表性的國內(nèi)外系統(tǒng)和研究小組有：美國的 Expervision 的 PTK(Recognition Cool Kits)和紐約州立大學(xué) Bufalo 分校的 Cedar 研究中心，加拿大 Conordia 大學(xué)的 Cenparmi 實(shí)驗(yàn)室，日本東芝的 Textreader。同時(shí)，各大高校如西安交通大學(xué)的圖像處理和識(shí)別研究室、上海交通大學(xué)的計(jì)算機(jī)科學(xué)和工程系、清華大學(xué)人工智能國家重點(diǎn)實(shí)驗(yàn)室、浙江大學(xué)的自動(dòng)化系等也做過類似的相關(guān)研究。目前比較成熟的產(chǎn)品有中科院自動(dòng)化研究所漢王公司的“漢王眼” ，它采用 CMOS 攝像頭+DSP+MPU 組成一個(gè)高速運(yùn)行的硬件平臺(tái)，C 帕 S 攝像頭直接輸出數(shù)字信號(hào)，可方便地與 DSP 連接；用 DSP+MPU 代替工控機(jī)，可充分利用 DSP 在圖像處理方面的速度優(yōu)勢和單片機(jī)工作可靠的優(yōu)點(diǎn)，使圖像處理成為一個(gè)完整的系統(tǒng)。另外日本，加拿大、德國、意大利、英國等各個(gè)西方發(fā)達(dá)國家都有適合本國車牌的識(shí)別系統(tǒng)。現(xiàn)階段，國外對汽車牌照識(shí)別的研究，較為著名的有以色列 HITECH公司的 SEE/CARSYSTEM 系列，新加坡 OPTASIA 公司的 VLPRS 系列都是比較成熟的產(chǎn)品。 5 。我國車牌識(shí)別系統(tǒng)技術(shù)相對他國的車牌識(shí)別系統(tǒng)來講，其需求和難度更大 [3]，原因是：。這種網(wǎng)絡(luò)的識(shí)別效果與字符特征的提取有關(guān)，而字符特征的提取比較困難。在許多系統(tǒng)中，其字符識(shí)別均采用了人工神經(jīng)網(wǎng)絡(luò)方法?；谔卣髌ヅ涞乃惴ㄐ时饶０迤ヅ渌惴ㄐЧ?，但是特征的正確提取比較困難。使用關(guān)鍵點(diǎn)進(jìn)行模板匹配有效地減少了模板中象素點(diǎn)的個(gè)數(shù)，只利用字符的關(guān)鍵點(diǎn)進(jìn)行模板匹配，既提高了識(shí)別速度，又具有較高的識(shí)別率。在實(shí)際應(yīng)用中，為提高正確率，往往必須使用多個(gè)模板進(jìn)行匹配，而處理時(shí)間則隨著模板個(gè)數(shù)的增加而增加。（1）基于模板匹配的字符識(shí)別的基本過程是：首先對待識(shí)別字符進(jìn)行二值化并將其尺寸大小歸一化為字符數(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。在理論上，利用垂直投影法對斷裂字符進(jìn)行分割應(yīng)具有較好效果；但是對于字符區(qū)域連接緊密的字符的分割利用投影法可能效果比較差，可以利用模板的方法或者回溯的方法來進(jìn)行處理。字符分割常采用垂直投影法 [2]實(shí)現(xiàn)。車牌定位方法涉及到的具體方法有：區(qū)域生長法，構(gòu)造灰度模型法，二值圖像的數(shù)學(xué)形態(tài)學(xué)運(yùn)算法，灰度圖像的數(shù)學(xué)形態(tài)學(xué)運(yùn)算法，自適應(yīng)邊界搜索法，DFT 變換法，模糊聚類法等。車牌有矩形邊框，字符位于矩形框中，且有間隔，并且每個(gè)字符的高寬和字符間的間隔滿足一定的條件。（5）車牌的幾何特征，即車牌的高、寬以及高寬比，應(yīng)在一定的范圍內(nèi)。（3）車牌區(qū)域水平或垂直投影特征，車牌區(qū)域水平或垂直灰度投影呈現(xiàn)連續(xù)的峰、谷、峰的分布。目前所利用的車牌特征主要分為空域特征和變換域特征兩大類其中空域特征主要有：（1）車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計(jì)特征，車牌區(qū)域內(nèi)的邊緣灰度直方圖具有兩個(gè)明顯且分離的分布中心，可以較好地提取邊緣。預(yù)處理的效果對隨 3 后的定位處理有很大的影響，因此選擇可靠的預(yù)處理算法也是非常重要的。目前這三方面的研究情況大致如下： 車牌定位技術(shù)在對實(shí)際車牌區(qū)域定位之前，需要進(jìn)行相應(yīng)的預(yù)處理。在整個(gè)系統(tǒng)中，核心的部分是基于軟件算法實(shí)現(xiàn)的圖像處理模塊。因此，本課題的研究對于提高城市交通管理水平，維護(hù)城市環(huán)境清潔，加快交通管理，環(huán)境保護(hù)現(xiàn)代化步伐具有很重要的實(shí)際使用價(jià)值。本文的研究是希望通過算法深入探 2 討，建立基于算法的實(shí)際系統(tǒng)，在固定的交通路口或收費(fèi)站口，配合已安裝的視頻監(jiān)視系統(tǒng)，在接收視頻的后臺(tái)實(shí)時(shí)的對前方或后方運(yùn)行的汽車進(jìn)行車輛牌照檢查。在不影響汽車狀態(tài)的情況下，大部分 LPR 系統(tǒng)的工作由計(jì)算機(jī)自動(dòng)完成，從而可降低工作復(fù)雜度。此外，由于日益增長的安全需求，使得車輛識(shí)別技術(shù)變得極為重要，為了監(jiān)控身份未知的車輛進(jìn)入一些隱私領(lǐng)域，上述