【正文】 主流供應(yīng)商 ( 如北京漢王科技、昆明利普視覺、上海高德威、沈陽聚德、北京信路威等公司 )的 產(chǎn)品有一半左右是應(yīng)用在此領(lǐng)域。 高速公路收費輔助系統(tǒng)：一般是在高速公路入口處進行車牌圖像采集、識別，將識別結(jié)果寫入通行卡 ( 票 ) 或者通過網(wǎng)絡(luò)傳送至各出口站，在車輛到達出口時，再進行一次車牌圖像采集、識別，并將識別結(jié)果與入口識別結(jié)果相比對，以防止或發(fā)現(xiàn)倒卡、換卡、換牌等逃費行為。從一些產(chǎn)品的解決方案來看，實際使用時 一般 仍然需要人工復(fù)核 。 2 、車牌圖像識別技術(shù)在 城市交通 領(lǐng)域的應(yīng)用 隨著我國機動車保有量的迅速增加，以及政府對公共安全的日益重視，城市交通監(jiān)控和管理工作日趨繁重。目前，車牌圖像識別技術(shù)已經(jīng)開始在移動電子警察、城市卡口監(jiān)控、超速布控報警等城市交通 ( 治安 ) 方面有了一定的應(yīng)用。 城市卡口監(jiān)控：公安部頒布的城市卡口監(jiān)控系統(tǒng)部頒標準明確規(guī)定了車牌識別是城市卡口監(jiān)控系統(tǒng)的一個重要組成部分，越來越多的城市公安部門正在積極籌建卡口系統(tǒng)。 移動電子警察：移動電子警察現(xiàn)在逐漸應(yīng)用到交警日常工作中，采用移動電子警察技術(shù)可以靈活地對非固定監(jiān)控點的交通違章和事故進行取證處理，不僅提高了警察執(zhí)法效率，而且增強了執(zhí)法的公正性。目前的車 2 牌圖像識別產(chǎn)品在這方面尚不夠理想，因此 一般也是 作為一種輔助手段，還不能實現(xiàn)真 正意義上的智能化。由于停車管理日益成為城市交通管理中一個嚴重問題，人們對停車管理的智能化呼聲日漸高漲，通過車牌識別系統(tǒng)可以構(gòu)建一個智能的停車管理系統(tǒng)，因此，在大中城市的商場、寫字樓有很大的市場潛力。 此外，車牌圖像識別技術(shù) 超速抓拍、門禁管理等方 面也有一定的應(yīng)用，但與前述三個方面的應(yīng)用一樣，還存在著一些問題有待于解決。各個 廠商 所 聲稱的 識別正確率 一般在 95% 左右 ， 與真正智能化的要求還有一定的距離。 由于 各個 廠商對其使用的車牌圖像識別技術(shù)都是不公開的，我們很難了解其中采用的三個方面的 關(guān)鍵 技術(shù) ( 車牌區(qū)域定位、單個字符區(qū)域切分、字符分類識別 ) 中使用的具體方法，因此很難 具體評價其方法的優(yōu)劣。也就是說，所采用的 車牌圖像識別技術(shù)往往還在一定程度上 要 依賴待識別圖像具體的采集環(huán)境和采集方式等因素 。由此可以推斷，目前的車牌圖像識別 產(chǎn)品 對于不同使用 環(huán)境的適應(yīng)性還不是特別理想， 其原因主要是 關(guān)鍵 技術(shù)對于 不同 背景和不同自然條件下所采集 圖像的適應(yīng)性還不是很好 , 會導(dǎo)致 車牌識別產(chǎn)品軟件的通用性還不 是 太 好，往往 需 要在 現(xiàn)場 采集大量樣本分析測試 ， 并 且要 修改相應(yīng)參數(shù)甚至方法，使得施工周期往往較長，識別結(jié)果的可靠性往往也不能讓人完全放心。 有關(guān)研究大多圍繞車牌圖像識別的三大 關(guān)鍵 技術(shù) ( 車牌區(qū)域定位、單個字符區(qū)域切分、字符分類識別 ) 進行。 這在一定程度上反映了車牌定位技術(shù)的重要地位，也一定程度上反映出目前這方面尚有不盡人意之處。 在車牌區(qū)域定位方面，公 開資料中提出的方法主要有： 基于神經(jīng)網(wǎng)絡(luò)分類器的 車牌區(qū)域定位 方法 、 基于彩色圖像特征的車牌區(qū)域定位方法 、 基于紋理檢測和邊緣檢測的車牌區(qū)域定位方法 、 基于區(qū)域的車牌區(qū)域定位方法 、 基于幾何形狀特征的車牌區(qū)域定位方法 、 基于離散圖像空間變換的 車牌區(qū)域定位 方法 、 基于離散圖像空間變換的 車牌區(qū)域定位 方法 、 基于遺傳算法 的車牌區(qū)域定位方法 等。 在車牌字符分類識別時的特征選擇和提取方面， 公開資料中利用的字符分類特征主要有： 以二值圖像 中 字符的筆畫像素分布為基礎(chǔ)的字符特征 ( 主要包括 四周邊特征 、 粗網(wǎng)格特征 、 投影特征 等 ) 、 以二值圖像 字符輪廓、骨架 為基礎(chǔ)的字符特征 ( 包括字符 筆畫 方向線素特征 、 漢字結(jié)構(gòu)特征點特征 等 ) 、 基于灰度圖像 小波變換的 字符 特征 ( 包括 小波 系數(shù)特征、 小波 矩特征和 小波 能量特征 ) 。 上述方法的提出，為本文的有關(guān)研究提供了重要的參考和對照，在本文的第三章、第四章和第五章中進行了相應(yīng)的分析。一些方法中要求的 圖像的 特征 ( 比如，要求圖像中車牌區(qū)域大小一致，或者要求車牌圖像 字符位置固定 等 ) 在 目前的 圖像實際采集時可 4 能 還 難以滿足， 方法的實用性也就 難免存有一定的疑問 。 2 、 對與車牌圖像識別 關(guān)鍵 技術(shù)相關(guān)領(lǐng)域的研究還存在一定的困難 由于一些客觀的原因， 有關(guān) 研究 工作往往是局限于車牌圖像識別關(guān)鍵技術(shù)本身的設(shè)計方案和算法 。比如，國家車牌標準、車牌圖像采集標準 、 有關(guān)測試規(guī)范的統(tǒng)一以及 有關(guān)的執(zhí)法管理工作 等方面 的因素 ，都直接或間接地影響著車牌 圖像 識別 關(guān)鍵 技術(shù)采用的方案和算法 的選擇和實際應(yīng)用效果 。 本文研究的主要內(nèi)容 車牌區(qū)域定位、單個字符區(qū)域切分 和 字符分類識別 作為車牌圖像識別系統(tǒng)的三個 關(guān)鍵 技術(shù)，同時又是一個有機的整體。 對于 92式普通民用 車牌 ， 識別的基本過程如下： 原始圖像→ 車牌定位 → 字符切分 → 識別第一個字符 →?→ 識別第七個字符 上述過程可以看作是一個三個方面九個環(huán)節(jié)組成的 鏈式結(jié)構(gòu)，根據(jù)概率論的原理，對于 三個關(guān)鍵技術(shù)可靠性的要求極高。而由于實際應(yīng)用場合，原始圖像 幾乎都是在開放或半開放的環(huán)境中進行采集的 ， 天氣變化、光線變化 、攝像機與車牌不同的相對位置 以及圖像采集現(xiàn)場不同的景物背景等因素， 都直接或間接地影響著圖像的內(nèi)容和質(zhì)量 ，從而會影響相關(guān)方案的選擇 。 本 文在參考大量有 關(guān)車牌圖像識別技術(shù)公開資料的基礎(chǔ)上，圍繞著車牌圖像識別技術(shù)實際應(yīng)用的特點和要求，并通過一定的實驗分析手段，主要進行了如下幾方面的工作： 1 、對于車牌圖像識別技術(shù)中常用的一些基本的圖像處理方法，進行了分析研究 在這部分工作中，重點分析研究了圖像的二值化、邊緣檢測、同態(tài)濾波、數(shù)學(xué)形態(tài)學(xué)處理、直方圖變換和幾何畸變校正等方法在車牌圖像識別中的作用和應(yīng)用特點。目前提出的車牌字符切分和字符分類特征提取的方法，很多是以二值圖 像為基礎(chǔ)的。在車牌圖像識別中，本文認為最好應(yīng)避免在車牌區(qū)域定位和車牌字符切分階段對圖像進行 二值化 ，并設(shè)計 出 一種 基于 Canny 邊緣檢測 尋找目標對象特征點 、再 對特征 點的灰度像素值 分析判斷 來確定閾值 的車牌字符二值化方法 ，改善了車牌字符圖像二值化處理的質(zhì)量 ，可以滿足本文對車牌字符特征提取預(yù)處理的要求 。 (3) 關(guān)于圖像的同態(tài)濾波 對車牌圖像進行同態(tài)濾波可以 增強字符與背景的對比 ，有利于 邊緣提取，對車牌區(qū)域圖像的二值化具有一定的幫助。 (4) 關(guān)于圖像的數(shù)學(xué)形態(tài)學(xué)處理 數(shù)學(xué)形態(tài)學(xué)中的開運算和閉運算，具有在 基本不改變 目標對象 形狀 的情況下對背景像素進行處理的優(yōu)點， 在本文的車牌區(qū)域定位和字符切分方法中有較好的應(yīng)用效果。 (6) 關(guān)于車牌圖像的幾何畸變校正 在車牌圖像識別中，幾何畸變校正基準的獲得比較困難 。而且 ,對圖像進行幾何畸變 校正 的同時，會產(chǎn)生新的畸變，也可能會給字符的分類識別帶來不利的影響。 2 、在分析研究公開資料中提出的一些車牌區(qū)域定位方 法的基礎(chǔ)上，設(shè)計實現(xiàn)了一種基于多方向邊緣 處理 和數(shù)學(xué)形態(tài)學(xué)處理的車牌區(qū)域定位方案。 采用這種方法能在一定程度上解決車牌定位依據(jù)的共性特征信息選擇的問題 。 6 該方法以 Canny 邊緣檢測為基礎(chǔ)，利用非漢字字符外形輪廓的連通性，通過數(shù)學(xué)形態(tài)學(xué)運算去除邊框處噪聲的影 響，先獲得非 阿拉伯 數(shù)字 1 的字符的高度，進而確定字符的垂直方向的位置， 再 利用漢字字符處與左邊框在垂直方向像素值變化的不同，確定漢字的水平方向起始位置， 最 后 根據(jù)字符寬度來 確定其它字符的水平方向位置。 4 、對一些車牌字符特征提取和分類識別的方法進行了分析研究， 設(shè)計 出一種 車牌字符分類識別的方案。 7 第二章 車牌圖像識別 中 的常用 圖像處理 技術(shù) 研究 在實際應(yīng)用中，車牌圖像幾乎都是在開放或半開放的環(huán)境中進行采集的。比如， 天氣變化因素 ( 雨、霧、溫度、濕度 ) 、光線變化因素 ( 如 陽光直射、反射，黃昏、白天、夜間 ，等 ) 、攝像機與車牌不同的相對位置、攝像機的有關(guān)攝像參數(shù)的不同以及圖像采集現(xiàn)場不同的景物背景等因素，使得即使對于同一輛車的同一個車牌采集的圖像往往也表現(xiàn)出許多不同的特點。 下面，對于本文 中 主要使用的有關(guān)圖像處理技術(shù)進行簡要的介紹 ，并對它們在車牌圖像識別中的應(yīng)用特點進行 分析 總結(jié) 。因此，在車牌圖像識別中，圖像 二值化 是一個非常重要的技術(shù)。 ???? 。1),( yxb Tyxf Tyxf ??),( ).( ),( yxf 為原圖像 ， ),( yxb 為 二值化 后圖像， T 為 閾值 二值化的 目的是 將 目標對象 與背景分離 。 2 、二值圖像 中 噪聲 對于后續(xù)處理影 響的大小 。以圖 (b)為例，如果以將車牌字符與背景分離為目的，可視為完全失??；而如果以將車牌區(qū)域與背景分離為目的，則可視為效果較好。 目前，公開的資料 中提出了很多圖像二值化的算法，主要有 Otsu算法 [3]、Bersen算法 [4]、彩色二值化算法 [ 5] 、 直方圖凹面分析 算法 [6]、 Kittler 算法等。 Otsu 算法 Otsu算法是一種全局閾值二值化方法， 又稱為最大類間方差法或大津 閾值分割法，是在判決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的。 具體做法為：設(shè)給定圖像 ),( yxF 具有 L 級灰度值，對 1 ? t ? L 中的每個t 將 圖像像素 分成兩 類 ，計算 類 1 的象素個數(shù) )t(1? ， 平均灰度 )t(M1 , 方差)t(21? ；類 2 的象素數(shù) )t(2? ， 平均灰度 )t(M2 , 方差 )t(22? 。 M,N 表示圖像大小為 M N? ， ),( yxC 用來統(tǒng)計各組間像素個數(shù)。 由上述可以發(fā)現(xiàn)： Otsu 算法 閾值的確定以灰度圖像像素值的分布而不是以具體的 二值化 目的為依據(jù)，適合 于目標 對象 和背景明顯分離 的 圖像 的二值化閾值 的確定 。 (a) 原圖 (b) 圖 (a)的 Otsu 算法二值 化圖 圖 Otsu 算 法二值 化 Bernsen 算法 Bernsen算法是一種局部閾值二值化方法，通過定義考察點的鄰域，并由鄰域計算模板實現(xiàn)考察點灰度與鄰域點的比較。 設(shè)圖像 F(x,y), 則圖像在像素點 ),( yx 處的灰度值為 ),( yxf 。則有： ???? 10),( yxb ),(),( ),(),( yxTyxf yxTyxf ?? 式（ 28 ） Bersen算法存在以下問題和缺點： 1 、 由于 Bersen算法閾值的確定是通過動態(tài)計算每個考察點鄰域的灰度值來確定，其實現(xiàn)速度較全局閾值二值化方法要慢 ，而且也 沒有 做到以 二值化 目的作為閾值選擇的依據(jù) 。 由于 Bersen算法 以局部窗口內(nèi)最大、最小值作為考察點的鄰域，當考察窗內(nèi)無目標點時，個別噪聲點將引起閾值的突變，背景灰度的非均勻性也將影響局部閾值的變化，當考察窗內(nèi)均為目標點時，局部閾值被拉伸，這樣勢必使得宏觀上本應(yīng)同類的部分象素 : 目標 ( 或背景 ) 被強行二值化為背景 ( 或 目標 ) ，從而 產(chǎn)生嚴重的噪聲 。 (a) 原圖 (b) Bersen 算法二 值化圖 圖 Bersen 算法 二值化 10 基于 Canny 邊緣檢測的 字符 ( 車牌 區(qū)域 ) 圖像二值化的方法 在車牌圖像識別中，一般是在切分字符時對車牌區(qū)域圖像進行 二值化 ，以及在提取字符分類識別特征時對字符圖像進行二值化。 Canny 邊緣檢測 ( 在本章 中具體介紹 ) 能 夠 比較好地 檢測出 邊緣，同時對于 孤立點和非邊緣 噪聲 能夠進行 很好的抑制 。 這種方法較為簡單，主要過程如下： Step1 對 車牌 ( 字符 ) 灰度 圖像 進行 Canny 邊緣檢測 , 如圖 (b)所示； Step2 根據(jù) Canny 邊緣檢測 結(jié)果，在 車牌 ( 字符 ) 灰度 圖像 中找到目標對象的邊緣像素點； Step3 根據(jù)在 車牌 ( 字符 ) 灰度 圖像 中找到的邊緣像素點的灰度值，進行具體的分析判斷來確定 閾值 ，進行二值化。如圖 所示，本例原圖與圖 原圖相同，以字符作為二值化目標對象，結(jié)果如圖 2.4(c)所示。而單個字符圖像的字符與背景的區(qū)別一般來說較為明顯，判斷決策比較容易，基本可以獲得比較好的二值化效果。 圖像邊緣檢測技術(shù) 目前， 經(jīng)過對 公開資料中 有關(guān) 車牌 圖像 分割 和識別方法 所 依據(jù)的特征 進行分析 ， 發(fā)現(xiàn) 字符 在 邊緣、輪廓、形狀 、紋理 方面的特征是 最多被使用的較 可靠而且是 較容易 提取的 特征 。 因此，在車牌 圖像識別 中，邊緣檢測 技術(shù) 十分重要。所以，邊緣檢測方法從本質(zhì)上 講 都是通過對這兩個特征值的處理來實現(xiàn)的。 微分算子邊緣檢測法 常用的微分算子有 Roberts 、 Prewi