【正文】 ............................................................................... 31 總結(jié) ............................................................................................................................... 31 展望 ............................................................................................................................... 31 參考文獻(xiàn) ................................................................................................................................. 32 致 謝 ................................................................................................................................... 34 南湖學(xué)院 畢業(yè)設(shè)計（論文） 1 1 緒論 引言 近年來，由于國內(nèi)外的交通迅速發(fā)展，車牌識別系統(tǒng)作為數(shù)字?jǐn)z像、計算機(jī)信息管理、圖像分割和圖形識別技術(shù)在智能 交通領(lǐng)域得到廣泛的應(yīng)用，該項(xiàng)技術(shù)成為了智能交通管理系統(tǒng)中不可或缺的重要組成部分，例如道路交通監(jiān)控、交通事故現(xiàn)場勘察、交通違章自動記錄、高速公路超速管理系統(tǒng)、小區(qū)智能化管理等各方面，是智能交通管理系統(tǒng)中高效、時效的最重要手段之一 [12]。由于引進(jìn)這些系統(tǒng)成本極高，而且引進(jìn)的技術(shù)也不一定適用于我國的車牌以及實(shí)際的交通環(huán)境，所引進(jìn)的系統(tǒng)往往并不能滿足我國需求，盡管國內(nèi)市場上已有不少投入生產(chǎn)并使用的 產(chǎn)品，但是這些產(chǎn)品的后續(xù)處理仍然需要大量的人工識別，所以車牌識別技術(shù)的研究依然是我國目前高科技領(lǐng)域的熱門課題之一。該系統(tǒng)軟件處理具有兩大主要模塊：圖像處理模塊和字符識別模塊。所以本文介紹的是利用 MATLAB 對圖像處理模塊和字符識別模的設(shè)計和研究。智能車牌識別系統(tǒng)以及工作原理實(shí)質(zhì)上就是融合數(shù)字?jǐn)z像技術(shù)和計算機(jī)信息管理技術(shù)，采用先進(jìn)的數(shù)字圖像處理工具、數(shù)字識別以及人工智能技術(shù)，通過對原始圖像的采集、預(yù)處理、分割、識別等相應(yīng)的措施，獲得我們想要的圖像信息，進(jìn)而實(shí)現(xiàn)對車牌字符自動識別的系統(tǒng)，該系統(tǒng)是數(shù)字識別技術(shù)在現(xiàn)實(shí)生活中實(shí)際應(yīng)用中的實(shí)踐之一。其中硬件包括系統(tǒng)觸發(fā)、圖像采集兩個主要組成部分，軟件則包含了圖像預(yù)處理、車牌獲取、字符分割以及字符識別四個主要模塊。原始的圖像采集，由于受到外界環(huán)境中光線差異、光路中灰塵密度差異、季節(jié)環(huán)境變化的影響，以及車牌本身比較模糊等諸多客觀因素影響，使得 LPR 技術(shù)的發(fā)展受到一定的限制。國外己有不少關(guān)于車牌數(shù)字識別的文章發(fā)表，有相當(dāng)一部分比較成 熟，并已經(jīng)投入實(shí)際生產(chǎn)使用中。 在車牌識別發(fā)展的過程中，也出現(xiàn)了許多不同的技術(shù)方法，例如英國 IPI 公司研發(fā)了 RTVNPR 系統(tǒng)，新加坡 Optasia 公司的 VLPRS 產(chǎn)品，以色列 HiTech 公司的 See Car System 系列產(chǎn)品， HSTOL 公司開發(fā)的 LPR 系統(tǒng)，以及中國香港 Asia VisionTechnology公司的 VECON 產(chǎn)品等較為實(shí)用 [3]。目前，比較適合我國的產(chǎn)品主要有中科院自動 南湖學(xué)院 畢業(yè)設(shè)計（論文） 3 化研究所漢王公司的“漢王眼”、川大智勝軟件的 ZT2020 車牌自動別系統(tǒng)等。 車牌分割和數(shù)字識別在車牌識別中的作用 車牌識別系統(tǒng)的核心是微處理器，它基于圖 像處理、數(shù)字識別等技術(shù)的高智能電子系統(tǒng)，該系統(tǒng)主要由攝像頭、視頻采集接口、輔助照明裝置、計算機(jī)以及識別軟件等組成。因此 ，在車牌識別中，車牌分割和數(shù)字識別占有主要的作用。在正式識別前，我們要做的僅僅是字符的分割，字符分割的好壞，直接影響著字符識別的準(zhǔn)確率。 經(jīng)過圖像預(yù)處理、車牌定位、字符分割并校正后，才可以進(jìn)行字符識別。字符識別模塊是目前最難處理的部分，卻也是車牌識別技術(shù)中最關(guān)鍵的部分?？焖?、準(zhǔn)確以及具備較強(qiáng)的魯棒性是字符識別的目標(biāo)。由此可知，車牌分割和數(shù)字識別是車牌識別技術(shù)中的兩大主要技術(shù)指標(biāo)。 本文的主要內(nèi)容與結(jié)構(gòu)安排 本文研究的內(nèi)容包括了車牌識別系統(tǒng)的五個主要組成部分的算法，提出了有效的解決策略，進(jìn)行了測試，并完成了車牌識別系統(tǒng)的開發(fā)。第三節(jié)車牌數(shù)字識別方法的研究，概述了數(shù)字識別的現(xiàn)狀，簡述了車牌數(shù)字特點(diǎn)，最后介紹了基于 BP 神經(jīng)網(wǎng)絡(luò)的車牌數(shù)字識別的算法。最后一部分是結(jié)論，總結(jié)了本文的研究成果，并做出了分析和評價，同時對未來提出了展望。 車輛檢測 即 使用傳感器技術(shù)，檢測目標(biāo)區(qū)域有無車輛 。其中車牌獲取流程圖如圖 所示 電子眼圖 像采 集圖 像預(yù) 處 理數(shù) 字圖 像 圖 實(shí)質(zhì)上，車牌獲取就是指在實(shí)際拍攝的圖像中確定車牌區(qū)域、位置，以便提取、分割車牌區(qū)域。車牌識別主要包括 三個步驟：（ 1）對拍攝的圖片進(jìn)行格式識別、灰度化、二值化、濾波、邊緣檢測等圖片預(yù)處理；（ 2）利用各種算法將已通過預(yù)處理的圖片準(zhǔn)確定位其車牌的位置，并將車牌所處的位置分割出來，為接下來的字符切割做好相關(guān)準(zhǔn)備；（ 3）對切割出來的字符進(jìn)行歸一化和識別。 這也就是為什么要對原始圖像進(jìn)行灰度化、二值化、濾波等預(yù)處理的原因 [4]。由于彩色圖像包含著大量的顏色 南湖學(xué)院 畢業(yè)設(shè)計（論文） 5 信息，且每個像素都具有 R、 G、 B 三種不同顏色分量，所以在對其進(jìn)行處理時，浪費(fèi)許多系統(tǒng)資源的同時也會降低系統(tǒng)的執(zhí)行速度。 最基本的灰度化是直接取彩色圖像 R、 G、 B 三個分量中最大值或平均值代替各分量?；叶葓D像存在 256 個亮度級，其中白色的灰度值為 255，黑色的亮度級為 0[5]。 增強(qiáng) 拍攝車牌圖像時往往受到許多條件的限制和干擾，這使得圖像的灰度 值與實(shí)際景物不完全相同。因?yàn)槌上裣到y(tǒng)的有限亮度，常使得對比度不足，導(dǎo)致圖像視覺效果很差，這也就直接影響了圖像的后續(xù)處理。 造成對比度不足的原因主要有：（ 1）目標(biāo)的遠(yuǎn)近不同導(dǎo)致的圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡；（ 2）攝像頭掃描時各點(diǎn)的靈敏度差異產(chǎn)生的灰度失真；（ 3）曝光不足或過度而導(dǎo)致灰度值限定在較小的范圍。用線性單值函數(shù)，對圖像內(nèi)各像素點(diǎn)作線性擴(kuò)充，從而有效的改善圖像的視覺效果。 設(shè)用 h 表示 tophat 變換后的結(jié)果，則 tophat 變換可定義為： )( bffh ??? （ 22） 其中， f 表示原灰度圖， ? 表示使用結(jié)構(gòu)元素 b 對集合 f 進(jìn)行開操作 [6]。 二值化 灰度圖像一般有 256 個灰度級的單色圖像，能表現(xiàn)出比較豐富的明暗度。為了減少背景像素的干擾，保留并 南湖學(xué)院 畢業(yè)設(shè)計（論文） 6 增強(qiáng)目標(biāo)區(qū)域 的信息，通常將圖像分為目標(biāo)和背景兩部分。用數(shù)學(xué)式可以表示為： ??? ???? Tjig TjigBW ),(,1 ),(,0 （ 23） 其中， BW 為二值圖像某像素的像素值， ),( jig 為該像素在灰度圖像中對應(yīng)的灰度值。 圖像的二值化處理即將灰度圖像中除了灰度值為 0 的像素點(diǎn)外，其余的像素點(diǎn)均設(shè)為 。二值化算法一般分為全局閾值算法和局部閾值算法或稱為自適應(yīng)閾值算法 [78]。與灰度化后的圖像相比，二值化后的圖像具有以下幾個特點(diǎn)：大量減小了信息量，加快了處理速度，降低了成本，實(shí)用價值更高。 濾波 圖像的本質(zhì)其實(shí)就是光電信息，圖像噪聲主要有以下三個來源：圖像在信號 的轉(zhuǎn)換過程中所引入的噪聲；大氣層中的浪涌等引起的脈沖干擾；粒子性或不連續(xù)性所引起的自然起伏性噪聲 [10]。為了消除圖像的噪聲，常常采取濾波措施，且合適的濾波還可以銳化圖像與增強(qiáng)圖像的邊緣信息。其中，平滑濾波主要的作用是模糊和消除噪聲，常用的方法是領(lǐng)域平均法，即求鄰近像素點(diǎn)的平均亮度。中值濾波是非線性濾波，也是領(lǐng)域算法，類似卷積。為了銳化圖像突出圖像邊緣，常對圖像采用了高通濾波，在增強(qiáng)圖像邊緣的同時孤立的噪聲點(diǎn)也得到了增強(qiáng)。 比較常見的高通濾波的沖激響應(yīng)陣列有以下三種： 南湖學(xué)院 畢業(yè)設(shè)計（論文） 7 0101510101?????H 1111911112?????????H 1212521213?????H （ 26） 邊緣檢測 邊緣是圖像的重要特征，圖像理解、分析的第一步通常是邊緣檢測。此外，比較常見的圖像邊緣提取算子有 Robert 梯度算子、濾波算子、 Canny 算子 、拉斯算子等。而拉斯算子是二階導(dǎo)數(shù)段子，再找出梯度局部最大值對應(yīng)點(diǎn)后才確定其為真正的邊緣點(diǎn)。因此，通常在處理含有比較大的噪聲圖像時，需要先對圖像進(jìn)行平滑操作，然后再進(jìn)行微分，這也就產(chǎn)生了新的邊緣檢測方法 —— LOG 邊緣檢測。 車牌分割 車牌定位 車牌定位的本質(zhì)是把車牌圖像從含有汽車和背景的圖像中提取出來，即輸入車牌原始圖像輸出車牌圖像。經(jīng)過圖像于處理后所得到的圖像，在垂直方向上的面積投影出現(xiàn)了峰 谷 峰的特性。對初步確定出來的車牌進(jìn)行微定位，而所謂的微定位法即對基本定位后的車牌圖像進(jìn)行局部分析，以便進(jìn)一 南湖學(xué)院 畢業(yè)設(shè)計（論文） 8 步確定字符范圍，縮減車牌的左右、上下邊界，這有利于后續(xù)的車牌處理，確定車牌的具體位置后再提取車牌 [12]。 需要在大范圍的原始圖像中找到車牌的區(qū)域，需要對原始圖像 進(jìn)行搜索，找到符合車牌特征的部分區(qū)域作為車牌候選區(qū)域，在對其進(jìn)行深層次的分析、評判，計算，最終找到真正的車牌區(qū)域，并將該區(qū)域從圖像中分割出來。本文中所采用的是 開運(yùn)算定位法 。因此，所得到的原始圖像車牌區(qū)域角度、距離 有一定的差距，也就是說原始圖像中的車牌存在一定的傾斜度。 車牌的傾斜度校正前，需要先對車牌的傾斜進(jìn)行檢測。 常見的幾種傾斜校正的方法為：（ 1）基于霍夫變換的校正算法，（ 2）基于車牌投影變換的校正算法 [1314]，（ 3）基于直 線擬合的校正算法 [15]。 南湖學(xué)院 畢業(yè)設(shè)計（論文） 9 基于車牌投影的傾斜校正算法實(shí)質(zhì)上是一種基于 Radon 變換的校正算法。積分公式如（ 28）所示： 39。c o s39。c o s39。,( dyxyyxGxR l? ??? ????? （ 28） 其中 )39。且 ? ? [0176。 ]。 s inc o s39。,( xR? 在坐標(biāo) )39。 分割算法 字符分割實(shí)質(zhì)上是把車牌上的字符分割成一個個單個的字符，傳統(tǒng)的字符分割方法有投影法 [1618]、模板匹配法、聚類分析法 [1920]。 投影法的具體操作如下： （ 1）對灰度化的車牌圖像從下向上逐行掃描，逐行統(tǒng)計出像素值為 255 的像素的個數(shù)，當(dāng)其個數(shù)大于 7 時（車牌有 7 個字符），認(rèn)為尋找到車牌字符的下邊界，同理，找到車牌的上邊界。 （ 2） 對車牌圖像從左向右逐列掃描，逐列統(tǒng)計像素值為 255 的像 素的個數(shù)，并將結(jié)果保存在一位數(shù)組 count[width+1]中，其中 count[i]用于存儲第 i 列像素值為 255 的像素的個數(shù)。設(shè)兩個閾值分別為 threshold 1， threshold 2。在分割不連通的漢字的時候，這種改進(jìn)的方法起到作用是顯著的。 （ 5）若出現(xiàn)像素值為 255 的像素個數(shù)大于閾值 threshold 1 時記為車牌字符開始的位置，小于閾值 threshold 1 時記為車牌字符的結(jié)束位置。流程圖如圖 21 所示： 求 垂 直 投 影 的 平 均 值求 垂 直 投 影 的 最 小 值取 閾 值計 算 字 符 上 升 點(diǎn)計 算 谷 寬 度計 算 字 符 距 離找 到 字 符 中 心 位 置 圖 歸一化處理 由于原始圖像采集的時候，圖像像素值不一致，所以經(jīng)過字符切割后所得到的字符大小也不一致，因此需要在進(jìn)行字符匹配之前需要對字符圖像進(jìn)行歸一化處理。歸一化處理可以分為傾斜度校正和大小歸一化兩個主要部分，其中傾斜度校正部分使用的是 MATLAB工具箱中的 Imrote 函數(shù)。 歸一化流程圖如 所示： [ m ， n ] = s i z e （ d ） ， 逐 排 檢 查 有 沒 有 白 色 像 素 點(diǎn) ， 設(shè) 置 1 = j n 1 ，若 圖 像 兩 邊 s （ j ） = 0 ， 則 切 割 ， 去 除 圖 像 兩 邊 多 余 的 部 分切 割 去 圖 像 上 下 多 余 的 部 分根 據(jù) 圖 像 的 大 小 ， 設(shè) 置 一 閾 值 ， 檢 測 圖 像 的 X 軸 ，若 寬 度 等 于 這 一 閾 值 則 切 割 ， 分 離 出 七 個 字 符歸 一 化 切 割 出 來 的 字 符 圖 像 的 大 小 為 4 0 * 2 0 ，與 模 板 中 字 符 圖 像 的 大 小 相 匹 配