【正文】 ............................................................................... 28 七、致謝 ............................................................................................................................. 29 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 4 引言 隨著我國交通運輸?shù)牟粩喟l(fā)展，智能交通系統(tǒng)（ Intelligent Traffic System，簡稱ITS）的推廣變的越來越重要，而作為 ITS 的一個重要組成部分，車輛牌照識別系統(tǒng)（ vehicle license plate recognition system，簡稱 LPR）對于交通管理、治安處罰等工作的智能化起著 十分重要的作用。由于牌照是機動車輛管理的唯一標(biāo)識符號，因此，車輛牌照識別系統(tǒng)的研究在機動車管理方面具有十分重要的實際意義。由于車輛圖像都采集于自然環(huán)境中，而在自然環(huán)境中車牌和背景的成像條件一般是不可控制的，隨機變化的因素（尤其是光照條件）和復(fù)雜的背景信息給目標(biāo)搜索帶來巨大困難。而車牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中定位車牌區(qū)域必然要在大量的背景信息中搜索，而且由于應(yīng)用的特殊性，要求快速、準(zhǔn)確地完成車牌定位。所以車牌定位技術(shù)一直以來是一個難點，是車牌識別系統(tǒng)的一個關(guān)鍵技術(shù)環(huán)節(jié)。在這種背景下，運用各種高新技術(shù)解決交通問題，就顯得很有必要，由此產(chǎn)生新的研究和應(yīng)用領(lǐng)域：智能交通系統(tǒng)（ Intelligent Transportation System ） 。智能交通系統(tǒng)己成為被普遍認(rèn)可的改善交通狀況的最為有效的途徑。車輛牌照識別技術(shù)作為交通管理自動化的重要手段，其任務(wù)是分析、處理汽車監(jiān)控圖像，自動識別汽車牌號，并進(jìn)行相關(guān)智能化數(shù)據(jù)庫管理．目前車牌自動識別系統(tǒng)應(yīng)用的主要技術(shù)包括 IC 卡識別技術(shù)、條形碼識別技術(shù)和圖像處理技術(shù)等?；趫D像處理的車輛牌照識別技術(shù)直接對車輛牌照進(jìn)行分析處理 ，和IC 卡技術(shù)以及條形碼技術(shù)相比不需要附加太多設(shè)備，并且直接利用現(xiàn)有的車牌全國標(biāo)準(zhǔn)即可推廣應(yīng)用該技術(shù)，從而節(jié)省了設(shè)備安置及大量資金，提高了經(jīng)濟效益。在車牌識別研究過程中，也出現(xiàn)了很多的技術(shù)方法，有的人使用模糊數(shù)學(xué)理論，也有的人使用神經(jīng)元網(wǎng)絡(luò)的算法來識別車牌中的字符，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化，以及車牌本身比較模 糊等條件的限制和影響，使得車輛牌照識別系統(tǒng)一直是一個有解決方法但一直都不能解決得很好的問題，而且很多的方法都需要大量的數(shù)值計算，并沒有考慮到實時處理的環(huán)境。 國內(nèi)外現(xiàn)有的一些類似產(chǎn)品：如 以色列 Hi— Tech 公司的 See/CarSystem 系列，新加坡 optasia 公司的 IMPS 系列都是比較成熟的產(chǎn)品。以色列 Hi— Tech 公司的 See/CarSystem 系列 有多種的變形產(chǎn)品來分別適應(yīng)某一個國家的車牌 See / Car Chinese 系統(tǒng)可以對中國大陸的車牌進(jìn)行識別，但也有很大的缺陷，而且不能識別車牌中的漢字，另外日本、加拿大、德國、意大利、英國等各個西方發(fā)達(dá)國家都有適合于本國車牌的識別系統(tǒng)．各個國家的產(chǎn)品雖然不同，但基本上都是基于車輛探測器的系統(tǒng)，設(shè)備投資較大，其中的車輛探測器主要有：踏板式探測器、光探測器、微波雷達(dá)通過型探測器、壓力探測器、聲控探測器、紅外探測器、電磁感應(yīng)環(huán)探測器、測速雷達(dá)探測器、磁強探測器和壓敏探測器等 。然而，通常處理時為了提高系統(tǒng)的識別率，都采用了一些硬件的探測器和其它的輔助設(shè)備如紅外照明等。由于漢字的識別難度較大，以及眾多自然和人文因素的干擾，使得國內(nèi)的成熟產(chǎn)品并不多，目前國內(nèi)的車牌識別技術(shù)研究還主要集中在對各種車牌定位、字符分隔和識別等方面的算法進(jìn)行研究上?，F(xiàn)有的比較好的車牌定位方法主要有 等提出的基于水平線搜尋的定位方法； 等提出的基于 DFT 變換的頻域分析方法； Charl Coetzee 提出的基于 Niblack 二值化算法及自適應(yīng)邊界搜索算法的定位方法； Barroso 等人提出的基于掃描行的車牌提取算法等。 因此現(xiàn)有的識別系統(tǒng)要達(dá)到完全實用化仍然有很長的路要走。車輛牌照識別是 RRS 的一個有機組成部分，是計算機視覺與模式識別在智能交通領(lǐng)域應(yīng)用的重要研究課題之一，有著廣泛的實際應(yīng)用前景 。 ( 2 ）交通控制與誘導(dǎo)。 ( 4 ）小區(qū)車輛管理。 ( 6 ）不停車自動收費。 ( 8 ）公共停車場安全防盜管理。 ( 10 ）車輛安全防盜、查堵指定車輛等。 2 ．車輛的自動檢測報警 對于列入“黑名單”的車輛，如肇事后逃逸的車輛、被公安部門通緝或掛失的車輛、欠繳費的車輛等。通常用于交通監(jiān)控卡口、路橋收費卡口、停車場入口等。既不需要值班人員的輔助操作，又可保證車輛信息準(zhǔn)確無誤地送至出口，節(jié)省了人力和物力。通過網(wǎng)絡(luò)，出入卡口的車輛數(shù) 據(jù)可以實時在線，隨時可用于統(tǒng)計流量和進(jìn)行模糊查詢，找到某一北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 8 輛車現(xiàn)在的具體位置。雖然許多國家都致力于 LPR 系統(tǒng)的研究與開發(fā)，但是仍未達(dá)到完全實用化的要求。同時在畢業(yè)設(shè)計中添加了拓展部分：硬件設(shè)計的部分。 對于 MATLAB 設(shè)計部分， 在畢業(yè)設(shè)計中所用到的車牌定位算法為基于邊緣檢測和 形態(tài)學(xué)處理 相結(jié)合的定位算法。在研究中，主要對車體區(qū)域定位，車牌定位和車牌字符分割三個部分進(jìn)行了算法研究。 此次設(shè)計是 主要基于圖像處理技術(shù)，研究車牌定位的基本原理，設(shè)計基于MATLAB 仿真軟件的車牌定位的算法。通過仿真，使原始圖像經(jīng)過該算法的處理后能夠清楚地顯示出車牌區(qū)域，同時使圖像中的非車牌區(qū)域消失或者減弱，從而能準(zhǔn)確有效地定位出車牌在圖像中的位置。 MATLAB 可以進(jìn)行矩陣運算、繪制函數(shù)和數(shù)據(jù)、實現(xiàn)算法、創(chuàng)建用戶界面、連接其他編程語言的程序等，主要應(yīng)用于工程計算、控制設(shè)計、信號處理與通訊、圖像處理、信號檢測、金融建模設(shè)計與分析等領(lǐng)域 。通過圖像輸入，系統(tǒng)的處理后顯示要達(dá)到的效果圖像。等其他一些器件。該芯片主要完成數(shù)據(jù)的運算和處理 。 （ 3） JTAG 下載 調(diào)試 程序接口：下載程序并實現(xiàn)在線編譯調(diào)試。 （ 5） SDRAM：同步動態(tài)隨機存儲，用于存儲中心數(shù)據(jù)。 JTAG 下載調(diào)試程序接口電路 圖 ： JTAG 下載調(diào)試程序接口電路 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 12 圖 ： TMS320VC5509ADSP 注： JTAG 模塊中 14 號引腳分別與 DSP 芯片中的 8 8 8 880 號引腳相連接。 數(shù)據(jù)程序存儲模塊 SDRAM 和 FLASH 圖 ： SDRAM 模塊 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 14 圖 ： Flash 模塊 圖 ： TMS320VC5509ADSP 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 15 注意： 由于芯片中的 RESET和 BYTE為低電平有效，需提供 10K的上拉電阻接 +。 A0A13 為并行地址總線直接與外部引腳相連接。 其他部分電路模塊 圖 ：上拉電阻 注：中斷電路， I2C 總線需要接上拉電阻 圖 ：晶振模塊 注： X2/CLKIN 為 12M 晶振連接到內(nèi)部振蕩器的輸入引腳。L1 和 C3 起濾波的作用。 ．系統(tǒng)原理圖和生成的 PCB 板 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 16 系統(tǒng)原理圖 圖 ： 原理圖 生成的 PCB 板 圖 ： PCB 板 北京聯(lián)合 大學(xué) 畢業(yè)設(shè)計 17 四、在 MATLAB 環(huán)境下實現(xiàn)車牌定位的功能 、 車牌定位系統(tǒng)介紹 一個完整車牌定位系統(tǒng)應(yīng)包括圖像采集、圖像預(yù)處理、 灰度化、 圖像邊緣檢測、形 態(tài)學(xué)處理 、 腐蝕膨脹 等單元 等。 之后對圖像進(jìn)行處理，定位出牌照位置。 圖 系統(tǒng) 流程 圖 、圖像預(yù)處理 車牌自動識別 系統(tǒng)中車輛圖像是通過圖像采集卡將運動的車輛圖像抓拍下來，并以位 的格式存放在系統(tǒng)內(nèi)存中。這些都給車牌的定位增加了難度。 車輛圖像的采集一般都在高速公路收費站或城市里的電子眼，由于室外環(huán)境的不穩(wěn)定性，使得車輛景象在成像過程中，受多種因素的影響，圖像質(zhì)量會下降，人們常常把這種圖像質(zhì)量下降的過程稱為圖像的退化。因此，車牌圖像預(yù)處理的目的在于：通過去除圖像噪聲或影響車牌定位的不相關(guān)信息，提高在各種天氣條件、背景環(huán)境下的原始圖像的質(zhì)量，使圖像車牌區(qū)域的信息突出。 圖像預(yù)處理分為兩大類： 圖像濾波 和 圖像增強 。本文中，采用灰度校正和高斯濾波。 （ 1）圖像濾波 濾波是對圖像進(jìn)行一系列區(qū)域處理，以達(dá)到去除干擾、突出圖像特征信息的目的。這里我們主要分析一下低通濾波。使得圖像中那些不明顯的低頻成分更容易識別。低通濾波可以用卷積模板實現(xiàn)，常用的模板有 Box 模板和 Gauss 模板。卷積是一個加權(quán)求和的過程。 圖像濾波的目的是為了減少圖像中的噪聲，一 般情況下在窄間域內(nèi)采用領(lǐng)域平均法來減少噪聲，在頻率域內(nèi)由于噪聲頻譜多 住高頻段，因此采用各種形式的低通濾波方法來減少噪聲。采用 MATLAB 工具自定義濾波函數(shù)，實現(xiàn)圖像的平滑處理。利用MATLAB 工具箱中的灰度變換上具 imadijut 函數(shù)來實現(xiàn)．同時配合 improfiIe 函數(shù)對圖像進(jìn)行分析，根據(jù)車牌底色和字符的像素值，將其對比度調(diào)到最大，實現(xiàn)圖像的增強。當(dāng)以上幾種情況影響到車牌定位時，就可以采用灰度校正的方法來處理，增強圖像灰度的變化范圍、豐富灰度層次，達(dá)到增強圖像對比度和分辨率的目的。 由于車牌定位過程中，對運算速度有比較高的要求，一般來說定位一張含有車牌的圖片控制在幾到幾十毫秒比較合適，為了提高時間效率在本文中需要把彩色圖像轉(zhuǎn)換成灰度圖像進(jìn)行進(jìn)一步的處理。 由于背景的復(fù)雜性和不可知性，灰度化處理并不能滿足實際需要，車牌照區(qū)域在圖像中不夠突出，這樣為了增強圖像對比度，采用灰度拉伸的辦法增強原圖的各部分的反差?；叶壤熳兓匠虨椋篋=AX+B (32)； 其中 D 為灰度變換后灰度， X 為變換前灰度， A,B 為變換方程系數(shù)。二值化的目的就是要找出一個合適的閾值，將待處理的區(qū)域劃分為前景和背景兩個 部分。二值化后的車牌要能保證車牌區(qū)域圖像的質(zhì)量，盡量不丟失原字符的特征，本文采用了全局閾值二值化的方法。 (1) 這里的 T 稱為二值化閾值（ Threshold），在灰度圖象中純黑色為 0，純白色 為 1。閾值 T 的大小對二值化的效果影響很大，采用迭代二值化算法。常用方法有 LaPlaciai3．邊緣增強、 Sobel 梯度方向邊緣增強等。根據(jù)車牌的長寬比例確定車牌的區(qū)域，利用分割技術(shù)將車牌從整幅圖像中分割出來。邊緣檢測的基本思想是通過檢測每個像元是否位于一個物體的邊界上。 [3]最直接的邊緣檢測方法就是對原始圖像按像素的某小鄰域構(gòu)造邊緣算子，經(jīng)過對比本文選取用 Canny 算子檢測圖像的邊緣。 圖 ：邊緣檢測提取圖 、形態(tài)學(xué)處理 形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對于表達(dá)和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預(yù)處理或后處理的形態(tài)學(xué)過濾、細(xì)化和修剪等。 在二值圖像中，所有黑色像素的集合是圖像完整的形態(tài)學(xué)描述，二值圖像的各個分量是 Z2 的元素。 邏輯運算盡管本質(zhì)上很簡單，但對于實現(xiàn)以形態(tài)學(xué)為基礎(chǔ)額圖像處理算法是一種有力的補充手段。 （ 1） 去噪處理 圖像在邊緣檢測后往往干擾區(qū)域，車燈區(qū)、車身上的廣告字體在邊緣化后都可能成為備選區(qū)域，要準(zhǔn)確地選擇出車牌區(qū)域，就要對邊緣化后的圖片中的連通區(qū)域進(jìn)行進(jìn)行去噪處理。接著對車牌在垂直方向進(jìn)行開運算，這樣既消除了車牌區(qū)域與它上方或下方干擾區(qū)域的粘連，又消除了狹長的水平線的干擾。 去噪處理 如下圖。 ① 膨脹 是以得到 B 的相對與它自身原點的映像并且由 z 對映像進(jìn)行移位為基礎(chǔ)的。我們可以把上式改寫為： 結(jié)構(gòu)元素 B 可以看作一個卷積模板，區(qū)別在于膨脹是以集合運算為基礎(chǔ)的，卷積是以算術(shù)運算為基礎(chǔ)的，但兩者的處理過程是相似的。否則為 1。否則為 0； 腐蝕處理的結(jié)果是使原來的二值圖像減小一圈 。選擇車體區(qū)域定位在車牌定位分割系統(tǒng)的應(yīng)用，原因在于車體區(qū)域定位為實現(xiàn)車牌定位提供了兩個方面幫助： 1 車體區(qū)域定位能夠改變圖像的尺寸以及確定車牌在圖像中的位置。 依據(jù)上述車體區(qū)域定位兩方面的優(yōu)點，本文從圖像整體灰度變化和局部單個象素點灰度變化兩個方面，研究了兩種車體區(qū)域定位方法：基于局部 P 氏 熵 方法 1111 和基于灰度區(qū)域標(biāo)準(zhǔn)差方法。該算法從圖像整體灰度變化性質(zhì)出發(fā)，把 熵 值越大，系統(tǒng)內(nèi)部越不均勻，系統(tǒng)平均不確定程度越大的信息 熵 物理意義與圖像灰度直方圖分 布越不均勻， 熵 值越大的特性結(jié)合起來，通過對分塊后的每一塊圖像進(jìn)行基于整體性質(zhì)的 P 氏 熵 計算。 在，一塊是目標(biāo)車體所在。 把直方圖