【正文】 ................35 1 1 緒論 研究目的和意義 隨著計算機、通信技術、計算機網(wǎng)絡技術在人們?nèi)粘Ｉ钪械牟粩喟l(fā)展和應用，帶來了經(jīng)濟的快速發(fā)展，社會已經(jīng)進入了信息化時代，自動處理信息的能力不斷提高并在人們生活的各個領域中得到廣泛的應用。 基于社會經(jīng)濟的飛速發(fā)展，汽車已經(jīng)成為生活中不可缺少的一種交通工具，已經(jīng)和人們的生活融為一體了，汽車保有量的不斷增加，也帶來了一系列的問題，比如：交通堵塞嚴重、交通事故頻發(fā)、交通污染嚴重、交通環(huán)境惡化和收費制度混亂等。 車牌識別技術是智能交通系統(tǒng)的核心，以下幾個領域都應用到了車牌識別： （ 1）停車場管理系統(tǒng)。 （ 2）高速公路超速自動化管理系統(tǒng)。 （ 3）公路布控。 （ 4）城市十字交通路口的 “ 電子警察 ” 。 (5）小區(qū)車輛管理系統(tǒng)。因此車牌識別問題已經(jīng)成為現(xiàn)代交通工程領域中的重點和熱點問題之一。本次研究的重點在汽車牌照定位、車牌字符分割以及車牌字符識別技術的實現(xiàn)。在這個階段，車牌識別技術的研究還沒有形成完整的系統(tǒng)體系，一般采用簡單的圖像處理方法來解決某些具體問題，并且最終結果需要人工干預。典型的如 、特征提取和模板構造、字符識別等三部分，完成車輛牌照的識別。這個 時期的車牌識別 在識別 車牌的 正確率 上已經(jīng)遠遠高于從前了 ，但 是 識別實時性的要求還沒有考慮 到 ，識別速度有待進一步提高。 ARGUS的車牌識別系 統(tǒng)的識別時間為 100毫秒，通過 ARGUS的車速可高達每小時 100英里。另外日本、加拿大、德國等發(fā)達國家都有適用于本國的車牌識別系統(tǒng)。 但是以上的系統(tǒng)都不適用于我國的車牌識別，主要原因包括：我國的車牌缺乏統(tǒng)一的標準、我國車牌懸掛位置不統(tǒng)一、我國汽車牌照中的漢字識別比英語字符和數(shù)字字符的識別困難等。目前，比較成熟的產(chǎn)品有中科院自動化研究所漢王公司的 “ 漢王眼 ” ，香港亞洲視覺科技有限公司的慧光車牌號碼識別系統(tǒng)等。 雖然這些車牌識別系統(tǒng)的識別率大多都比較高，但是這些車牌識別系統(tǒng)的識別檢測 3 結果大多數(shù)是在簡單受限制的場景下取得的，而在實際的交通場合以及 更加復雜的背景環(huán)境下，這些車牌識別系統(tǒng)的識別率往往很低。 我國車牌分析 我國汽車牌照是 由車輛管理機關經(jīng)過申領牌照的汽車進行審核、檢驗、登記后，核發(fā)的帶有注冊登記編碼的硬質號碼牌，它們都具有統(tǒng)一的格式、統(tǒng)一的式樣。 目前我國所使用的車輛牌照主要分為六大類， 第一類是 底色為藍色字為白色的牌照是小型民用汽車所用的牌照； 第二類是底色為黃色字為黑色的牌照是大型民用汽車所用的牌照； 第三類是底色為白色字為紅色的牌照是試車和車臨時所用的牌 照，而且數(shù)字之前分別標有 “臨時 ”和 “試 ”字標志； 第四類是底色為白色字為黑色的牌照是汽車補用牌照； 第五類是底色為黑色字為白色的牌照是使館、領事館所使用的外籍汽車牌照； 第六類是底色為白色字為紅字、黑字的牌照是武警或軍隊專用汽車的牌照 [4]。 本 文章節(jié)安排 本文以 MATLAB 程序為基礎，介紹車牌識別技術的原理、方法、結果等內(nèi)容。 第 2 章主要介紹數(shù)字圖像的組成要素、數(shù)字圖像的基礎以及 MATLAB 軟件在數(shù)字圖像中的應用。 第 4 章主要介紹了基于 MATLAB 的車牌識別代碼以及對 仿真 結果的分析。 5 2 數(shù)字圖像處理概述 圖像及其組成要素 圖像是對客觀 對象的一種相似性的、生動的描述或表示。 圖像按明暗程度和空間坐標的連續(xù)性可以分為兩大類，分別是數(shù)字圖像和模擬圖像。數(shù)字圖像是一種空間坐標和灰度均不連續(xù)的、用離散的數(shù)字表示的圖像，它的基本組成單元包括像素和灰度，計算機能直接處理的圖像是數(shù)字圖像。它是由一系列離散單元經(jīng)過量化后形成 的灰度值的集合，即像素的集合[5]。我們平時常見的彩色圖像是在每個點具有紅 (R)、綠 (G)、藍 (B) 3 個亮度值，這 3 個值表示在不同光波段上的強度，比如：純紅色 R 值為 255， G 值為 0， B 值為 0；灰色的 R、 G、 B 3 個值相等（除了 0 和 255）；白色的 R、 G、 B 都為 255；同理黑色的 R、 G、 B 都為 0，所以人眼看來就是不同的顏色。 為了便于利用計算機對圖像進行進一步的加工和處理，需要把模擬圖像在空間上、幅值上進行離散化，將其轉換為對應的數(shù)字形式，離散化的圖像稱為數(shù)字圖像。一幅模擬圖像的坐標及幅度都是連續(xù)的，為了把它轉換為數(shù)字形式 ，必須對坐標和幅度都作離散化操作。 對于灰度圖像，量化是對取樣所得的離散樣本點上的灰度值進行離散化，將原圖像的連續(xù)灰度用 2kL? （ k 為整數(shù)）個等間距的灰度級進行表示。 數(shù)字圖像處理基礎 數(shù)字圖像處理就是利用計算機對各種圖像信息進行處理，以期得到某種預期的效果或從圖像中提取有用的信息。數(shù)字圖像處理的基本過程是由圖像數(shù)字化器中產(chǎn)生的數(shù)字圖像先進入一個適當裝置的緩存中，然后根據(jù)操作員的指令，計算機調(diào)用和執(zhí)行程序庫中的圖像處理程序。對圖像進行處理后，計算機逐 行按像素生成一幅輸出圖像，并將其逐行送入緩存 [6]。laboratory 兩個詞的組合，意為矩陣工廠（矩陣實驗室）。它將 數(shù)值分析 、 矩陣計算 、科學數(shù)據(jù)可視化以及非 線性 動態(tài)系統(tǒng)的 建模 和仿真等諸多強大功能集成在一個易于使用的視窗環(huán)境中，為科學研究、工程設計以及必須進行有效 數(shù)值計算 的眾多科學 領域 提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式 程序設計語言 （如 C、 Fortran）的編輯模式，代表了當今國際科學計算軟件的先進水平 [7]。 MATLAB 為從事圖像處理的工程師和研究人員提供了直 觀、可靠的一體化開發(fā)工具。 MATLAB 中圖像最基本的數(shù)據(jù)結構是數(shù)組。在默認狀態(tài)下， MATLAB 通常用雙精度浮點類型數(shù)組存儲數(shù)據(jù)。對于彩色 圖像，如 RGB 圖像，需要用三維矩陣來存儲，第一維表示紅色像素的深度值，第二維表示綠色像素的深度值，第三維表示藍色像素的深度值。用戶可根據(jù)自身需求對圖像進行一系列的處理，其中包括特征提取、分析形狀和紋理以及對兩幅圖像進行匹配等。 由于 在 MATLAB 中用到的某些 函數(shù)對 所使用的 圖像 的圖像 類型有限制， 所以 這四種 圖像 類型 可以相互轉換，所用的轉換方式是使用 MATLAB 的圖像處理工具箱的類型轉換函數(shù)。目前 MATLAB軟件已廣泛運用到數(shù)字圖像處理領域，故本次研究以 MATLAB 軟件為平臺實現(xiàn)車牌識別。車牌識別系統(tǒng)的流程圖如圖 31 所 示 圖 31 車牌識別系統(tǒng)流程圖 汽車牌照識別技術主要包括車牌定位、字符分割、字符識別等。在將此車牌區(qū)域的點的坐 標放入數(shù)組 location_of_1 中，對這些坐標進行計算，尋找 x 坐標與 y 坐標之和最大的點 a 與最小的點 b， a 即為車牌的左上角， b 為車牌的右下角，通過這兩個坐標將車牌分割出來 [11]。切割出單個字符后，放入 char_(i)中，并切 割 掉每個字符的上下的空白區(qū)域，完成精確切割。 車牌圖像采集 車牌圖像預處理 對車牌進行定位 輸出識別結果 字符識別 對車牌字符進行分割 9 車牌圖像預處理 圖像灰度化 圖像一般可以分為一下的三類。例如，一幅圖像有 256 個可能的灰度級，稱其為 8 比特圖像。 “ 0” 表示純黑色， “ 255” 表示純白色，中間的數(shù)字從小到大表示由黑色到白色的過渡色 [12]。由于每一像素的取值僅有 0、 1 兩種可能，所以計算機中二值圖像的數(shù)據(jù)類型通常為一個二進制位。二值圖像可以看成是灰度圖像的一個特例。它分別用紅（ R）、綠（ G）、藍（ B）三原色的組合來表示每個像素的顏色。 RGB 圖像的數(shù)據(jù)類型一般為 8 位無符號整型，通常用于表示和存放真彩色圖像，當然也可以存放灰度圖像 [13]。 邊緣檢測 所謂邊緣，是指其周圍像素灰度有變化的那些像素的集合，它是圖像分割、目標區(qū)域識別、區(qū)域形狀提取等圖像分析領域十分重要的基礎，而且在車牌識別系統(tǒng)中提取車 10 牌位置占了很重要的地位。 Sobel 算子是對圖像進行差分和濾波運算，且它對噪聲具有一定的抑制能力，所以本設計運用 Sobel 算子對圖像進行邊緣檢測。圖像中的每個點都用這兩個核做卷積。 對于邊緣清晰的圖像， Sobel 提出一種檢測邊緣點的算子。據(jù)此，定義的 Sobel 算子表示為 ( , ) | [ ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ][ ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ] || [ ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 ) ][ ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 ) ] |S i j f i j f i j f i jf i j f i j f i jf i j f i j f i jf i j f i j f i j? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ?? ? ? ? ? ? ? ? （ 31） 適當取閥值 T,做如下判斷：若 ( , )S i j T? ，則 (, )ij 點為邊緣點，所有邊緣點的集合{ (, )}Si j ，為邊緣圖像 [14]。 數(shù)學形態(tài)學的基本運算有 4 個：膨脹（或擴張）、腐蝕（或侵蝕）、開啟和閉合 [15]。上式表明，用 B 對 A 進行膨脹的運算過程如下：首先作 B 關于原點的映射，再將其映像平移 x，當 A 與 B 映像的交集不為空時， B 的原點就是膨脹集合的像素。 腐蝕的運算符號為 ? ， A 用 B 來腐蝕記作 AB? 錯誤 !未找到引用源。腐蝕運算會使圖像的區(qū)域進行收縮。 A 用 B 的閉運算記作 AB? ，其定義為： ()A B A B B? ? ? ? （ 34） 閉運算可以平滑圖像的輪廓，它一般用來填充目標內(nèi)的細小空洞和裂縫、連接斷開的臨近目標。另外，如果在過程中產(chǎn)生污染則會將要處理的圖像上表現(xiàn)出一些較強的視覺效果孤立像素點和像素塊。為了有效的去除這些噪聲，并且有效的保存研究對象的圖像形狀、大小及特定的幾何和拓撲結構特征 ， 我們就要采取濾波。 車牌定位原理 我們已經(jīng)對車牌在圖像中的位置作了初步的定位，移除小對象后的二值圖像中白色區(qū)域基本就是車牌的位置了?；叶葓D像二值化在 圖像處理的過程中有著很重要的作用，他不僅能使數(shù)據(jù)量再一次變小，而且還能突出需要的目標輪廓，從而進行圖像的處理與分析。在圖像處理中灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255 表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為 0，表示背景或者例外的物體區(qū)域 在實際的圖像處理系統(tǒng)中，進行圖像二值變換的關鍵是要確定合適的 閾 值，使得字符與背景能夠分割開來。二值化閾值設置過小易產(chǎn)生噪聲；閾 值設置過大會降低分辨率，使非噪聲信號被視為噪聲而濾掉二值變換的結果 [16]。通過這兩個坐標將車牌分割出來，最后在對分割出的車牌進行二值化處理。 設有圖像 ( , )f xy ，其灰度級范圍為 0, kzz????， T 是 0z 和 kz 之間的任意一個數(shù)。也可以選擇雙閾值，把所需灰度級范圍內(nèi)的像素變?yōu)?1，而把此范圍外的像數(shù)變?yōu)?0，即 1212( , ) 1 , ( , )( , ) 0,TT T f x y Tf x y ???????? 其 他 （ 37） 或者 1212( , ) 0 , ( , )( , ) 1,TT T f x y Tf x y ???????? 其 他 （ 38） 更為一般地，如果 Z 是一個任意的灰度級的集合， [ , ]lkZ z z? ，就可以定義一種廣義的“閾值化”運算，它把放在 Z 中的灰度級變?yōu)?1，把不在 Z 中的灰度級 變?yōu)?0，即 13 1 , ( , )( , ) 0,Z f x y Zf x y ??????? 其 他 （ 39） 車牌字符分割 字符分割 在汽車牌照識別過程中，字符分割有承前啟后的作用。 車牌字符分割是對二值圖 像 從左向右按 列 計算每一列之和，沒有白點的列和為 0，有白點的列和 為 非零，轉換為邏輯1，記錄下所有列和在 0 與 1 轉換的列，即為需要切割的列，共有 14 列，可切出 7 個字符。 字符歸一化處理 由于數(shù)碼相機拍攝的汽車圖像大小不一樣， 所以得到的牌照上的字符大小就不一樣，為了便于字符的識別，需要對字符進行歸一化處理。而大小歸一是指在長度和寬度方向上分別乘以一個比例因子，使其等于標準模塊的字符大小，本文采用的大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進行歸一化處理。人們在生產(chǎn)和生活中，要處理大量的文字、報表和文本。 60 年代出現(xiàn)了采用磁性墨水和特殊字體的實用機器。如用于信函分揀的 手寫體 數(shù)字識別機和印刷體英文數(shù)字識別機。 字符識別分類 車牌字符識別方法基于模式識別理論 ， 主要有以下幾類 ： (1) 結構識別； 他由識別及分析兩部分組成，識別部分主要組成是：預處理、基元抽?。òɑ妥訄D像之間的關系）和結構分析。 (2) 統(tǒng)計識別 ； 確定已知樣本所屬的類別 是 統(tǒng)計模式識別的目的。 它的 基本模型是在對研究的圖像進行大量的統(tǒng)計分析， 并 找出 其 規(guī)