【正文】 Charl Coetzee 提出的基于 Niblack 二值化算法以及自適應(yīng)邊界搜索算法的車牌定位方法 fiol 等 我國對車牌識別技術(shù)的研究工作開始于 20 世紀(jì) 90 年代，當(dāng)前比較成熟的產(chǎn)品有 :北京漢王公司采用 DSP 芯片作為識別算法的運行硬件平臺的“漢王眼” 。上海高德威智能交通系統(tǒng)有限公司的汽車牌照識別器 。這些產(chǎn)品都達(dá)到了較好的識別效果。國內(nèi)常用的車牌定位技術(shù)有 :基于彩色圖像 的定位算法 ?；诨叶戎底兓亩ㄎ凰惴??；谶z傳算法的定位算法 。 5 畢業(yè)設(shè)計 專用紙 車牌定位技術(shù)的難點 車牌定位是車牌識別系統(tǒng)的關(guān)鍵技術(shù)，是字符分割和字符識別的基礎(chǔ)，對系統(tǒng)的識別精度有著重要的影響。 車牌定位的難點主要有 : ，尤其是在光照不均的情況下車牌區(qū)域可能會形成部分陰影，從而改 變了車牌的某些特征，影響車牌定位。 、模糊和褪色等由于各種原因 (如灰塵、泥濘等 )造成車牌污損 。因長期光照等原因而使車牌出現(xiàn)褪色，也會造成車牌定位困難。 自動識別的難度，使得中國車輛牌照識別遠(yuǎn)遠(yuǎn)難于國外的車輛牌照識別。 論文的研究內(nèi)容以及章節(jié)安排 車牌識別系統(tǒng)可按順序分為視頻采集、圖像預(yù)處理、車牌定位、車牌字符分割和車牌字符識別幾部分，而車牌的定位部分是車牌識別系統(tǒng)中的關(guān)鍵技術(shù)，是字符分割和字符識別等后續(xù)工作的重要基礎(chǔ)，對整個識別系統(tǒng)最終的識別精度和識別效率都有著重大的影響。其中，預(yù)處理部分又分解為了圖像增強(qiáng)、二值化兩個處理過程 。 通過對數(shù)字圖像處理方面的技術(shù)作了深入的學(xué)習(xí)，本文對每一個處理過程做了詳細(xì)的研究設(shè)計并完成編碼實現(xiàn)。二值化階段中，分別實現(xiàn)了迭代最優(yōu)閉值法和大津閉值 6 畢業(yè)設(shè)計 專用紙 分割法，并通過對比算法實現(xiàn)的效果， 以及算法的效率和準(zhǔn)確率，選取大津閉值分割法作為本定位系統(tǒng)的二值化方法 。粗定位基于邊緣檢測后的圖像采用改進(jìn)的投影法進(jìn)行定位 。細(xì)定位對校正后的圖像采用統(tǒng)計跳變次數(shù)和投影法結(jié)合的算法進(jìn)行定位。簡要介紹課題的研究背景及意義，以及當(dāng)今國內(nèi)外在車牌識別上的一些 現(xiàn)狀，最后介紹本文的內(nèi)容及章節(jié)安排。首先簡要介紹了車牌識別系統(tǒng)的結(jié)構(gòu)框架以及每一模塊的具體工作，接著提出本文的車牌定位方案設(shè)計，包括預(yù)處理和定位兩大模塊。 第三章 :車牌圖像預(yù)處理。 第四章 :車牌粗定位。本章詳細(xì)介紹粗定位算法。對模板匹配法中的特征提取采用新的劃分方式進(jìn)行劃分，分別提取特征，提高了識別準(zhǔn)確率。 基于 matlab 的程序源代碼。 在課題研究中作者的主要研究內(nèi)容有： 1）在廣泛查閱國內(nèi)外車牌識別系統(tǒng)算法的基礎(chǔ)上，以 MATLAB 的 ImageAcquisition Toolbox、 Image Processing Toolbox 以及 Neural Network Toolbox 工具箱為骨架，以 M 語言為主要編程語言，部分模塊結(jié)合 C 語言開發(fā)了一套車牌識別系統(tǒng)，實現(xiàn)了車牌識別系統(tǒng)中車牌的定位、車牌字符的切分、以及車牌字符的識別的功能。 2）關(guān)于車牌字符切分的研究，這里主要針對二值化、傾斜校正、字符切分進(jìn)行了研究。 第二章 車牌定位系統(tǒng)的結(jié)構(gòu)設(shè)計 車牌識別系統(tǒng)總體設(shè)計 一個完整的車輛牌照識別系統(tǒng)是一個復(fù)雜的系統(tǒng)，應(yīng)該包括圖像采集、圖像預(yù) 處理、車牌定位、字符切分、字符識別以及圖像編碼、數(shù)碼傳輸與更新等步驟，基 本可以分為硬件部分和軟件部分，硬件部分主要完成車輛圖像的攝取采集，軟件部 分主要完成對采集到的車輛圖像進(jìn)行 車輛牌照定位、車牌字符切分與車牌字符識別 等工作，這部分工作最為復(fù)雜，最后對識別結(jié)果進(jìn)行數(shù)據(jù)傳送和存儲，將處理后的 識別信息交給管理系統(tǒng)進(jìn)行管理。一個車牌 識別系統(tǒng)的基本結(jié)構(gòu)如圖所示 : 車牌識別系統(tǒng)是只能交通系統(tǒng)的一個十分關(guān)鍵的構(gòu)成部分。車牌自動識別方法的成功實現(xiàn)將會大大提高 ITS 進(jìn)程的實現(xiàn)步伐。由于應(yīng)用場合的不同，相應(yīng)的設(shè)計方案也有所區(qū)別，但通常一個典型的車牌識別系統(tǒng)主要包括四部分 :車輛感應(yīng)部分、圖像采集部分、車 8 畢業(yè)設(shè)計 專用紙 牌識別部分、數(shù)據(jù)庫管理部分。例如在停車場管理系統(tǒng)中，系統(tǒng)硬件主要包括車輛傳感探測器、高性能工控計算機(jī)、高分辨率 CCD 攝像機(jī)、高放大倍數(shù)鏡頭、 CCD 自動亮度控制器和視頻采集卡等。常用的有光探測器、微波雷達(dá)通過型探測器、測速雷達(dá)探測器、聲探測器、紅外探測器、電磁感應(yīng)探測器和壓敏探測器等。設(shè)置在停車場入口和出口的兩對紅外發(fā)射和接收設(shè)備進(jìn)行車輛檢測。前端工控機(jī)利用紅外線探測到車輛經(jīng)過的信號時，控制圖像采集卡抓拍圖像，并對抓拍的汽車圖像進(jìn)行牌照識別，同時控制攝像機(jī)光圈的大小，以適應(yīng)外界環(huán)境不同的光照條件。 本課題主要側(cè)重算法的研究，主要工作是設(shè)計軟件，對已攝取到的卡口車輛照片實現(xiàn)車牌識別。目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX 等，本課題采集到的圖片是 *.JPG 的格式。MATLAB 具有以下優(yōu)點 ： 1） MATLAB 編程效率高，使用方便。 MATLAB 本身擁有豐富的函數(shù)庫，并具有結(jié)構(gòu)化的流程控制語句和運算符，用戶在使用過程中能夠方便自如地應(yīng)用。 2） MATLAB 擴(kuò)充能力強(qiáng)，交互性好，移植性和開放性較好。 MATLAB 可在 Windows 系列、 UNIX、 Linux、 VMS 、PowerMac 平臺上使用，且所有的核心文件和工具箱文件都是公開的，用戶可以修改源文件構(gòu)成新的工具箱，從而可以擴(kuò)充很多新的功能，利于算法的研究和改進(jìn)。 本文設(shè)計的系統(tǒng)采用 MATLAB 搭建車輛牌照識別系統(tǒng)，具有非常明顯的優(yōu)勢： 1）可以直接使用 MATLAB 的 Image Acquisition Toolbox、 Image Processing Toolbox 以及 Neural Network Toolbox 作為骨架來搭建整個系統(tǒng)。 3）使用專業(yè)工具箱，使得研究人員不必過于關(guān)心程序的細(xì)節(jié)問題，可以將主要的精力放在算法的研究、設(shè)計方面，極大地減少了工作量，為算法的研究改進(jìn)提供了先決條件。首先將采集到的汽車圖像進(jìn)行灰度化、灰度拉伸和濾波處理，以降低噪點、增加車牌部分的對比度。將提取出的車牌圖像進(jìn)行二值化處理，根據(jù)投影圖的特點查找傾斜的角度，采用坐標(biāo)變換的方法進(jìn)行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點進(jìn)行字 符切分。整個系統(tǒng)的設(shè)計主要采用了 M 語言，部分采用了 C 語言開發(fā)。 本章小結(jié) 本章主要介紹了車牌識別系統(tǒng)的總體設(shè)計方案。硬件部分主要完成車輛圖像的攝取，獲 取高質(zhì)量的含有牌照的圖像，受條件限制，關(guān)于硬件的研究本文未展開具體工作。在確定總體設(shè)計方案后，后面將對每一模塊依次進(jìn)行介紹。但通常經(jīng)輸入系統(tǒng)獲取的車牌圖像信息由于光照條件、牌照的整潔度、攝像機(jī)的狀態(tài) (焦距、角度和鏡頭的光學(xué)畸變 )以及車速的不穩(wěn)定等因素都會使圖像含有各種各 樣的噪聲與畸變。由攝像頭獲得的圖像經(jīng)過 AD 轉(zhuǎn)換、線路傳送都會產(chǎn)生噪聲污染 。這些主客觀因素不可避免地影響車牌圖像的清晰程度，降低圖像質(zhì)量，輕者表現(xiàn)為圖像不干凈，難以看清細(xì)節(jié)，重者表現(xiàn)為圖像模糊不清、歪斜或缺損，車牌字符邊界模糊、細(xì)節(jié)不清、比劃斷開、粗細(xì)不均等現(xiàn)象。因此，在對車牌圖像進(jìn)行分析之前，必須要對車牌圖像進(jìn)行預(yù)處理。由于車牌識別系統(tǒng)需要全天候工作，自然光照度的晝夜變化會引起車輛圖像對比度的嚴(yán)重不足，所以增強(qiáng)圖像是很有必要的。通常得到的汽車圖像會有一些污點，為了保證識別的效果，需要對圖像進(jìn)行去噪處理。攝像機(jī)的位置、車輛的運動等因素經(jīng)常使拍攝出來的汽車圖像有一定的傾斜，這就需要對圖像進(jìn)行傾斜矯正，或在分割出車牌區(qū)域之后對字符傾斜矯正 12 畢業(yè)設(shè)計 專用紙 圖像的灰度化 通常情況下，實際的車牌 識別系統(tǒng)中由攝像機(jī)采集到的原始圖像是彩色圖像，所有的彩色圖像都是由紅 (R)、綠 (G)、藍(lán) (B)三基色組合而成，在數(shù)字圖像中每一個基色都被分為 256 個等級，即 0~255。在灰度圖像中 R=G=B，因此灰度圖像中只有一種灰度顏色，同彩色圖像中的三基色一樣，灰度色也被分成0255，共 256 個等級，同理可以計算出一幅灰度圖像最多只包含 256 種顏色。所以，首先應(yīng)將采集到的彩色圖像轉(zhuǎn)換成一幅灰度圖像，這個過程便是圖像的灰度化。 圖 1 彩色原圖 使用 matlab 自帶的灰度變換函數(shù) rgb2gray(),對彩色圖片進(jìn)行灰度化處理，結(jié)果如下圖。為了增強(qiáng)牌照部位圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進(jìn)行灰度拉伸。 車牌圖像中的邊緣、細(xì)節(jié)、跳躍部分以及噪聲都代表圖像的高頻分量，而大面積的背景區(qū)和緩慢變化部分則代表圖像的低頻分量。反之，若采用高通濾波法則在增強(qiáng)邊緣信息的同時也增了噪聲。中值濾波是一種非線性濾波，由于它在實際運算過程中并不需要圖像的統(tǒng)計特性，所以比較方便。在一定的條件下，可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾及顆粒噪聲最為有效。它能減弱或消除傅里葉空間的高頻分量，因為高頻分量對應(yīng)圖像中的邊緣區(qū)域，且其灰度值具有較大較快的變化，該濾波可將這些分量濾除，使圖像平滑。然后將鄰域中的各個像素的灰度值進(jìn)行排序， 14 畢業(yè)設(shè)計 專用紙 取其中間值作為中心點像素灰度的新值，這里的鄰域通常被稱為窗口。 具體步 驟如下 : ①將模板在圖像中漫游，并將模板中心與圖像中某個像素的位置重合 。 ③將這些灰度值從小到大排列成一列 。 ⑤將這個中間值賦給對應(yīng)模板中心位置的像素。 15 畢業(yè)設(shè)計 專用紙 第四章 車牌定位 牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。 牌照定位于分割流程圖 牌照區(qū)域的定位 牌照圖象經(jīng)過了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。在 本程序中用到了膨脹和閉合這兩個基本運算，最后還用了 bwareaopen 來去除對象中不相干的小對象。 edge()格式： [g,t]=edge(f,’ method’ ,parameters) 16 畢業(yè)設(shè)計 專用紙 本次作業(yè)采用 canny邊緣檢測器。本 課題選擇使用車牌的寬高范圍和比例關(guān)系對車牌進(jìn)行初步定位。最后計算出包含所標(biāo)記區(qū)域的最小矩形的寬和高。其比例為 440 /140 ≈ 。 初步提取的車牌 車牌進(jìn)一步處理 經(jīng)過上述方法分割出來的車牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個閾值 T，用 T將圖像的數(shù)據(jù)分成兩部分：大于 T 的像素群和小于 T 的像素群，即對圖像二值化。再用模板中的全體像素的平均值來代替原來像素值。 二值化處理后的圖像，其集合性質(zhì)只與像素值為 0 或 255 的點的位置有關(guān)，不再涉及像素的其他級值，處理過程簡單，且數(shù)據(jù)的處理和壓縮量小。所有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，否則，灰度值為 0，表示背景或者其他的物體區(qū)域。如果物體同背景的差別難以用不同的灰度值表現(xiàn)（比如紋理不同） ，可以把這些差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值法來切分該圖像。 本次作業(yè)采用 matlab 中的 im2bw 函數(shù)對定位后的車牌進(jìn)行二值化處理。因為一個傾斜的數(shù)字或字母的識別和一個很正的數(shù)字或字母的識別是有很大差別的，所以車牌定位之后要進(jìn)行傾斜校正。 目前常用的計算傾斜角度的方法有兩種，一種是 Hough 變換來找出傾斜的角度，一種是利用投影的方法來 找出傾斜的角度。 本次作業(yè)采用 hough 算法對圖形進(jìn)行傾斜校正。這里常用投影法，既簡單又快捷。這樣投影下來得到的投影圖應(yīng)該有多個相對 集中的投影峰值群，只要根據(jù)峰值群的特點進(jìn)行分割，就可以得到車牌的字符。 19 畢業(yè)設(shè)計 專用紙 圖 11 字符投影圖 圖中有七個比較集中的投影峰值群，且每個峰值之間都有一定的間隔。然后對切割出來的每個字符圖像進(jìn)行水平投影。 車牌字符切分的具體算法為： 對車牌圖像進(jìn)行垂直投影，計算出字符 的寬度后，確定字符的中間位置，并計算相鄰兩個字符之間的間距，即中間距離的差值。以此為分界線，分別向前、后兩個方向進(jìn)行切分，從而定位出每個字符的左右邊界，并保存在數(shù)組里。 2）對每個切分出的字符進(jìn)行水平投影，確定字符的