【正文】 不錯的效果。浙江大學(xué)的張引，潘云鶴等提出了彩色邊緣算子和彩色邊緣檢測與區(qū)域生長相結(jié)合的牌照定位算法，算法簡單，且全面作用在顏色空間的三個分量上，檢測出的牌照區(qū)域易于與背景剝離。此外當(dāng)車輛顏色與附近區(qū)域顏色相近時，定位失誤率會增加。 我國車牌特點(diǎn)不同的號牌的外廓尺寸，顏色，數(shù)量及使用范圍都不相同。首個字符為中文字符，為各個省，自治區(qū)，直轄市的簡稱，第二個字符為英文大寫字符，表示發(fā)牌機(jī)關(guān)的代號，前兩個字符確定該車牌所在地，后五個字符由阿拉伯?dāng)?shù)字及英文大寫字符組合而成，并且后五個字符間距相同，七個字符大小也相同。圖小型汽車號牌 車牌圖像識別技術(shù)的應(yīng)用前景車輛牌照識別系統(tǒng)技術(shù)能夠從一幅車輛圖像中準(zhǔn)確定位出車牌圖像，經(jīng)過字符切分和識別后實現(xiàn)車輛牌照的自動識別，從而為以上應(yīng)用提供信息和基礎(chǔ)功能。如CPRS1型汽 車牌照識別系統(tǒng)是在國家“863”計劃課題與國防圖像目標(biāo)識別課題相結(jié)合的研究基礎(chǔ)上研制成功的，實現(xiàn)了識別汽車牌照中的數(shù)字、字母和漢字以及汽車牌照的底 色（白、黑、藍(lán)、黃四種）的功能，可以全天候工作。此類產(chǎn)品都已應(yīng)用于高速公路的收費(fèi) 監(jiān)控系統(tǒng)。車牌識別技術(shù)在智能交通系統(tǒng)中占有重要位置，車牌識別技術(shù) 的推廣普及，必將對加強(qiáng)高速公路、城市道路管理，減少交通事故、車輛被盜案件的發(fā)生，保障社會穩(wěn)定等方面產(chǎn)生重大而深遠(yuǎn)的影響。對于未來車牌識別產(chǎn)品的技術(shù)發(fā)展趨勢，漢王科技智能交通部總經(jīng)理喬炬認(rèn)為，首先，因為市場需求不同，對識別產(chǎn)品的需求也有差異，因此就要求研究針對不同細(xì)分市場的車牌識別產(chǎn)品。另一方面，現(xiàn)在的車牌識別系統(tǒng)設(shè)備過多，系統(tǒng)集成難度大，系統(tǒng)穩(wěn)定性差，系統(tǒng)維護(hù)是一個讓人頭疼的問題。目前，車牌識別技術(shù)和產(chǎn)品性能進(jìn)入實用階段的時間還不是很長，隨著人工智能以及自動識別技術(shù)的進(jìn)步，未來技術(shù)的發(fā)展空間還會非常大。車牌圖像識別系統(tǒng)是計算機(jī)視覺和模式識別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用課題之一。系統(tǒng)一般由硬件和軟件構(gòu)成。軟件部分是系統(tǒng)的核心，主要實現(xiàn)車牌自符的識別功能。車牌識別學(xué)科主要有模式識別、人工智能、圖像處理、信號處理等。車牌圖像識別的關(guān)鍵技術(shù)有：車牌定位、字符切割和字符識別等。車牌定位是要完成從圖像中確定車牌位置并提取車牌區(qū)域圖像，目前常用的方法有：基于直線檢測的方法、基于域值化的方法、基于灰度邊緣檢測方法、基于彩色圖像的車牌分割方法、神經(jīng)網(wǎng)絡(luò)法和基于矢量量化的牌照的定位的方法等。字符切割時完成車牌區(qū)域圖像的切分處理從而得到所需要的單個字符圖像。2車牌識別系統(tǒng)設(shè)計原理概述硬件部分包括系統(tǒng)的觸發(fā)，圖像的采集，圖像的傳輸；軟件部分包括圖像預(yù)處理，車牌在圖像中的位置提取，字符分割，字符識別幾個部分，一個車牌識別系統(tǒng)的結(jié)構(gòu)如圖21所示。圖像預(yù)處理：對動態(tài)采集到的圖像進(jìn)行濾波，邊界增強(qiáng)等處理以克服圖像處理。 車牌在圖像中的位置提取自然環(huán)境下，由于汽車圖像背景復(fù)雜、光照不均勻等原因，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個識別過程的關(guān)鍵。通過以上步驟，牌照一般能夠被定位。字符分割一般采用垂直投影法。所以利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像的字符分割有較好的效果。該方法識別速度快，但是對噪點(diǎn)比較敏感。第二種統(tǒng)計特征匹配法，具體描述如下：統(tǒng)計特征匹配法的要點(diǎn)是先提取待識別模式的一組統(tǒng)計特征，然后按照一定的準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。第三種神經(jīng)網(wǎng)絡(luò)字符識別算法，具體又可以細(xì)分為兩種，描述如下：主要有兩種方法：一種方法是先對待識別字符進(jìn) 行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。另一種方法是充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實現(xiàn)特征提取直至識別。但是產(chǎn)生的網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜，輸入模式維數(shù)的增加可能導(dǎo)致網(wǎng)絡(luò)規(guī)模龐大。主要有兩種方法應(yīng)用于字符識別：一種是先對待識別字符進(jìn)行特征提取，然后用所獲得的特征來訓(xùn)練 SVM 分類器。實際應(yīng)用中，車牌圖像識別系統(tǒng)的識別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。3車牌識別系統(tǒng)程序設(shè)計 開發(fā)環(huán)境的選擇車牌圖像識別系統(tǒng)的開發(fā)使用的是MATLAB，主要是因為MATLAB具有如下的特點(diǎn)：第一，語言簡潔緊湊，使用方便靈活，庫函數(shù)極其豐富。由于庫函數(shù)都由本領(lǐng)域的專家編寫，用戶不必?fù)?dān)心函數(shù)的可靠性。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多的運(yùn)算符，靈活使用MATLAB的運(yùn)算符將使程序變得極為簡短；第三，MATLAB既具有結(jié)構(gòu)化的控制語句（如for循環(huán)、while循環(huán)、break語句和if語句），又有面向?qū)ο缶幊痰奶匦?；第四，語法限制不嚴(yán)格，程序設(shè)計自由度大。在FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，程序為解釋執(zhí)行，所以速度較慢；第八，功能強(qiáng)勁的工具箱是MATLAB的另一重大特色。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。功能性工具箱主要用來擴(kuò)充其符號計算功能、圖示建模仿真功能、文字處理功能以及與硬件實時交互功能。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如control、toolbox、signal processing toolbox、munication toolbox等。 設(shè)計方案該系統(tǒng)主要是由圖像處理和字符識別兩部分組成。字符識別部分可以分為字符分割與特征提取和單個字符識別兩個模塊。因此，我們要對攝像頭拍攝的圖片進(jìn)行預(yù)處理，主要包括圖片灰度化和圖片邊緣提取等。車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)行識別，輸出清晰的圖片。 圖像預(yù)處理利用攝像頭拍攝到的車輛圖像往往存在很多噪點(diǎn)，因此在進(jìn)行識別前要進(jìn)行車 輛圖像的預(yù)處理。 圖像灰度化汽車圖像樣本目前大都是通過攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。而每個分量有255種值可取，這樣一個像素點(diǎn)可以有,1600多萬（255255255）的顏色的變化范圍?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征。彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度。數(shù)字圖像分為彩色圖像和灰度圖像。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。彩色圖像的像素色為RGB（R, G, B ），灰度圖像的像素色為RGB （ r, r, r ）, R, G, , G, B的取值范圍是0255,所以灰度的級別只有256級。（b）平均值法：使轉(zhuǎn)換后的R、G、B值等于轉(zhuǎn)換前3個值的平均值：R = G = B = （R + G + B）/ 3 （32）這種方法產(chǎn)生的灰度圖像比較柔和。由于人眼對綠色最為敏感，紅色次之，藍(lán)色最不敏感，因此使n m k將得到較易識別的灰度圖像，一般情況下，當(dāng)m = ，n = ，k = 。 圖像的邊緣檢測邊緣是指圖像局部亮度變化顯著的部分，是圖像風(fēng)、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。圖像增強(qiáng)處理對圖像牌照的可辨認(rèn)度的改善和簡化后續(xù)的牌照字符定位和分割的難度都是很有必要的。（1）灰度校正由于牌照圖像在拍攝時受到種種條件的限制和干擾，圖像的灰度值往往與實際景物不完全匹配，這將直接影響到圖像的后續(xù)處理。這時就可以采用灰度校正的方法來處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖像的對比度和分辨率。根據(jù)圖像處理系統(tǒng)的條件，最好將灰度范圍展開到s =（0,255）之間，為此我們對灰度值作如下的變換： s = T（r） r=[r min,，r max] （34）使得S∈[Smin, Smax],其中，T為線性變換，得到的結(jié)果如圖31所示。例如，某一像素點(diǎn)的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應(yīng)的鄰域平均值為 （37）其中，M 為鄰域中除中心像素點(diǎn)f（i, j）之外包括的其它像素總數(shù)，對于4鄰域M=4，8 鄰域M=8。為了克服這種平均化引起的圖像模糊現(xiàn)象，我們給中心點(diǎn)像素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點(diǎn)才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖像模糊。正是由于牌照圖像的這些特點(diǎn)，再經(jīng)過適當(dāng)?shù)膱D像變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。結(jié)果如圖34所示。圖34 robert算子邊緣檢測得到的圖像 車牌定位和分割系統(tǒng)的攝像頭拍攝的圖片是整個機(jī)動車的圖片，而只有車牌部分是對系統(tǒng)有用的。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進(jìn)行字符識別。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識別的質(zhì)量。圖像腐蝕除去雜質(zhì)通過計算尋找X和Y方向的區(qū)域 完成 定位 進(jìn)一步處理圖35 車牌定位框圖 車牌定位機(jī)動車圖像經(jīng)過灰度化和邊緣檢測的處理后，邊緣得到了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。數(shù)學(xué)形態(tài)學(xué)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，能有效的去除噪聲，保留圖像原有信息的同時提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點(diǎn)少。處理得到的結(jié)果如圖38所示。本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。圖39 車牌位置提取得到的彩色圖像 對定位后的彩色車牌進(jìn)行進(jìn)一步的處理定位后車牌圖像是彩色的，會占用較大的存儲空間，加重計算機(jī)負(fù)擔(dān)。圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個數(shù)值，通常為0或255，使整個圖像呈現(xiàn)出明顯的黑白效果。對圖像的二值化處理有利于進(jìn)一步處理圖像，使圖像變得簡單，而且數(shù)據(jù)量較小，能突顯出感興趣的目標(biāo)輪廓。對于數(shù)字圖像信號，噪聲表現(xiàn)為或大或小的極值，這些極值通過加減作用與圖像像素的真是灰度值上，在圖像上造成亮暗點(diǎn)干擾，極大的降低了圖像的質(zhì)量。均值濾波是典型的線性濾波算法，旨在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。處理結(jié)果如圖310所示。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識別。在字符切割時,往往由于閾值取得不好，導(dǎo)致字符切割不準(zhǔn)確，針對這種情況，可以對切割出的字符寬度進(jìn)行統(tǒng)計分析，用以指導(dǎo)切割，對因錯誤切割過寬的字符進(jìn)行分裂處理。 字符歸一化由于數(shù)碼相機(jī)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(jìn)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(biāo)準(zhǔn)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像素的大小進(jìn)行歸一化處理?；谀０迤ヅ涞腛CR的基本過程是:首先對待識別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識別的主要方法。也可以計算圖像與模板特征量之間的距離，用最小距離法判定所屬類。在實際設(shè)計模板的時候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖像不變特性所設(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。建立自動識別的代碼表讀取分割出來的字符第一個字符與模板中的漢字模板進(jìn)行匹配第二個字符與模板中的字母模板進(jìn)行匹配待識別字符與模板字符相減，值越小相似度越大，找到最小的一個即為匹配的最好的識別完成，輸出此模板對應(yīng)值后5個字符與模板中的字母與數(shù)字模板進(jìn)行匹配圖312 字符識別框圖此處采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。為了實驗方便，結(jié)合本次設(shè)計所選汽車牌照的特點(diǎn)，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。首先取字符模板，接著依次取待識別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。如圖313所示。實驗的最終結(jié)果如圖313所示。圖41 對另一車牌圖像進(jìn)行識別的結(jié)果在得到這個結(jié)果之前，需要對車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理。預(yù)處理包括灰度化、車牌校正、平滑處理等。在本文中根據(jù)采集到的圖像本身的特點(diǎn)，對它進(jìn)行了灰度化的處理。圖像中車輛牌照是具有比較顯著特征的一塊圖像區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖像中的位置較為固定。在定位模塊。首先，將預(yù)處理后的圖像用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行處理。本文中對圖像進(jìn)行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對圖像內(nèi)部做濾波處理，平滑是對噪聲進(jìn)行濾波。最后還用了bwareaopen來去除對象中不相干的小對象。 車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。包括灰度化、二值化、均值濾波、膨脹或腐蝕處理。為滿足下一步字符識別的需要，將分割后的字符歸一化。把每一幅相減后的圖的0值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。 對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖像的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結(jié)果可能發(fā)生混淆的情況。5 展望與總結(jié)高速公路、城市交通、停車場等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和車輛管理體制的不斷完善，為以計算機(jī)視覺為基礎(chǔ)的智能交通管理系統(tǒng)的實際應(yīng)用提供了契機(jī)。從開始的收費(fèi)輔助系統(tǒng)演變過來的車牌識別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來越廣。本文對車牌識別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進(jìn)行了系統(tǒng)的分析。 在車牌定位我們采用基于灰度跳變的定位方法，