【正文】 license plate recognition technology based on digital image processing. On the basis of the study developed a MATLABbased license plate recognition system. Determine the overall design, license plate recognition is generally divided into image preprocessing, license plate location, character segmentation, character recognition in four steps. In this paper, using MATLAB as a tool to identify the plate. The design of this project license plate recognition system to be effective in license plate recognition, and lay a good foundation for the future.Keywords: license plate recognition system, MATLAB, digital image processing, license plate recognition technology, automatic identification systems, intelligent transportation systems目 錄摘 要 10Abstract 11第一章 緒論 13 車牌定位技術(shù)的研究意義 13 14 15 15 本課題的研究內(nèi)容 16第二章 車牌定位系統(tǒng)的結(jié)構(gòu)設(shè)計 17 17 18 系統(tǒng)軟件設(shè)計 18 本章小結(jié) 19第三章 車牌圖像預(yù)處理 21 22 23 23第四章 車牌定位 25 25 26 26 26 傾斜校正 28 28 30 30第五章：字符識別 31 31 34 35第六章 基于matlab的程序源代碼 36第一章 緒論 車牌定位技術(shù)的研究意義隨著我國經(jīng)濟(jì)的快速發(fā)展，人民生活水平的不斷提高，私有車輛越來越多，交通需求量越來越大，現(xiàn)有的交通基礎(chǔ)設(shè)施建設(shè)速度遠(yuǎn)遠(yuǎn)比不上機(jī)動車輛和其他交通工具的增長速度。由于違章造成的交通事故日益頻繁，以及城市交通堵塞造成的運(yùn)輸效率低下，嚴(yán)重地影響了我國城市經(jīng)濟(jì)的發(fā)展和人民的生活，在路橋收費、十字路口交通和停車場收費中實行車輛自動識別(Automatic Vehicle Identification, AVI)已成為管理部門的迫切要求。車輛自動識別是智能交通系統(tǒng)(ITS)實現(xiàn)的前提。其中，射頻識別和條形碼識別屬于間接識別，難以核對車與車牌信息是否相符。因此，車牌識別系統(tǒng)具有更為廣闊的應(yīng)用前景。國外的車牌識別系統(tǒng)對漢字的識別率較低，所以必須研究新的車牌識別方法。其中，車牌定位是字符分割和字符識別的基礎(chǔ)，對整個系統(tǒng)的性能起著至關(guān)重要的作用，決定著系統(tǒng)的識別速度和識別精度。由于車輛圖像采集于戶外，圖像背景復(fù)雜、噪聲干擾嚴(yán)重。車牌識別系統(tǒng)涉及計算機(jī)視覺、數(shù)字圖像處理和模式識別等技術(shù)，對它的研究也會促進(jìn)這些領(lǐng)域的發(fā)展。它能自動獲取車輛圖像，采集車輛信息和實現(xiàn)智能化管理，廣泛應(yīng)用于以下場合，如高速公路電子收費和流量監(jiān)控、失竊車輛查詢、停車場車輛管理、監(jiān)測黑車牌機(jī)動車輛和違章車輛等，大大提高了交通管理運(yùn)行效率，節(jié)省了人力、物力，有利于交通管理的科學(xué)化、規(guī)范化和智能化。 90年代，隨著計算機(jī)視覺技術(shù)和圖像處理技術(shù)的發(fā)展，開始出現(xiàn)車牌識別系統(tǒng)化研究，取得了顯著的成效。近年來，隨著計算機(jī)技術(shù)和人工智能的發(fā)展，新興技術(shù)的出現(xiàn)，很多國家開始探討用人工神經(jīng)網(wǎng)絡(luò)技術(shù)和生物遺傳技術(shù)等對車牌識別問題進(jìn)行研究，并將研究重點轉(zhuǎn)向彩色圖像的車牌識別和一幅圖像多個牌照車牌識別問題上?，F(xiàn)如今，國外在車牌檢測、識別方面的研究已取得一些令人矚目的成績，開發(fā)出了很多技術(shù)成熟的車牌識別產(chǎn)品。新加坡Optasia公司自行研發(fā)的車牌識別系統(tǒng)IMPS，可以在各種天氣條件和光照環(huán)境下準(zhǔn)確定位識別，給出和車牌一致的處理結(jié)果。國外比較好的車牌定位算法有:(81。深圳吉通電子有限公司的“車牌通”。川大智勝軟件股份有限公司的zTZ000車牌自動識別系統(tǒng)等等。除此之外，上海交通大學(xué)計算機(jī)科學(xué)和工程系、西安交通大學(xué)的圖像處理和識別研究室、浙江大學(xué)的自動化系、清華大學(xué)人工智能國家重點實驗室等也都在進(jìn)行類似的研究?；谶吘墮z測的定位算法?；谏窠?jīng)網(wǎng)絡(luò)的定位算法?；跀?shù)學(xué)形態(tài)學(xué)的定位算法等。由于在圖像的采集和傳輸過程中，車輛圖像不可避免地要受各種因素的影響，如光線和噪聲等影響，使得車牌難以準(zhǔn)確定位。，類似區(qū)域干擾車牌識別系統(tǒng)一般應(yīng)用在交叉路口、車庫、小區(qū)入口、高速公路等地，圖像背景復(fù)雜多變，背景中與車牌區(qū)域特征相似的區(qū)域也是車牌定位的干擾源，如背景中與車牌特征相似的廣告語、指示牌等，此外，車牌附近的障礙物遮攔車牌，如保險杠等，這些也影響車牌的定位。因噪聲或運(yùn)動等而使車牌模糊。，如拍攝時的角度不準(zhǔn)造成車牌傾斜變形和攝像機(jī)透射畸變，還有車輛運(yùn)動而造成的變形，在很大程度上也影響著車牌定位。因而如何提高識別率和識別處理的實時性及實用性成了一個緊要的任務(wù)。 本文主要是通過數(shù)字圖像處理技術(shù)對由攝像機(jī)獲取到的彩色車牌的定位技術(shù)進(jìn)行了研究，將整個車牌定位的過程分解為了圖像預(yù)處理和定位兩個部分。定位部分被分解為邊緣檢測、粗定位、傾斜校正和細(xì)定位等四個處理過程。圖像增強(qiáng)階段中，采用了直方圖均衡化算法實現(xiàn)了灰度圖的對比度增強(qiáng)作用。邊緣檢測階段中，通過使用不同的算子實現(xiàn)邊緣檢測，考慮算法實現(xiàn)的優(yōu)劣，以及結(jié)合本次車牌定位的需求，選取Sobel算子完成對二值化圖像的邊緣檢測。傾斜校正通過求取車牌上各字符的中心點，擬合直線來確定車牌的傾斜角。 本論文的章節(jié)安排如下: 第一章:緒論。 第二章:車牌定位系統(tǒng)的結(jié)構(gòu)設(shè)計。其中，預(yù)處理部分圖像增強(qiáng)和圖像二值化，定位部分包括邊緣檢測、粗定位、傾斜校正和細(xì)定位。首先介紹了和數(shù)字圖像處理相關(guān)的理論以及計算原理，其次分別對圖像預(yù)處理中涉及到的圖像增強(qiáng)和圖像二值化等環(huán)節(jié)進(jìn)行了介紹和實現(xiàn)。分析我國的車牌特征，介紹當(dāng)前常用的定位方法，并提出包含邊緣檢測、車牌粗定位、傾斜校正、車牌細(xì)定位等在內(nèi)的車牌定位方法。 第五章:研究車牌字符識別的問題，對模板匹配的方案進(jìn)行研究、改進(jìn)和試驗。 第六章:主要是程序源代碼。 本課題的研究內(nèi)容本文就車輛牌照自動識別技術(shù)進(jìn)行了一系列的研究工作，在研究國內(nèi)外各種典型的車牌識別方法的基礎(chǔ)上，努力學(xué)習(xí)和創(chuàng)新，結(jié)合中國車牌的特點，對適合中國車牌的識別系統(tǒng)進(jìn)行了研究。提取的算法，結(jié)合形態(tài)學(xué)處理，采用初步定位去除偽車牌和精確定位相結(jié)合的算法實現(xiàn)車牌的準(zhǔn)確定位。對二值化中采用的 Otsu 算法進(jìn)行改進(jìn)，重新劃分二維直方圖的區(qū)域，改進(jìn)后的算法運(yùn)行時間短、二值化效果好。整個系統(tǒng)的核心是軟件部分的工作，能否通過牌照對車輛進(jìn)行有效管理，很大程度上取決于軟件部分識別車牌的準(zhǔn)確性。該系統(tǒng)可以實現(xiàn)從一副包含汽車牌照的圖片中自動的確定出車牌所在的位置，并對車牌所在的區(qū)域進(jìn)行字符分割、字符識別等操作，最終識別出車牌的具體內(nèi)容。 車牌識別系統(tǒng)從一幅車牌圖像中提取車牌部分圖像，分割字符，進(jìn)一步對字符進(jìn)行識別，從而得到車牌號碼。 一個車牌識別系統(tǒng)的基本硬件配置由攝像機(jī)、主控機(jī)、采集卡和照明裝置組成。首先是探測車輛的接近、通過和停留等。我國停車場應(yīng)用較多的是紅外探測器和電磁感應(yīng)環(huán)探測器。利用編碼調(diào)制信號，增強(qiáng)抗干擾的能力，具有較強(qiáng)的可靠性。然后將識別出的牌照信息儲存到服務(wù)器中，當(dāng)車輛離開時，同樣的進(jìn)行牌照識別，將其與前面輸入的牌照信息進(jìn)行對比，計算出停車時間，然后計費。 系統(tǒng)軟件設(shè)計硬件設(shè)備采集到圖片后首先要考慮圖像的存儲格式。軟件系統(tǒng)的編寫大多采用 VC 或者 MATLAB 語言，本課題選用了 MATLAB 語言。MATLAB 以矩陣作為基本語言要素大大提高了數(shù)值計算的編程效率。其圖像處理工具箱更是大大擴(kuò)展了 MATLAB 解決圖像處理問題的能力，其他還有諸如用于神經(jīng)網(wǎng)絡(luò)和小波的工具箱等，對于算法的分析都有著很大的幫助。MATLAB 的庫函數(shù)同用戶文件在形式上是一樣的，用戶可以根據(jù)自己的需求方便地建立與擴(kuò)充新的庫函數(shù)，擴(kuò)充其功能。 3） 較強(qiáng)的圖形控制和處理功能，自帶的 API 使得用戶可以方便地在 MATLAB與 C、C++等其他程序設(shè)計語言之間建立數(shù)據(jù)通信。2）使用 MATLAB 的圖形用戶界面技術(shù)（GUI）編寫牌照識別系統(tǒng)面板，可以達(dá)到與牌照定位切分程序及字符識別程序的無縫連接。 整個軟件系統(tǒng)是一個具有車牌識別功能的圖像分析和處理軟件。然后，通過對預(yù)處理后的圖像進(jìn)行小波變換分解提取圖像邊緣，并進(jìn)行形態(tài)學(xué)處理，這時，車牌的輪廓已經(jīng)非常清晰，并且可以和非車牌區(qū)域明顯區(qū)分開來了，接著，根據(jù)車牌的特點進(jìn)行車牌初步定位，對車牌區(qū)域和偽車牌區(qū)域進(jìn)行篩選后，采用投影法進(jìn)行車牌二次定位，提取出車牌圖像。最后利用改進(jìn)的BP 網(wǎng)絡(luò)完成了整個車牌字符的識別。最后搭建了一個測試平臺，將上述三個部分進(jìn)行了系統(tǒng)化，對系統(tǒng)的性能進(jìn)行了測試和分析。首先，簡單介紹了車牌識別系統(tǒng)的組成部分，包括硬件部分和軟件部分。軟件部分在整個系統(tǒng)中占有很重要的地位，而且軟件的優(yōu)化和升級能在很大程度上彌補(bǔ)硬件的不足，因此是本文研究的重點，軟件研究主要是設(shè)計車牌識別系統(tǒng)的主體，包括基于小波變換的車牌定位模塊、基于 Otsu 算法的車牌字符切分模塊的車牌字符識別模塊。 整個軟件系統(tǒng)的設(shè)計流程圖如圖所示：第三章 車牌圖像預(yù)處理 為了便于車牌的分割識別，攝像機(jī)攝下的原始圖像應(yīng)具有適當(dāng)?shù)牧炼群蛯Ρ榷?。例如由于光照度不均勻造成圖像灰度過于集中。車牌的字符部分受到磨損或是被污跡覆蓋等等。這勢必會影響車牌區(qū)域分割，降低車牌字符識別的準(zhǔn)確度。對車牌圖像的預(yù)處理主要包括以下三個方面:(l)圖像對比度增強(qiáng)。(2)圖像去噪。(3)傾斜矯正。由R、G、B三基色不同級別的組合方式，可以計算出一幅彩色數(shù)字圖像最多可包含167772種顏色。由此可見，一幅彩色圖像所包含的信息量遠(yuǎn)遠(yuǎn)大于一幅灰度圖像，它不僅需要大量的存儲空間還需要復(fù)雜的圖像處理算法，這使得整個車牌識別系統(tǒng)操作時間過長，無法達(dá)到其實時性的要求。令g為轉(zhuǎn)換后灰度圖像在某一點的灰度值，R、G、B分別為轉(zhuǎn)換前該點的R、G、B分量。圖2灰度圖像對車輛圖像進(jìn)行灰度化處理之后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進(jìn)行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因而難以準(zhǔn)確定位車牌。使用matlab自帶的灰度調(diào)整函數(shù)imadjust().對灰度圖像進(jìn)行灰度拉伸，結(jié)果如下：圖3 灰度拉伸后的圖像從兩圖的對比中我們可以看到灰度拉伸后對比度明顯增強(qiáng)，車牌區(qū)域更加明顯。由此可見，若采用低通濾波法去除車牌圖像中的噪聲，在除去噪聲的同時也會使車牌及字符的邊緣變得模糊，這對后續(xù)的車牌定位以及字符識別非常不利。因此，為了在保證在車牌圖像邊緣信息不被弱化的情況下除去噪聲，采用中值濾波法來去除圖像噪聲。中值濾波首先是被應(yīng)用在一維信號處理技術(shù)中，后來被二維圖像信號處理技術(shù)所引用。中值濾波它是一種鄰域運(yùn)算，類似于卷積，首先把鄰域中的像素按灰度等級進(jìn)行排序，然后選擇該組的中間值作為輸出像素值。其主要原理是:首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域。當(dāng)窗口在圖像中上下左右進(jìn)行移動后，利用中值濾波算法可以很好地對圖像進(jìn)行平滑處理。②讀取模板下各對應(yīng)像素的灰度值。④找出排在中間的一個值。本次作業(yè)采用matlab自帶的中值濾波器函數(shù)medfilt2()，對灰度圖像進(jìn)行去噪處理。由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進(jìn)行分割。此時可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。采用matlab自帶的edge()函數(shù)對圖像進(jìn)行邊緣的提取。進(jìn)行邊緣檢測，檢測后的結(jié)果如圖提取候選區(qū)域的步驟是：首先對經(jīng)過開閉運(yùn)算處理的圖像進(jìn)行區(qū)域提取，并計算區(qū)域特征參數(shù)，然后根據(jù)車牌的先驗知識對區(qū)域特征參數(shù)進(jìn)行比較，提取車牌區(qū)域。對車牌的區(qū)域提取可以利用regionprops 函數(shù)，對圖像每個區(qū)域進(jìn)行標(biāo)記，然后計算每個區(qū)域圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形，面積。對車牌的分割可以2007 年實施的車牌標(biāo)準(zhǔn)規(guī)定，車前車牌長 440mm，寬 140mm。根據(jù)圖像像素的大小，這里選取篩選條件為寬在50到150之間，高在20到50之間，就可以比較準(zhǔn)確的得到車牌的大致位置。均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。圖像的二值化處理就是將圖像上的點的灰度值置為 0 或 255，這樣處理后整個圖像呈現(xiàn)明顯的黑白效果，即將256個亮度等級的灰度圖經(jīng)過合適的閾值選取，而獲得的二值化圖像仍然可以反映圖像整體和局部特征。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。如果某圖像在內(nèi)部有均勻一致的灰度值，并且處在一個具有其他等級灰度值的均勻背景下，利用閥值法就能得到較好的切分效果。動態(tài)調(diào)節(jié)閥值來實現(xiàn)圖像的二值化可動態(tài)地觀察其切分圖像的具體結(jié)果。裁剪出來的車牌的進(jìn)一步處理過程圖 傾斜校正 雖然標(biāo)準(zhǔn)的車牌字符應(yīng)為水平依次排列，但是由于放置不當(dāng)或車身前進(jìn)方向與圖像采集設(shè)備不在同一條直線上等原因，會造成圖像中的車牌傾斜、扭曲。一般情況下，傾斜校正有兩步，第一步是找出傾斜的角度；第二部是進(jìn)行坐標(biāo)變換，得到校正后的圖像。另外還有Radon變