畢業(yè)論文---車牌識(shí)別算法調(diào)研

1、<p><b>　　前 言</b></p><p>　　隨著交通問(wèn)題的日益嚴(yán)重，智能交通系統(tǒng)應(yīng)運(yùn)而生。從20世紀(jì)90年代起，我國(guó)也逐漸展開(kāi)了智能交通系統(tǒng)的研究和開(kāi)發(fā)，探討在現(xiàn)有的交通運(yùn)輸網(wǎng)的基礎(chǔ)上，提高運(yùn)輸效率，保障運(yùn)輸安全。我國(guó)加強(qiáng)智能交通系統(tǒng)（ITS）的研究與開(kāi)發(fā)勢(shì)在必行，特別是考慮到我國(guó)的國(guó)情和我國(guó)經(jīng)濟(jì)的快速發(fā)展，社會(huì)信息化程度日益提高，交通管理智能化成為發(fā)展的趨勢(shì)。&l

2、t;/p><p>　　汽車牌照自動(dòng)識(shí)別系統(tǒng)是近幾年發(fā)展起來(lái)的計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。</p><p>　　車牌識(shí)別的目的是對(duì)攝像頭獲取的汽車圖像進(jìn)行預(yù)處理,確定車牌位置,提取車牌上的字符串，并對(duì)這些字符進(jìn)行識(shí)別處理,用文本的形式顯示出來(lái)。車牌自動(dòng)識(shí)別技術(shù)在智能交通系統(tǒng)中具有重要的應(yīng)用價(jià)值。在車牌自動(dòng)識(shí)別系統(tǒng)中，首先要將車牌從所獲取的圖像中分割出來(lái)，這是進(jìn)行

3、車牌字符識(shí)別的重要步驟，定位準(zhǔn)確與否直接影響車牌識(shí)別率。本次論文主要對(duì)車牌的定位做了比較詳細(xì)的研究。</p><p>　　車牌自動(dòng)識(shí)別系統(tǒng)（LARS）作為一種交通信息的獲取技術(shù)在交通車輛管理、園區(qū)車輛管理、停車場(chǎng)管理有著特別重要的應(yīng)用價(jià)值，受到業(yè)內(nèi)人士的普遍關(guān)注。車牌自動(dòng)識(shí)別的處理有三部分組成，其中車牌定位作為最關(guān)鍵的技術(shù)，成為重點(diǎn)研究的對(duì)象。</p><p>　　車牌定位的成功與否以及定

4、位的準(zhǔn)確程度將會(huì)直接決定后期能否進(jìn)行車牌識(shí)別以及識(shí)別的準(zhǔn)確度。由于在現(xiàn)實(shí)中，汽車的車牌圖像受到光照、背景、車型等外界干擾因素以及拍攝角度、遠(yuǎn)近等人為因素的影響，造成圖像受光不均勻，車牌區(qū)域不明顯，給車牌區(qū)域的提取帶來(lái)了較大的困難。</p><p>　　車牌定位的方法有很多種，目前比較經(jīng)典的定位方法大都在基于灰度圖像的基礎(chǔ)上，針對(duì)不同背景和光照條件下的車輛圖像，提出了一種基于灰度圖像灰度變化特征進(jìn)行車牌定位的方法。

5、依據(jù)車牌中不同區(qū)域的灰度分布，車牌定位可以首先將彩色車牌進(jìn)行灰度化然后再進(jìn)行車牌定位。</p><p><b>　　第一章 緒論</b></p><p><b>　　1.1機(jī)器視覺(jué)概述</b></p><p>　　人類在征服自然、改造自然和推動(dòng)社會(huì)進(jìn)步的過(guò)程中，面臨著自身能力、能量的局限性，因而發(fā)明和創(chuàng)造了許多機(jī)器來(lái)輔

6、助或代替人類完成任務(wù)。智能機(jī)器，包括智能機(jī)器人，是這種機(jī)器撮理想的形式，也是人類科學(xué)研究中所面臨的最大挑戰(zhàn)之一。智能機(jī)器是指這樣一種系統(tǒng)，它能模擬人類的功能，能感知外部世界并有效地解決人所能解決的問(wèn)題。人類感知外部世界主要是通過(guò)視覺(jué)、觸覺(jué)、聽(tīng)覺(jué)和嗅覺(jué)等感覺(jué)器官，其中約80％的信息是由視覺(jué)獲取的。因此，對(duì)于智能機(jī)器來(lái)說(shuō)，賦予機(jī)器以人類視覺(jué)功能對(duì)發(fā)展智能機(jī)器是極其重要的，也由此形成了一門(mén)新的學(xué)科～一機(jī)器視覺(jué)(也稱計(jì)算機(jī)視覺(jué)或圖像分析與理解等

7、)。機(jī)器視覺(jué)的發(fā)展不僅將大大推動(dòng)智能系統(tǒng)的發(fā)展，也將拓寬計(jì)算機(jī)與各種智能機(jī)器的研究范圍和應(yīng)用領(lǐng)域。</p><p>　　機(jī)器視覺(jué)是研究用計(jì)算機(jī)來(lái)模擬生物外顯或宏觀視覺(jué)功能的科學(xué)和技術(shù)。機(jī)器視覺(jué)系統(tǒng)的首要目標(biāo)是用圖像創(chuàng)建或恢復(fù)現(xiàn)實(shí)世界模型，然后認(rèn)知現(xiàn)實(shí)世界。機(jī)器視覺(jué)系統(tǒng)獲取的場(chǎng)景圖像～般是灰度圖像，即三維場(chǎng)景在二維平面上的投影。此時(shí)，場(chǎng)景三維信息只能通過(guò)灰度圖像或灰度圖像序列來(lái)恢復(fù)處理，這種恢復(fù)需要進(jìn)行多點(diǎn)對(duì)一點(diǎn)的

8、映射逆變換。在信息恢復(fù)過(guò)程中，還需要有關(guān)的場(chǎng)景知識(shí)和投影幾何知識(shí)。機(jī)器視覺(jué)是一個(gè)相當(dāng)新且發(fā)展十分迅速的研究領(lǐng)域?？梢哉f(shuō)，對(duì)機(jī)器視覺(jué)的全球性研究熱潮是從20世紀(jì)80年代開(kāi)始的，到了80年代中期，機(jī)器視覺(jué)獲得了蓬勃發(fā)展，新概念、新方法、新理論不斷涌現(xiàn)。比如，基于感知特征群的物體識(shí)別理論框架、主動(dòng)視覺(jué)理論框架、視覺(jué)集成理論框架等等。</p><p>　　機(jī)器視覺(jué)的應(yīng)用主要包括以下一些方面：</p><

9、;p>　?。?）零件識(shí)別與定位</p><p><b>　　（2）產(chǎn)品檢驗(yàn)</b></p><p>　?。?）移動(dòng)機(jī)器人導(dǎo)航</p><p><b>　　（4）遙感圖像分析</b></p><p><b>　?。?）醫(yī)學(xué)圖像分析</b></p><p&

10、gt;　?。?）安全鑒別、監(jiān)視與跟蹤</p><p><b>　?。?）國(guó)防系統(tǒng)</b></p><p><b>　?。?）其它</b></p><p>　　1．2智能交通系統(tǒng)及車牌識(shí)別系統(tǒng)在其中的應(yīng)用</p><p>　　智能交通系統(tǒng)(Intelligent Transportation Syst

11、em，ITS)就是以緩和道路堵塞和減少交通事故，提高交通利用者的方便、舒適為目的，利用交通信息系統(tǒng)、通訊網(wǎng)絡(luò)、定位系統(tǒng)和智能化分析與選線的交通系統(tǒng)的總稱。它通過(guò)傳播實(shí)時(shí)的交通信息使出行者對(duì)即將面對(duì)的交通環(huán)境有足夠的了解，并據(jù)此做出正確的選擇；通過(guò)消除道路堵塞等交通隱患，建設(shè)良好的交通管制系統(tǒng)，減輕對(duì)環(huán)境的污染：通過(guò)對(duì)智能交叉路口和自動(dòng)駕駛技術(shù)的開(kāi)發(fā)，提高行車安全，減少行駛時(shí)間。</p><p>　　智能交通系統(tǒng)已

12、成為被普遍認(rèn)可的改善交通狀況的最為有效的途徑。目前世界各國(guó)都在大力發(fā)展，其中的代表是美國(guó)。1995年3月美國(guó)交通部首次正式出版了《國(guó)家智能交通系統(tǒng)項(xiàng)目規(guī)劃》，明確規(guī)定了智能交通系統(tǒng)的7大領(lǐng)域和29個(gè)用戶服務(wù)功能．此后進(jìn)入新世紀(jì)第一年，又與美國(guó)ITS協(xié)會(huì)(ITS America)聯(lián)合編制了ITS十年發(fā)展規(guī)劃。其中7大領(lǐng)域包括：出行和交通管理系統(tǒng)、出行需求管理系統(tǒng)、公共交通運(yùn)營(yíng)系統(tǒng)、商用車輛運(yùn)營(yíng)系統(tǒng)、電子收費(fèi)系統(tǒng)、應(yīng)急管理系統(tǒng)、先進(jìn)的車輛控

13、制和安全系統(tǒng)。</p><p>　　車牌識(shí)別系統(tǒng)(License Plate Recognition System，LPR)是智能交通系統(tǒng)的一個(gè)重要組成部分，該系統(tǒng)能從一幅圖像中自動(dòng)提取車牌圖像，自動(dòng)分割字符，進(jìn)而對(duì)字符進(jìn)行識(shí)別。</p><p>　　車輛牌照識(shí)別技術(shù)作為交通管理自動(dòng)化的重要手段，其任務(wù)是分析、處理汽車監(jiān)控圖像，自動(dòng)識(shí)別汽車牌號(hào)，并進(jìn)行相關(guān)智能化數(shù)據(jù)庫(kù)管理。車牌識(shí)別系統(tǒng)可以

14、廣泛應(yīng)用于高速公路電子收費(fèi)站、出入控制、公路流量監(jiān)控、失竊車輛查詢、停車場(chǎng)車輛管理、公路稽查、監(jiān)測(cè)黑牌機(jī)動(dòng)車、監(jiān)控違章車輛的電子警察等需要車牌認(rèn)證的重要場(chǎng)合，尤其在高速公路收費(fèi)系統(tǒng)中，實(shí)現(xiàn)不停車收費(fèi)技術(shù)可提高公路系統(tǒng)的運(yùn)行效率，車牌識(shí)別系統(tǒng)更具有不可替代的作用，因而對(duì)車牌識(shí)別技術(shù)的研究和應(yīng)用系統(tǒng)開(kāi)發(fā)具有重要的現(xiàn)實(shí)意義。</p><p><b>　　1.3課題研究背景</b></p>

15、;<p>　　隨著21世紀(jì)經(jīng)濟(jì)全球化的到來(lái)，高速度、高效率的生活節(jié)奏，使車輛普及成為必然的趨勢(shì)，交通管理自動(dòng)化越來(lái)越成為亟待解決的問(wèn)題?，F(xiàn)代智能交通系統(tǒng) (Intelligent Transportation System，ITS)中，車輛牌照識(shí)別(License Plate Recognition，LPR)技術(shù)是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在交通領(lǐng)域應(yīng)用的重要研究課題之一，是實(shí)現(xiàn)交通管理能夠智能化的重要環(huán)節(jié)，其任務(wù)是分析、處

16、理汽車圖像，自動(dòng)識(shí)別汽車牌號(hào)。LPR系統(tǒng)可以廣泛應(yīng)用于電子收費(fèi)、出入控制、公路流量監(jiān)控、失竊車輛查詢和停車場(chǎng)車輛管理等需要車牌認(rèn)證的場(chǎng)合；尤其在高速公路收費(fèi)系統(tǒng)中，實(shí)現(xiàn)不停車收費(fèi)提高公路系統(tǒng)的運(yùn)行效率，LPR系統(tǒng)更具有不可替代的作用。因而從事LPR技術(shù)的研究具有極其重要的現(xiàn)實(shí)意義和巨大的經(jīng)濟(jì)價(jià)值。LPR系統(tǒng)中的兩個(gè)關(guān)鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符識(shí)別系統(tǒng)。關(guān)于車牌定位系統(tǒng)的研究，國(guó)內(nèi)外學(xué)者已經(jīng)做了大量的工作，但實(shí)際效果并不是很理想，比

17、如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準(zhǔn)確度的潛在因素。為此，近年來(lái)不少學(xué)者針對(duì)車牌本身的特點(diǎn)、車輛拍攝的不良現(xiàn)象及背景復(fù)</p><p>　　隨著我國(guó)交通運(yùn)輸?shù)牟粩喟l(fā)展，智能交通系統(tǒng)（Intelligent Traffic System，簡(jiǎn)稱ITS）的推廣變的越來(lái)越重要，而作為ITS的一個(gè)重要組成部分，車輛牌照識(shí)別系統(tǒng)（vehicle license plate recognition

18、 system，簡(jiǎn)稱LPR）對(duì)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。它可廣泛應(yīng)用于交通流量檢測(cè)，交通控制于誘導(dǎo)，機(jī)場(chǎng)，港口，小區(qū)的車輛管理，不停車自動(dòng)收費(fèi)，闖紅燈等違章車輛監(jiān)控以及車輛安全防盜等領(lǐng)域，具有廣闊的應(yīng)用前景。由于牌照是機(jī)動(dòng)車輛管理的唯一標(biāo)識(shí)符號(hào)，因此，車輛牌照識(shí)別系統(tǒng)的研究在機(jī)動(dòng)車管理方面具有十分重要的實(shí)際意義。</p><p>　　車輛牌照識(shí)別系統(tǒng)（vehicle license p

19、late recognition system，簡(jiǎn)稱LPR）是近幾年發(fā)展起來(lái)的計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。在車輛牌照識(shí)別系統(tǒng)中，首先要將車牌從所獲取的圖像中分割出來(lái)，這是進(jìn)行車牌字符識(shí)別的重要步驟，定位準(zhǔn)確與否直接影響車牌識(shí)別率。</p><p><b>　　1.4車牌的特征</b></p><p>　　車牌的本身具有許多固有特征，這

20、些特征對(duì)不同的國(guó)家是不同的，我國(guó)現(xiàn)在使用的車牌主要根據(jù)中華人民共和國(guó)機(jī)動(dòng)車牌號(hào)GA36-92標(biāo)準(zhǔn)，具有以下五個(gè)特征：</p><p>　?。?）形狀特征：標(biāo)準(zhǔn)的車牌外輪廓尺寸440*140，字符高90，寬45，字符間距12，間隔符寬10。整個(gè)字符的高寬比例近似為3:1，車牌的邊緣是線段圍成的有規(guī)則的矩形。主要用在車牌的定位分割。</p><p>　?。?）顏色特征：現(xiàn)有的字符顏色與車牌底色

21、搭配有四種類型，藍(lán)底白字，黃底黑字，白底黑字，黑底白字。這部分特征主要用在對(duì)彩色圖像進(jìn)行車牌的定位。</p><p>　　（3）字符的特征：標(biāo)準(zhǔn)的車牌上有7個(gè)字符，呈水平排列，待識(shí)別的字符模板可以分為一下三類，漢字，英文字母，阿拉伯?dāng)?shù)字，主要用于對(duì)字符匹配識(shí)別方面。</p><p>　　（4）其他國(guó)家的汽車牌照格式(如汽車牌照的尺寸大小，牌照上的字符排列等)通常只有一種，而我國(guó)則根據(jù)不同車

22、輛、車型、用途，規(guī)定了多種牌照格式(例如分為軍車、警車、普通車等)。</p><p>　?。?）我國(guó)汽車牌照的規(guī)范懸掛位置不唯一。</p><p>　　由于環(huán)境、道路或人為因素造成汽車牌照污染嚴(yán)重，這種情況下，國(guó)外發(fā)達(dá)國(guó)家不允許上路，而在我國(guó)仍可上路行駛。</p><p>　　車牌與汽車的其它區(qū)域相比，還有一下主要特征：</p><p>　　

23、（1）車牌區(qū)域中的垂直邊緣比水平邊緣密集，而車身其它部分的水平邊緣明顯，垂直邊緣較少。</p><p>　　（2）灰度變化特征：車牌的底色、邊緣顏色，車輛外部的顏色都是不同的，表現(xiàn)在圖像中就是灰度級(jí)互不相同，這就在車牌邊緣形成了灰度突變邊界。實(shí)際上，車牌的邊緣在灰度上的表現(xiàn)是一種屋脊?fàn)钸吘?。在車牌區(qū)域內(nèi)部，字符和車牌底的灰度較均勻的呈現(xiàn)波峰波谷。 </p><p>　?。?）有相對(duì)集中和規(guī)

24、則的紋理特征。</p><p>　　由于我國(guó)汽車車牌識(shí)別的特殊性，這就導(dǎo)致了采用任何單一識(shí)別技術(shù)都是難以奏效的。</p><p>　　1.5國(guó)內(nèi)外車輛牌照識(shí)別技術(shù)現(xiàn)狀</p><p>　　一個(gè)典型的車牌識(shí)別系統(tǒng)由車輛檢測(cè)、車牌定位、字符分割、字符識(shí)別部分組成，對(duì)于其中的每一個(gè)部分，人們都提出了很多不同的算法。由于在識(shí)別時(shí)進(jìn)行字符特征提取和識(shí)別的對(duì)象都是在車牌區(qū)域內(nèi)，

25、所以從自然背景中分割出車牌區(qū)域的車牌定位技術(shù)，和J下確識(shí)別出矩形區(qū)域內(nèi)字符的字符識(shí)別技術(shù)是提高汽車自動(dòng)識(shí)別系統(tǒng)識(shí)別率的關(guān)鍵。</p><p>　　車牌自動(dòng)識(shí)別是交通監(jiān)控中比較熱門(mén)的研究課題，許多科技工作者為此做出了不懈的努力。許多發(fā)達(dá)的工業(yè)國(guó)家和地區(qū)，早在80年代初期就著手研制汽車牌照識(shí)別系統(tǒng)。英國(guó)一個(gè)研究小組在1982年研制了一種用于刑偵的汽車牌照識(shí)別系統(tǒng)，該系統(tǒng)架設(shè)在公路上，對(duì)被盜車輛或失效牌照進(jìn)行搜索，一經(jīng)

26、發(fā)現(xiàn)，即可通過(guò)普通電話通知警方進(jìn)行攔截，但該系統(tǒng)的正確識(shí)別率僅達(dá)50％左右。1983年，R本一家公司曾研究過(guò)用來(lái)檢查超速行駛的汽車牌照識(shí)別系統(tǒng)，該系統(tǒng)通過(guò)對(duì)A、B兩點(diǎn)間所攝取牌照的匹配，確定出汽車在A、B兩點(diǎn)間行駛的平均車速，但因識(shí)別率低，難以投入實(shí)用。</p><p>　　目前，國(guó)內(nèi)外有大量關(guān)于車牌識(shí)別方面的研究報(bào)道。發(fā)展到今日，國(guó)外對(duì)車牌檢測(cè)的研究已經(jīng)取得了一些令人矚目的成就，如Yuntao Cui提出了一種

27、車牌識(shí)別系統(tǒng)，在車牌定位以后，利用馬爾科夫場(chǎng)對(duì)車牌特征進(jìn)行提取和二值化，對(duì)樣本的識(shí)別達(dá)到了較高的識(shí)別率。Eun Ryung 等利用圖像中的顏色分量，對(duì)車輛照進(jìn)行定位識(shí)別，其中提到了三種方法：①以Hough 變換為基礎(chǔ)的邊緣檢測(cè)定位識(shí)別；</p><p>　?、谝曰叶戎底儞Q為基礎(chǔ)的識(shí)別算法；</p><p>　?、垡訦LS 彩色模式為基礎(chǔ)的車牌識(shí)別系統(tǒng)，識(shí)別率分別為81.25%、85%、91

28、.2%。</p><p>　　日本對(duì)車牌圖像的獲取也做了大量的研究，并為系統(tǒng)產(chǎn)業(yè)化做了大量工作。Luis開(kāi)發(fā)系統(tǒng)應(yīng)用于公路收費(fèi)站，全天識(shí)別率達(dá)到了90%以上，即使在天氣不好的情況下也達(dá)到了70%。國(guó)外對(duì)車牌識(shí)別的研究起步早，總體來(lái)講其技術(shù)已比較領(lǐng)先，同時(shí)由于他們車牌種類單一，規(guī)范程度較高，易于定位識(shí)別。目前，已經(jīng)實(shí)現(xiàn)了產(chǎn)品化，并在實(shí)際的交通系統(tǒng)中得到了廣泛的應(yīng)用。由于中國(guó)車牌的格式與國(guó)外有較大差異，所以國(guó)外關(guān)于識(shí)

29、別率的報(bào)道只具有參考價(jià)值，其在中國(guó)的應(yīng)用效果可能沒(méi)有在其國(guó)內(nèi)的應(yīng)用效果好，但其識(shí)別系統(tǒng)中采用的很多算法具有很好的借鑒意義。從車牌識(shí)別系統(tǒng)進(jìn)入中國(guó)以來(lái)，國(guó)內(nèi)有大量的學(xué)者在從事這方面的研究，提出了很多新穎快速的算法。中國(guó)科學(xué)院自動(dòng)化所的劉智勇等開(kāi)發(fā)的系統(tǒng)在一個(gè)樣本量為3180 的樣本集中，車牌定位準(zhǔn)確率為99。42%，切分準(zhǔn)確率為94。52%，這套系統(tǒng)后來(lái)應(yīng)用于漢王公司的車牌識(shí)別系統(tǒng)，取得了不錯(cuò)的效果。南京大學(xué)的熊軍等提出了基于字符紋理特征

30、的定位算法，準(zhǔn)確率達(dá)95%。華中科技大學(xué)的陳振學(xué)等學(xué)者提出了一種新的車牌圖像字符分割與識(shí)別算法，使用一維循環(huán)清零法，通過(guò)對(duì)垂直投影圖進(jìn)行一次掃描，有效的清除了雜點(diǎn)和間隔符，正</p><p>　　1.6車牌識(shí)別技術(shù)的應(yīng)用情況</p><p>　　車輛牌照識(shí)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(guò)字符切分和識(shí)別后實(shí)現(xiàn)車輛牌照的自動(dòng)識(shí)別，從而為以上應(yīng)用提供信息和基礎(chǔ)功能。<

31、/p><p>　　目前車牌識(shí)別系統(tǒng)主要應(yīng)用于以下領(lǐng)域：</p><p>　?。?）停車場(chǎng)管理系統(tǒng)。利用車牌識(shí)別技術(shù)對(duì)出入車輛的號(hào)牌進(jìn)行識(shí)別和匹配，與停車卡結(jié)合實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)的車輛收費(fèi)管理系統(tǒng)。</p><p>　?。?）高速公路超速自動(dòng)化管理系統(tǒng)。以車牌自動(dòng)識(shí)別技術(shù)為基礎(chǔ)，與其他高科技手段結(jié)合，對(duì)高速公路交通流狀況進(jìn)行自動(dòng)監(jiān)測(cè)、自動(dòng)布控，從而降低交通事故的復(fù)發(fā)生率，

32、確保交通順暢。</p><p>　?。?）公路布控。采用車牌識(shí)別技術(shù)實(shí)現(xiàn)對(duì)重點(diǎn)車輛的自動(dòng)識(shí)別，快速報(bào)警，既可以有效查找被盜車輛，同時(shí)又為公安、檢察機(jī)關(guān)提供了對(duì)犯罪嫌疑人的交通工具進(jìn)行遠(yuǎn)程跟蹤與監(jiān)查的技術(shù)手段。</p><p>　?。?）城市十字交通路口的“電子警察”?？梢詫?duì)違章車輛進(jìn)行責(zé)任追究，也可以輔助進(jìn)行交通流量統(tǒng)計(jì)，交通監(jiān)測(cè)和疏導(dǎo)。</p><p>　　（5）

33、小區(qū)車輛管理系統(tǒng)。社區(qū)保安系統(tǒng)將出入社區(qū)的車輛通過(guò)車牌識(shí)別技術(shù)進(jìn)行記錄，將結(jié)果與內(nèi)部車輛列表對(duì)比可以實(shí)現(xiàn)防盜監(jiān)管。</p><p>　　1.7車牌識(shí)別技術(shù)的發(fā)展趨勢(shì)</p><p>　　車牌識(shí)別技術(shù)作為智能交通系統(tǒng)中的關(guān)鍵技術(shù)，在各國(guó)學(xué)者的共同努力下，已經(jīng)得到了長(zhǎng)足的發(fā)展，并且已經(jīng)得到了不同程度的實(shí)際應(yīng)用，但目前還存在著種種不足。</p><p>　　對(duì)于未來(lái)車牌識(shí)

34、別產(chǎn)品的技術(shù)發(fā)展趨勢(shì)，漢王科技智能交通部總經(jīng)理喬炬認(rèn)為：首先，由于市場(chǎng)需求不同，對(duì)識(shí)別產(chǎn)品的需求也有差異，因此就要求研發(fā)針對(duì)不同細(xì)分市場(chǎng)的車牌識(shí)別產(chǎn)品。其次，隨著算法的不斷改進(jìn)，基于視頻觸發(fā)技術(shù)的車牌識(shí)別產(chǎn)品將得到大范圍的應(yīng)用，但是視頻觸發(fā)技術(shù)取代外觸發(fā)裝置尚需時(shí)日。第三，現(xiàn)在的車牌識(shí)別系統(tǒng)設(shè)備過(guò)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(gè)讓人頭疼的問(wèn)題。隨著技術(shù)不斷進(jìn)步，以往多個(gè)設(shè)備實(shí)現(xiàn)的功能可能由一個(gè)設(shè)備實(shí)現(xiàn)。</p>

35、;<p>　　目前，車牌識(shí)別技術(shù)和產(chǎn)品性能進(jìn)入實(shí)用階段的時(shí)間還不是很長(zhǎng)，隨著人工智能以及自動(dòng)識(shí)別技術(shù)的進(jìn)步，未來(lái)的技術(shù)發(fā)展空間還會(huì)非常大。例如，核心算法繼續(xù)發(fā)展，識(shí)別率和識(shí)別速度進(jìn)一步改善，圖像處理中對(duì)模糊圖像預(yù)處理能力增強(qiáng)，畫(huà)質(zhì)改善技術(shù)的提高等等。</p><p>　　1.8車牌定位的意義 </p><p>　　現(xiàn)在社會(huì)已經(jīng)進(jìn)入信息時(shí)代，隨著計(jì)算機(jī)技術(shù)、通信技術(shù)和計(jì)算機(jī)網(wǎng)

36、絡(luò)技術(shù)的法杖，自動(dòng)化的信息處理能力和水平不算提高，并在人們社會(huì)活動(dòng)和生活的各個(gè)領(lǐng)域得到廣泛應(yīng)用。在這種情況下，作為信息來(lái)源的自動(dòng)檢測(cè)、圖像識(shí)別技術(shù)越來(lái)越受到人們的的重視。作為現(xiàn)代社會(huì)的主要交通工具之一的汽車，在人們的生產(chǎn)、生活的各個(gè)領(lǐng)域得到大量使用，對(duì)它的信息自動(dòng)采集和管理在交通車輛管理、園區(qū)車輛管理、停車場(chǎng)管理等方面有十分重要的意義，成為信息處理技術(shù)的一項(xiàng)重要課題。</p><p>　　1.9本文的主要內(nèi)容及工

37、作</p><p>　　車牌識(shí)別(License Plate Recognition，LPR)技術(shù)自提出以來(lái)，人們對(duì)其進(jìn)行了廣泛的研究，目前已有眾多的算法，一然實(shí)用的識(shí)別系統(tǒng)也開(kāi)始應(yīng)用于車流監(jiān)控、出入控制、電子收費(fèi)等場(chǎng)合。然而，無(wú)論是LPR算法還是LPR產(chǎn)品都存在一些有待解決的問(wèn)題。在車牌識(shí)別過(guò)程中，車牌定位、字符分割和字符識(shí)別都是很重要的環(huán)節(jié)，人們應(yīng)用圖像處理技術(shù)和模式識(shí)別技術(shù)對(duì)其提出了多種解決方法，但是這些方

38、法通用性較差，無(wú)法在實(shí)際中實(shí)現(xiàn)車牌號(hào)碼的正確和準(zhǔn)確的識(shí)別。本論文系統(tǒng)的介紹了車牌識(shí)別系統(tǒng)的工作流程、所用的技本及其原理，其中，重點(diǎn)對(duì)圖像處理以及模式識(shí)別等技術(shù)在車牌識(shí)別中的應(yīng)用研究做了詳細(xì)闡述。將各種方法與實(shí)際圖像相結(jié)合，并比較優(yōu)劣，考慮系統(tǒng)實(shí)時(shí)性對(duì)算法時(shí)間與空間復(fù)雜度的要求，提出了自己的車牌定位、字符分割與識(shí)別方法，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)車牌識(shí)別系統(tǒng)，在實(shí)驗(yàn)中取得了較為滿意的結(jié)果。</p><p><b>

39、　　(1)車牌定位</b></p><p>　　提出了一種基于車牌字符連接特征(字符紋理之間的關(guān)聯(lián)性)的車牌定位方法，并通過(guò)區(qū)域增長(zhǎng)的方法進(jìn)行矩形搜索，以獲取候選牌照的區(qū)域。該算法對(duì)車輛所處背景的依存度低，可以對(duì)一幅圖像中多個(gè)車牌進(jìn)行定位，最多可在一幅圖像中考察254個(gè)候選區(qū)域。</p><p><b>　　(2)字符分割</b></p>&

40、lt;p>　　根據(jù)提取出的車牌圖像和車牌字符大小的先驗(yàn)知識(shí)，利用投影法和回掃法進(jìn)行字符分割。</p><p><b>　　(3)字符識(shí)別</b></p><p>　　根據(jù)車牌字符的分布情況，同時(shí)為了提高識(shí)別速度，才用兩次識(shí)別的方法。第一步采用投影法和上下邊距比值進(jìn)行粗分類，第二步采用模版匹配識(shí)別字符。考慮到由于受前面步驟的影響，用于字符識(shí)別的單個(gè)字符圖像可能會(huì)有

41、變形或者缺損，造成某些誤識(shí)別，還要針對(duì)其識(shí)別結(jié)果做出進(jìn)一步的分析，從而保證得到較高的識(shí)別率。</p><p>　　第二章 車牌定位技術(shù)研究現(xiàn)狀</p><p>　　2.1車牌定位技術(shù)研究現(xiàn)狀</p><p>　　車牌定位的研究因外起步比較早，現(xiàn)有比較好的牌照定位方法主要有Barroso J等提出的基于水平線搜尋的定位方法， Parisi R等提出的基于DFT變

42、換的頻域分析方法fml，Coetzee C等提出的基于Niblack二值化算法及自適應(yīng)邊屏搜索算法的定位方法，Ulas J等人曾提出基于掃描行的車牌提取方法。上述方法，盡管在一定的條件下能夠分割出車牌，但車牌識(shí)別系統(tǒng)大多是利用攝像機(jī)室外拍攝汽車圖案，存在許多客觀的干擾，如天氣、背景、車牌磨損、圖像傾斜等因素。因此定位并不十分理想，而且對(duì)于其它國(guó)家的車牌并不能很好地識(shí)別，甚至產(chǎn)生拒識(shí)或誤識(shí)現(xiàn)象。</p><p>　

43、　90年代以來(lái)，由于交通現(xiàn)代化發(fā)展的需要，我國(guó)也開(kāi)始對(duì)車牌定位進(jìn)行深入研究，并取得了一定成效。國(guó)內(nèi)比較好的定位算法有基于車牌文字變化特征的自動(dòng)掃描識(shí)別算法；基于特征的車輛牌照定位算法：基于變換函數(shù)提取車牌的算法：基于視覺(jué)的車輛牌照檢測(cè)；基于小波與形態(tài)學(xué)的定位算法。這些算法都是基于車牌的特征來(lái)研究車牌的定位與識(shí)別，因而具有一定的針對(duì)性和局限性。車牌定位的方法多種多樣，它可以是先前方法的改進(jìn)，也可以是獨(dú)辟蹊徑的創(chuàng)新，也可以是新老方法的結(jié)合。

44、</p><p>　　2.2車牌字符識(shí)別技術(shù)研究現(xiàn)狀</p><p>　　車牌字符識(shí)別實(shí)際上是依附在車牌上的印刷體文字的識(shí)別，能否正確識(shí)別不僅是文字識(shí)別技術(shù)的問(wèn)題，還要考慮其載體～一車牌區(qū)域的影響。車牌字符識(shí)別技術(shù)是文字識(shí)別技術(shù)與車牌圖像自身因素協(xié)調(diào)兼顧的綜合性技術(shù)。由于攝像機(jī)的性能、車牌的整潔度、光照條件、拍攝時(shí)的傾斜角度及車輛運(yùn)動(dòng)等因素的影響使牌照中的字符可能出現(xiàn)比較嚴(yán)重的模糊、歪斜、

45、缺損或污跡干擾，這些都給字符識(shí)別帶來(lái)了難度。</p><p>　　目前較為實(shí)用的車牌字符識(shí)別方法主要有基于字符結(jié)構(gòu)”“的識(shí)別方法、基于模板匹配“”的識(shí)別方法等。此外近年不少學(xué)者提出了一些新的方法。</p><p>　　基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別“”方法，對(duì)于解析度較高和圖像比較清晰的車牌，這些方法能有效識(shí)別車牌中的字符，但對(duì)于較低解析度和較為模糊的車牌無(wú)能為力，因?yàn)檫@些方法只有在車牌中的每個(gè)字

46、符被獨(dú)立分割出來(lái)的前提下刊能完成識(shí)別工作。而獨(dú)立分割車牌取得字符，對(duì)較低解析度和較為模糊的車牌來(lái)說(shuō)是非常困難的。</p><p>　　近年來(lái)不少學(xué)者已嘗試著將隱馬爾可夫模型方法應(yīng)用于字符識(shí)別，但目前的研究幾乎都集中在一維隱馬爾可夫模型上言而國(guó)內(nèi)的車牌字符由漢字、英文字符及數(shù)字組成。鑒于漢字的二維空間拓?fù)浣Y(jié)構(gòu)特性，漢字的識(shí)別要使用二維馬爾可夫模型，但是這種方法計(jì)算復(fù)雜，訓(xùn)練和識(shí)別很耗時(shí)惻。</p>&

47、lt;p>　　還有學(xué)者提出利用分形理論“”來(lái)對(duì)車牌矩形區(qū)域內(nèi)的字符進(jìn)行識(shí)別，為該模式識(shí)別問(wèn)題尋找新的技術(shù)途徑。但是實(shí)驗(yàn)表明有些字符的分?jǐn)?shù)維相差極小，導(dǎo)致閥值難以選取。</p><p>　　技術(shù)雖然多種多樣，但是都是針對(duì)某些特定的環(huán)境和場(chǎng)合才會(huì)有較好的效果，每種方法都各有優(yōu)缺點(diǎn)。表1．Ol列出了幾種較為成熟的產(chǎn)品。有些方法速度快，但是容易受到字符大小、字符傾斜的影響；而適應(yīng)性好、識(shí)別率高的方法往往運(yùn)算量較大，

48、難以滿足實(shí)時(shí)性的要求?？偟目磥?lái)，在各種車輛自動(dòng)識(shí)別技術(shù)中，目前真正能夠?qū)嶋H使用的還不多，需要用某種折衷的方法來(lái)加以解決。</p><p>　　以下是幾種較為成熟靜LPR產(chǎn)品</p><p>　　公司 產(chǎn)品 識(shí)別率 識(shí)別速度</p><p><b>　　Hi-Teeh </b>&

49、lt;/p><p>　　(以色列) See Car 93％ 500ms</p><p><b>　　Optasia </b></p><p>　　(新加坡) VLPRS 99。7％ 400~2000ms </p&g

50、t;<p>　　AsiaViSiOn Technology </p><p>　?。ㄖ袊?guó)香港） VECON 96％ 1000ms</p><p>　　2.3研究中的關(guān)鍵點(diǎn)</p><p>　　在車牌識(shí)別中，首先要獲取車牌的圖像，這通常由專門(mén)的攝像裝置來(lái)完成。當(dāng)探測(cè)剝車輛出現(xiàn)在菜一區(qū)域內(nèi)時(shí)，

51、存入此時(shí)的車輛圖像用來(lái)進(jìn)行識(shí)別。當(dāng)一個(gè)車牌翻動(dòng)檢測(cè)與識(shí)剮系統(tǒng)工1乍在自然環(huán)境下時(shí)，由于受到各種因素的影響且沒(méi)有一種可循的規(guī)律，給系統(tǒng)的研究帶來(lái)很大困難。主要的影響因素有：</p><p>　　(1)車輛處于運(yùn)動(dòng)狀態(tài)以及污損等原因，車牌堿面往往不夠清晰，難以從中攝取需要的信息。</p><p>　　(2)環(huán)境光照不均勻。這包據(jù)：白天與夜間的光照強(qiáng)度相差極大：在強(qiáng)光的照射下，牌照表面的各處反光

52、不均勻乃至造成牌照的變色；夜間汽車前燈的影響，造成汽車牌照部分圖像亮度和對(duì)比度的降低。</p><p>　　(3)中國(guó)牌照出漢字、字母和數(shù)字組成。由于漢字的筆劃繁多，相對(duì)于由字母和數(shù)字組成的牌照，圖像要具有更高的分辨率。</p><p>　　(4)系統(tǒng)要具有很高的采集和處理速度，要達(dá)到實(shí)時(shí)處理。這要求采用的算法簡(jiǎn)潔、實(shí)用、有較高的效率。</p><p>　　第三章

53、 車牌識(shí)別系統(tǒng)的基本原理</p><p>　　3.1現(xiàn)行機(jī)動(dòng)車牌照規(guī)格</p><p>　　根據(jù)現(xiàn)行的管理制度，在我國(guó)境內(nèi)道路上行駛的所有機(jī)動(dòng)車都必須經(jīng)有關(guān)機(jī)構(gòu)辦理登記，領(lǐng)取相關(guān)證件并安裝、懸掛相應(yīng)的機(jī)動(dòng)車號(hào)牌。目前國(guó)內(nèi)使用的車牌主要是1992式民用號(hào)牌及2004式軍用號(hào)牌，相應(yīng)的標(biāo)準(zhǔn)規(guī)定了各種號(hào)牌的尺寸、顏色、適應(yīng)范圍等要求，部分常見(jiàn)車輛類型的號(hào)牌規(guī)格如下：</p>&

54、lt;p>　　常見(jiàn)1992式民用及2004式軍用號(hào)牌規(guī)格</p><p>　　序號(hào) 分類 外廓尺寸(mm) 顏色 面數(shù)</p><p>　　l 大型汽車 前：440．140 黃底黑字黑框線 2</p><p><b>　　后：44

55、0*220</b></p><p>　　2 小型汽車 440*140 藍(lán)底白字白框線 2</p><p>　　3 使、領(lǐng)館汽車 440*140 黑底白字紅 白框線</p><p>　　使”、“領(lǐng)”字 2</p><p>

56、　　4 外籍汽車 440*140 黑底自字白框線 2</p><p>　　5 境外汽車 440*140 黑底自字白框線 2</p><p>　　6 教練汽車 440*140 黃底黑字黑</p><p&

57、gt;　　“學(xué)”字黑框線 2</p><p>　　7 試驗(yàn)汽車 440*140 黃底黑字黑</p><p>　　“試”字黑框線 2</p><p>　　8 掛車 440*140 黃底黑字黑</p><p>

58、　　“掛”字黑框線 l</p><p>　　9 警車 440*140 白底黑字紅</p><p>　　“警”字黑框線 2</p><p>　　10 軍車 440*140 白底黑字紅</p><p>

59、　　1、2位字黑框線 2</p><p>　　11 臨時(shí)行駛車 220*140 白底(藍(lán)色暗紋)</p><p>　　黑字黑框線 l</p><p>　　12 臨時(shí)入境汽車 300*165 白底紅字黑“臨時(shí)入境”字</p><p>　　

60、(字有金色廓線)紅框線 l</p><p>　　常見(jiàn)號(hào)牌的前車牌尺寸大都為440mm×140mm。號(hào)牌中的機(jī)動(dòng)車登記編號(hào)共有7位字符。編號(hào)第1位漢字，民用號(hào)牌其表示省、自治區(qū)、直轄市簡(jiǎn)稱，軍用號(hào)牌其表示所屬單位簡(jiǎn)稱；第2位英文字母表示發(fā)牌機(jī)關(guān)代號(hào)；第3位至第7位為車輛注冊(cè)編號(hào)，用英文字母(I、0不可用)及阿報(bào)伯?dāng)?shù)字表示，未位可用漢字表示。其中普通民用號(hào)牌及軍用號(hào)牌第2位與第3位之間有間隔符，為號(hào)牌

61、產(chǎn)生標(biāo)記，警用號(hào)牌的間隔符在第1位與第2位之問(wèn)：間隔符前牌照為圓點(diǎn)，后牌照為短橫杠。</p><p>　　機(jī)動(dòng)車登記編號(hào)部分的設(shè)計(jì)總寬度為409mm，其中每個(gè)字符寬45mm，高90rnm，間隔符直徑10mm，相鄰字符之間(包括字符與分隔符之間)的水平距離為12mm。</p><p>　　3.2車牌識(shí)別系統(tǒng)的基本原理</p><p>　　車牌識(shí)別系統(tǒng)主要由車牌定位、字

62、符分割、字符識(shí)別三個(gè)部分構(gòu)成，而字符分割與字符識(shí)別通常是合而為一進(jìn)行的。車牌識(shí)別系統(tǒng)主要由兩大類，基于彩色空間的與基于灰度空間的系統(tǒng)。前者的優(yōu)點(diǎn)在于其包含的信息更加豐富，識(shí)別率更高：而后者則由于圖像的簡(jiǎn)潔而計(jì)算更加迅速，實(shí)時(shí)性更高。在整個(gè)車牌識(shí)別系統(tǒng)中，車牌的定位是其中的重點(diǎn)與難點(diǎn)，直接關(guān)系到后面字符分割與識(shí)別的成敗。</p><p>　　車牌定位屬于數(shù)字圖像處理領(lǐng)域中的模式識(shí)別問(wèn)題，其核心是根據(jù)牌照?qǐng)D像的某些特

63、，運(yùn)用適當(dāng)?shù)膱D像處理技術(shù)、數(shù)學(xué)邏輯運(yùn)算使車牌部分在整個(gè)圖像中凸現(xiàn)，而無(wú)關(guān)的背景則消隱，然后通過(guò)相應(yīng)的技術(shù)手段獲得凸顯部分的坐標(biāo)范圍，從而確定牌照區(qū)域的位置。因此，可以認(rèn)為車牌定位技術(shù)包含三項(xiàng)基本的要素：</p><p>　?。?）圖像特征的考察；</p><p>　?。?）特征的量化與處理；</p><p>　　（3）特征區(qū)域的提取與篩選。</p>&

64、lt;p>　　3.3 車牌圖像的主要特征</p><p>　　概括來(lái)說(shuō)，牌照區(qū)域所具有的圖像特征主要包括以下幾個(gè)方面：</p><p><b>　　(1) 顏色</b></p><p>　　車牌的背景顏色及字符顏色是一種獨(dú)特的組合。以現(xiàn)行號(hào)牌規(guī)格為例，如果用彩色表示，則背景顏色有藍(lán)、黃、黑、白，而字符(前景)顏色則有白、黑、紅，兩方面可能

65、的組合包括藍(lán)底白字、黃底黑字、白底黑字、白底紅字、黑底紅字、黑底白字等。如果用灰度表示，則牌照區(qū)域的顏色組合有兩種可能：深色底淺色字和淺色底深色字。</p><p><b>　　(2) 幾何形狀</b></p><p>　　不同車牌個(gè)體的物理大小是統(tǒng)一的，反映在圖像上通常是一個(gè)近似矩形或者平行四邊形的區(qū)域。由于拍攝角度、檢測(cè)方法和基準(zhǔn)等因素的影響，車牌圖像的實(shí)際形狀特

66、征值(如矩形擬合度、長(zhǎng)寬比等)一般與標(biāo)準(zhǔn)值不同，而是以標(biāo)準(zhǔn)值為中心在一定范圍內(nèi)波動(dòng)。</p><p><b>　　(3) 位置范圍</b></p><p>　　車牌的安裝位置通常有特定的位置，尤其是前車牌。相應(yīng)的，如果圖像采集的方法規(guī)范、要求一致、攝像機(jī)的位置相同，則牌照區(qū)域在采集到的圖像中的位置也具有一定的規(guī)律。</p><p><b&

67、gt;　　(4) 紋理</b></p><p>　　從圖像處理的角度來(lái)看，以字符為主的車牌圖像存在明顯的紋理一一牌照區(qū)域中的像素顏色在理想情況下只有兩三種值，而不同顏色的像素分布服從特定的規(guī)律。</p><p><b>　　(5) 文字內(nèi)容</b></p><p>　　牌照編號(hào)是一串具有唯一性的字符串，其字符位數(shù)、編排格式等都有以法

68、規(guī)形式固定下來(lái)的一定標(biāo)準(zhǔn)，明顯區(qū)別于廠商徽標(biāo)、內(nèi)部編號(hào)、車輛型號(hào)等可能出現(xiàn)在車輛上的其它符號(hào)。</p><p>　　以上幾種特征都是概念性的，各項(xiàng)特征單獨(dú)看來(lái)都非車牌圖像所獨(dú)有，但將他們結(jié)合起來(lái)可以唯一的確定牌照區(qū)域。在這些特征中，顏色、形狀、位置特征最為直觀，易于特征的提取。紋理特征比較抽象，必須經(jīng)過(guò)一定的處理或者轉(zhuǎn)換其他特征才能得到相應(yīng)的可供使用的特征指標(biāo)：文字內(nèi)容特征通常至少需要經(jīng)過(guò)字符分割或識(shí)別后才可能成

69、為可資利用的特征，一般只是用來(lái)判斷車牌識(shí)別正確與否。</p><p>　　3.4特征的量化與處理</p><p>　　車牌圖像的各種概念性特征必須轉(zhuǎn)換、表示成可以度量的相應(yīng)指標(biāo)，才能用于實(shí)際的考察、運(yùn)算和判別。一項(xiàng)特征可能有不止一種的量化指標(biāo)，這些指標(biāo)可以直接由特征導(dǎo)出，也可以有同類的其他指標(biāo)經(jīng)特定運(yùn)算后得到。對(duì)于顏色特征，彩色圖像的色彩空間有多種表示系統(tǒng)，常用的有RGB系統(tǒng)、CMY系統(tǒng)、

70、HSV系統(tǒng)等；灰度圖像通常使用的有256級(jí)灰度、2級(jí)灰度(二值)及自定義灰度系統(tǒng)等。彩色圖像包含的信息較多，但運(yùn)算相對(duì)復(fù)雜，時(shí)間與空間復(fù)雜度高；灰度圖像運(yùn)算方便，時(shí)間與空間復(fù)雜度低，但信息相對(duì)較少。</p><p>　　在點(diǎn)陣形式的數(shù)字圖像中，像素點(diǎn)是最基本的元素，水平、垂直線段的長(zhǎng)度可以用其中包含的像素點(diǎn)數(shù)來(lái)表示，連通區(qū)域可以用像素點(diǎn)集來(lái)表示。由此，圖像區(qū)域的位置關(guān)系和幾何尺寸可以得到量化的表示。在這一基礎(chǔ)上，

71、還可以獲得連通聯(lián)域及其邊緣輪廓之間的相對(duì)關(guān)系。以上這些信息可以作為來(lái)判斷區(qū)域的形狀以及與期望形狀的相似度等的特征指標(biāo)。紋理特征是一種相對(duì)復(fù)雜的特征。其本質(zhì)是像素顏色在空間上的一種獨(dú)特的規(guī)律性分布，該分布可以從多個(gè)方面進(jìn)行考察：可以在圖像中去特定方向的單位寬度的線條，考察線條中的像素顏色的變化與分布；可以以適當(dāng)?shù)拇翱跒閱挝豢疾炀植款伾淖兓闆r，可以對(duì)原圖像進(jìn)行相應(yīng)的變換，通過(guò)得到的邊緣、跳變等反映顏色變化的度量來(lái)考察像素顏色的分布規(guī)律。

72、</p><p>　　3.5特征區(qū)域的提取和篩選</p><p>　　對(duì)于得到的量化特征，需要構(gòu)建一定的規(guī)則，具體描述牌照區(qū)域的特征量應(yīng)滿是的條件，根據(jù)該條件采用適當(dāng)?shù)姆椒ㄅ袛?、提取出與車牌圖像有類似特征指標(biāo)的區(qū)域。</p><p>　　特征區(qū)域的提取方法必須與特征的量化、處理方式相適應(yīng)。</p><p>　　通常情況下，人工構(gòu)造的判別規(guī)則不

73、可能完全精確，而且特征區(qū)域可能存在模糊化，常常需要將條件適當(dāng)?shù)姆艑?，因此圖像中滿足規(guī)則要求的特征區(qū)域可能不止一個(gè)。必須對(duì)這些候選區(qū)域進(jìn)行比較，從中選出其最相似者為定位的最終絡(luò)果。篩選的標(biāo)準(zhǔn)通常是候選區(qū)域的特征量與車牌圖像理想特征量之間的匹配程度。具體處理時(shí)，一般將多種特征指標(biāo)結(jié)合起來(lái)進(jìn)行綜合比較，以提高描述和篩選的準(zhǔn)確性。</p><p>　　第四章車牌識(shí)別常用的圖像處理技術(shù)</p><p&g

74、t;　　圖像處理技術(shù)是車牌識(shí)別系統(tǒng)中最為重要的技術(shù)之一，只有充分利用各種數(shù)字圖像處理技術(shù)對(duì)己知的車輛圖像進(jìn)行處理，才能達(dá)到去除噪聲和干擾、突出車牌信息，從而分割出車牌區(qū)域并得到單個(gè)的車牌字符用于識(shí)別的目的。并且，車牌定位和字符分割本身就屬于圖像處理中圖像分割的應(yīng)用研究范疇。</p><p><b>　　4.1圖像預(yù)處理</b></p><p>　　在圖像的生成、傳輸或

75、變換的過(guò)程中，由于多種因素的影響，總要造成圖像的降質(zhì)。圖像預(yù)處理的目的是采用一系列技術(shù)去改善圖像的效果或?qū)D像轉(zhuǎn)換成一種更適合于人或機(jī)器進(jìn)行分析處理的形式。針對(duì)不同的輸入圖像，預(yù)處理的類型也多種多樣，包括圖像的增強(qiáng)、圖像的變換、圖像的復(fù)原等等，每一類都有很多的方法。在車牌識(shí)別系統(tǒng)中，出于采集的初始圖像往往受到外界環(huán)境的影響，并不一定很適合車牌的提取和字符的識(shí)別(比如圖像太暗或太亮、有噪聲干擾、背景復(fù)雜等等)。因此，必須對(duì)車牌圖像進(jìn)行一系

76、列的預(yù)處理，達(dá)到突出車牌區(qū)域和各種字符信息的目的。</p><p><b>　　4.2濾波</b></p><p>　　圖像濾波的目的是為了消除噪聲。噪聲消除的方法又可以分為空間域或頻率域，亦可以分為全局處理或局部處理，亦可以按線性濾波、非線性濾波和自適應(yīng)濾波來(lái)區(qū)別。下面介紹鄰域平均濾波、中值濾波、空間域低通濾波和頻域低通濾波。</p><p>

77、;<b>　　(1)鄰域平均法</b></p><p>　　鄰域平均法是一種局部空間域處理的算法。設(shè)一幅圖像f(x，Y)，濾波后的圖像為g(x，y)，它的每個(gè)象素的灰度級(jí)由包含在(x，Y)的預(yù)定鄰域的幾個(gè)象素的灰度級(jí)的平均值所決定。</p><p>　　以上算法簡(jiǎn)單，計(jì)算速度快，但它的主要缺點(diǎn)是在降低嗓聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊沿和細(xì)節(jié)處，鄰域越大，模糊越嚴(yán)重。

78、</p><p><b>　　(2)中值濾波法</b></p><p>　　中值濾波是一種非線性濾波，由于它在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性，所以比較方便。在一定的條件下，可以克服線性濾波器帶來(lái)的圖像細(xì)節(jié)模糊，而且對(duì)濾除脈沖干擾及圖像掃描噪聲最為有益。但是對(duì)一些細(xì)節(jié)多，特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。中值濾波的原理就是用一個(gè)含有奇數(shù)點(diǎn)的滑動(dòng)

79、窗口，將窗口正中那點(diǎn)的值用窗口內(nèi)各點(diǎn)的中值來(lái)代替。</p><p>　　(3)空間域低通濾波</p><p>　　從信號(hào)頻譜分析的知識(shí)，我們知道信號(hào)的慢變部分在頻率域?qū)儆诘皖l部分，兩信號(hào)的快變部分在頻率域是高頻部分。對(duì)圖像來(lái)說(shuō)，它的邊緣以及噪聲干挽的頻率分量都處于頻率域較高的部分，因此可以采用低通濾波的方法來(lái)去除噪聲，而頻域的濾波又很容易從空間域的卷積來(lái)實(shí)現(xiàn)，為此只要適當(dāng)?shù)卦O(shè)計(jì)空間域系統(tǒng)的

80、單位沖激響應(yīng)矩陣就可以達(dá)到濾除噪聲的效果。</p><p><b>　　(4)頻域低通濾波</b></p><p>　　圖像的平滑處理也可以在頻域進(jìn)行。將有噪圖像F(x．y)傅立葉變換得到相應(yīng)得頻域表示F（u,v），由于噪聲在頻域中分布在高頻段，所以采用低通濾波的方法，可能將噪聲去掉。利用卷積定理，可以寫(xiě)成以下形式：</p><p>　　G(u

81、，V)=H（u,v）F（u,v）</p><p>　　利用H（u,v）使F(u，v)的高頻分量得到衰減，使得G(u，v)后再經(jīng)過(guò)反傅立葉變換就得到所希望的圖像g（x,y）。</p><p>　　但是應(yīng)當(dāng)注意的是，圖像中的邊緣等細(xì)節(jié)信息也對(duì)應(yīng)于頻域中的高頻分量。這樣，在使用低通濾波器去處噪聲的過(guò)程中，一方面可以濾掉不必要的噪聲分量：另一方面，也會(huì)損傷圖像中的邊緣，使之模糊。</p>

82、;<p>　　幾種常用的低通濾波法有：理想低通濾波器(LPF)、巴特沃思低通濾波器(BLPF)、指數(shù)濾波器(ELPF)、梯形濾波器(TLPF)等。</p><p><b>　　4.3灰度修正</b></p><p>　　灰度修正是對(duì)圖像在空間域進(jìn)行增強(qiáng)的簡(jiǎn)單而效果明顯的方法，根據(jù)圖像降質(zhì)不同的原因以及對(duì)圖像特征的不同要求而采用不同的修正方法。它們是把原圖

83、像經(jīng)過(guò)一個(gè)變換函數(shù)T(o)變換成一個(gè)新的圖像g(x，Y)，即</p><p>　　G(x,y)=T[f(x,y)]</p><p>　　(1)針對(duì)圖像成像不均勻(如圖像半邊暗半邊亮)、圖像部分或者整體曝光不足，采用線性或者非線性的灰度變換法，對(duì)圖像逐點(diǎn)進(jìn)行不同程度的灰度級(jí)修正。</p><p>　　(2)針對(duì)圖像灰度分布不均勻(如一幅對(duì)比度較小的圖像，其直方圖分布一

84、定集中在某一比較小的范圍之內(nèi))，可以通過(guò)直方圖修正法達(dá)到所期望的灰度分布，從而又選擇的突出所需要的圖像特征。</p><p>　　通過(guò)變換，達(dá)到對(duì)比度增強(qiáng)的效果，要注意在變換的過(guò)程中，對(duì)每一個(gè)像素都經(jīng)過(guò)了同樣的處理，因此以上的方法又叫做點(diǎn)處理。</p><p><b>　　4.4二值化技術(shù)</b></p><p>　　使用閥值是一種區(qū)域分割技術(shù)

85、，它對(duì)物體與背景有較強(qiáng)對(duì)比的景物的分割特別有用，它計(jì)算簡(jiǎn)單，而且總能用封閉而且連通的邊界定義不交疊的區(qū)域。當(dāng)使用閥值規(guī)則進(jìn)行圖像分割時(shí)，所有灰度值大于或等于某閥值的象素都被判屬于物體，所有灰度值小于該閥值的象素被排除在物體之外。如果感興趣的物體在其內(nèi)部具有均勻一致的灰度值并分布在一個(gè)具有另一個(gè)灰度值均勻背景上，使用閥值方法效果就很好。</p><p><b>　　(1) 直方圖技術(shù)</b>&

86、lt;/p><p>　　一幅含有一個(gè)與背景明顯對(duì)比的物體的圖像具有包含雙峰的灰度直方圖兩個(gè)尖峰對(duì)應(yīng)于物體內(nèi)部和外部較多數(shù)目的點(diǎn)，兩峰間的谷對(duì)應(yīng)于物體邊緣附近相對(duì)較少數(shù)目的點(diǎn)。在類似這樣的情況下，通常使用直方圖來(lái)確定灰度閥值，當(dāng)圖像灰度直方圖峰型分布明顯時(shí)，常以谷底作為門(mén)限候選值．</p><p><b>　　(2) 全局閥值化</b></p><p&g

87、t;　　采用閥值確定邊界的最簡(jiǎn)單做法是在整個(gè)圖像中將灰度閡值設(shè)置為常數(shù)。如果背景的灰度值在整個(gè)圖像中可合理地看作為恒定，而且所有物體與背景都具有幾乎相同的對(duì)比度，那么，只要選擇了正確的閥值，使用一個(gè)固定的全局閥值一般會(huì)有較好的效果。</p><p><b>　　(3) 動(dòng)態(tài)閥值法</b></p><p>　　在許多情況下，背景的灰度值并不是常數(shù)，物體和背景的對(duì)比度在圖

88、像中也有變化。這時(shí)，一個(gè)在圖像中某一區(qū)域效果良好的閥值在其它區(qū)域卻可能效果很差。有一種解決方法是用與坐標(biāo)相關(guān)的一系列閥值來(lái)對(duì)圖像進(jìn)行分割，這種與坐標(biāo)相關(guān)的閥值也叫動(dòng)態(tài)閡值或者變化閥值法。它的基本思想是首先將圖像分解成一系列子圖像，這些子圖像可以互相重疊也可以只相鄰。如果子圖像比較小，則由陰影或?qū)Ρ榷鹊目臻g變化帶來(lái)的問(wèn)題就會(huì)比較小。然后可以對(duì)每個(gè)子圖像計(jì)算一個(gè)閥值。此時(shí)閥值可以用任何一種固定閥值法選取。通過(guò)對(duì)這些子圖像所得閥值的插值就可得

89、到對(duì)圖像中每個(gè)象素進(jìn)行分割所需的閥值。</p><p><b>　　4.5形態(tài)學(xué)變換</b></p><p>　　數(shù)學(xué)形態(tài)學(xué)是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，是建立在集合代數(shù)的基礎(chǔ)上，用集合論方法定量描述幾何結(jié)構(gòu)的科學(xué)。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù)，保持它們基本的形狀特征

90、，并除去不相干的結(jié)構(gòu)。數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算有4個(gè)：腐蝕(Erosion)、膨脹(Dilation)、開(kāi)(Open)和閉(Close)，基于這些基本運(yùn)算還可推導(dǎo)和組合成各種數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算和算法。用這些運(yùn)算子及其組合來(lái)進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分別、特征抽取、邊界檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等方面的工作。</p><p>　　下面就介紹這四個(gè)運(yùn)算，一般設(shè)X為圖像集合，S為結(jié)構(gòu)元素。</p&

91、gt;<p>　　腐蝕(Erosion)</p><p>　　腐蝕的運(yùn)算符為⊕，X用S來(lái)腐蝕寫(xiě)作X⊕S，其定義為：</p><p>　　x⊕S={x|S(x)∈x}</p><p>　　上式表明X用S腐蝕的結(jié)果是所有x的集合，其中B平移X后仍在A中。換句話說(shuō)，用s來(lái)腐蝕X到的集合是S完全包括在x中時(shí)s的原點(diǎn)位置的集合。</p><p

92、>　　膨脹(Dilation)</p><p>　　膨脹的運(yùn)算符為⊕，X用S來(lái)膨脹寫(xiě)作x⊕s，其定義為：</p><p>　　X⊕S={xI S(x)nX≠Φ) </p><p>　　上式表明用S膨脹x的過(guò)程是，先對(duì)s做關(guān)于原點(diǎn)的映射，再將其映象平移x，這里A與B映象的交集不為空集。</p><p>　　開(kāi)(Open)、閉(Close)

93、</p><p>　　膨脹和腐蝕并不是互為逆運(yùn)算，所以它們可以級(jí)連結(jié)合使用。例如，可先對(duì)圖像進(jìn)行腐蝕然后膨脹其結(jié)果，或先對(duì)圖像進(jìn)行膨脹然后腐蝕其結(jié)果(這里使用同一個(gè)結(jié)構(gòu)元素)。前一種運(yùn)算稱為開(kāi)啟(Open)，后一種運(yùn)算稱為閉合(Close)。</p><p>　　開(kāi)啟的運(yùn)算符為o，X用S來(lái)開(kāi)啟寫(xiě)作X oS，其定義為</p><p>　　XoS=（X⊕S）⊕S<

94、/p><p>　　閉合的運(yùn)算符為·，X用S來(lái)閉合寫(xiě)作X·S，其定義為</p><p>　　X·S=（X⊕S）⊕S</p><p>　　開(kāi)和閉也不是互為逆運(yùn)算。</p><p>　　由于形態(tài)學(xué)具有完備的數(shù)學(xué)基礎(chǔ)，這為形態(tài)學(xué)用于圖像分析和處理、形態(tài)濾波器的特性分析和系統(tǒng)設(shè)計(jì)奠定了堅(jiān)實(shí)的基礎(chǔ)，尤其突出的是實(shí)現(xiàn)了形態(tài)學(xué)分析和

95、處理算法的并行，大大提高了圖像分析和處理的速度，近年來(lái)，在車牌識(shí)別系統(tǒng)中的應(yīng)用得到不斷地發(fā)展。</p><p><b>　　4.6圖像分析</b></p><p>　　圖像分析(也可稱為圖像理解)可以看作是一描述過(guò)程，主要研究用自動(dòng)或半自動(dòng)的裝置和系統(tǒng)，從圖像中提取有用的數(shù)據(jù)或信息，生成非圖的描述或表示，這是當(dāng)前圖像處理與識(shí)別中一個(gè)比較活躍的分支。</p>

96、<p>　　在人工智能領(lǐng)域中計(jì)算機(jī)視覺(jué)這一分支關(guān)注開(kāi)發(fā)分析圖像內(nèi)容的算法。人們使用了種種關(guān)于圖像處理的方法，統(tǒng)計(jì)模式識(shí)別就是其中之一。</p><p>　　統(tǒng)計(jì)模式識(shí)別認(rèn)為圖像可能包含一個(gè)或多個(gè)物體，并且每個(gè)物體屬于若干事先定義的類型、范疇或模式類之一。雖然模式識(shí)別可以用多種方法實(shí)現(xiàn)但我們只關(guān)心用數(shù)字圖像處理技術(shù)對(duì)它的實(shí)現(xiàn)。</p><p>　　從圖像和圖像序列可以提取很多特

97、征，這些特征是圖像解釋的基礎(chǔ)。目前常用的圖像特征有以下幾類：</p><p>　　(1)灰度：包括多光譜、彩色信息。</p><p>　　(2)邊緣：它描述了灰度變化的程度和位置。</p><p>　　(3)紋理：它描述了在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則，反映宏觀意義上灰度變化的一些規(guī)律。</p><p>　　(4)形狀：它描述了物

98、體、區(qū)域或基元的外形，從微觀上精細(xì)地反映景物及其諸組成部分的形狀。</p><p>　　(5)物體表面主方向，即三維物體表面的法向。</p><p>　　(6)傳感器與物體表面各點(diǎn)的距離。</p><p>　　在給定一幅含有多個(gè)物體的數(shù)字圖像的條件下，模式識(shí)別過(guò)程由三個(gè)主要階段組成：</p><p>　　第一個(gè)階段稱為圖像分割或物體分離階段。

99、在該階段中檢測(cè)出各個(gè)物體，并把它們的圖像和其余景物分離。</p><p>　　第二個(gè)階段稱為特征抽取階段。在該階段中對(duì)物體進(jìn)行度量。一個(gè)度量是指一個(gè)物體某個(gè)可度量性質(zhì)的度量值，而特征是一個(gè)或多個(gè)度量的函數(shù)。計(jì)算特征是為了對(duì)物體的一些重要特征進(jìn)行定量估計(jì)。特征抽取過(guò)程產(chǎn)生了一組特征，把它們組合在一起，就形成了特征向量。這種被大大減少了的信息(與原始圖像相比)代表了后續(xù)分類決策必須依靠的全部知識(shí)。引進(jìn)H維空間的概念，

100、這個(gè)空間包含了所有可能的n維特征向量。因此任意一個(gè)特定物體都對(duì)應(yīng)于特征空間中的一點(diǎn)。</p><p>　　模式識(shí)別的第三個(gè)階段是分類。它的輸出僅僅是一種決策，確定每個(gè)物體應(yīng)該歸屬的類別。每個(gè)物體被識(shí)別為某一特定類型，它是通過(guò)一個(gè)分類過(guò)程加以實(shí)現(xiàn)的。每個(gè)物體被指定屬于若干預(yù)先定義好的類中的一個(gè)。這些組代表了預(yù)期存在于圖像中物體的所有可能類別。如果把指派物體歸到一個(gè)不正確的類，就產(chǎn)生一個(gè)分類錯(cuò)誤。錯(cuò)分類發(fā)生的概率稱為

101、誤判率。分類只以特征向量為依據(jù)。</p><p><b>　　4.7圖像的特征</b></p><p>　　圖像特征是指圖像場(chǎng)的原始特征或?qū)傩?，其中有些是視覺(jué)直接感受到的自然特征，如區(qū)域的亮度、邊緣的輪廓、紋理或色彩：有些是需要通過(guò)變換或測(cè)量才能得到的人為特征，如：變換頻譜、直方圖、矩等等。</p><p><b>　　(1) 幅度特

102、征</b></p><p>　　幅度，簡(jiǎn)單的講即圖像中一點(diǎn)在其顏色空間上所具有的值或者由此產(chǎn)生的變換值。對(duì)于灰度圖像其一點(diǎn)的灰度值就是其未經(jīng)變換的幅度。在所有的圖像特征中最基本的是圖像的幅度度量，可以在某一圖像點(diǎn)或其鄰區(qū)做出幅度的測(cè)量，可以直接從圖像象素的敦度等級(jí)，也可以從某些線性、非線性變換中構(gòu)成新的圖像幅度空間來(lái)求得各式各樣的圖像的幅度特征圖。</p><p><b&

103、gt;　　(2) 直方圖特征</b></p><p>　　一幅數(shù)字圖像可以看作是一個(gè)二維隨機(jī)過(guò)程的一個(gè)樣本，可以用聯(lián)合概率分布來(lái)描述，通過(guò)測(cè)得的圖像各象素的幅度值，可以設(shè)法估計(jì)出圖像的概率分布，從而形成圖像的直方圖特征。一階直方圖的特征參數(shù)有平均值、方差、歪斜度、削度、能量、熵等：二階直方圖的特征參數(shù)有自相關(guān)、協(xié)方差、慣性矩、絕對(duì)值、能量、熵等。</p><p><b&g

104、t;　　(3) 投影特征</b></p><p>　　物體或者其輪廓在某一個(gè)方向上的投影在某種程度上反映了物體的分布特征，有些像灰度直方圖。為了得到更好的效果，經(jīng)常與二值化技術(shù)一起使用。</p><p>　　(4) 線條和角點(diǎn)的特征</p><p>　　圖像中“點(diǎn)”的特征含義是，它的幅度與其鄰區(qū)的幅度有顯著的不同，檢測(cè)這種點(diǎn)首先將圖像低通濾波，然后把平滑

105、后的每一個(gè)象素的幅度值與它相鄰的4個(gè)象素的幅度值比較。當(dāng)差值足夠大時(shí)就可以檢測(cè)出點(diǎn)特征來(lái)。圖像中線條的特征意味著它在截面上的幅度分布出現(xiàn)凹凸?fàn)钜簿褪钦f(shuō)在線段的法向上。圖像的幅度是由低到高再到低(或相反)地變化的?？梢杂貌煌难谀?lái)檢測(cè)出線條，從圖中提取這些特征，不僅可以設(shè)法壓縮圖像的信息量。也便于描述、推理和識(shí)別。</p><p>　　(5) 灰度邊沿特征</p><p>　　圖像的灰度、

106、紋理的改變或不連續(xù)是圖像的重要特征，它可以指示圖像內(nèi)各種物體的實(shí)際含量。圖像幅度水平的局部不連續(xù)性稱為“邊緣”，大范圍的不連續(xù)性稱為“邊界”。邊緣檢測(cè)的通常的方法是先對(duì)圖像進(jìn)行灰度邊緣的增強(qiáng)處理，得出一個(gè)增強(qiáng)后的圖像，然后設(shè)立門(mén)限，進(jìn)行過(guò)門(mén)限操作來(lái)確定出明顯邊緣的象素位置。</p><p><b>　　(6) 紋理特征</b></p><p>　　紋理可分為人工紋理和

107、自然紋理。人工紋理是由自然背景上的符號(hào)排列組成，這些符號(hào)可以是線條、點(diǎn)、字母、數(shù)字等：自然紋理是具有重復(fù)性排列現(xiàn)象的自然景色。前者一般是有規(guī)則的，后者往往是無(wú)規(guī)則的。描述紋理圖像特性的參數(shù)有很多種，例如：必須知道各個(gè)象素及其鄰近象素的扶度分布情況。了解鄰近象素灰度值變化的最簡(jiǎn)單方法是取一階、二階微分的平均值與方差。另一種方法是檢查小區(qū)域內(nèi)的灰度直方圖。</p><p><b>　　4.8圖像的分割<

108、;/b></p><p>　　圖像分割就是把數(shù)字圖像劃分成若干有意義的互不相交區(qū)域(部分)的處理技術(shù)。這里的“有意義”泛指“與目標(biāo)對(duì)應(yīng)”或“所研究的問(wèn)題的函數(shù)”。例如，在醫(yī)學(xué)圖像處理中，如輸入的是一幅細(xì)胞的照片，就需要分割出單個(gè)細(xì)胞；而在車牌識(shí)別系統(tǒng)中，就是要將車牌從圖像中分割出來(lái)，即車牌定位，同時(shí)在所得的車牌區(qū)域?qū)⒆址指畛鰜?lái)，即字符分割。這些從圖像域中分離出來(lái)的目標(biāo)就是分割的對(duì)象。圖像分割的基礎(chǔ)是象索間