車牌圖像的字符分割設(shè)計與實(shí)現(xiàn)畢業(yè)論文

1、<p>　　車牌圖像的字符分割設(shè)計與實(shí)現(xiàn)</p><p>　　THE DESIGN AND IMPLEMETATION OF VEHICLE IMAGES CHARACTER SEGMENTATION</p><p>　　摘 要：車牌識別LPR(License Plate Recognition)是指通過計算機(jī)視覺、圖像處理與模式識別等技術(shù)從車輛圖像中提取車牌字符信息，從而確定車

2、輛身份的技術(shù)。車牌識別系統(tǒng)是智能交通系統(tǒng)ITS (Intelligent Transportation System) 的一個重要組成部分，在公路電子收費(fèi)、出入控制、交通監(jiān)控等方面有著重要的應(yīng)用價值。</p><p>　　車牌識別主要包括車牌定位、字符分割和字符識別三大部分。而本文研究的車牌圖像字符分割是在車牌定位成功后把車牌的整體區(qū)域分割成單字符去娛樂區(qū)域，所以本文就車牌定位和字符分割這兩個問題進(jìn)行了深入的研究

3、。</p><p>　　在車牌定位時，首先對圖像HSI空間的亮度分量均衡化，這樣既提高了圖像的亮度適用范圍又不影響顏色信息。接著利用車牌圖像中字符顏色和車牌底色具有固定顏色搭配這一規(guī)律，在HSI空間中根據(jù)顏色，搜尋符合字符顏色與車牌底色搭配規(guī)律的像素點(diǎn)作為顏色對特征點(diǎn)。然后使用動態(tài)算子進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，根據(jù)車牌的形狀特征，對逐行掃描得到的待定車牌區(qū)域進(jìn)行分析，最后得到類車牌區(qū)域。</p><

4、p>　　字符分割在車牌定位后進(jìn)行，但首先需要對類車牌區(qū)域進(jìn)行傾斜校正，本文提出了一種針對顏色對特征點(diǎn)區(qū)域進(jìn)行主成分分析的車牌水平校正方法。該方法通過對車牌圖像中顏色 對特征點(diǎn)區(qū)域采樣進(jìn)行主成分分析，求出車牌水平方向的傾斜角度，在旋轉(zhuǎn)校正時又加以填充處理,保證了圖像的信息完整性。 </p><p>　　在字符分割階段，首先通過特征點(diǎn)區(qū)域的形狀特征精確定位車牌區(qū)域；接著通過灰度化、灰度拉伸、二值化、邊緣化等處理

5、，進(jìn)一步精確定位字符區(qū)域。二值化的過程中針對不同顏色的車牌選取了最適合的閾值算法。然后根據(jù)字符尺寸特征提出動態(tài)模板法進(jìn)行字符分割，并將字符大小進(jìn)行歸一化處理。</p><p>　　最后使用C語言構(gòu)建了車牌定位與字符分割系統(tǒng)軟件。該軟件包含上述的車牌定位、校正和分割等步驟。通過大量的圖片試驗(yàn)，特別是對存在大量干擾、光線不足及多車牌等圖片的處理結(jié)果表明，本文所提出的車牌定位與字符分割算法，抗干擾能力強(qiáng)，實(shí)時性和穩(wěn)定性

6、好，為后續(xù)的字符識別創(chuàng)造了有利條件。</p><p>　　關(guān)鍵詞: 車牌識別；車牌定位；字符分割；數(shù)學(xué)形態(tài)學(xué)；</p><p>　　The Design and Implementation of Vehicle Images Character</p><p>　　Segmentation</p><p>　　Abstract：Licens

7、e plate recognition (LPR) is the technique to draw the character information from the vehic1e image and confirm the identity of the vehicle through using computer vision, image processing, pattern recognition, and so on.

8、 LPR is an important study field in the Intelligent transportation system (ITS) and it has great apply value in the electronic toll collection，pass controlling，traffic monitoring and so on.</p><p>　　LPR cons

9、ists of plate localization, character segmentation, and character recognition. This paper aims at researching the following two aspects oft he license plate recognition system: license plate localization and character se

10、gmentation.</p><p>　　In the stage of license plate location，lightness component of the image should be balanced in HSI space at first，so the suitable scope of image lightness has been enhanced，and the colo

11、r information of image can not been affected．And color pair．pixels are extracted in HSI color space according to the rule that character color and plate color should be matched．Mathematics morphological operation which

12、use dynamic operator is adopted in order to extend the color pair in real plate to a whole ar</p><p>　　Slant correction should be done before character segmentation．A horizontal slant correction approach ba

13、sed on color pair pixels area and principal component analysis is presented．Through principal component analysis of the color pair pixels area，the slant angle of the plate can be obtained．When revolving adjustment，fillin

14、g process should be performed to guarantee the integrity of the image information．</p><p>　　In the stage of character segmentation，plate area is located by shape of color pair pixels area，and pretreatment

15、including gray proportion binarization and edge detection is taken before extract the character area．The most suitable threshold value algorithm has been selected on plates in different colors dring the process of bin

16、arization．Then，according to the characteristic of character size proposed that the dynamic template method carries on the character division，and transform characters t</p><p>　　Finally ,a software platform i

17、s constructed by language of C．This software contains all the steps that mentioned above．Through the experiments on large numbers of pictures especially on which have massive disturbances，inadequate lighting and multi—ca

18、r licenses，the algorithm of license plate location and character segmentation has been proved to be real time，steady and good at anti-jamming，which create favorable conditions for the following character recognition． <

19、;/p><p>　　Keywords：license plate recognition; license plate location ;character segmentation ;mathematical morphology</p><p><b>　　1前言</b></p><p>　　1.1 課題研究的背景和意義</p>

20、<p>　　隨著經(jīng)濟(jì)全球化的發(fā)展和人民生活水平的提高，世界各國汽車數(shù)量迅速增加，城市的交通壓力也越來越大。如何有效地進(jìn)行交通管理日益成為各國政府相關(guān)部門所關(guān)注的焦點(diǎn)。針對這一問題，智能交通系統(tǒng)(Intelligent Transport Systems，ITS)的研究被提到了重要的位置。智能交通系統(tǒng)ITS是90年代興起的新一代交通運(yùn)輸系統(tǒng)，迄今為止國際上沒有公認(rèn)的定義。第一屆ITS世界大會認(rèn)為，智能交通系統(tǒng)是將先進(jìn)的信息技術(shù)

21、、計算機(jī)技術(shù)、數(shù)據(jù)通信技術(shù)、電子控制技術(shù)、人工智能技術(shù)等有效的集成并應(yīng)用于地面交通系統(tǒng)，從而建立起可以在大范圍內(nèi)發(fā)揮作用的，實(shí)時、準(zhǔn)確、高效的地面交通系統(tǒng)。智能交通系統(tǒng)在有效利用現(xiàn)有交通設(shè)施、減少交通負(fù)荷和環(huán)境污染、保證交通安全、提高運(yùn)輸效率、促進(jìn)社會經(jīng)濟(jì)發(fā)展、提高人民生活質(zhì)量、推動社會信息化及形成新產(chǎn)業(yè)等方面均具有極其重要的作用，從而受到世界各國的重視。</p><p>　　車輛自動識別(Automatic V

22、ehicle Identification，AVI)是智能交通系統(tǒng)中的一項基礎(chǔ)技術(shù)，它通過辨別車輛所具有的車牌、條形碼、射頻識別標(biāo)志等特征來自動識別車輛，為交通管理、通行收費(fèi)、區(qū)域出入控制等工作的開展提供條件。車輛牌照識別(Vehicle License Plate Recognition，VLPR)技術(shù)是車輛自動識別技術(shù)的重要組成部分：其功能是對采集到的汽車圖像進(jìn)行處理和分析，以自動識別其中的牌照編號。牌照是機(jī)動車輛的身份標(biāo)志。通過車

23、牌識別系統(tǒng)的圖像采集和處理獲得盡可能多的車牌信息，達(dá)到識別車牌號碼的目的，從而使現(xiàn)代交通領(lǐng)域達(dá)到更高的智能化管理程 </p><p><b>　　度。</b></p><p>　　車牌識別技術(shù)自1988年提出以來，受到了人們的廣泛關(guān)注。它可以應(yīng)用于以下領(lǐng)域： </p><p>　　(1)交通監(jiān)控。利用車牌識別系統(tǒng)的攝像設(shè)備，可以直接監(jiān)視相應(yīng)路段

24、的交通狀況，獲得車輛密度、隊列長度、排隊規(guī)模等交通信息，觀察和防范交通事故。它還可以同雷達(dá)測速器或其它的檢測器配合使用，以檢測超速的車輛。當(dāng)發(fā)現(xiàn)車輛超速時，攝像機(jī)獲取該車的圖像，并得到該年的牌照號碼，然后給該車超速的警告信號。 </p><p>　　(2)交通流控制指標(biāo)參量的測量。一些交通流指標(biāo)的測量對交通流控制相當(dāng)重要。該系統(tǒng)能夠測量和統(tǒng)計很多交通流指標(biāo)參數(shù)，如總的服務(wù)效率，總行程時間，以后簡稱為車輛牌照識別為

25、車牌識別?？偟牧魅肓亢土鞒隽?，年型及年流組成，日車流量，小時年流量，年高峰時間段，平均車速，車輛密度等。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。</p><p>　　(3)高速公路上的事故自動測報。這是由于該系統(tǒng)能夠監(jiān)視道路情況和測量交通流量指標(biāo)，能及時發(fā)現(xiàn)超速，堵車，排隊、事故等交通異常現(xiàn)象。 </p><p>　　(4)對養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營管理實(shí)行不停車檢查。根據(jù)識別出的車牌號

26、碼從數(shù)據(jù)庫中調(diào)m該車檔案材料，可發(fā)現(xiàn)沒及時交納養(yǎng)路費(fèi)的車輛。另外，該系統(tǒng)還可發(fā)現(xiàn)無車牌的車輛。若與車型檢測器聯(lián)用，可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。 </p><p>　　(5)車輛定位。由于能自動識別車牌號碼，因而極易發(fā)現(xiàn)被盜車輛。，以及定位出車輛在道路上的行駛位置。這為防范、發(fā)現(xiàn)和追蹤涉及車輛的犯罪，保護(hù)重要車輛(如運(yùn)鈔車)的安全有重大作用，從而對城市治安及交通安全有重要的保障作用。由于車牌識別系統(tǒng)在智能化

27、交通控制管理中發(fā)揮著越來越重要的作用，吸引了各國的科研工作者對其進(jìn)行廣泛的研究。由于需適應(yīng)各種復(fù)雜背景，加之要識別的車輛種類繁多、顏色變化多端，以及檢測時要適應(yīng)不同天氣變化導(dǎo)致的不同光照條件，因此，目前的車牌識別系統(tǒng)都或多或少地存在一些問題。但是，隨著計算機(jī)性能的提高和計算機(jī)圖像處理技術(shù)的發(fā)展，車牌識別技術(shù)必將日趨成熟。</p><p>　　1.2 研究的主要內(nèi)容車牌識別系統(tǒng)</p><p&g

28、t;　　車牌識別系統(tǒng)是以特定目標(biāo)一一車輛牌照為對象的專用計算機(jī)視覺系統(tǒng)。該系統(tǒng)能夠從一幅圖像中自動提取車輛牌照，進(jìn)行字符分割，進(jìn)而對分割出的字符圖像進(jìn)行識別。一個典型的車牌識別系統(tǒng)包括圖像采集、車牌定位、字符分割、字符識別以及結(jié)果輸出五個功能模塊，其原理流程如圖1-1 所示：</p><p>　　圖1 車牌識別系統(tǒng)流程圖 </p><p>　　Fig l license plate

29、recognition system flow chart </p><p>　　系統(tǒng)的工作原理：當(dāng)車輛通過檢測區(qū)域時，檢測裝置將車輛的通過信號傳送到圖像采集設(shè)備；圖像采集設(shè)備采集車輛圖像，并將圖像傳送到計算機(jī)；計算機(jī)對車牌進(jìn)行自動定位和識別并將識別結(jié)果送至監(jiān)控中心或收費(fèi)處等應(yīng)用場所。</p><p>　　系統(tǒng)的核心部分為圖像采集、車牌定位、字符分割、字符識別。下面簡述各部分的主要功能：&

30、lt;/p><p>　　(1)圖像采集部分:當(dāng)系統(tǒng)發(fā)現(xiàn)有車輛通過時(通過檢測器檢測或是通過視頻中運(yùn)動目標(biāo)的檢測)，觸發(fā)圖像采集系統(tǒng)，一般采用CCD攝像機(jī)攝取車牌前視圖或后視圖，由光照檢測裝置控制現(xiàn)場的光照，位置檢測裝置控制攝像機(jī)的拍攝角度。 </p><p>　　(2) 圖像預(yù)處理部分:需要對采集到的圖像進(jìn)行圖像增強(qiáng)、平滑、恢復(fù)等操作，目的是突出車牌的主要特征，以便更好地提取車牌。</p

31、><p>　　(3)車牌定位：車牌的定位是一個尋找最符合車牌特征區(qū)域的過程，從本質(zhì)上講，就是一個在參量空間尋找最優(yōu)定位參量的問題。車牌定位算法需要挖掘并提取車牌區(qū)域的獨(dú)有特征，從而將車牌圖像分割提取出來。在車牌定位過程中，由于采集到的圖像中軍牌區(qū)域經(jīng)常是傾斜的，為避免后續(xù)的字符分割和字符識別的失敗，必須對車牌行傾斜校正。 </p><p>　　(4) 字符分割:即從定位得到的車牌圖像中分離出單

32、個字符(包括漢字、字 母和數(shù)字等)的圖像，以便于字符識別。 </p><p>　　(5) 字符識別:對分割得到的字符圖像進(jìn)行歸一化處理，進(jìn)行字符識別，轉(zhuǎn)換為文本存入數(shù)據(jù)庫或直接顯示出來。</p><p>　　1.2.1 車牌識別系統(tǒng)的評價指標(biāo)</p><p>　　從技術(shù)上評價一個車牌識別系統(tǒng)有三個指標(biāo)，即識別率、識別速度和后臺管理系統(tǒng)。 </p>&l

33、t;p><b>　　1.識別率 </b></p><p>　　一個車牌識別系統(tǒng)是否實(shí)用，最重要的指標(biāo)是識別率。國際交通技術(shù)作過專門的識別率指標(biāo)論述，要求是24 小時全天候全牌正確識別率為85%~95%。為了測試一個車牌識別系統(tǒng)的識別率，需要將該系統(tǒng)安裝在一個實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24 小時以上，采集至少1000 輛自然車流通行時的車牌照進(jìn)行識別，并且需要將車輛牌照圖像和識別結(jié)果保存

34、下來，以便調(diào)取查看。然后，還需要得到實(shí)際通過的車輛圖像以及正確的人工識別結(jié)果，之后便可以統(tǒng)計出以下識別率</p><p>　?。?）自然交通流量的識別率=全牌正確識別總數(shù)/實(shí)際通過的車輛總數(shù)；</p><p>　?。?)人工可識別車牌的百分率=人工正確讀取的車牌總數(shù)/實(shí)際通過的車輛總數(shù)；</p><p>　?。?）系統(tǒng)可識別車牌的識別率=全牌正確識別總數(shù)/人工正確讀

35、取的車牌總數(shù)；</p><p>　　這三個指標(biāo)決定了車牌識別系統(tǒng)的識別率，諸如可信度、誤識率等都是車牌識別過程中的中間結(jié)果。必須認(rèn)識到的一點(diǎn)是系統(tǒng)的識別率達(dá)到100%是不可能的，因?yàn)檐嚺普瘴蹞p、模糊、遮擋，或者惡劣的天氣情況(下雪、冰雹、大霧等)都會影響到系統(tǒng)的識別率。 </p><p><b>　　2. 識別速度</b></p><p>　　

36、識別速度決定了一個車牌識別系統(tǒng)是否能夠滿足實(shí)時應(yīng)用的要求。一個識別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識別出結(jié)果，那么這個系統(tǒng)就會因?yàn)闈M足不了實(shí)時要求而毫無實(shí)用價值。例如，在高速公路收費(fèi)中車牌識別系統(tǒng)的作用之一是減少通行時間，處理速度是這一類應(yīng)用減少通行時間，避免車道堵車的有力保障。國際交通技術(shù)提出的識別速度是1 秒以內(nèi)，越快越好。</p><p>　　3. 后臺管理體系 </p><

37、p>　　一個車牌識別系統(tǒng)的后臺管理體系，決定了這個車牌識別系統(tǒng)是否好用。后臺管理體系的功能應(yīng)該包括: </p><p>　?。?）識別結(jié)果和車輛圖像數(shù)據(jù)的可靠存儲。當(dāng)多功能的系統(tǒng)操作使得網(wǎng)絡(luò)出差錯時，后臺管理系統(tǒng)應(yīng)能保護(hù)圖像數(shù)據(jù)不會丟失，同時便于事后人工排查。 </p><p>　?。?）有效的自動比對和查詢技術(shù)。識別出的車牌號碼應(yīng)能夠同數(shù)據(jù)庫中成千 上萬的車牌號碼自動比對和提示報警

38、。如果車牌號碼沒有被正確讀取時，可采用模糊查詢技術(shù)以得出相對"最佳"的比對結(jié)果。 </p><p>　?。?）完善的系統(tǒng)功能。一個好的車牌識別系統(tǒng)不僅可聯(lián)網(wǎng)運(yùn)行，還需要提供實(shí)時通信、網(wǎng)絡(luò)安全、遠(yuǎn)程維護(hù)、動態(tài)數(shù)據(jù)交互、數(shù)據(jù)庫自動更新、硬件參數(shù)設(shè)置、系統(tǒng)故障診斷等功能。</p><p>　　1.2.2 車牌識別系統(tǒng)的實(shí)際配置</p><p>　　即便

39、是一個達(dá)到實(shí)用標(biāo)準(zhǔn)的車牌識別系統(tǒng)，由于所選擇的技術(shù)路線，軟硬件體系結(jié)構(gòu)以及觸發(fā)方式不同，要發(fā)揮其有效的功能，還需要根據(jù)實(shí)際的應(yīng)用需求確定相應(yīng)的系統(tǒng)配置。 </p><p>　　1.車牌識別技術(shù)。路線系統(tǒng)中車輛圖像的采集方式?jīng)Q定了車牌識別的技術(shù)路線。目前國際通行的兩條主流技術(shù)路線是自然光和紅外光圖像采集識別。自然光和紅外光不會對人體產(chǎn)生不良的心理影響，也不會對環(huán)境產(chǎn)生新的電子污染，屬于綠色環(huán)保技術(shù)。 </p&

40、gt;<p>　　自然光路線是指白天利用自然光線，夜間采用輔助照明光源，用彩色攝像機(jī)采集車輛真彩色圖像，用彩色圖像處理方法識別車牌。自然光技術(shù)路線與人眼感習(xí)慣一致，并且真彩色圖像能夠反映車輛及其周圍環(huán)境真實(shí)的圖像信息，不僅可以用來識別汽車牌照，而且可以用來識別車牌顏色、車流量、車型、車體顏色等車輛特征。紅外光路線是指利用車牌反光和紅外光的光學(xué)特性，用紅外攝像機(jī)采集車輛灰度圖像，由于紅外特性，車輛圖像上兒乎只能看見車牌，然后

41、用黑白圖像處理方法識別車牌。 950nm 的紅外照明裝置可抓拍到很好的反光車牌照圖像。因紅外光是不可見光，它不會對駕駛員產(chǎn)生視覺影響。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中最明亮的時候,還是在一天中最暗的時候，唯一的例外是在白天，有時會看到一些牌照周圍的細(xì)節(jié)，這是因?yàn)榍缋侍鞖庀绿柟獾耐夤獠ǖ挠绊憽２捎眉t外燈的缺點(diǎn)就是所捕獲的車輛牌照圖像不是彩色的，不能獲取整車圖像，并且嚴(yán)重依賴車牌的反光材料。<

42、;/p><p>　　2.軟硬件體系結(jié)構(gòu)。一個車牌識別系統(tǒng)的基本硬件配置是由攝像機(jī)、主控機(jī)、采集卡、照明裝置組成的，而軟件是由一個具有車牌識別功能的圖像分析和處理軟件，以及一個滿足具體應(yīng)用需求的后臺管理軟件組成。車牌識別系統(tǒng)于是出現(xiàn)了兩種產(chǎn)品形式,一種是軟硬件一體，或者用硬件實(shí)現(xiàn)了識別功能的模塊，形成一個全硬件的車牌識別器，例如DSP。另外一種形式是開放式的軟、硬件體系，即硬件采用標(biāo)準(zhǔn)工業(yè)產(chǎn)品，軟件作為嵌入式軟件。兩種

43、產(chǎn)品形式各有優(yōu)缺點(diǎn)。開放式體系的優(yōu)點(diǎn)是由于硬件采用標(biāo)準(zhǔn)工業(yè)產(chǎn)品，運(yùn)行維護(hù)容易掌握，備品備件采購可以從任何一家供應(yīng)商獲得，不必?fù)?dān)心因?yàn)橐患夜?yīng)商倒閉或供貨不足而出現(xiàn)產(chǎn)品永久失效或采購困難的問題。</p><p>　　3.觸發(fā)方式。車牌識別系統(tǒng)有兩種觸發(fā)方式，一種是外設(shè)觸發(fā)，另一種是視頻觸發(fā)。外設(shè)觸發(fā)工作方式是指采用線圈、紅外或其他檢測器檢測車輛通過信號，車牌識別系統(tǒng)接收到車輛觸發(fā)信號后，采集車輛圖像，自動識別車牌，

44、以及進(jìn)行后續(xù)處理。視頻觸發(fā)方式是指車牌識別系統(tǒng)采用動態(tài)運(yùn)動目標(biāo)檢測和圖像序列處理技術(shù)，實(shí)時檢測車道上車輛的運(yùn)動狀況，發(fā)現(xiàn)車輛通過時捕捉車輛圖像，識別車輛牌照，并進(jìn)行后續(xù)處理。視頻觸發(fā)方式不需借助線圈、紅外或其他硬件車輛檢測器。</p><p>　　1.2.3車牌識別系統(tǒng)中的難點(diǎn)</p><p>　　車牌識別系統(tǒng)在實(shí)驗(yàn)室里已經(jīng)取得了令人滿意的效果，但很難應(yīng)用于實(shí)際工程中，這是因?yàn)閷?shí)驗(yàn)室的環(huán)境

45、是處于理想狀態(tài)的，而在自然環(huán)境里，由于受到天氣等因素的影響，識別率很難達(dá)到要求。我們大致的把這些因素歸納為三類： </p><p>　　(1)汽車牌照本身的特征。牌照缺乏統(tǒng)一的標(biāo)準(zhǔn)。根據(jù)中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)對機(jī)動車輛牌照的有關(guān)規(guī)定，車牌的規(guī)格、顏色和適用范圍各有不同。由于缺乏統(tǒng)一的標(biāo)準(zhǔn)，使得車牌識別過程中字符的分割難度較大，缺乏統(tǒng)一的模式規(guī)則的指導(dǎo)作用。牌照的質(zhì)量無法保證。有些牌照被污損，而有些牌照的字

46、符模糊不清，對光線的散射性不好，這些不確定性極大地影響了識別的準(zhǔn)確率。車牌附近環(huán)境惡劣。車牌附近往往有復(fù)雜的外形或擋車器等，不利于車牌的定位和分割。 </p><p>　　(2)外部環(huán)境的特征。外界光照條件各不相同，白天和晚上光照不同。光照對圖像質(zhì)量影響很大。不同的光照角度，對車牌光照的均勻度影響也較大。不同時間，不同氣候條件，以及背景光、車牌反光程度決定了車牌區(qū)域的亮度特征。 </p><p

47、>　　外界背景的復(fù)雜程度也影響著車牌的定位準(zhǔn)確率。背景中與車牌區(qū)域特征相似區(qū)域的大小反映了背景的噪聲程度。例如與車牌字符相似的背景遠(yuǎn)處的廣告語容易影響車牌的粗定位。 </p><p>　　(3)車牌識別系統(tǒng)應(yīng)用方案的特征。不同實(shí)際工程其攝像方位和角度不一樣。實(shí)際工程中攝像方位相對于車輛行駛的方向一般是正上方、左側(cè)和右側(cè)，攝像角度一般在15～30度之間。相對來說，攝像角度越小，車牌在平面圖像中變形越小，識別效

48、果越好。攝像方位和角度對車牌字符分割影響較大，對車牌校正方法的校正能力的要求也更高了。 </p><p>　　光線較暗時，不同的人工光照角度、方位和亮度對車牌識別系統(tǒng)影響也不一樣。盡管規(guī)范車牌對光的散射能力較強(qiáng)，但人工光照的方位角度不會影響車牌的亮度。亮度不均勻?qū)嚺普斩祷惴ǖ倪m應(yīng)性提出了更高的要求。不同的實(shí)際工程，圖像的分辨率要求也不同。分辨率大小影響車牌識別系統(tǒng)的識別速度和字符的識別率。分辨率過高時，整個

49、識別系統(tǒng)的處理時間會明顯增多，特別是在車牌分割，車牌二值化的處理中時間會顯著增加。分辨率過低，字符識別率會下降，字符中的漢字二值化效果較差，車牌識別系統(tǒng)的識別率會下降。 </p><p>　　除了這三點(diǎn)客觀因素外，對于本文的而言，從各種干擾中得到車牌區(qū)域，把傾斜的車牌校正，以及把粘連的車牌字符分割開都是系統(tǒng)成敗的關(guān)鍵。而如何準(zhǔn)確且快速地實(shí)現(xiàn)系統(tǒng)要求更是系統(tǒng)設(shè)計的難點(diǎn)。</p><p>&l

50、t;b>　　3 車牌定位</b></p><p>　　3．1 幾種常見的車牌定位方法 </p><p>　　車牌定位方法的出發(fā)點(diǎn)是通過車牌區(qū)域的特征來判斷車牌，所利用的車牌的特征主要包括： </p><p>　　(1)車牌區(qū)域的幾何特征，即在某個相對固定的拍照位置拍得的圖像上車輛牌照子圖像區(qū)域l每度和寬度一定，并且寬高比例一定。 </p>

51、;<p>　　(2)紋理特征，目前車輛牌照是由一個省份漢字(軍警牌除外)后跟字母或阿拉伯?dāng)?shù)字組成的7個字序列。除第1個漢字外，字母和數(shù)字的筆畫在豎直方向都是連通的，且其之間有一定的間隔。 </p><p>　　(3)顏色特征，現(xiàn)有車牌有四種類型：小型汽年的藍(lán)底白字車牌，大型汽年的黃底黑字車牌，軍警車的白底黑字、紅字車牌，外籍汽車的黑底白字車牌。牌照矩形區(qū)域內(nèi)的顏色一定是限定的四種色彩之一，特征明顯。

52、 </p><p>　　目前，車牌定位方法可以分為兩大類：(1)基于灰色圖像的車牌定位方法，(2)基于彩色圖像的車牌定位方法。</p><p>　　3．1．1 基于灰度圖像的車牌定位方法</p><p>　　早期由于受計算機(jī)運(yùn)算速度和內(nèi)存大小的影響，考慮到實(shí)時性，車牌定位主要是基于狄度圖像處理技術(shù)，現(xiàn)在很多!學(xué)者仍然沿此路線進(jìn)行研究。目前基于灰度圖像的車牌定位方法主

53、要有以下幾種。 </p><p>　　(1)基于紋理特征分析的定位方法。該方法利用汽車牌照中文字筆畫變化頻率比較穩(wěn)定的特點(diǎn)，即筆畫間隔的像素是穩(wěn)定在某一個范圍內(nèi)、筆畫數(shù)也存在下限的特征。設(shè)定閾值，通過掃描確定上下邊界位置和左右邊界位置。這樣在已縮小的范圍內(nèi)再用上述方法進(jìn)行遞歸檢測，直到牌照位置比較穩(wěn)定為止。該算法對于牌照的傾斜或變形以及光照不均、偏弱或偏強(qiáng)有很好的效果，但對噪聲敏感，圖片中的灰塵、臟污以及車牌區(qū)域

54、外的文字都會對定位造成很大的影響。 </p><p>　　(2)基于數(shù)學(xué)形態(tài)學(xué)的定位方法。數(shù)學(xué)形態(tài)學(xué)是一門建立在集合理論基礎(chǔ)上的學(xué)科，它是幾何形態(tài)分析和描述的有力工具，近年來在機(jī)器視覺和數(shù)字圖像處理領(lǐng)域得到廣泛的應(yīng)用和發(fā)展。數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖像處理的基本思想，是利用一個結(jié)構(gòu)元素來探測一個圖像，看是否能將這個結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時驗(yàn)證填放元素的方法是否有效。腐蝕、膨脹、開啟和關(guān)閉是數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算。&

55、lt;/p><p>　　使用數(shù)學(xué)形態(tài)學(xué)方法之前通常先將圖像轉(zhuǎn)換為二值圖片，然后設(shè)計一結(jié)構(gòu)元素對圖片進(jìn)行膨脹可以連接車牌區(qū)域像素點(diǎn)，對圖片進(jìn)行腐蝕可以去除噪聲。最后再用邊緣特征分析方法提取車牌區(qū)域。通常還耍利用車牌的一些先驗(yàn)知識去除偽車牌區(qū)域。 </p><p>　　（3）基于邊緣檢測的定位方法。圖像的邊緣是指在灰度級上發(fā)生急劇變化的區(qū)域，而在背景或者物體的內(nèi)部這種灰度的變化是比較平緩的。邊緣檢

56、測的任務(wù)是精確定位邊緣和抑制噪聲。能夠進(jìn)行檢測的方法有多種，如Roberts邊緣算子、Prewitt算子、Sobel算子以及拉普拉斯邊緣檢測。這些方法正是利用了物體邊緣處灰度變化劇烈這一特點(diǎn)來檢測圖像的邊緣。各算子對不同邊緣類型的敏感程度不同，產(chǎn)生的效果也不一樣，經(jīng)過大量實(shí)驗(yàn)分析可知，Roberts邊緣算子是一種利用局部方差算子尋找邊緣的算子，定位比較精確；Prewitt算子和Sobel算子對噪聲有一定的抑制能力，但不能完全排除偽邊緣；

57、拉普拉斯算子是二階微分算子，對圖像中的階躍型邊緣點(diǎn)定位準(zhǔn)確且具有旋轉(zhuǎn)不變性，但容易丟失一部分邊緣的方向信息，同時抗噪能力較差。所以針對不同的環(huán)境和要求，選擇合適的算子來對圖像進(jìn)行邊緣檢測才能達(dá)到好的效果。 </p><p>　　使用邊緣檢測方法的定位準(zhǔn)確率較高，反映時間快，能有效去掉噪聲，適合于包含多個車牌的圖像，并且在多車牌圖像的情況下定位速度也很快。但是對車牌嚴(yán)重褪色的情況，由于檢測不到字符筆畫的邊緣會導(dǎo)致定

58、位失敗。定位后的區(qū)域在外界有干擾以及車牌傾斜時比車牌稍大。</p><p>　　3．1．2 基于彩色圖像的車牌定位方法</p><p>　　與灰度圖像相比，彩色圖像色彩豐富，信息具有原始性和完整性，在設(shè)備存儲量和速度允許的情況下可以取得更好的處理效果，而且人類視覺系統(tǒng)又對色彩非常敏感。因此，很多研究人員認(rèn)為彩色圖像比灰度圖像更有利于圖像分割和目標(biāo)提取。車輛牌照具有與牌號、車身、背景不同的顏

59、色，所以近年來很多學(xué)者已經(jīng)開始應(yīng)用彩色圖像處理技術(shù)進(jìn)行車牌定位，采取的主要方法有： </p><p>　　(1)采用多層感知器 網(wǎng)絡(luò)對輸入彩色車牌圖像進(jìn)行彩色分割，通過投影法分割出潛在的車牌區(qū)域并根據(jù)先驗(yàn)知識得出合理的車牌區(qū)域。 </p><p>　　(2)彩色邊緣檢測算子與區(qū)域生長相結(jié)合的牌照定位算法。這種方法的主要思想是通過邊緣檢測算子對彩色圖像進(jìn)行邊緣檢測，增強(qiáng)牌照區(qū)域，并借助數(shù)學(xué)形

60、態(tài)學(xué)膨脹技術(shù)實(shí)現(xiàn)區(qū)域的連通，采用區(qū)域生長方法標(biāo)記候選區(qū)域，最后利用車牌的先驗(yàn)知識，剔除虛假車牌區(qū)，確定真正的車牌區(qū)域。 </p><p>　　(3)利用顏色空間距離和相似度進(jìn)行車牌底色的顏色分割，再采用投影法根據(jù)車牌的寬高比確定車牌候選區(qū)域，最后對候選區(qū)域的灰度圖像進(jìn)行紋理分割提取車牌。 </p><p>　　(4)將彩色圖像轉(zhuǎn)換到色調(diào)飽和度亮度空間(HSI空間)，統(tǒng)計車牌底色在HSI 空

61、間中的各分量的經(jīng)驗(yàn)范圍并提取車牌候選區(qū)域，然后對候選區(qū)域進(jìn)行投影分析和形態(tài)學(xué)操作提取車牌。</p><p>　　3．2 基于數(shù)學(xué)形態(tài)法的車牌定位</p><p>　　基于灰度的方法能很好的利用車牌區(qū)域的灰度分布、字符排列、長寬比例、邊緣特性等特征。由于圖像中會存在其他非車牌區(qū)域具有年牌的特征，給定位結(jié)果帶來影響?；诓噬珗D像的車牌定位技術(shù)的研究增加了彩色信息，改善了車牌的定位效果。但是，圖

62、像中除了車牌外還有車身和周圍景物等其它物體的顏色可能與車牌顏色相同或相近，這將造成有效定位率下降。 </p><p>　　上述方法雖然已經(jīng)考慮了車牌底色的顏色信息，但是卻沒有考慮到車牌顏色特征的另一個重要特點(diǎn)，即車牌背景與字符具有固定的顏色搭配。 </p><p>　　目前，已經(jīng)有一些車牌定位算法的研究利用到了車牌背景與字符的固定顏色搭配。其中，李文舉提出了邊緣顏色對的概念。我國車牌顏色的

63、重要特點(diǎn)是車牌背景與字符具有固定的顏色搭配，即藍(lán)底白字(藍(lán)牌)、黃底黑字(黃牌)、白底黑字(白牌)和黑底白字(黑牌)。車牌背景與字符交界的點(diǎn)必然存在固定的顏色配對，將這些固定的顏色配對點(diǎn)稱為顏色對特征點(diǎn)。例如底色為藍(lán)色的車牌中會出現(xiàn)相鄰的兩個像素，一個像素為藍(lán)色而另一個像素為白色，則將這兩個像素都看作是藍(lán)白特征點(diǎn)：底色為黃色的車牌存在黃黑特征點(diǎn)：底色為白色的車牌存在白黑特征點(diǎn)：底色為黑色的車牌也存在白黑特征點(diǎn)。以上所述藍(lán)白特征點(diǎn)、黃黑特

64、征點(diǎn)和白黑特征點(diǎn)就是我國車牌中可能出現(xiàn)的三種顏色對特征點(diǎn)。 </p><p>　　于是，基于顏色對特征點(diǎn)和數(shù)學(xué)形態(tài)學(xué)的車牌定位方法逐漸成型。 </p><p>　　考慮到車牌背景與字符的固定顏色搭配，在HSI彩色空間對彩色圖像進(jìn)行色彩分析，并找出顏色對特征點(diǎn)。顏色對特征點(diǎn)充分考慮到了車牌本身的紋理和顏色搭配等信息，能有效得去除很多干擾。又考慮到車牌區(qū)域每一行上字符與背景跳變很頻繁，得到顏色

65、對特征點(diǎn)后，設(shè)計一種水平方向上的形態(tài)學(xué)算子，把每一行上相距較近的顏色對特征點(diǎn)連接起來，再使用一個更大的形態(tài)學(xué)算了進(jìn)行去噪，在得到的車牌區(qū)域中根據(jù)車牌的先驗(yàn)知識分析去除偽車牌區(qū)域。</p><p><b>　　3.3 圖像增強(qiáng) </b></p><p>　　由于拍攝時光照強(qiáng)度的不同，會造成圖片亮度不均。為了不影響車牌定位的準(zhǔn)確性，我們需要對圖片進(jìn)行圖像增強(qiáng)。直方圖是多種

66、空間域 處理技術(shù)的基礎(chǔ)，其可以有效地用于圖像增強(qiáng)。在較暗的圖像中，直方圖的組成成分集中在灰度較低的一側(cè)；而明亮圖像的直方圖則傾向于灰度級較高的一側(cè)；對于低對比度的圖像直方圖 則集中于一段較窄的灰度級中。通過直方圖均衡化可以將圖像調(diào)整為灰度級豐富且 動態(tài)范圍大的圖像。對車牌圖像進(jìn)行直方圖均衡后可以提高其對比度，有利于提高車牌定位的準(zhǔn)確性。這里介紹將圖像轉(zhuǎn)換到HSI模型的方法，這樣只需要對亮度分量I進(jìn)行直方圖均衡化即可以達(dá)到圖像增強(qiáng)的效果。

67、</p><p>　　圖 2 RGB分量均衡化 </p><p>　　Fig 2 RGB component equalization </p><p>　　圖 3 HSI分量均衡化 </p><p>　　Fig 3 HSI component equalization </p><p>　　以上為彩色圖像

68、均衡化步驟。</p><p>　　一般RGB直方圖均衡化后的圖像相比原始圖像，圖像的細(xì)節(jié)更加清楚了但是單獨(dú)對各RGB分量進(jìn)行均衡化將產(chǎn)生不正確的顏色，而對HSI顏色空間的亮度分量直方圖均衡化后的圖像，雖然會影響到整體圖像的彩色感觀，但沒有改變圖像的色調(diào)和飽和度值，因此本文采用的是對HSI中的亮度分量進(jìn)行直方圖均衡化的方法。</p><p>　　3.3.1視覺空間和顏色空間的轉(zhuǎn)換</p

69、><p>　　人類的視網(wǎng)膜南感光細(xì)胞覆蓋。這些細(xì)胞類似于CCD芯片上的感受基(像素)。顏色豐要是由視網(wǎng)膜上稱為錐狀體的三種不同的感光細(xì)胞感知不同波長的光而形成的。這三剩t錐狀體分別感知紅色(R)、綠色(G)和藍(lán)色(B)的光，所有其它顏色都是這三種顏色的不同混合效果。因此，紅、綠、藍(lán)這三個顏色被稱為人類視覺的三原色，由此形成的一套理論稱為三原色原理，R、G、B分別表示構(gòu)成顏色的一個分量。 </p><

70、;p>　　顏色空間也叫顏色模型，它指的是通過基本顏色分量來定義其他各種顏色的模型結(jié)構(gòu)。之所以將顏色模型稱為顏色空間，是因?yàn)槿藗儼l(fā)現(xiàn)用笛卡爾空間坐標(biāo)的形式來映射顏色模型往往顯得更加直觀、有效。常用的顏色宅間有RGB顏色空間，CMY顏色空間和HSI顏色空間等。</p><p>　　圖 4 RGB顏色空間 </p><p>　　Fig 4 RGB color space</p&

71、gt;<p>　　如圖4所示，RGB顏色空間將所有的顏色值映射到一個立方體中。這樣，任意顏色值都可以由3個取值在0到l之間的顏色分量來表示。取值為0表示最小的顏色分量，而l表示最大的顏色分量。比如，(0，0，0)表示黑色，(1，l，1)表示白色。 在RGB顏色空間中，黑色(無光)點(diǎn)為坐標(biāo)原點(diǎn)，以(0，0，0)為起點(diǎn)，其他顏色都可以看作足在原點(diǎn)即黑色的基礎(chǔ)上疊加三種顏色分量形成的。這種形成顏色的方法稱 為疊加原色法，相應(yīng)的R

72、GB三原色稱為疊加三原色。用RGB顏色空間來描述色彩雖然方便，但不符合人眼的視覺原理。在顏色相同 的情況下，明晴的細(xì)微變化會引起RGB值的較大跳躍，不利于顏色的檢測。為了定 量地描述顏色對人眼的視覺作用，可以選用色調(diào)(hue)、飽和度(saturation)、亮度 (intensity)這三個與視覺特征有關(guān)的量。HSI彩色模型就是按照色調(diào)、飽和度和亮度值建立起來的。色調(diào)是由物體反射光線中占優(yōu)勢的波長來決定的，不同的波長產(chǎn)生不同的顏色感

73、覺，如紅、橙、黃、綠、青、藍(lán)、紫等。色調(diào)是彩色的最重要的屬性，是決定顏色本質(zhì)的基本特性。顏色的飽和度是指一個顏色的鮮明程度，飽和度越高，顏色越深，如深紅</p><p>　　圖 5 HSI顏色空間</p><p>　　Fig 5 HSI color space</p><p>　　為了準(zhǔn)確迅速地檢測顏色，需要將圖像由RGB顏色空間轉(zhuǎn)換至HSI顏色空間。現(xiàn)有的H

74、SI空間模型有四面體、圓柱體、圓錐體等多種定義公式，本文采用圓柱體的HSI坐標(biāo)系進(jìn)行顏色空間轉(zhuǎn)換的實(shí)現(xiàn)，示意圖如圖5所示。</p><p>　　3．3．2提取顏色對特征點(diǎn) </p><p>　　我國車牌顏色的重要特點(diǎn)是車牌背景與字符具有固定的顏色搭配，即白底黑字(白牌)、藍(lán)底白字(藍(lán)牌)、黑底白字(黑牌)和黃底黑字(黃牌)。因此可以根據(jù)這一特點(diǎn)，把顏色信息和邊緣信息融合起來，盡量排除干擾以

75、精確保留車牌特征。 </p><p>　　HSI顏色空間模型中的i分量與圖像的彩色信息無關(guān)，h分量抽出了色度而忽略了亮度信息，可以減少光照影響。對于具有某種目標(biāo)色的像素，可以直接通過對h、J和i三個分量設(shè)定一個閾值范圍來把它們提取出來，無需進(jìn)行比較復(fù)雜的色彩距離計算，這樣可以在色彩分割的時候節(jié)省大量的時間，這種方法對藍(lán)色和黃色尤其有 效。但是，白色的色度沒有意義，黑色的色度和飽和度也沒有意義，也就是說這些分量取值

76、不規(guī)律。所以白色像素只能利用飽和度和亮度兩個分量來提取，黑色像素只能根據(jù)亮度分量來提取。</p><p>　　在實(shí)際中的各種車牌顏色的閾值范圍通過收集的樣本車牌的顏色值統(tǒng)計得到。并且，為了適應(yīng)車牌褪色、光線、灰塵等的影響，適當(dāng)放寬了各種顏色的閾值范圍，綜合以后，得到彩色判斷條件如下： 按照公式把彩色像素點(diǎn)從RGB空問轉(zhuǎn)化到HSI空問，得到h、s和，三個分量的值：</p><p>　　如果s

77、<0 <1且i>O 5，則該像素點(diǎn)為白色； </p><p>　　如果i<O <35，則該像素點(diǎn)為黑色： </p><p>　　如果220<h<250，j>01和i>0．1同時成立，則該像素點(diǎn)為藍(lán)色： </p><p>　　如果20<h<50，s>0．1和i>O .35同時成立，則該像素點(diǎn)

78、為黃色； </p><p>　　如果350<h<360，s>0 l和i)0．35同時成立，則該像素點(diǎn)為紅色： </p><p>　　不符合以上條件的像素點(diǎn)視為無效點(diǎn)。 在以上的判斷條件里面，藍(lán)色和黑色的取值范圍有重臺的部分，這是因?yàn)榇婀饩€較晴的條件下，藍(lán)色和黑色的亮度分量比較接近：考慮到四種底色的車牌顏色搭配中，沒有藍(lán)色和黑色的搭配，所以這兩種顏色取值范圍可以有重合的部分

79、。在這里對紅色點(diǎn)也進(jìn)行判斷，是因?yàn)樵诎椎缀谧值能嚺浦?，前兩個字符是紅色的，不能忽略。</p><p>　　通過上面的分析可以得到車牌及其背景的顏色邊緣點(diǎn)。但是，在車牌外區(qū)域也有很多其他像素點(diǎn)的顏色和紋理符合車牌的四種顏色邊緣點(diǎn)。由于有車牌區(qū)域顏色固定搭配的先決條件．因此，下面還可以繼續(xù)根據(jù)顏色邊緣點(diǎn)的配對規(guī)律來繼續(xù)排除多余的非車牌干擾點(diǎn)。這個過程也就是提取顏色對特征點(diǎn)的過程。</p><p&g

80、t;　　4 車牌字符分割算法與實(shí)現(xiàn)</p><p>　　4．1常見字符分割方法 </p><p>　　車牌字符分割技術(shù)是指將定位后的車牌區(qū)域分割成單個字符區(qū)域。字符區(qū)域分割的準(zhǔn)確與否將直接影響到下一步的字符識別，因此許多學(xué)者也對此進(jìn)行了研究，提出了很多關(guān)于車牌字符分割的方法。遲曉君等提出了基于投影特征值的車牌字符分割算法。根據(jù)車牌預(yù)處理圖像垂直投影圖的特點(diǎn)，提出一個特征值，并由車牌圖像的先

81、驗(yàn)知識和此特征值相結(jié)合來進(jìn)行字符分割。吳進(jìn)軍等提出了車牌字符分割新方法。通過在車牌定位圖像上定位出車牌的第三個字符，再進(jìn)行字符區(qū)域的分裂和合并，并針對字符缺損情況，進(jìn)行字符區(qū)域擴(kuò)展，而且對字符區(qū)域高度進(jìn)行調(diào)整，從而最終實(shí)現(xiàn)車牌字符的分割。王興玲提出了基于類間方差車牌字符分割的模板匹配算法。根據(jù)字符串的結(jié)構(gòu)和 尺寸特征，設(shè)計車牌字符串模板，通過該模板在車牌區(qū)域滑動匹配進(jìn)行分類，并結(jié)合最大類間方差判決準(zhǔn)則，確定最佳匹配位置，分割出車牌字符。

82、趙海燕等提出了基于最小面積法進(jìn)行的車牌字符分割。依據(jù)車牌橫平時所形成的連通域面積最小的特點(diǎn)提出最小面積法計算旋轉(zhuǎn)角度，然后進(jìn)行灰度均值化處理，并通過水平投影去除邊界，最后根據(jù)實(shí)際車牌信息做垂直投影進(jìn)行有效分割。陳黎等提出基于聚類分析的車牌字符分割方法。按照屬于同一個字符</p><p>　　以上的算法在特定的情況下是可以較好的將車牌寧符分割出來，但我國由于環(huán)境，道路或人為因素使得車牌污染嚴(yán)重，使得在車牌存預(yù)處理后

83、，會出現(xiàn)不同程度的噪聲，嚴(yán)重影響到車牌字符的正確分割。另外在國外許多國家車牌的底色和字符顏色通常只有對比度較強(qiáng)的兩種顏色(例如韓國，其車牌底色為紅色，車牌的字符為白色)，我國汽車牌照僅底色就有藍(lán)、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等若干種顏色。而且，很多其他國家的汽車牌照格式通常只有一種，而我國則根據(jù)不同車輛、車型、用途，規(guī)定了多種牌照格式。這都在很大程度上加大了車牌字符分割的難度。因此尋求一個更具有適用性、魯棒性的字符分割方

84、法，還需要探索和完善。 </p><p>　　以上種種分割方法實(shí)現(xiàn)方式雖然各式各樣，但歸結(jié)起來總是基于幾個基本點(diǎn)： </p><p>　　(1)車牌區(qū)域的垂直投影呈現(xiàn)明顯的波峰和波谷，波峰即為字符區(qū)域，波谷基本上都是字符間的間隙。 </p><p>　　(2)第一個字符為漢字由于左右偏旁漢字中會出現(xiàn)間隙，而第二個字符和第三個字符間隔較大，所以可由 此做分界線，分段分

85、割。</p><p>　　(3)字符比例固定。車牌字符總長度為409mm，其中單個字符寬度為45mm高度為90mm，第二和三字符間間距為34mm，其中中間小圓點(diǎn)寬度為lOmm，與第二和三字符間間距為12mm，其余字符間間距為12mm；字符“l(fā)”的寬度約為13．5mm，與其它字符間間距約為22．5mm，連續(xù)兩個字符“l(fā)”間間距約為38．5mm，第三字符為字符"1"時，與第二字符問問距約為44．5

86、mm。標(biāo)準(zhǔn)字符不包含字符“I”，故可以不考慮這種情況。 </p><p>　　(4)字符顏色與車牌底色具有固定的顏色搭配。如果單純地使用顏色對特征點(diǎn)進(jìn)行投影以精確定位車牌邊界時，由于顏色判斷的精確度的誤差和顏色對干擾點(diǎn)的存在，本應(yīng)連續(xù)的字符邊緣可能會有斷裂，而不應(yīng)是字符邊緣的卻有可能存在干擾點(diǎn)。這時就會對分析造成很大的影響。而將車牌區(qū)域二值化后，由于字符顏色與車牌底色的強(qiáng)烈色彩反差，字符與底色呈現(xiàn)兩極化。但是此時

87、仍不適合于做投影分析，因?yàn)檐嚺茀^(qū)域圖像內(nèi)仍可能有干擾像素，如白色車輛的藍(lán)白車牌(如圖2-9(b))，此時如果得到的車牌區(qū)域包含了車身部分，則二值化后車身區(qū)域與字符屬于同一顏色。對這樣的圖像進(jìn)行投影得不到精確定位需要的信息。 </p><p>　　應(yīng)該注意到，車牌字符區(qū)域的紋理特征，這些特征是旁邊干擾區(qū)域所不具有的特征，所以對二值化的圖像進(jìn)行邊緣化處理，通過字符的紋理特征、邊緣的跳躍性來判斷車牌字符區(qū)域。 <

88、/p><p>　　通過以上的分析，最終結(jié)合以上所有特點(diǎn)，本文提出了幾種算法。</p><p>　　4．2車牌字符分割算法</p><p>　　4.2.1 MATLAB車牌字符分割</p><p>　　這是一個簡單的車牌字符分割程序，程序大概分為三步：</p><p>　　灰度化/二值化/直方圖均衡化/歸一化大??； <

89、/p><p><b>　　去噪 ；</b></p><p><b>　　分割；</b></p><p>　　由于使用MATLAB作為平臺，第一步幾乎可以以一句話完成。</p><p>　　而對于去噪一步，需要花一點(diǎn)心思。不要以為去噪就是傳統(tǒng)的高斯、中值濾波之類的東西，在自然環(huán)境中，干擾是無窮無盡的。對于

90、我們的車牌識別程序，干擾我們的通常會有光照、車牌上的污點(diǎn)等等，這些干擾通常會使用普通圖像處理手段來解決，比如用高斯等平滑濾波，用直方圖均衡化等。然而，還有另外一些干擾也要引起我們的注意的問題，因此解決這種問題更顯得程序的通用性。</p><p>　　就是車牌的邊沿、螺絲等等，這些是幾乎每個車都有給出一個網(wǎng)上摘錄下來的車牌！</p><p><b>　　圖 6 標(biāo)準(zhǔn)的車牌</

91、b></p><p>　　Fig 6 Standard plate</p><p>　　我們可以看到，盡管車牌已經(jīng)比較完美地定位（切割）了出來，但是對于提取純字符任務(wù)來說，我們還面臨著邊沿、螺絲、空隙等挑戰(zhàn)。</p><p>　　在這里嘗試采用比較常見的統(tǒng)計手段來解決這個問題：</p><p>　　在得到二值化圖像之后，我們可以得到

92、一個二值矩陣，當(dāng)某位置的值等于0的時候，表示該像素點(diǎn)為全黑，反之，則該像素點(diǎn)為純白。然后我們可以對此二值矩陣分別對行、列進(jìn)行求和統(tǒng)計。</p><p>　　圖 7 經(jīng)二值、平度化、平滑后的車牌圖像</p><p>　　Fig 7 The binary, pingdu change, smooth the vehicle images after</p><p>

93、;<b>　　圖 8 </b></p><p>　　圖 6是二值、灰度化并平滑后的結(jié)果，效果還是不錯的。</p><p>　　我們分別對二值化結(jié)果分別做一個行、列的求和統(tǒng)計，并疊加得出圖 8的結(jié)果：</p><p>　　紅色代表對各行數(shù)值求和結(jié)果、藍(lán)色代表對各列求和結(jié)。大家已經(jīng)可以看出些什么名堂來了吧？當(dāng)值高的時候，代表白色的像素（‘痕跡’）在

94、這里多。通過紅色曲線，我們已經(jīng)可以輕易地去掉上下區(qū)域的直線。對于水平切割，這里采用了最落后的閥值法，對水平總和數(shù)據(jù)求數(shù)學(xué)平均，然后低于數(shù)學(xué)平均值的那一整行像素將被刪除。而對于藍(lán)色曲線，不能盲目地copy水平切割的方法。仔細(xì)觀察‘M’、‘0’這兩字母與其他字母的曲線。經(jīng)比較后不難發(fā)現(xiàn)，因?yàn)镸與0這兩個字母中間是空心的，所以曲線波動較大。真正應(yīng)該分割點(diǎn)的是最低的波谷處。</p><p><b>　　以下是代

95、碼摘要：</b></p><p>　　seg_target=sum_cols <= (sum(sum_cols)/length(sum_cols));</p><p>　　for i=1:length(seg_target)</p><p>　　if ~seg_target(i)</p><p>　　preseg_bgs_i

96、mg = [preseg_bgs_img;bgs_img(i,:)];</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　seg_target = sum_rows <= (floor(min(sum_rows)/10)+1)*10;</p>&

97、lt;p>　　nb_char = 0;</p><p>　　seg_flag = 0;</p><p>　　temp_char = zeros(size(preseg_bgs_img,1),1);</p><p>　　for i=1:length(seg_target)</p><p>　　if ~seg_target(i)</p

98、><p>　　seg_flag = 1;</p><p>　　temp_char = [temp_char,preseg_bgs_img(:,i)];</p><p><b>　　end</b></p><p>　　if seg_target(i) && seg_flag==1</p><

99、p>　　seg_flag = 0;</p><p>　　if size(temp_char) > 10</p><p>　　nb_char = nb_char + 1;</p><p>　　seg_char{nb_char} = temp_char;</p><p><b>　　end</b></p&g

100、t;<p>　　temp_char = zeros(size(preseg_bgs_img,1),1);</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　以下是水平分割結(jié)果（預(yù)分割）：</p><p>　　圖 9 水平預(yù)分割

101、的車牌圖像</p><p>　　Fig 7 Level of pre segmentation vehicle images</p><p>　　可以看出頂上的螺絲釘與下面的邊沿被切除掉了，接著，我們做最后的分割，有些時候我們會連垂直方向上的一些邊都當(dāng)成了字符，其實(shí)一個很簡單的解決方法就是設(shè)定一個閥值讓體積比較正常的字符通過，過濾掉類似邊沿的假結(jié)果。其實(shí)不應(yīng)該設(shè)定一個固定閾值，而是根據(jù)

102、不同圖片計算出不同的閥值。以下是最終的結(jié)果：</p><p>　　圖 10 字符分割后的車牌圖像</p><p>　　Fig 10 After Character segmentation vehicle images</p><p>　　效果還不錯可以，不作可視化過程顯示的話用時0.02秒，就是通用性差，用其他質(zhì)量沒有這么好、分辨率沒這么高的車牌做分割慘不忍

103、睹。這種傻瓜程序，最要命的地方莫過于其工作環(huán)境必須很優(yōu)越：對齊了的車牌牌照、盡量減少的燈光影響等，其實(shí)實(shí)用性基本沒有。但是由于框架是正確可用的，所以對于改進(jìn)的地方，應(yīng)該從分割點(diǎn)的選取，總體的思路是改進(jìn)各種閥值的選取，包括二值化的因子、高斯平滑的sigma因子等等，我們事先應(yīng)當(dāng)做一個直方圖統(tǒng)計等東西來計算出各種針對當(dāng)前牌照的浮動閥值。還有一個可以改進(jìn)的地方是，圖像在進(jìn)入之前最好先做歸一化處理，即大小和顏色等。最后的感觸是，我從一開始的興致

104、勃勃已經(jīng)到了現(xiàn)在的很痛苦的狀態(tài)?？傁胫@是很簡單的事情，卻處處需要自己打點(diǎn)，考慮各種情況等。希望經(jīng)過這次實(shí)現(xiàn)LPR程序的經(jīng)歷逐漸讓自己變得更加成熟和沉著。 最后放上已經(jīng)寫好的function，進(jìn)行調(diào)用就可以了！</p><p>　　現(xiàn)在放出寫好的function，如下調(diào)用：</p><p>　　[number_char, outstanding_char] = Seg_Char(origi