畢業(yè)設(shè)計--基于特征的車牌定位方法設(shè)計及實現(xiàn)

1、<p><b>　　畢業(yè)設(shè)計</b></p><p>　　題 目 基于特征的車牌定位方法設(shè)計及實現(xiàn) </p><p>　　學(xué)生姓名 ***** </p><p>　　學(xué) 號 ***** </p><p>　　專業(yè)班級 通***

2、班 </p><p>　　指導(dǎo)教師 *** </p><p>　　學(xué) 院 計算機(jī)與通信學(xué)院 </p><p>　　答辯日期 *年*月16號 </p><p>　　基于特征的車牌定位方法及實現(xiàn)</p><p>　　License Plate Location Method

3、Based on the Characteristics of the Design and Implementation</p><p><b>　　**</b></p><p><b>　　**</b></p><p><b>　　**</b></p><p><b&

4、gt;　　摘要</b></p><p>　　智能交通系統(tǒng)（ITS）是交通管理在當(dāng)前發(fā)展的重要方向，其中車輛牌照識別（LPR）系統(tǒng)在智能交通系統(tǒng)中起著舉足輕重的作用。車牌識別系統(tǒng)包括圖像提取、圖像預(yù)處理、車牌定位、字符識別四個主要方面，而車牌的定位更是LPR系統(tǒng)的關(guān)鍵之一。車牌區(qū)域精確的定位會對車牌識別的準(zhǔn)確性產(chǎn)生直接影響，是影響車牌識別系統(tǒng)整體性能的關(guān)鍵所在。</p><p>

5、　　本文主要研究車牌區(qū)域定位的設(shè)計與實現(xiàn)，對車牌區(qū)域的固有特征和當(dāng)前車牌定位技術(shù)進(jìn)行簡介，著重介紹了幾種常用的車牌定位方法。然后在此基礎(chǔ)上通過采集到彩色車牌照圖像進(jìn)行灰度化，利用中值濾波去掉圖像中的干擾噪聲，改善圖像質(zhì)量，對圖像二值化后通過數(shù)學(xué)形態(tài)學(xué)的開、閉運(yùn)算對車牌進(jìn)行處理以獲得車牌可能的候選區(qū)域，然后通過邊緣檢測對圖像中的車牌進(jìn)行定位。實驗表明通過上述方法處理后，基本上就可以定位出像素區(qū)域中車牌的位置。</p><

6、;p>　　關(guān)鍵詞：圖像預(yù)處理；數(shù)學(xué)形態(tài)學(xué)；車牌定位</p><p><b>　　Abstract</b></p><p>　　Intelligent transportation system (ITS) is the important direction of traffic management in the current development, th

7、e vehicle license plate recognition (LPR) system plays an important role in intelligent transportation system. License plate recognition system includes the following four main aspects :image extraction, image preprocess

8、ing, license plate locating, character recognition. And license plate location is one of the key of LPR system. Accurate positioning of license plate area can di</p><p>　　This paper mainly studies the design

9、 and implementation of license plate localization, the inherent characteristics of the license plate region and the current license plate location technology to carry on the introduction, introduced several kinds of comm

10、only used method of license plate location. Then on this basis, through collecting color license plate images to gray scale, by using median filter to remove the interference noise of the image and improve image quality.

11、 After image binarizatio</p><p>　　Keywords: Image preprocessing;Mathematical morphology;The license plate localization</p><p><b>　　目錄</b></p><p><b>　　第一章 緒論1</

12、b></p><p>　　1.1 智能交通系統(tǒng)概述1</p><p>　　1.2 車牌定位的背景及方案2</p><p>　　1.3 車牌定位技術(shù)實現(xiàn)的難點4</p><p>　　1.4 本文的主要內(nèi)容及安排6</p><p>　　第二章 基礎(chǔ)知識7</p><p>　　2.1

13、我國常見的車牌7</p><p>　　2.1.1 我國車牌的類型7</p><p>　　2.1.2 我國車牌的特點7</p><p>　　2.2 仿真平臺介紹8</p><p>　　第三章 車牌圖像的預(yù)處理10</p><p>　　3.1 車牌圖像的灰度化10</p><p>　　3

14、.1.1 彩色圖像10</p><p>　　3.1.2 灰度化圖像12</p><p>　　3.2 車牌圖像的平滑14</p><p>　　3.3 車牌圖像的增強(qiáng)16</p><p>　　3.4 形態(tài)學(xué)16</p><p>　　第四章 車牌定位18</p><p>　　4.1 車牌定

15、位中的常用方法18</p><p>　　4.2 車牌定位20</p><p>　　4.2.1 二值化20</p><p>　　4.2.2 邊緣檢測22</p><p>　　第五章 仿真及結(jié)果分析23</p><p>　　5.1 設(shè)計流程圖23</p><p>　　5.2 仿真結(jié)果分析

16、23</p><p><b>　　總結(jié)27</b></p><p><b>　　參考文獻(xiàn)28</b></p><p>　　附錄I：源程序清單29</p><p>　　附錄II：外文文獻(xiàn)翻譯33</p><p><b>　　致謝54</b>&l

17、t;/p><p><b>　　第一章 緒論</b></p><p>　　1.1 智能交通系統(tǒng)概述 </p><p>　　智能交通系統(tǒng)是以緩和道路堵塞、減少交通事故、提供方便和舒適的交通行路為目的，將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、控制技術(shù)、電子傳感技術(shù)和計算機(jī)技術(shù)等有效地集成運(yùn)用于整個地面交通的管理系統(tǒng)[1]。它能對人們傳播實時的交通信息，使人們

18、對即時的交通環(huán)境有一個足夠的了解并對出行作出合理的選擇，從而使交通擁擠等問題得到減輕或避免。</p><p>　　智能交通系統(tǒng)（Intelligent Transport System，簡稱ITS），早期曾被稱為智能道路車輛系統(tǒng)（Intelligent Vehicle-Highway System，簡稱IVHS），它是將先進(jìn)的信息技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子控制技術(shù)以及計算機(jī)處理技術(shù)等有效的綜合運(yùn)用于整個交通管理

19、體系，而建立起來的一種在大范圍內(nèi)、全方位發(fā)揮作用的、實時、準(zhǔn)確、高效的交通運(yùn)輸綜合管理系統(tǒng)[2]。</p><p>　　表1-1 美國、歐洲及日本ITS定義和主要內(nèi)容比較表</p><p>　　由于每個國家的基礎(chǔ)產(chǎn)業(yè)以及國情具有一定的區(qū)別，使得每個國家對于智能交通運(yùn)輸系統(tǒng)在理解和發(fā)展重點上均會有所不同，智能交通系統(tǒng)的定義和內(nèi)容在一定程度上美國、歐洲、日本是有差異的，其中表1-1就很明顯的

20、表現(xiàn)了美國、歐洲、日本在ITS的定義和內(nèi)容上的不同?？墒撬鼈儏s有基本相同的工作內(nèi)容和實現(xiàn)技術(shù)，還有相同的目標(biāo)，都是為了實現(xiàn)交通系統(tǒng)的安全、高效及舒適的運(yùn)行而利用了信息、通信等技術(shù)的發(fā)展。</p><p>　　為實現(xiàn)ITS內(nèi)容所決定的目標(biāo)，自動車輛定位、自動車輛識別、動態(tài)秤重、通信技術(shù)、信息處理技術(shù)等在智能交通運(yùn)輸?shù)母鱾€子系統(tǒng)（電子收費(fèi)、駕駛員導(dǎo)航系統(tǒng)、緊急救援系統(tǒng)等）中得到了廣泛的應(yīng)用，并由此發(fā)展成為了ITS系統(tǒng)

21、的基礎(chǔ)[3]。</p><p>　　我國在研究和推進(jìn)智能交通系統(tǒng)中還處于起步階段，但國家相關(guān)部門已經(jīng)高度重視ITS作為跨世紀(jì)經(jīng)濟(jì)增長點和交通系統(tǒng)建設(shè)必然選擇的重要性。1995年中國國家技術(shù)監(jiān)督局ISO/TC204在中國的歸口部門為交通部門正式批準(zhǔn)成立ISO/TC204中國委員會，該委員會把推進(jìn)中國ITS標(biāo)準(zhǔn)化作為主要任務(wù)[4]。1997年就智能交通系統(tǒng)發(fā)展趨勢的國際學(xué)術(shù)研討會在北京召開。1998年1月就成立交通智

22、能運(yùn)輸系統(tǒng)工程研究中心（ITSC）得到了交通部的正式批復(fù)。為加強(qiáng)該中心在智能交通系統(tǒng)的開發(fā)及試驗?zāi)芰?，投資1400萬元建設(shè)的交通智能運(yùn)輸系統(tǒng)中心試驗室，將為今后國家制定道路交通運(yùn)輸?shù)陌l(fā)展和政策提供科學(xué)依據(jù)，現(xiàn)已完成了“交通智能運(yùn)輸系統(tǒng)發(fā)展戰(zhàn)略研究”。1998年2月，智能交通系統(tǒng)工程研究中心在國家科委的領(lǐng)導(dǎo)下，還與歐盟合作成立了中歐ITS信息服務(wù)中心（STICNISC/ITS），并在這年7月正式向國際社會提供基于Internet的信息咨詢

23、和技術(shù)服務(wù)。</p><p>　　1.2 車牌定位的背景及方案</p><p>　　目前智能化交通的研究已經(jīng)成為當(dāng)今高科技研究領(lǐng)域的熱門課題。而實現(xiàn)智能化交通對減少交通犯罪和促進(jìn)現(xiàn)代化的城市建設(shè)都意義重大，其中成功設(shè)計、開發(fā)及應(yīng)用車牌自動識別系統(tǒng)對社會具有相當(dāng)大的經(jīng)濟(jì)效益和學(xué)術(shù)研究的意義。而車牌識別流程如圖1.1所示。</p><p>　　圖1.1 車牌識別流程圖&

24、lt;/p><p>　　在所采集的車牌照中自動識別系統(tǒng)一定要快速、準(zhǔn)確、魯棒地識別出圖片中的車牌。而車輛的檢測、圖像的采集、車牌的識別等在車牌照識別過程中都是非常重要的環(huán)節(jié)，其中在這些重要的環(huán)節(jié)中的關(guān)鍵技術(shù)為：</p><p>　　1. 車輛牌照區(qū)域定位技術(shù)；</p><p>　　2. 車輛牌照字符分割技術(shù)；</p><p>　　3. 車輛牌照字

25、符識別技術(shù)；</p><p>　　在車牌定位中，車輛圖像的多樣性使得車牌照區(qū)域定位非常困難。由于采集時的誤差和噪聲、所處環(huán)境的光線影響，使得得到的圖像質(zhì)量比較差，而且運(yùn)動的車輛又在不同的程度造成了所得圖像的惡化；采集的圖片中車牌的大小不同，應(yīng)用背景復(fù)雜，距離不一致，目標(biāo)尺寸不規(guī)范等等都會使圖像有不同程度的模糊和變形，在大量隨機(jī)噪聲干擾和不同光線、光照角度的情況下，造成了車牌區(qū)域無規(guī)律的明暗灰度變化。因此，得到的每

26、張照片質(zhì)量全都不同，無規(guī)律和不確定出現(xiàn)的變形、噪聲等干擾信息，都使車牌區(qū)域的定位分割困難加大。</p><p>　　本文主要研究了車牌照定位算法的設(shè)計與實現(xiàn)仿真，采用Matlab平臺來進(jìn)行實驗仿真。首先，利用普通相機(jī)或著攝相機(jī)來進(jìn)行采集的含有車牌照的圖像，用這種方式獲取圖像方便又快捷，然后把采集來的車牌圖像進(jìn)行處理，進(jìn)而對車牌照中的車牌進(jìn)行進(jìn)行定位，本文設(shè)計的總體結(jié)構(gòu)流程如圖1.2所示：</p>&

27、lt;p>　　圖1.2 總體結(jié)構(gòu)流程圖</p><p>　　在自然環(huán)境下，采集到的含有汽車車牌的圖像背景很復(fù)雜。而車牌定位過程中的關(guān)鍵部分就是在光照不均勻的情況下，能夠準(zhǔn)確地確定出采集到的圖像在二值化背景中的車牌區(qū)域。</p><p>　　本文首先要做的是對采集到的圖像數(shù)據(jù)在一定的條件限制下進(jìn)行相關(guān)搜索，找到符合汽車牌照特征的若干個域作為候選待定區(qū)；然后通過對這些候選待定區(qū)進(jìn)一步的分

28、析和評判選定一個最佳的區(qū)域作為車牌照域；最后將這個選定的區(qū)域從整個圖像中分割提取出來。</p><p>　　在車牌定位中首先要做的是對采集到的車牌照進(jìn)行預(yù)處理（即灰度化處理），其中可以通過均值濾波、中值濾波等算法對灰度化后的圖像進(jìn)行降噪、去噪處理。對去噪后的圖像進(jìn)行邊緣檢測和形態(tài)學(xué)處理，在根據(jù)車牌照的先驗知識進(jìn)行初步定位，最后準(zhǔn)確定位出車牌。</p><p>　　車牌的定位技術(shù)在車牌識別系

29、統(tǒng)中占有重要的地位，在生活中拍攝的車牌圖像其背景環(huán)境是非常復(fù)雜的，而噪聲、外部光線等因素的干擾，都會使定位的難度加大，從而使得結(jié)果不是很理想。車牌的提取效果實際就是找一個最符合車牌照的特征區(qū)域的過程。根據(jù)車牌照的字符目標(biāo)區(qū)域特點從人眼視覺的角度開始，在灰度圖像基礎(chǔ)上提取出相應(yīng)的車牌特征。本文利用Matlab仿真軟件來實現(xiàn)圖像的處理，研究方案如1.3所示。</p><p>　　圖1.3 研究方案圖</p&g

30、t;<p>　　1.3 車牌定位技術(shù)實現(xiàn)的難點</p><p>　　在實驗室里車牌定位的研究已經(jīng)取得了令人滿意的成果，可是在實際的工程中卻很難得到應(yīng)用，這是因為在實驗室中圖像所處的的環(huán)境狀態(tài)是理想的，而在自然環(huán)境中拍到的圖像會受到各種不可預(yù)料因素的影響，使得識別率很難達(dá)到實驗的要求。</p><p><b>　　原因大致如下：</b></p>

31、<p>　　1. 汽車牌照本身的特征。</p><p>　　我國車牌照標(biāo)準(zhǔn)不統(tǒng)一：我國機(jī)動車輛的車牌規(guī)格、車牌顏色和車牌的適用范圍各有不同，機(jī)動車輛牌照在中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)中都有相關(guān)的規(guī)定。</p><p>　　車牌照的質(zhì)量各不相同：車牌照有的被污損，有的字符模糊不清等等都使得車牌照對光線的散射性變得很不好，而這些不確定性的因素極大的影響了車牌識別的準(zhǔn)確率。<

32、;/p><p>　　我國車牌照的組成比較特別：一般是由漢字、英文字符、阿拉伯?dāng)?shù)字這三種字符組成。車牌照有各種不同的規(guī)格，多種多樣的字符組合，而且部分車牌照由于圖像的質(zhì)量比較差，使得字符變形且模糊不清，字符間就會變得粘連，因此我國車牌照的定位和字符分割遠(yuǎn)遠(yuǎn)難于國外。</p><p>　　車牌周圍惡劣的環(huán)境：車牌周圍通常有復(fù)雜的汽車外形等，這些周圍環(huán)境的影響不利于車牌的定位和分割。</p&g

33、t;<p>　　2. 外部環(huán)境的特征。</p><p>　　外界光照條件的不同，使得光照對圖像質(zhì)量影響很大。光照角度的不同對車牌光照的不均勻度也是有影響的；不同的時間段，不同的氣候條件，還有背景光的強(qiáng)度、車牌反射光的程度決定了車牌區(qū)域的亮度特征。不同的外界背景也會影響車牌定位的準(zhǔn)確率。與車牌區(qū)域特征相似的背景中區(qū)域大小反映了背景中所含噪聲的大小。例如：背景中遠(yuǎn)處的廣告語與車牌字符相似時很容易影響車牌

34、的粗定位。</p><p>　　3. 所用方案的特征。</p><p>　　實際拍攝中的攝像方位和角度是不相同的。實際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1500~3000之間，相對來說，攝像角度越小，車牌在平面圖像中變形越小，識別效果越好[3]。攝像方位和角度的不同對車牌定位的影響也不同，對車牌校正的方法的校正能力要求也不同。</p><

35、;p>　　當(dāng)拍攝光線較暗時，添加的人工光照的角度、方位和亮度對車牌識別系統(tǒng)的影響也不一樣。雖然規(guī)范車牌對光的散射能力比較強(qiáng)，但由于人工光照的方位、角度的不盡相同，車牌的亮度也不相同。不均勻的亮度使得車牌照在二值化算法的適應(yīng)性中的要求變高。</p><p>　　不同的設(shè)計，對圖像的分辨率有不同的要求。OCR中字符的象素分辨率一般為而車牌識別系統(tǒng)字符的分辨率一般在和之間[5]。當(dāng)分辨率過高時，在車牌分割和車牌二

36、值化的處理過程中時間會顯著增加，使得整個識別系統(tǒng)的處理時間也明顯增多。分辨率過低，字符識別率就會有所下降，而字符中的漢字二值化效果就會也會變差，從而使得車牌識別系統(tǒng)的識別率也跟著下降。</p><p>　　總之，在現(xiàn)如今的車牌定位系統(tǒng)研究中，由于受到很多方面的限制，其車牌定位技術(shù)還存在著一些沒有克服的缺點。但隨著現(xiàn)代智能交通系統(tǒng)的快速發(fā)展，使其具有很大的應(yīng)用潛力。相信隨著人們對智能交通系統(tǒng)不斷深入的研究，車牌定位

37、技術(shù)也一定會克服各種缺點逐步得到完善。</p><p>　　1.4 本文的主要內(nèi)容及安排</p><p>　　本文通過Matlab仿真平臺來實現(xiàn)汽車的車牌定位，在分析和總結(jié)了了近年來國內(nèi)外在車牌定位領(lǐng)域的最新研究成果和最新進(jìn)展的基礎(chǔ)上，進(jìn)行的主要研究工作是根據(jù)復(fù)雜背景下的圖像中定位車牌的需要，提出車牌定位所用到的方法，即基于數(shù)學(xué)形態(tài)學(xué)和彩色圖像二值化特征的定位和基于顏色空間的再次定位。&l

38、t;/p><p>　　本文對車牌定位進(jìn)行了詳細(xì)的探討和研究，文章的主要安排如下：</p><p>　　第一章是緒論，介紹了智能交通系統(tǒng)和ITS在國內(nèi)外的發(fā)展現(xiàn)狀，車牌定位的背景及研究方案，以及車牌定位系統(tǒng)實現(xiàn)的難點。最后介紹了本文研究的主要工作及結(jié)構(gòu)安排。</p><p>　　第二章是基礎(chǔ)知識，介紹了我國常見的車牌，包括車牌的類型及特點，然后大體介紹了下Matlab仿真

39、平臺。</p><p>　　第三章是車牌圖像的預(yù)處理。介紹了和車牌定位系統(tǒng)相關(guān)的一些知識，主要包括圖像灰度化技術(shù)，用于把彩色圖像轉(zhuǎn)換成灰度圖像；直方圖均衡化技術(shù)和中值濾波技術(shù)對圖像進(jìn)行噪聲處理；車牌圖像的平滑、增強(qiáng)；數(shù)學(xué)形態(tài)學(xué)知識，用于對邊緣圖像進(jìn)行形態(tài)學(xué)運(yùn)算。</p><p>　　第四章是車牌圖像的定位。介紹了車牌定位中常用的方法。圖像二值化技術(shù)，用于將灰度圖像轉(zhuǎn)換為二值圖像；邊緣檢測知

40、識，用于獲取圖像的邊緣信息。</p><p>　　第五章是仿真及結(jié)果分析。介紹了總體流程圖描述了車牌定位系統(tǒng)各功能模塊的結(jié)構(gòu)關(guān)系，最后給出了程序執(zhí)行各功能模塊后的結(jié)果圖。</p><p>　　第六章是總結(jié)。說明了設(shè)計實現(xiàn)車牌定位系統(tǒng)時遇到的一些問題及本次設(shè)計的大體內(nèi)容。</p><p><b>　　第二章 基礎(chǔ)知識</b></p>

41、<p>　　2.1 我國常見的車牌</p><p>　　2.1.1 我國車牌的類型</p><p>　　從1994年7月1日起，我國開始啟用、換發(fā)92式車牌，根據(jù)車輛用途的不同，目前車牌主要有以下六種分類：大型車輛為黑字、黃底的車牌；小型車輛為白字、藍(lán)底的車牌；軍用或警用車輛為黑字或紅字、白底的車牌；為白字、黑底的車牌；摩托車的車牌；農(nóng)用車、拖拉機(jī)的車牌，其中以前3種為主[6]

42、。</p><p>　　2.1.2 我國車牌的特點</p><p>　　形狀特征：我國標(biāo)準(zhǔn)的車牌，其寬、高、以及寬高比一定。車牌的寬高為，每個字符的寬高為，間隔符的寬度為，每個字符的間隔為，整個車牌的寬高比約為[7]。在拍攝到的車牌圖像中由于設(shè)備對車牌的拍攝角度不相同而導(dǎo)致寬高比有一定的差別。而車牌上的有些字符它的實際寬度可能達(dá)不到，比如數(shù)字“1”，可是在車牌區(qū)域中所占據(jù)得矩形范圍依然為。

43、</p><p>　　車牌上的字符類型可分為四種：中文的字符；英文的字母；阿拉伯?dāng)?shù)字；圓點分隔符。</p><p>　　車牌字符的特征：車牌識別系統(tǒng)的重點研究對象是小型車輛、大型車輛、軍用或警用車輛、國外駐華機(jī)構(gòu)車輛這四種車的車牌，它們都由八個字符組成。而對于小型民用車輛的車牌照的后五個字符代表汽車的注冊時的號碼。</p><p>　　車牌上各字符的規(guī)定：第一個字符

44、是中文字符，為我國各省、市、自治區(qū)的簡稱，如“甘”、“陜”、“俞”、“魯”等共有計31個字符（其中不考慮軍、警車）；第二個字符是大寫的英文字母，共有25個字母（不包括字母“I”和“O”），為發(fā)證機(jī)關(guān)的代號，例如：甘A表示甘肅省蘭州市、甘B表示甘肅省嘉峪關(guān)市；第三個字符是一個分隔符“· ”；第四個字符可以是數(shù)字也可以是字母；第五、六、七、八這四個的字符都是數(shù)字，為車牌的注冊號碼。</p><p>　　如果

45、車牌的注冊號碼超過10萬則第四位上的字符就開始使用英文字母，其中“A”代表10萬，“B”代表11萬，……，最后一個字母代表33萬，由于英文字母中的“I”和“O”及數(shù)字中的“1”和“0”外形相似，故在注冊號碼中不用這兩個字母[8]。由于近年來的汽車數(shù)量增加很快，而第一個可以使用字母，后四個為數(shù)字的五位車牌注冊號碼的方法來分配的車牌數(shù)量已經(jīng)不能滿足人們的需要，因此在某些地區(qū)的車牌中出現(xiàn)了注冊號碼的五位均有可能是數(shù)字或字母，例如“甘A

46、3;9635F”。</p><p>　　車牌照灰度變化：由于車輛的顏色，車牌邊緣的顏色，車牌的底色都是不同的。在圖像中所產(chǎn)生的灰度級對應(yīng)的灰度值就互不相同，車牌邊緣就會形成灰度突變邊界，在灰度上就呈現(xiàn)出一種屋脊邊緣現(xiàn)象。而在車牌區(qū)域的內(nèi)部，字符和車牌底色的灰度出現(xiàn)較均勻的波峰、波谷。</p><p>　　邊緣密集度：車牌區(qū)域的垂直邊緣比水平邊緣密集，而汽車出車牌外的部分水平邊緣比垂直邊緣明

47、顯。</p><p>　　2.2 仿真平臺介紹</p><p>　　本文采用Matlab R2011a版本作為設(shè)計平臺，它不僅數(shù)值計算能力強(qiáng)，而且為不同的使用者提供了豐富的功能工具箱，本文就是用的數(shù)字圖像處理的平臺。</p><p>　　Matlab的主要功能：財務(wù)、金融工程；數(shù)字圖像處理；數(shù)值分析；數(shù)字信號處理；工程、科學(xué)繪圖；數(shù)值和符號計算；控制系統(tǒng)設(shè)計及方針；

48、通訊系統(tǒng)設(shè)計、仿真等。</p><p>　　Matlab的使用好處及特性</p><p>　　1. 工作平臺和編程環(huán)境佳。</p><p>　　Matlab由一系列tool boxs組成。這些tool boxs方便用戶調(diào)用Matlab的函數(shù)及文件，而其中許多tool boxs采用的是圖形化用戶界面形式，平臺和編程環(huán)境非常好。</p><p>

49、　　2. 操作簡便、易調(diào)試。</p><p>　　隨著Matlab的商業(yè)化以及軟件本身的不斷升級，Matlab的用戶界面也越來越精致，更加接近Windows的標(biāo)準(zhǔn)界面，人機(jī)交互能力更強(qiáng)，操作更加簡單。簡單的編程環(huán)境提供了比較完善的調(diào)試系統(tǒng)，程序不必經(jīng)過編譯就可以直接運(yùn)行，而且能夠及時地報告出現(xiàn)的錯誤及進(jìn)行出錯原因分析[9]。</p><p>　　3. 程序設(shè)計簡單，語言可移植性好，界面友好

50、，編程效率高。</p><p>　　Matlab以矩陣為單元的可視化程序設(shè)計語言，有簡單的語法結(jié)構(gòu)，單一的數(shù)據(jù)類型，指令表達(dá)式與教科書的表達(dá)式相類似。用戶可以在命令窗口中輸入語句與執(zhí)行命令，也可以先編寫好應(yīng)用程序文件（M文件）后再一起運(yùn)行。</p><p>　　4. 強(qiáng)大的數(shù)據(jù)處理能力。</p><p>　　Matlab是擁有大量計算算法的集合體。包含近600多個工

51、程中使用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實現(xiàn)用戶所需的各種計算功能。常常可以用來替代底層編程語言，如：C語言和C++。若在計算同等情況下，使用Matlab的編程工作量會大大減少。</p><p>　　5. 出彩的圖形處理。</p><p>　　Matlab不僅具有在一般數(shù)據(jù)可視化軟件的功能（例如二維曲線和三維曲面的繪制和處理等），同樣表現(xiàn)了出彩的處理能力。同時對一些特殊的可視化要求，例如：圖形

52、對話等，Matlab也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的圖形處理需求。</p><p>　　6. tool boxs模塊集合應(yīng)用廣泛。</p><p>　　Matlab對許多專門的領(lǐng)域都有功能強(qiáng)大的模塊集和tool boxs。目前，己經(jīng)把tool boxs延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，例如：圖像處理、數(shù)據(jù)采集、信號處理、數(shù)據(jù)庫接口、樣條擬合、神經(jīng)網(wǎng)絡(luò)等，都在tool boxs中

53、有了自己的重要的地位。</p><p>　　7. 程序接口實用，開放性強(qiáng)。</p><p>　　Matlab可以利用Matlab編譯器、C/C++數(shù)學(xué)庫、圖形庫，將自己的Matlab程序自動轉(zhuǎn)換為獨(dú)立于Matlab運(yùn)行的代碼。Matlab網(wǎng)頁服務(wù)程序還容許在Web應(yīng)用中使用自己的Matlab數(shù)學(xué)和圖形程序。Matlab有很好的可擴(kuò)充性，可以把它當(dāng)成一種更高級的語言去使用。使用它很容易編寫各

54、種通用或?qū)Ｓ脩?yīng)用程序</p><p>　　8. 應(yīng)用軟件開發(fā)（包括用戶界面）。</p><p>　　在開發(fā)環(huán)境中，使用戶更方便地控制多個文件和圖形窗口。在編程方面支持了函數(shù)嵌套，條件中斷等。在圖形化方面，有了更強(qiáng)大的圖形標(biāo)注和處理功能，在輸入輸出方面，可以直接面向Excel和HDF。</p><p>　　第三章 車牌圖像的預(yù)處理</p><p&g

55、t;　　3.1 車牌圖像的灰度化</p><p>　　3.1.1 彩色圖像</p><p>　　圖3.1 可見光區(qū)波長段</p><p>　　一般認(rèn)為，可見光區(qū)的波長為400nm~700nm左右（如圖3.1所示），當(dāng)光譜采樣映射到人類視覺系統(tǒng)三個敏感的紅，綠，藍(lán)光區(qū)波長時段時，那么對這三個光譜帶的光進(jìn)行能量采樣，就會呈現(xiàn)得到一幅彩色圖像[10]。</p>

56、;<p><b>　　圖3.2 三基色</b></p><p>　　在物理學(xué)中，定義了色度學(xué)的三基色原理，即自然界中的絕大多數(shù)顏色、色彩都可以用紅，綠，藍(lán)三種顏色組合而成，其中紅，綠，藍(lán)這三種顏色稱為三基色，如圖3.2所示。其它的顏色都是由三基色按不同比例混合而成的，例如：白，青，黃，紫等中間顏色區(qū)域。</p><p>　　那么，彩色視覺效果就是人眼對

57、入射的可見光光譜的強(qiáng)弱及波長成份的一種敏感程度。將其定義到三維空間中，RGB色系以及其模型表示如圖3.3所示，例如：紅（255，0，0），</p><p>　　綠（0，255，0），藍(lán)（0，0，255），白（255，255，255）等。</p><p>　　目前，由于獲取的圖片絕大部分是RGB圖像，其圖像的數(shù)據(jù)信息量相當(dāng)?shù)拇?，對處理帶來相?dāng)大的困難，從而處理速度受到一定影響，系統(tǒng)設(shè)計上也增

58、加了一定難度，那么，只有將圖像進(jìn)行某種處理，既可以不影響車牌照的定位效果，又可以將處理的數(shù)據(jù)量降下來，符合我們的設(shè)計理念要求。對彩色圖像定義到三維坐標(biāo)系中，可以使用RGB彩色立方體示意圖來表示，如圖3.4。</p><p>　　圖3.3 RGB色系及模型</p><p>　　圖3.4 RGB彩色立方體示意圖</p><p>　　若是原真彩色圖像是的矩陣，大小約為

59、1.44M，轉(zhuǎn)為灰度圖像后是</p><p>　　的矩陣，大小壓縮到0.48M，是原圖的33.3%左右，若縮小圖像后的若是的矩陣，大小為0.27M，則是原圖的18.8%左右，由此可見矩陣大大縮小了容量空間[11]。</p><p>　　對于我國的車輛牌照圖像，灰度化后的圖像底色和字符也不能統(tǒng)一為黑底白字或白底黑字。因此一些國外的車輛牌照定位算法相對于我國的車輛牌照圖像的應(yīng)用方面并不適用，需

60、要考慮其差異性特點加以改進(jìn)利用；以圖3.5彩色原始圖像為例。</p><p>　　圖3.5 載入的原彩色圖片</p><p>　　3.1.2 灰度化圖像</p><p>　　要解決上面的問題，我們采用灰度化的技術(shù)對RGB彩色圖像進(jìn)行處理，因此，將彩色圖像轉(zhuǎn)化成灰度圖像的處理過程叫灰度化，所對應(yīng)的圖像稱之為灰度化圖像。彩色圖像中的每個像素的顏色由R、G、B三個分量來決

61、定，而每個分量有255種值范圍可取。然而灰度圖像是R、G、B三個分量相同的一種特殊情況的彩色圖像，其一個像素點的變化范圍為255種。</p><p>　　灰度化采用標(biāo)準(zhǔn)的加權(quán)平均的方法，用gray表示灰度化后灰度值，R、G、B分別表示彩色圖像中的紅，綠，藍(lán)的三個分量。因此在Matlab中，可以對RGB進(jìn)行加權(quán)平均得到較合理的灰度圖像，其對應(yīng)公式為3-1：</p><p>　?。?-1）

62、 </p><p>　　目前，從圖像的輸入的類型看，一般都是RGB的彩色圖像，然而我國車輛牌照顏色的種類不同，顏色較多，從而要有一種判斷車輛牌照顏色普適的方法，一般在RGB色彩空間中判斷比較困難，而HSI色彩空間反映了人觀察色彩的方式，比較適合做顏色判斷。所以先把圖像從RGB色彩空

63、轉(zhuǎn)換到HSI色彩空間，在HSI色彩空間中判斷顏色。RGB到HSI色彩空間的轉(zhuǎn)換公式為3-2、3-3、3-4、3-5：</p><p><b>　?。?-2）</b></p><p><b>　　（3-3）</b></p><p><b>　?。?-4）</b></p><p>

64、<b>　?。?-5） </b></p><p>　　在HSI色彩空中把I的位歸一化處理，一般認(rèn)為，滿足3-6、3-7條件的像素點，判斷為黃色和藍(lán)色：</p><p><b>　　（3-6）</b></p><p>　?。?-7）

65、 </p><p>　　上面判斷顏色的方法也存在著問題和缺點，就是假設(shè)釆到的圖像中，汽車本身或著干擾域的顏色為藍(lán)色或黃色時，這種狀態(tài)下就很難采用顏色特征來位車牌照區(qū)域；與此同吋，由于彩色判斷為逐點運(yùn)算方式，顏色空間轉(zhuǎn)換、顏色判別的計算量非常大[12]。因此，

66、本文暫不考慮使用顏色判別進(jìn)行車牌照的初定位，而是先通過灰度圖像定位后，再利用顏色位來做一個補(bǔ)充的精確定位，在精確定位的章節(jié)進(jìn)行說明。</p><p>　　因此，本文要采用傳統(tǒng)的基于灰度圖像的定位方法，所以第一步做的工作就是把輸入的RGB彩色圖像轉(zhuǎn)換成灰度圖像。使用Matlab中的函數(shù)rgb2gray( )將RGB圖像直接轉(zhuǎn)為灰度圖像，如圖3.6灰度圖所示。</p><p>　　圖3.6 灰

67、度化圖像和灰度化直方圖</p><p>　　灰度直方圖（histogram）是灰度級的函數(shù)，它表現(xiàn)為圖像中每個灰度級圖像的個數(shù)，或是圖像中每種灰度出現(xiàn)的頻率值。從數(shù)學(xué)概率統(tǒng)計上講，灰度出現(xiàn)的頻率可看作其出現(xiàn)的概率統(tǒng)計，這樣直方圖實際上就對應(yīng)于概率密度函數(shù)，而概率分布函數(shù)就是直方圖的累計和[13]。在灰度直方圖上，對應(yīng)的橫坐標(biāo)表示為對應(yīng)的灰度級，縱坐標(biāo)表示該灰度級上出現(xiàn)的頻率的次數(shù)，如圖3.6灰度圖直方圖所示。&l

68、t;/p><p>　　由于光線，環(huán)境等外部原因，圖像的本身對比度效果較差，大部分細(xì)節(jié)不夠清晰等因素，通常我們會采用直方圖均衡化的方法來對圖像進(jìn)行處理，直方圖均衡化即是利用直方圖的數(shù)學(xué)統(tǒng)計數(shù)據(jù)進(jìn)行對直方圖的修改操作，能有效的處理原始圖像的直方圖灰度值的分布不均情況，使各灰度級的概率分布較均勻，可以采用增加圖像灰度值的動態(tài)區(qū)域范圍，自動的增加整體圖像體現(xiàn)對比度的效果，以致圖像具有較大的反差，對比度相差較大，部分細(xì)節(jié)比較清

69、晰[14]。</p><p>　　本文在Matlab的Image toolbox中釆用直方圖均衡化函數(shù)histeq( )，可以直接實現(xiàn)對圖像增強(qiáng)的功能，然后顯示均衡后的直方圖，用Matlab函數(shù)imhist( )來實現(xiàn)[15]。若設(shè)輸入圖像的像素總數(shù)為M，有N個灰度級，第k個灰度rk出現(xiàn)的頻數(shù)為qk，若輸入圖像圖像素點（i，j）的灰度為rk則直方圖均衡化處理后的圖像點（i，j）處的灰度為式3-8所示：</p

70、><p>　?。?-8） </p><p>　　其中k=0，1，2，... N-1。</p><p>　　直方圖均衡化可以使整個圖像的對比度明顯加強(qiáng)，但其不容易控制增強(qiáng)效果，在一些較暗區(qū)域細(xì)節(jié)不能清楚描繪。轉(zhuǎn)為可以處理旳灰度圖像后，原圖圖像會模糊不清，整個圖像表現(xiàn)為低對比度效果，在直方圖上反映出圖像灰度范圍區(qū)域狹窄。&

71、lt;/p><p>　　多數(shù)情況下，我們對局部細(xì)節(jié)比較關(guān)注，直方圖規(guī)定化可以根據(jù)實際需求靈活的選擇某個灰度值范圍區(qū)域，來增強(qiáng)該灰度值范圍內(nèi)的對比度，使直方圖成為某個特定形狀，可獲得比直方圖均衡化更佳的效果，那是由于只顯示了我們所關(guān)心的那些部分。直方圖規(guī)定化后圖像看起來更自然，視覺效果要好，且容易看出邊緣。</p><p>　　對于圖像的預(yù)處理來講，利用Matlab tool box函數(shù)，可以方

72、便、快捷地實現(xiàn)對圖像預(yù)處理仿真，速度明顯優(yōu)于傳統(tǒng)算法的實現(xiàn)；同時，直方圖規(guī)定化后圖像的視覺效果好于均衡化后圖像。對于直方圖均衡化來講，某些圖像，如直方圖有高峰，經(jīng)均衡化處理后視覺對比度不自然的過分增強(qiáng)。直方圖均衡化變換后圖像的灰度級將減少，丟失了些我們可能需要的細(xì)節(jié)部分。然而，直方圖規(guī)定化是需要變換直方圖使之成為某個特定需要的形狀，從而有選擇地增強(qiáng)某個灰度值范圍內(nèi)的對比度，使需要變換的細(xì)節(jié)更清晰，規(guī)定化有其一定的優(yōu)勢。</p>

73、;<p>　　3.2 車牌圖像的平滑</p><p>　　圖像平滑的主要目的是減少噪聲。一般情況下，在空間域內(nèi)可以用鄰域平均法來減少噪聲；在頻率域，因為噪聲頻譜多在高頻段，因此可以采用各種形式的低通濾波的方法來減少噪聲。在拍攝過程中有時會引入大量的信道噪聲、量化噪聲、脈沖干擾等，孤立噪聲的存在會影響牌照搜索定位的準(zhǔn)確性；同時牌照區(qū)域存在肉眼不意分辨的網(wǎng)格，這對后面的單字切分和識別會有很大影響，因此預(yù)

74、處理過程中必須平滑掉這些噪聲干擾。為了減少圖像中的噪聲，需要對圖像進(jìn)行平滑處理[16]。常用的圖像平滑方法有以下幾種：收縮再膨脹；圖像平均法；鄰域平均法(均值濾波)；中值濾波。</p><p>　　其中均值濾波是非常典型的線性濾波算法，它也是消除噪聲的最簡單的方法，其理論原理為在圖像上對輸入圖像給一個模板，該模板包括了其周圍的臨近像素，若以目標(biāo)象素為中心的周圍8個象素，構(gòu)成一個濾波模板，那么就是去掉目標(biāo)本身像素，

75、用模板中的全體像素的平均值來替代去掉的原來像素值，在Matlab中使用filter2( )和fspecial( )函數(shù)來實現(xiàn)。</p><p>　　在數(shù)學(xué)原理上講，均值濾波釆用的主要方法為鄰域平均值法。即它是使用某像素周圍像素范圍內(nèi)的平均值來替代該像素值，即對待處理的當(dāng)前像素點f(x,y)，選擇一個模板，該模板由其近鄰的若干像素組成，求出模板中所有像素的均值，再把該平均值賦予當(dāng)前像素值g(x,y)，作為處理后圖像

76、在該點上的灰度值g(x,y)，即式3-9：</p><p><b>　　（3-9）</b></p><p>　　但是，均值濾波本身存在著其固有的不利點，即：它不能很好地保護(hù)圖像的細(xì)節(jié)，在圖像去噪的同時，也破壞了圖像本身的細(xì)節(jié)部分，從而使圖像邊緣變得模糊不清，不能很好地去除噪聲點。相反，采用均值濾波可以使噪聲點得到抑制，通過使圖像模糊，達(dá)到看不到細(xì)小噪聲的目的。但不能達(dá)

77、到完全消除的，而中值濾波效果要好得多。</p><p>　　我們一般認(rèn)為，消除噪聲最好的結(jié)果是在消除噪聲的同時，保留完好的圖像邊緣。中值濾波器往往會比均值濾波在保留有用的細(xì)節(jié)圖像中有更好的效果。中值濾波法是一種非線性平滑的方法。</p><p>　　中值濾波的基本原理是：選取鄰域內(nèi)的像素灰度值，按照從小到大（大到小）的順序進(jìn)行排列，結(jié)果取排列后的中間值。在具體操作方法上，采用某種結(jié)構(gòu)的二維

78、滑動模板采樣，將模板內(nèi)（奇數(shù)個）像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（下降）的二維數(shù)據(jù)排序序列，然后用排序結(jié)果中的中間值替代要處理的數(shù)據(jù)像素值，即可。</p><p>　　二維中值濾波原理，公式為3-10：</p><p><b>　?。?-10）</b></p><p>　　其中a(x,y)，A(x,y)分別為原始圖像和處理后圖像，Q為

79、模板，中值濾波它是用一個奇數(shù)點的滑動窗口，將窗口正中那點的值用窗口內(nèi)各點的中值來替代。其形狀和尺寸是多種多樣的，不同的圖像內(nèi)容和不同的應(yīng)用要求，往往采用不同的模板形狀和尺寸來處理，當(dāng)然中值濾波窗口的形狀和大小的各異也會帶來圖像處理結(jié)果的不同效果。一般采用，區(qū)域，其形狀也可以是方形，線狀，圓形，“十”字形，“X”字形，圓環(huán)形以及矩形等等。</p><p>　　可以看出，中值濾波器的主要功能就是讓與周圍的像素灰度值的

80、差比較大的像素改取與周圍像素接近的值，從而可以消除孤立的噪聲點。由于它不是簡單的取均值，所以產(chǎn)生的模糊比較少。中值濾波器雖然對孤立的噪聲點，即椒鹽噪聲，脈沖噪聲具有很好的濾波效果，但對于隨機(jī)高斯，均勻噪聲的濾波效果并不理想，也有它本身的缺陷的存在。Matlab中使用medfilter( )函數(shù)來實現(xiàn)。</p><p>　　3.3 車牌圖像的增強(qiáng)</p><p>　　圖像增強(qiáng)通過一定手段或是

81、策略對輸入圖像處理或變換數(shù)據(jù)，有目、有選擇地突出圖像中我們感興趣的特征（例如：車牌區(qū)域特征），或者減弱或去除圖像中某些不需要的特征，使處理后的圖像與視覺特性相一致。利用Matlab tool box的灰度變換imadjust( )函數(shù)來實現(xiàn)。同時可以配合improfile( )函數(shù)對圖像進(jìn)行分析，根據(jù)車牌字符和底色的像素值，使其對比度調(diào)到最大，實現(xiàn)圖像的增強(qiáng)作用。</p><p>　　空域增強(qiáng)主要分為鄰域去噪算法

82、和點運(yùn)算算法。</p><p>　　鄰域增強(qiáng)算法有平滑和銳化兩種。平滑一般用于消除或減弱圖像中的噪聲，但是同時也容易引起圖像邊緣的模糊不清的現(xiàn)像。銳化可以突出圖像物體的邊緣輪廓，便于目標(biāo)識別。具有代表性的算法有平均值法（取局部鄰域中的平均像素值）和中值濾波（取局部鄰域中的中間像素值）法等。</p><p>　　點運(yùn)算算法即灰度級校正、灰度變換和直方圖修正等，使之可以擴(kuò)展對比度，增大圖像動態(tài)

83、范圍，使圖像均勾成像。常用算法有梯度法、高通濾波、算子、統(tǒng)計差值法、掩模匹配法等。</p><p>　　頻域增強(qiáng)中頻域的算法是在圖像采取的某種變換域內(nèi)對其圖像的變換系數(shù)值進(jìn)行一定修正，它是一種間接性的增強(qiáng)算法。首先，在圖像的頻域內(nèi)對圖像的變換值進(jìn)行操作，然后二次再變回到空域內(nèi)。例如：首先對圖像進(jìn)行傅里葉變化（FT）到頻域，再對圖像的頻譜進(jìn)行某種（濾波）修正操作，最后將修正后的圖像進(jìn)行傅里葉逆變化到空域，以此來增強(qiáng)

84、圖像的效果。</p><p>　　若將圖像看成某種二維信號，對其進(jìn)行二維傅里葉變換的信號增強(qiáng)，若采用低通濾波（即只讓低頻信號通過）法，可去掉或是減弱圖像中的噪聲；若采用高通濾波法，則可以增強(qiáng)邊緣等高頻信號，使模糊的圖像變得清晰起來[16]。然而，根據(jù)增強(qiáng)的側(cè)重點不同，對圖像的增強(qiáng)有邊緣增強(qiáng)、灰度增強(qiáng)、色彩飽和度增強(qiáng)等等方法?；叶鹊燃壷狈綀D處理：使加工后的圖像在某一灰度范圍內(nèi)有更好的對比度，但是也存在著一些弊端。&

85、lt;/p><p><b>　　3.4 形態(tài)學(xué)</b></p><p>　　形態(tài)學(xué)原為研究生物機(jī)體的外形與內(nèi)部結(jié)構(gòu)以及功能相關(guān)的一門科學(xué)，在數(shù)學(xué)形態(tài)學(xué)中，它是一種常用工具。數(shù)學(xué)形態(tài)學(xué)是90年代新興的圖像處理技術(shù)，它是拓?fù)鋵W(xué)的一個分支。形態(tài)學(xué)的應(yīng)用幾乎覆蓋了圖像處理的所有領(lǐng)域，包括文字識別、醫(yī)學(xué)圖像處理、圖像編碼壓縮、視覺檢測、材料科學(xué)及機(jī)器人視覺等。形態(tài)學(xué)的基本思想是利用

86、一個稱為結(jié)構(gòu)元素的“探針”收集圖像信息。當(dāng)探針在圖像中不斷移動時便可以考察圖像各個部分間的相互關(guān)系，從而理解圖像結(jié)構(gòu)特征。數(shù)學(xué)形態(tài)學(xué)的這種基于探測的思想同人的聚焦視覺特點有類似之處。作為探針的結(jié)構(gòu)元素可直接攜帶知識（形態(tài)、大小、甚至加入灰度和色度信息），來探測研究圖像結(jié)構(gòu)的特點。</p><p>　　用于描述數(shù)學(xué)形態(tài)學(xué)的語言是集合論，它是建立在集合論基礎(chǔ)上的代數(shù)系統(tǒng)，它提出了一套獨(dú)特的概念和變換用于描述圖像的基本

87、特征。集合代表圖像中物體的形狀，例如在二值圖像中，所有白色像素的集合就是對這幅圖像的完整描述。在二值圖像中當(dāng)前集合指二維整形空間的成員，集合中的每個元素都是一個二維變量，可以用（x，y）表示，而灰度圖像可以用三維集合來表示。這種情況下，集合中每個元素的前兩個變量來表示像素點的坐標(biāo)，第三個代表離散的灰度值。數(shù)學(xué)形態(tài)學(xué)研究圖像幾何結(jié)構(gòu)的基本思想是利用一個結(jié)構(gòu)元素去探測圖像，看是否能將這個結(jié)構(gòu)元素很好地填放在圖像內(nèi)部，同時驗證填放結(jié)構(gòu)元素的方

88、法是否有效。形態(tài)學(xué)的基本運(yùn)算包括：腐燭、膨脹、開運(yùn)算、閉運(yùn)算。他們應(yīng)用于二值圖像和灰度圖像中。</p><p>　　圖像的形態(tài)學(xué)運(yùn)算，它是從數(shù)學(xué)形態(tài)學(xué)的集合理論引用而來，數(shù)學(xué)形態(tài)學(xué)是分析數(shù)學(xué)幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法，雖然它的基本運(yùn)算原理很簡單，但是它是建立在數(shù)學(xué)集合代數(shù)基礎(chǔ)上，用集合理論方法來定量描述幾何結(jié)構(gòu)的一門科學(xué)[13]。本文處理的主要是二值圖像，所以只需對二值形態(tài)學(xué)的基本運(yùn)算進(jìn)行探討。二值圖像是指圖像的灰

89、度由1和0組成。</p><p>　　在連續(xù)空間中，腐蝕運(yùn)算會去掉物體的邊緣點，膨脹運(yùn)算會使物體的邊界向外擴(kuò)張。腐蝕具有使目標(biāo)縮小，目標(biāo)內(nèi)孔增大以及外部孤立噪聲消除的效果；膨脹是將圖像中與目標(biāo)物體接觸的所有有背景點合并到物體中的過程，結(jié)果是使目標(biāo)增大，孔洞縮小，可填充目標(biāo)中的孔洞，使其形成連通域。開運(yùn)算用來消除小噪聲點處分離物體、平滑較大物體的邊界，同時并不明顯改變其面積[17]。閉運(yùn)算用來填充物體內(nèi)細(xì)小孔洞、連

90、接鄰近物體、平滑其邊界。</p><p><b>　　第四章 車牌定位</b></p><p>　　4.1 車牌定位中的常用方法</p><p>　　車牌定位是車牌識別一個最重要的難題，車牌定位的效果直接影響系統(tǒng)的性能。車牌區(qū)域提取是整個車牌識別系統(tǒng)中最有挑戰(zhàn)性的部分，并且已經(jīng)提出了很多不同的方法。大部分的方法建立在車牌特征的基礎(chǔ)上，這些特點包

91、括車牌格式和構(gòu)成車牌號的字母、數(shù)字、字符。關(guān)于車牌的格式特征包括邊緣，對稱，色彩和灰度紋理[18]。這些方法主要有數(shù)學(xué)形態(tài)學(xué)、投影法、邊緣檢測法和神經(jīng)網(wǎng)絡(luò)法?，F(xiàn)有的車牌定位方法在以下條件下表現(xiàn)欠佳，如邊的不確定性、多類型車牌、小車牌、昏暗的燈光、模糊圖像、高或低的照明圖像。</p><p>　　數(shù)學(xué)形態(tài)學(xué)的車牌定位是通過形態(tài)學(xué)中的基本運(yùn)算對二值圖像進(jìn)行操作，從而改變原始圖像的集合。運(yùn)用數(shù)學(xué)形態(tài)學(xué)處理圖像時，結(jié)構(gòu)元

92、素S的選擇，對生成車牌候選區(qū)域至關(guān)重要?；跀?shù)學(xué)形態(tài)學(xué)的車牌定位具體流程如圖4.1所示：</p><p>　　圖4.1 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位流程圖</p><p>　　常見的優(yōu)化方法一般會對待識別的車牌字符區(qū)域的像素點，使用投影法進(jìn)行垂直和水平掃描統(tǒng)計，從而較為精確地確定車牌字符區(qū)域的上下左右邊界問題。</p><p>　　2. 投影法的車牌定位。</p&

93、gt;<p>　　使用投影方法做二值圖像水平和垂直方向的投影可以檢測到車牌，從而得到車牌區(qū)域圖像。投射位置的過程如下：</p><p>　　二值圖像的行方向累積像素和為：，這里的是第行的水平投影值，是行數(shù)，是列數(shù)，，是圖像的寬度，是圖像的高度[19]。二值圖像列方向的累積像素和為：，這里是第列的垂直投影值，是行數(shù)，是列數(shù)，，是圖像的高度，是圖像的寬度。</p><p>　　車

94、牌圖像的水平投影圖會相應(yīng)地出現(xiàn)一個波峰，波峰兩邊的兩個最低分別對應(yīng)車牌圖像的上邊界和下邊界，因為車牌在車身的下部位置，車牌底下沒有豐富的邊緣密集。所以我們可以從下往上掃描車牌區(qū)域，并認(rèn)為第一個大峰值點為牌照的水平投影區(qū)，而它的起始和結(jié)束點就是車牌的上邊界和下邊界[18]。與上述方法軸垂直方向的投影可以獲得車牌的上邊界和下邊界類似，因為車牌區(qū)域由七個字符組成，并且每相鄰兩個字符之間有一定的間隔，那么它的投影圖像將出現(xiàn)在峰谷峰特性，如果它們

95、之間的間隔小于一個經(jīng)驗值，那么兩個相鄰的區(qū)域?qū)⑦B通得到候選區(qū)域，載根據(jù)車牌固定的百分比，我們可以將車牌區(qū)域從候選區(qū)域中濾除出來。</p><p>　　3. 邊緣檢測的車牌定位。</p><p>　　圖像的邊緣往往反應(yīng)了區(qū)域的邊界、亮度的不連續(xù)性、紋理變化和表面取向等信息，所以它是從區(qū)域分割出感興趣區(qū)域的重要依據(jù)。此外，圖像的邊緣檢測可以去除不相關(guān)的細(xì)節(jié)和噪聲。在車牌定位中，車牌邊緣是其車牌

96、區(qū)域最明顯和可靠的特征，所以邊緣檢測技術(shù)廣泛應(yīng)用于車牌定位。候選區(qū)邊緣檢測過程被分成兩個步驟：粗檢測和細(xì)檢測。粗檢測的作用是迅速地去除區(qū)分的背景區(qū)域的圖像。其余的區(qū)域是由精細(xì)檢測候選區(qū)域進(jìn)一步處理。隨后，將被過濾在候選區(qū)域驗證用幾何的結(jié)構(gòu)特性。其余的候選區(qū)域被標(biāo)記為車牌部分。在沒有候選區(qū)域剩下的情況下，輸入圖像是通過直方圖均衡化處理，并在整個過程重復(fù)進(jìn)行。</p><p>　　4. 神經(jīng)網(wǎng)絡(luò)的車牌定位。</

97、p><p>　　車牌定位中最常用的方法是人工神經(jīng)網(wǎng)絡(luò)（ANN）方法的使用，它通常使用一個三層神經(jīng)網(wǎng)絡(luò)來實現(xiàn)：第一層是輸入層，第二層為隱含層和第三層為輸出層，人工神經(jīng)網(wǎng)絡(luò)是綜合生物學(xué)和計算機(jī)科學(xué)的跨學(xué)科方法，已廣泛應(yīng)用于信號處理，模式識別，非線性優(yōu)化等方面。反向傳播（BP）算法是神經(jīng)網(wǎng)絡(luò)中最有效的方法之一，該神經(jīng)網(wǎng)絡(luò)（BP網(wǎng)絡(luò)）的結(jié)構(gòu)示于圖[19]。閉區(qū)間的任何連續(xù)函數(shù)都可以通過使用BP神經(jīng)網(wǎng)絡(luò)來近似。對于任何復(fù)雜的系

98、統(tǒng)，如果它的樣本不夠多，一個反映了輸入和輸出之間關(guān)系的BP神經(jīng)網(wǎng)絡(luò)模型可以在反復(fù)學(xué)習(xí)和培訓(xùn)后構(gòu)建。因此，BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)非線性建模和分析龐大而復(fù)雜的系統(tǒng)的能力。</p><p>　　然而，由于BP神經(jīng)網(wǎng)絡(luò)的初始互連權(quán)重和閾值往往是隨機(jī)，隨著訓(xùn)練次數(shù)的變化，網(wǎng)絡(luò)的學(xué)習(xí)時間和最終的互連權(quán)重也會改變。也就是說，網(wǎng)絡(luò)不是唯一的，它有可能陷入局部最優(yōu)。此外，最初的互連權(quán)重確定的盲目性總是導(dǎo)致太多的訓(xùn)練時間和收斂速度慢，

99、BP神經(jīng)網(wǎng)絡(luò)的這些不足嚴(yán)重影響其精度和應(yīng)用效果[20]。這是很必要的優(yōu)化和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)。</p><p><b>　　4.2 車牌定位</b></p><p>　　經(jīng)過前面步驟的預(yù)處理后，得到了若干連通的白色區(qū)域，這些若干連通白色區(qū)域?qū)⑵涠x為車輛牌照的候選區(qū)域，其中這些白色區(qū)域有可能包括車輛牌照、車前后大燈、商標(biāo)、復(fù)雜背景環(huán)境以及其它一些圖案標(biāo)志等。其中會存在著

100、不是我們所關(guān)心的一些內(nèi)容（除車牌以外）。因此，需要將我們所關(guān)心的內(nèi)容提取出來，去除不關(guān)心的部分，即在對車輛牌照圖像進(jìn)行定位時就需要對這些白色的候選區(qū)域進(jìn)行篩選處理。再對候選區(qū)域進(jìn)行判斷和分析時，一般是根據(jù)車輛牌照自身的特有的特征來進(jìn)行判別及確定。例如：車輛牌照車輛牌照灰度值跳變劇烈、高寬比、面積大小等。在對候選區(qū)進(jìn)一步分析時，通過某一單一的判定指標(biāo)，是很難準(zhǔn)確地去判定真正的車輛牌照位置的區(qū)域的，因此，應(yīng)該根據(jù)我國車輛牌照的多個特征，綜合

101、進(jìn)行分析及判斷。 </p><p>　　本文采用的是根據(jù)我國車輛牌照的長高比與面積的物理特性來實現(xiàn)準(zhǔn)確定位確認(rèn)的，根據(jù)試驗的結(jié)果表明該理論是完全可行的。本文中我們定義車輛牌照面積指暫定為各個白色候選區(qū)內(nèi)非0像素的個數(shù)。由于在采集車輛牌照圖像的時候，攝像機(jī)、相機(jī)與車輛的距離，拍攝的角度等近似、相同的，也即圖像大小一般較為固定，變化波動范圍也較小，那么車輛牌照候選的面積也較固定，并且通過多次試驗，確定個比

102、較適當(dāng)?shù)拈撝底鳛榕袛嗟臉?biāo)準(zhǔn)。</p><p>　　長高比是車輛牌照的一個很明顯的特征點，也是車輛牌照定位系統(tǒng)中經(jīng)常采用的一個評價標(biāo)桿。我國車輛牌照外廓長高為：其比值一般固定在3.1~3.3左右，因此，在經(jīng)過數(shù)學(xué)形態(tài)處理后的圖像中車輛牌照區(qū)域的長高比也相對固定。本文中由于我們?nèi)コ怂闹艿耐膺吙颍溟L高為：，其比值也穩(wěn)定在4.5~4.6左右。當(dāng)然，此時有可能存在若干白色車輛牌照的候選區(qū)，所以僅僅采取長高比一個評價標(biāo)準(zhǔn)

103、是不能滿足實際的需求。在候選區(qū)的長高比適合情況下，我們再通過面積大小來進(jìn)一步分析和判定。</p><p>　　因此，車輛牌照的面積也是一個不可忽視的特征，我們?nèi)羰嵌xS為車輛牌照的面積，定義T為設(shè)置的閾值，當(dāng)車輛牌照面積S遠(yuǎn)大于閾值T時，則明顯不是車輛牌照真實區(qū)域；若車輛牌照面積S遠(yuǎn)小于閾值T，也不是車輛牌照真正的區(qū)域；只有在閾值T允許的合理范圍內(nèi)時，才可能是車輛牌照區(qū)域。但首先需要進(jìn)行二值化處理。</p&

104、gt;<p><b>　　4.2.1 二值化</b></p><p>　　根據(jù)閾值選取的不同，二值化的算法方法分為：固定閾值、雙峰法與自適應(yīng)閾值。如下只簡單介紹常用的幾種方法。</p><p><b>　　1. 固定閾值。</b></p><p>　　輸入圖像包括目標(biāo)圖像物體、背景環(huán)境及噪聲，從多值的圖像中直

105、接提取出目標(biāo)圖像物體，最常用的方法就是設(shè)定個固定閾值S，用S將圖像的數(shù)據(jù)分成兩部分：大于S的像素集合和小于S的像素集合，大于S的可以為是我們需要的部分，小于S的像素可以認(rèn)為是背環(huán)境或其它。</p><p><b>　　2. 雙峰法。</b></p><p>　　物體分布比較有規(guī)律，背景與各個目標(biāo)在圖像的直方圖各自形成一個波峰，即區(qū)域與波峰一一對應(yīng)，每兩個波峰之形成一個

106、波谷。那么，選擇雙峰之間的波谷所代作的灰度位作為閾值，即可實現(xiàn)兩個區(qū)域的分割，如圖4.2所示。</p><p>　　圖4.2 頻率峰值波形圖</p><p><b>　?。?-1） </b></p><p>　　式4-1中，為灰度圖像的灰度值，S為閥值，為二值化的灰度圖像。目前并沒有普遍性的判斷方法，閾值分割效來的好壞，與其后的連通域特征統(tǒng)計

107、起，則可根據(jù)選通候選域特征對所要識別的對象判斷。此時，閥值分割作為預(yù)處理的一個步驟，通常希望能盡可能地將所有對象相匹配的連通候選區(qū)域作為候選域全部找出來，并在連續(xù)的驟中進(jìn)行篩選，從這方面講，可以將閾值的選取，及圖像的分割對候選域的篩選效果作為分割的好壞的判斷依據(jù)，從而得到以對象模型為基礎(chǔ)意義的“最佳”閾值分割的方法的體現(xiàn)</p><p><b>　　3. 自適應(yīng)閾值。</b></p&g