基于閾值分割的車牌定位識別

1、科類 理工類 編號（學號） 2012311389 本科生畢業(yè)論文（設計）基于閾值分割的車牌定位識別License plate recognition based on template matching and matlab implementation陳靖文指導教師： 朱玲 職稱 講師 云南農(nóng)業(yè)大學 昆明 黑龍?zhí)?650201學 院： 基礎與信息工程學院 專 業(yè)： 電子信息工程 年級： 2012 級 論文（設計）提交日期： 2016 年 5 月 答辯日期： 2016 年 5 月 答辯委員會主任： 云南農(nóng)業(yè)大學2016 年 05 月目目 錄錄摘摘 要要.1ABSTRACT.21 1 前前 言言

2、.32 車牌識別系統(tǒng)分析車牌識別系統(tǒng)分析.42.1 車牌識別的目的.42.2 車牌識別現(xiàn)狀分析.42.3 車牌識別的意義.42.4 我國車牌分析.63 車牌識別系統(tǒng)的原理及方法車牌識別系統(tǒng)的原理及方法.63.1 車牌識別系統(tǒng)簡述.63.2 車牌圖像處理.73.2.1 圖像灰度化.73.2.2 圖像二值化.73.2.3 邊緣檢測.83.2.4 圖像形態(tài)學運算.93.2.5 圖像濾波處理.103.2.6 車牌圖像的閉運算.113.3 車牌定位原理.113.4 車牌字符處理.113.4.1 閾值分割原理.113.4.2 對車牌閾值化分割.133.4.3 字符歸一化處理.133.5 字符識別.133.

3、5.1 字符識別簡述.133.5.2 字符識別的方法.133.5.3 基于模板匹配的字符識別.144 實驗分析實驗分析.154.1 GUI 界面設計.164.2 車牌區(qū)域的定位.164.3 車牌字符識別.184.4 車牌識別結果及分析.205 結結 論論.22參考文獻參考文獻.23第 1 1 頁頁 共 3333 頁頁基于閾值分割的車牌定位識別陳靖文（云南農(nóng)業(yè)大學基礎與信息工程學院，昆明 650201）摘 要汽車牌照自動識別模塊是現(xiàn)代社會智能交通系統(tǒng)（ITS）的重要組成部分，是圖像處理和模式識別技術研究的熱點，具有非常廣泛的應用。車牌識別主要包括車牌區(qū)域定位、車牌字符分割、車牌字符識別三個步驟。

4、本文通過對采集的車牌圖像進行灰度變換、邊緣檢測、腐蝕及平滑等過程來進行車牌的預處理，并運用基于車牌顏色紋理特征的車牌定位方法，最終實現(xiàn)車牌區(qū)域定位。然后采用模板匹配的方法對輸出的字符圖像和模板庫里的模板進行匹配得到對應的字符信息。本文基于MATLAB的GUI工具進行設計仿真實驗，實驗表明，整體方案有效可行，基于閾值分割的車牌識別技術在其識別正確率、速度方面具有獨特的優(yōu)勢及廣闊的應用前景。關鍵詞：關鍵詞：字符識別；車牌定位；閾值分割；模板匹配；邊緣檢測第 2 2 頁頁 共 3333 頁頁License plate recognition based on threshold segmentati

5、onChen Jing Wen(Yunnan Agricultural University information engineering, Kunming, 650201)ABSTRACTVehicle license plate automatic recognition module is a modern society an important part of intelligent transportation system (ITS), is a hotspot of research on image processing and pattern recognition te

6、chnology, has very extensive application. License plate recognition mainly include the license plate localization and license plate character segmentation, license plate character recognition three steps.This article through to the acquisition of the license plate image gray-scale transformation, ed

7、ge detection, corrosion and smooth process for the pretreatment of license plate, and the use of license plate location method based on license plate color texture feature, finally realizes the license plate localization. Then adopt the method of template matching the output character image and the

8、template library template matching to get the corresponding character information. Based on MATLAB GUI tools to carry on the design of simulation experiment, the experimental results show that the overall scheme of effective and feasible, based on threshold segmentation of license plate recognition

9、technology in the recognition accuracy, speed, has unique advantages and broad application prospects.Key words: character recognition; pattern recognition; license plate location; template matching; edge detection第 3 3 頁頁 共 3333 頁頁基于閾值分割的車牌定位識別1 前 言隨著社會經(jīng)濟的高速發(fā)展汽車數(shù)量急劇增加，對交通管理的要求也日益提高，而相應的人工管理方式已經(jīng)不能滿足實

10、際的需要，微電子、通信和計算機技術在交通領域的應用極大地提高了交通管理的效率。運用電子信息技術實現(xiàn)安全、高效的智能交通成為交通管理的主要發(fā)展方向。汽車牌照號碼是車輛的唯一“身份”標識，通過智能的車牌定位及識別技術將對于維護交通安全和城市治安，防止交通堵塞，實現(xiàn)交通自動化管理有著現(xiàn)實的意義。車牌識別技術(Vehicle License Plate Recognition，VLPR) 是能檢測到受監(jiān)控的車輛并自動提取車輛牌照信息進行處理的技術。識別車牌是現(xiàn)代智能交通系統(tǒng)中的重要組成部分，應用十分的廣泛。它是以數(shù)字圖像處理、模式識別、計算機視覺等技術為基礎，對攝像機所拍攝的車輛圖像或者視頻序列進行分

11、析后得到每一輛汽車的車牌號碼，完成識別過程。車牌定位與字符識別技術是基于計算機圖像處理、模式識別等技術為基礎，通過對原圖像的處理，以及邊緣檢測技術實現(xiàn)對車牌的定位，然后對車牌圖像處理、歸一化處理、分割以及保存，最后進行分割圖像與模板庫的模板進行匹配，最后輸出匹配結果。車牌的智能定位以及識別是一個完整的系統(tǒng)，考慮到其應用的普遍性以及廣泛性，就要求我們在設計過程中考慮到以下幾方面：(1)準確性:盡可能的避開其他外界造成的干擾，準確的識別車牌信息。(2)實時性:因為車輛在行駛過程中速度不一，對觸發(fā)超速攝像的抓拍應當及時的進行識別并且儲存，才可以有效的提高工作效率。(3)優(yōu)化性：采用竟可能低的硬件要求

12、，對其快速的做出的計算與識別。常用的邊緣檢測算子有很多，根據(jù)實驗分析canny算子對弱邊緣的檢測相對精確，能更多地保留車牌區(qū)域的特征信息，所以本文采用canny算子來進行邊緣檢測，然后通過二值化，閾值分割等處理，最后與模板庫模板進行對比，達到車牌識別的目的。第 4 4 頁頁 共 3333 頁頁2 車牌識別系統(tǒng)分析2.1 車牌識別的目的車牌識別技術通過對信息量較大的對象采集，然 后經(jīng)過一系列的處理提取了相對較小的信息量且有價值的一部分信息，僅僅提取識別車 “身份”的車牌信息。對于維護交通安全和城市治安，防止交通堵塞，實現(xiàn)交通 自動化管理有著現(xiàn)實的意義。2.2 車牌識別現(xiàn)狀分析模式識別1是一門以應

13、用為基礎的學科，目的是將對象進行分類，這些對象與應用領域有關，他們可以是圖像，信號波形或者是任何可測量且需要分類的對像，在機器視覺中，模式識別是非常重要的，機器視覺系統(tǒng)通過照相機捕捉圖像，然后通過分析生成圖像的描述信息。 車牌識別技術是計算機模式識別技術在智能交通領域的典型應用，是一個以特寫目標為對象的專用計算機視覺系統(tǒng)2。簡單地說，它使計算機能像人一樣認識汽車牌照 (包括車牌的漢字、字母、數(shù)字 )。車輛牌照識別技術推出以來，人們就對其進行了廣泛的研究。從20世紀90年代初，國外就已經(jīng)開始了對汽車牌照自動識別3的研究，其主要途徑就是對車牌的圖像進行分析，自動提取車牌信息，確定汽車牌號。國外己有

14、許多相關的文章發(fā)表，有的甚至己經(jīng)非常成熟并投入實際使用。我國車牌自動識別的研究起步較晚一些，大約在八十年代末。1988年戴營等利用常見的圖像處理技術方法提出漢字識別的分類是在提取漢字特征的基礎上進行的。根據(jù)漢字的投影直方圖，然后選取浮動閾值，對其進行量化處理后，得到一個變長鏈碼，再用動態(tài)規(guī)劃法，求出與標準模式鏈碼的最小距離，最后進行細分類，完成漢字省名的自動識別。 目前我國市場上有二十幾家企業(yè)從事車牌識別產(chǎn)品的開發(fā)和生產(chǎn)，其中比較成熟的有香港的ASiavisionTeChnologyLtd公司（亞洲視覺科技有限公司）、北京漢王、沈陽聚德、川大智勝、上海高德威、清華紫光、杭州友通、深圳科安信、利

15、普視覺中智交通電子系統(tǒng)有限公司等企業(yè)。2.3 車牌識別的意義結合我國的國情，由于我國地域廣闊，車輛道路復雜，安裝相應的檢測設備或者人員配備投資巨大，且造成人力物力的浪費，因此我們急需對現(xiàn)有的檢測設備優(yōu)化，而車牌識別技術恰好能滿足這一需求，通過車牌識別我們可以解決被納入“黑名單”的第 5 5 頁頁 共 3333 頁頁通緝車輛，可以統(tǒng)計一定時間范圍內(nèi)進出各省的車輛，還能有效的對該車輛進行定位，對公安機關等相關部門有著很重要的作用，具體歸結應用方式如下：（1）監(jiān)測報警 對于納入“黑名單”的車輛，例如：被通緝或掛失的車輛、欠交費車輛、未年檢車輛、肇事逃逸及違章車輛等，我們只需要把其牌照的信息輸入系統(tǒng)，

16、那么該車輛在通過裝有全國聯(lián)網(wǎng)系統(tǒng)的路口或者收費站等卡口時，信息采集設備將會對其進行采集并且與數(shù)據(jù)庫對比，實現(xiàn)其定位。這種方式可以通過程序?qū)崿F(xiàn)24小時工作，而且此過程保密性好，不會提醒黑名單車輛的死機。（2）車輛出入自動登記及放行在需要管制的小區(qū)或者辦公場所門口裝設車牌識別系統(tǒng)，那么汽車進出此場所時間，車牌牌照等信息將會被存儲在相應的數(shù)據(jù)庫中，通過修改相應的數(shù)據(jù)庫，添加車牌信息，我們還能讓自動門禁對相應的車輛進行自動放行，如遇到非數(shù)據(jù)庫中的車輛則由保安進行相應的咨詢，或批準后人為放行。這不僅提高物業(yè)管理的效益，同時自動比對進出車輛，防止偷盜事件的發(fā)生。（3）違法違章管理 車牌識別技術結合測速設備

17、可以用于車輛超速違章處罰，一般用于高速公路、容易肇事路段。還可以在紅綠燈路口加上紅外檢測實現(xiàn)違規(guī)檢測，對出現(xiàn)闖紅燈的現(xiàn)象或者違規(guī)轉(zhuǎn)彎的現(xiàn)象進行相應的數(shù)據(jù)采集。將其傳送至相關部門，從而對其下發(fā)處罰通知書，實現(xiàn)對其處罰。（4）交通流控制指標參量的測量為了達到交通流控制的目的，對部分交通流指標的測量顯得相當重要。車牌識別系統(tǒng)能夠測量和統(tǒng)計很多交通流指標參數(shù)例如車流量，車流高峰時間段，平均車速，車輛密度等。這也為交通誘導系統(tǒng)提供必要的交通流信息。從而能夠有效的采取措施預防堵車，排隊，事故等交通異?，F(xiàn)象。（5）移動電子警察系統(tǒng)隨著我國公路基礎建設的快速發(fā)展，公路的質(zhì)量、里程都有了很大程度上的提高，但也出

18、現(xiàn)了不交養(yǎng)路費等情況，給國家造成了巨大的經(jīng)濟損失。且丟失車輛稽查、車輛是否合法、攔車路檢等情況都需要公安人員對其進行相應的檢查，由于人工判斷工作效率很低且容易讓正常車主及乘客造成誤解，現(xiàn)在有了車牌自動識別技術之后將大大提高辦公效率以及檢查的準確性，很大程度上解決了以上的問題。第 6 6 頁頁 共 3333 頁頁2.4 我國車牌分析汽車牌照具有統(tǒng)一格式、統(tǒng)一式樣，由車輛管理機關經(jīng)過申領牌照的汽車進行審核、檢驗、登記后，核發(fā)的帶有注冊登記編碼的硬質(zhì)號碼牌。我國車牌號的第一個是漢字：代表該車戶口所在省的簡稱：如云南就是云，北京就是京，重慶就是渝，上海就是滬，第二個是英文：代表該車所在地的地市一級代碼

19、，規(guī)律一般是這樣的，A是省會，B是該省第二大城市，C是該省第三大城市，依此類推。目前國內(nèi)汽車牌照有六種類型：大型民用汽車所用的黃底黑字牌照；小型民用汽車所用的藍底白字牌照；軍隊或武警專用汽車的白底紅字、黑字牌照；使、領館外籍汽車的黑底白字牌照；試車和臨時牌照是白底紅字，且數(shù)字前分別標有“試”和“臨時”字標志；汽車補用牌照是白底黑字。 從人的視覺特點出發(fā)，車牌的目標區(qū)域具有以下幾個特點：車牌底色與車身顏色、字符顏色有較大差異；車牌有一個連續(xù)或因為損壞而不連續(xù)的邊框，車牌內(nèi)有多個字符，基本呈水平排列，因此在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣，并且呈現(xiàn)出規(guī)則的紋理特征；車牌內(nèi)字符之間的間隔是比較均勻的

20、，字符本身與牌照底的內(nèi)部有較均勻灰度，但字符和牌照底色在灰度值上存在跳變；不同圖像中牌照的具體大小、位置不確定，但基本在一定范圍。根據(jù)這些特點，可以在灰度圖像的基礎上提取相應的特征。3 車牌識別系統(tǒng)的原理及方法3.1車牌識別系統(tǒng)簡述車牌定位與字符識別技術以計算機圖像處理、模式識別等技術為基礎，通過對原圖像進行預處理以及邊緣檢測等過程來實現(xiàn)對車牌區(qū)域的定位，然后對車牌區(qū)域進行圖像裁剪、歸一化、字符分割及保存，最后將分割得到的圖像與模板庫的模板進行匹配識別，輸出匹配結果。該流程如圖3.1所示。采集圖像車牌圖像預處理定位車牌區(qū)域車牌圖像處理字符分割字符識別輸出結果圖3.1 車輛牌照識別系統(tǒng)Figur

21、e 3.1 Vehicle plate recognition system第 7 7 頁頁 共 3333 頁頁車牌識別首先要正確的分割車牌區(qū)域，為此已經(jīng)提出了很多方法:使用Hough變換檢測直線來定位車牌邊界進而獲取車牌區(qū)域；使用灰度閾分割、區(qū)域生長等方法進行區(qū)域分割；使用紋理特征分析技術檢測車牌區(qū)域等。Hough變換對圖像噪聲比較敏感，因此在檢測車牌邊界直線時容易受到車牌變形或噪聲等因素的影響，具有較大的誤檢測幾率?；叶乳撝捣指?、區(qū)域增長等方法則比Hough直線檢測方法穩(wěn)定，但當圖像中包含某些與車牌紋理特征相近的區(qū)域或其他干擾時，車牌定位的正確性也會受到影響。因此，僅采用單一的方法難以達到

22、實際應用的要求。如果進行車牌字符的定位及裁剪，則需要首先對輸入的車牌圖像進行預處理以得到精確的車牌字符圖像；然后將處理后的車牌看作由連續(xù)的字符塊組成，設定一個灰度閾值，如果超過該閾值，則認為有多個字符相連，需要對其進行切割，進而實現(xiàn)對車牌字符的分割；最后把分割的字符圖片進行標準化并于模板庫進行對比，選出最相似的字符結果并輸出，即為車牌信息。3.2 車牌圖像處理3.2.1 圖像灰度化車牌圖像的采集一般是通過數(shù)碼相機或者攝像機來進行，得到的圖片一般是RGB4圖像即為真彩圖像，根據(jù)三基色原理，每一種顏色都是可以由紅、綠、藍三種基色按不同的比例構成，所以車牌圖像的每個像素都是由3個數(shù)值來指定紅、綠、藍

23、的顏色分量。灰度圖像實際上是一個數(shù)據(jù)矩陣I，該矩陣每個元素的數(shù)值代表一定范圍內(nèi)的亮度值，矩陣I可以是整型、雙精度，通常0代表黑色、255代表白色。在MATLAB中，一幅RGB圖像可以用uint8、uint16或者雙精度類型的m*n*3數(shù)組來描述，其中m和n分別表示圖像的寬度和高度，此處的RGB圖像不同于索引圖，所以不使用調(diào)色板。在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，其中R=G=B的值叫做灰度值，由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。因此，灰度圖像是只有強度信息而沒有顏色信息的圖像。一般而言，可采用加權平均值法對原始RGB圖像進行灰度化處理，該方法的主要思想是從原圖像中取R、G

24、、B各層像素值加權求和得到灰度圖的亮度值。在現(xiàn)實生活中人眼對綠色敏感度最高，對紅色敏感度次之，對藍色敏感度最低，因此為了選擇合適的權值對象使之能夠輸出合理的灰度圖像，權值系數(shù)應該滿足GRB。實驗和理論證明，當R、G、B的權值系數(shù)分別選擇0.299，0.587，0.114時，能夠得到最合適人眼觀察的灰度圖像。3.2.2 圖像二值化第 8 8 頁頁 共 3333 頁頁灰度圖像二值化5在圖像處理的過程中有著很重要的作用，圖像二值化 不僅能使數(shù)據(jù)量大幅減小，還能突出需要的目標輪廓， 便于進行后續(xù)的圖像 處理與分析。對車牌灰度圖像而言， 所謂的二值化處理就是將車牌 圖像上的像素點的灰度值設置為0或255

25、，從而讓整張圖片 呈現(xiàn)黑白的效果， 因此，對灰度圖像進行適當?shù)拈撝颠x取， 可以在圖像二值化圖的過程中保留某些關鍵的圖像特征。在車牌圖像二值化的過程中 灰度大于或等于閥值的像素被判定為 目標區(qū)域，其灰度值 用255表示，否則這些像素點被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。圖像二值化是指整幅圖像畫面內(nèi)僅黑、白二值的數(shù)值矩陣，每一個像素取兩個離散數(shù)值（0 或 1） ，其中 0 代表黑色，1 代表白色。在實際的圖像處理系統(tǒng)中，進行圖像二值變換的關鍵是要確定合適的閥值，使得字符與背景能夠分割開來。不同的閾值設定方法對一幅圖像進行處理會產(chǎn)生不同的二值化處理結果。二值化閾值設置過小易

26、產(chǎn)生噪聲；閾值設置過大會降低分辨率，使非噪聲信號被視為噪聲而濾掉二值變換的結果。3.2.3 邊緣檢測6邊緣是指圖像局部亮度變化最顯著的部分，邊緣主要存在于目標與目標，目標與背景，區(qū)域與區(qū)域（包括不同的色彩之間），是圖像分割，紋理特征提取和形狀特征提取等圖像分析的重要基礎。在車牌識別系統(tǒng)中提取車牌位置有著很重要的低位。其中邊緣檢測的算子有很多，如Roberts、Sobel、Prewitt、Laplacian、log以及canny等算子方式。據(jù)試驗分析在車牌的邊緣檢測中canny算子相對精確，所以本文采用了canny算子進行邊緣檢測。坎尼（canny）算子在邊緣檢測中提出了三個準則分別是：（1）

27、信噪比信噪比越大，提取的邊緣質(zhì)量越高。信噪比SNR定義為： =|+ ( )()|+ 2()其中代表邊緣函數(shù)，代表寬度為W的濾波器的脈沖響應， 代表高斯噪聲的均()()方差。第 9 9 頁頁 共 3333 頁頁（2） 定位精度邊緣定位精度L如下定義： =|+ ( )()|+ 2()其中分別是的導數(shù)。L越大表明定位精度越高。()和 ()()和 ()（3） 單邊緣響應為了保證單邊緣只有一個響應，檢測算子的脈沖響應導數(shù)的零交叉點平均距離應()滿足：() = + 2()+ ()12的二階導數(shù)。()是()以上述指標和準則為基礎，利用泛函求導的方法求導的方法可導出坎尼邊緣檢測器是信噪比與定位之乘積的最優(yōu)逼近

28、算子，表達式近似于高斯函數(shù)的一階導數(shù)。將坎尼3個準則相結合可以獲得最優(yōu)的檢測算子。canny算子的邊緣檢測算法步驟如下：（1） 預處理。采用高斯濾波器進行圖像平滑；（2） 梯度計算。采用一階偏導的有限差分來計算梯度，獲取其幅值和方向；（3） 梯度處理。采用非極大值抑制方法對梯度幅值進行處理；（4） 邊緣提取。采用雙閾值算法檢測和連接邊緣；3.2.4 圖像形態(tài)學運算數(shù)學形態(tài)學圖像處理的基本運算有 4 個：膨脹（或擴張） 、腐蝕（或侵蝕） 、開啟和閉合。二值形態(tài)學中的運算對象是集合，通常給出一個圖像集合和一個結構元素集合，利用結構對圖像集合進行形態(tài)學操作。膨脹運算符號為，圖像集合 A，用結構元素

29、B 來膨脹，記作，其定義為： B B =?|()第 1010 頁頁 共 3333 頁頁其中 表示 B 的映像，即與 B 關于原點對稱的集合。上式表明，用 B 對 A 進行膨脹的運算過程如下：首先作 B 關于原點的映射，再將其映像平移 x，當 A 與 B 映像的交集不為空時，B 的原點就是膨脹集合的像素。腐蝕運算的符號是, ,圖像集合 A 用結構元素 B 來腐蝕，記作，其定義為:B|( )xA BxBA因此，A 用 B 腐蝕的結果是所有滿足將 B 平移后 B 仍舊全部包含在 A 中的 X 的集合，也就是結構元素 B 經(jīng)過平移后全部包含在集合 A 中的原點所組成的集合。膨脹操作會使物體的邊界向外擴

30、張，如果物體內(nèi)部存在小空洞，則經(jīng)過膨脹操作這些洞將被補上，不再是邊界。如果再次進行腐蝕操作，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠消失。腐蝕操作會去掉物體的邊緣點，如果物體足夠細小，則其所有的點都會被認為是邊緣點，進而被整體消除，僅保留大物體。如果在進行膨脹操作時，留下來的大物體會變回原來的大小，則被消除的小物體已經(jīng)消失。在一般情況下，由于受到噪聲的影響，車牌圖象在閾值化后所得到邊界往往是不平滑的，目標區(qū)域內(nèi)部具有一些噪聲孔洞，在背景區(qū)域上也會散布著一些小的噪聲干擾。連通過續(xù)的開和閉運算可以有效地改善這種情況。有時甚至需要經(jīng)過多次腐蝕之后再加上相同次數(shù)的膨脹，才可以產(chǎn)生比較好的效果。3

31、.2.5 圖像濾波處理 圖像濾波也能在盡量保留圖像細節(jié)特征的條件下對噪聲進行抑制，是圖像預處理中常用的操作之一，其處理效果的好壞將直接響到后續(xù)圖像處理和 識別的有效性和穩(wěn)定性。均值濾波也稱為線性濾波， 是圖像濾波最常用的方法之一， 采用的主要方法為領域平均法。 該方法對濾波像素的位置 (x,y)，選擇一個模板，該模板由其近鄰的若干像素組成，求 出模板中所包含像素的均值，再把該均值賦予當前像素點(x,y)，將其作為處理后圖像在該點上的灰度 值，即 M為 ( , )g( , ) =1M ( , )該模板中包含當前像素在內(nèi)的像素總個數(shù)。 采集車牌圖像的過程中往往會受到多種噪聲的污染。 進而會在將要處

32、理的車牌圖像上呈現(xiàn)一些較為明顯的孤立像素點或 像素塊。在一般情況下， 在研究目標車牌時所出現(xiàn)的圖像質(zhì)量，影響圖像增強 、圖像分割、特征提取、圖識別等后繼工作的進行。 因此，在程序?qū)崿F(xiàn)中為了有效的進行圖像去噪 ，并且能有效地保存目標車牌的形狀、大小及特定的幾何和拓撲結構特征 ，采用均值濾波來對車牌圖第 1111 頁頁 共 3333 頁頁像進行去噪處理。3.2.6 車牌圖像的閉運算通過上述處理后，我們得到了濾波后的圖像，為了提高其識別的準確率，我們還要將對其做閉運算，所謂的閉運算就是對研究對象進行膨脹后腐蝕的過程，如果遇到噪聲點比較多的研究對象時，往往我們會通過對其重復做閉運算，從而減少噪聲對其造

33、成的影響。對車牌圖像腐蝕會去掉物體的邊緣點，細小物體所有的點都會被認為是邊緣點，因此會整個被刪去。再做膨脹時，留下來的大物體會變回原來的大小，而被刪除的小物體則永遠消失了。膨脹操作會使物體的邊界向外擴張，如果物體內(nèi)部存在小空洞的話，經(jīng)過膨脹操作這些洞將被補上，因而不再是邊界了。再進行腐蝕操作時，外部邊界將變回原來的樣子，而這些內(nèi)部空洞則永遠消失了。通過上述的處理，我們將能對其圖像的噪聲干擾進行很大程度的排除，從而提升對其研究的準確性3.3 車牌定位原理我們已經(jīng)對車牌在圖像中的位置作了初步的定位，移除小對象后基本就是車牌的位置了。車牌區(qū)域具有明顯的特點，因此根據(jù)車牌底色、字色等有關知識，可采用彩

34、色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，考慮到大部分小汽車的牌照為藍底白字，所以本文以藍底白字的普通車牌為例說明彩色像素點統(tǒng)計的分割方法，假設經(jīng)數(shù)碼相機或CCD攝像頭拍攝得到了包含車牌的RGB彩色圖像，水平方向記為Y，垂直方向記為X，則：首先確定車牌底色RGB各分量分別對應的顏色范圍，其次在Y方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值，確定車牌在Y方向的合理區(qū)域，然后在分割出Y方向區(qū)域內(nèi)統(tǒng)計X方向此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值進行定位；最后，根據(jù)X，Y方向的范圍來確定車牌區(qū)域，實現(xiàn)定位。3.4 車牌字符處理3.4.1 閾值分割原理 閾值分割算法是圖像分割中應用場景最多的算法之

35、一。簡單地說，對灰度圖像的閾值分割就是先確定一個處于圖像灰度取值范圍內(nèi)的閾值，然后將圖像中各個像素的灰度值與這個閾值比較，并根據(jù)比較的結果將對應的像素劃分為兩類：像素灰度大于閾值的一類和像素灰度值小于閾值的為另一類，灰度值等于閾值的像素可以歸入這兩第 1212 頁頁 共 3333 頁頁類之一。分割后的兩類像素一般分屬圖像的兩個不同區(qū)域，所以對像素根據(jù)閾值分類達到了區(qū)域分割的目的。由此可見，閾值分割算法主要有兩個步驟： (1)確定需要進行分割的閾值； (2)將閾值與像素點的灰度值比較，以分割圖像的像素。 以上步驟中，確定閾值是分割的關鍵，如果能確定一個合適的閾值就可以準確地將圖像分割開來。閾值確

36、定后，將閾值與像素點的灰度值比較和分割可對各像素并行處理，通過分割的結果將直接得到目標圖像區(qū)域。在選擇閾值方法來分割灰度圖像時一般會對圖像的灰度直方圖分布進行某些分析，或者建立一定的圖像灰度模型來進行處理。最常用的圖像雙峰灰度模型的條件可描述如下：假設圖像目標和背景直方圖具有單峰分布的特征，且處于目標和背景內(nèi)部相鄰像素間的灰度值是高度相關的，但處于目標和背景交界處兩邊的像素在灰度值上有很大的差別。如果一幅圖像滿足這些條件，則它的灰度直方圖基本上可看作由分別對應于目標和背景的兩個單峰構成。如果這兩個單峰部分的大小結晶且均值相距足夠遠，兩部分的均方差也足夠小，則直方圖整體上可能呈現(xiàn)較明顯的雙峰現(xiàn)象

37、。同理，如果圖像中有多個呈現(xiàn)單峰灰度分布的目標，則直方圖整體上可能呈現(xiàn)較明顯的多峰現(xiàn)象。因此，對這類圖像可用取多級閾值方法來得到較好地分割效果。如果要將圖像中不同灰度的像素分為兩類，則需要確定一個閾值。如果要姜圖像中各種灰度的像素分成多個不同的類，那么需要選擇一系列閾值以將每個像素分到合適的類別中去。如，果只用一個閾值分割稱為單閾值分割方法，如果用多個閾值分割稱為多閾值分割方法。單閾值分割可看作是多閾值分割的特例，許多單閾值分割算法可推廣以進行多閾值分割。反之，有時也可將多閾值分割問題轉(zhuǎn)化為一系列單閾值分割問題來解決。不管用何種方法選取閾值，一幅原始圖像f（x，y）取單閾值T分割后的圖像可定義

38、為（,） =1 (,) 0 (,) ?這樣得到的是一幅二值圖像。（,）在一般的多閾值分割情況下，取閾值分割的圖像可表示為：（,） = 1 （,） = 1,2,其中是一系列分割閾值，k表示賦予分割后圖像各個區(qū)域的不同標0，1，第 1313 頁頁 共 3333 頁頁號。需要指出，無論是單閾值分割或多閾值分割，分割結果中都有可能出現(xiàn)不同區(qū)域具有相同一標號或區(qū)域值的情況。這是因為取閾值分割時只考慮了像素本身的值，未考慮像素的空間位置。所以根據(jù)像素值劃分到同一類的像素有可能分屬于圖像中不相連通的區(qū)域。這時往往需要借助一些對場景的先驗知識來進一步確定目標區(qū)域。3.4.2 對車牌閾值化分割車牌字符圖像的分割

39、即將車牌的整體區(qū)域分割成單字符區(qū)域，以便后續(xù)進行識別。車牌分割的難點在于字符與噪聲粘連，以及字符斷裂等因素的影響。均值濾波是典型的線性濾波算法，他是指在圖像上對像素進行模板移動掃描，該模板包括了像素周圍的近郊區(qū)域，通過模板命中像素的平均值來代替原來的像素值，實現(xiàn)去噪的效果。為了從車牌圖像中直接提取目標字符，最常用的方法是設定一個閾值T，用T將圖像的像素分成兩部分：大于T的像素集合和小于T的像素集合，得到二值化圖像。因此，本案例采用均值濾波算法來對車牌字符圖像進行濾波去噪，采用閾值分割來進行車牌字符的分割。3.4.3 字符歸一化處理字符圖像歸一化是簡化計算的方式之一，車牌字符分割后往往會出現(xiàn)大小

40、不一致的情況，因此可采用基于圖像放縮的歸一化處理方式將字符圖像進行尺寸放縮得到統(tǒng)一大小的字符圖像，便于后續(xù)的字符識別。3.5 字符識別3.5.1 字符識別簡述本文選擇的是基于模板匹配的方式，基于模板匹配的OCR的基本過程是：首先我們要建立自動識別的代碼，然后把歸一化的圖像與模板中的字符對比，由于我國的普通小汽車車牌第一位字符是漢字，分別代表各個省的簡稱，然后第二位是AZ的字母，接下來的后五位則是數(shù)字和字母的混合搭配。所以我們在對比的時候為了提高效率和準確性，我們分別對第一位和第二位還有后五位分別識別。最后識別完成后輸出識別的車牌的結果。3.5.2 字符識別的方法車牌字符識別方法基于模式識別理論

41、，常用的有以下幾類：(1)結構識別 該方法主要由識別及分析兩部分組成:識別部分的主要包括預處理、基元抽取（包第 1414 頁頁 共 3333 頁頁括基元和子圖像之間的關系）和特征分析；分析部分包括基元選擇及結構推理。(2)統(tǒng)計識別該方法的目的在于確定已知樣本所屬的類別。以數(shù)學上的決策論為理論基礎，并由此建立統(tǒng)計學識別模型。其基本方式是在對所研究的圖像進行大量的統(tǒng)計分析工作，尋找規(guī)律性認識，抽取反映圖像本質(zhì)的特征并進行識別。(3)BP神經(jīng)網(wǎng)絡該方法以BP神經(jīng)網(wǎng)絡模型為基礎，屬于誤差后向傳播的神經(jīng)網(wǎng)絡，是神經(jīng)網(wǎng)絡中使用最廣泛的一類，通過輸入層、隱層還有輸入層三層網(wǎng)絡的層間全互聯(lián)方式，具有較高的運行

42、效率和識別準確率。(4)模板匹配該方法是數(shù)字圖像處理中的最常用的識別方法之一，通過建立已知的模式庫，再將其應用到輸入模式中尋找與之最佳匹配模式的處理步驟，得到對應的識別結果，具有較高的運行效率和識別準確率。 3.5.3 基于模板匹配的字符識別模板匹配是圖象識別方法中最具代表性的基本方法之一，該方法首先根據(jù)已知條件建立模板庫T(i，j)，然后從待識別的圖像或圖像區(qū)域f(i,j)中提取若干特征量與T(i，j)相應的特征量進行對比，分別計算他們之間歸一化的互相關量。其中，互聯(lián)關量最大的一個表示二者的相似程度最高，可將圖像屬于該類別。此外，也可以計算圖像與模板特征量之間的距離，采用最小距離法判定所屬類

43、別。但是，在實際情況下用于匹配的圖像往往存在差異，可能會產(chǎn)生較大的噪聲干擾。此外，圖像經(jīng)過預處理和歸一化處理等步驟，其灰度或像素點的位置也可能會發(fā)生改變，進而影響識別效果。因此，在實際設計模板時需要保持各區(qū)域形狀的固有特點，突出不同區(qū)域之間的差別，并充分考慮處理過程可能會引起的噪聲和位移等因素，按照基于圖像不變特性所對應的特征向量來構建模板，提高識別系統(tǒng)的穩(wěn)定性。 本文采用特征向量距離計算的方法來求得字符與模板中字符的最佳匹配，然后找到對應的結果進行輸出。首先建立字符模板，其次，依次將取待識別的字符與模板進行匹配，計算其與模板字符的特征距離，得到的值越小就越匹配。然后，將每幅字符圖像的匹配結果

44、進行保存，最后7個字符匹配識別結果即可作為車牌字符進行輸出。4 實驗分析第 1515 頁頁 共 3333 頁頁汽車牌照自動識別系統(tǒng)以車輛的動態(tài)視頻或靜態(tài)圖像作為輸入，通過進行牌照顏色、牌照號碼等關鍵內(nèi)容的自動識別來提取車輛的詳細信息。系統(tǒng)硬件配置一般包括線圈觸發(fā)設備、攝像設備、燈光設備、車牌號碼識別器等；其軟件核心配置包括車牌定位算法、車牌字符分割算法和車牌字符識別算法等。某些車牌識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)氡O(jiān)控區(qū)域的功能，一半稱為視頻車輛檢測，廣泛應用于道路車流量統(tǒng)計等方面。在現(xiàn)實生活中，一個完整的車輛識別系統(tǒng)應包括車輛檢測、圖像采集、車牌定位、車牌識別等。例如，當車輛檢測模塊檢測

45、到車輛時，會觸發(fā)圖像采集模塊，當采集當前的車輛圖像，車牌定位識別模塊對圖像進行處理，定位車牌位置，再將車牌中的字符分割出來進行識別，最后組成車牌號碼輸出。車牌信息是一輛汽車獨一無二的標識，所以車輛牌照識別技術可以作為辨別一輛車最為有效的方法。車牌識別系統(tǒng)包括汽車圖像的輸入、車牌圖像的預處理、車牌區(qū)域的定位和字符檢測、車牌字符的分割和識別等部分，如圖4-1所示輸入圖像字符識別字符分割字符歸一化車牌定位 預處理輸出結果圖4.1車牌識別系統(tǒng)流程圖Figure 4.1License plate recognition system flow chart4.1 GUI界面設計 為集成車牌識別的過程，通過

46、設計工具欄的快捷方式、組織按鈕控件、顯示控件第 1616 頁頁 共 3333 頁頁等對象得到 GUI 框架，如圖 4.1(a)圖 4.1(a)GUI 框架設計Figure 4.1(a) the GUI framework design 4.2 車牌區(qū)域的定位我們首先將通過MATLAB將原始圖片讀入并且輸出如圖4.2（a）所示,然后根據(jù)車牌顏色紋理特征參數(shù)來標定車牌區(qū)域。經(jīng)過上述過程，我們只要確定車牌底色RGB對應的各自灰度范圍，然后在行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設定合理的閾值，確定車牌在行方向的合理區(qū)域，然后在分割出行方向區(qū)域內(nèi)，同理統(tǒng)計Y方向的像素點數(shù)量，然后在從Y方向合理區(qū)域的圖

47、中分割出行方向的合理區(qū)域，最終確定車牌的區(qū)域，實現(xiàn)定位。如圖4.2（b）所示。第 1717 頁頁 共 3333 頁頁圖4.2(a) 車輛牌照原始圖像Figure 2 (a) the license plates of the original image第 1818 頁頁 共 3333 頁頁圖4.2(b)車牌定位圖像Figure 4-2 (b) license plate localization image4.3 車牌字符識別上述過程完成車牌定位以后，我們將對分割出來的車牌圖像進一步的車牌處理，實驗過程中我們隊截取的車牌做了二值化如圖4.3（a）所示。二值圖像是指整幅圖像內(nèi)僅有黑、白二值的圖

48、像。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關鍵是要確定合適的閾值，使得字符與背景能夠分割開來。車牌圖像經(jīng)過二值變換后具備優(yōu)良的保形性，能有效保持車牌的形狀信息，并能夠去除額外的孔洞區(qū)域。車牌識別系統(tǒng)一般要求具有速度高、成本低的特點，采用二值圖像進行處理，能大大提高處理效率。閾值處理的操作過程是通過OSTU算法生成一個閾值，如果圖像中某個像素的灰度值小于該閾值，則將該像素的灰度值設置為0或255，否則就將灰度值設置為255或0。圖像二值化是后續(xù)圖象處理技術的基礎，二值化使得圖像中只有兩種顏色的信息，第 1919 頁頁 共 3333 頁頁 通常是黑色和白色 。這樣能方便提取圖像中的信息，在進行

49、計算機識別時可以大大增加識別效率。因為如果圖像是彩色的計算機要計算很久而二值化的圖像則更快得多。圖4.3(a)車牌二值化圖像Figure 4.3 (a) license plate of binary image對車牌進行灰度化、二值化處理后，我們還要對車牌圖像濾波處理，即盡量保留車牌的圖像細節(jié)特征的條件下對目標圖像的噪聲進行抑制，從而提升它的有效提取信息，圖像濾波處理是圖像預處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。這個過程在整個車牌識別系統(tǒng)中也占有很重要的作用。在汽車牌照自動識別過程中，字符分割7有承前啟后的作用。它在前期牌照定位的基礎上進行字符的

50、分割，然后再利用分割的結果進行字符識別。字符識別的算法很多，因為車牌字符間間隔較大，不會出現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，因此需要分割。結果如圖4.3（b）所示。圖 4.3（b）車牌字符分割圖像Figure 4.3 (b) license plate character segmentation images第 2020 頁頁 共 3333 頁頁由于考慮車牌字符常發(fā)生變形、斷缺等情況，使字符結構受損，則依賴于字體結構完整性的結構識別方法所提取的特征會不準確，識別結果的誤識率也高。因此實際用于車牌識別的方法主要是后兩類。然而如果

51、采用hp神經(jīng)網(wǎng)絡的字符識別雖然有很好的容錯能力，但是如果我們要提高他的識別率，我們則需要大量的樣本?；谀０迤ヅ涞淖址R別方法，相對算法簡單，速度較快，而且結合我國車牌的信息，我們需要的制作的模板量也不大。所以本文選擇模板匹配的識別方法進行車牌字符識別。一般分割出來的字符要進行進一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以達到正確識別的目的。在此只進行了歸一化處理，然后進行后期處理。由于我們制作的模板是40*20像素點的規(guī)格，為了方便后面的模板匹配，我們就將分割的圖片進行40*20像素點的歸一化處理。最后通過與模板庫對比得出識別結果。4.4 車牌識別

52、結果及分析最后通過對歸一化后的字符圖像與模板庫進行比對得到對應的字符結果，并組織成車牌字符串進行輸出。如圖 4.4 所示圖 4.4 車牌識別結果Figure 4.4 license plate identification results按下 GUI 界面中的保存結果可將識別的后的 GUI 界面截圖并保存，如圖 4.5 所示第 2121 頁頁 共 3333 頁頁圖 4.5 保存結果圖Figure 4.5 save result in diagram本文以 MATLAB R2014a 為實驗平臺，在得到這個結果之前，需要對車牌圖像進行預處理、標定車牌區(qū)域、字符分割等處理。在采集圖像時，因為受到外

53、界干擾的原因以及車主在車牌周圍的裝飾，甚至生產(chǎn)廠家對車身的點綴容易給車牌的定位帶來很大程度的影響，因此需要對原始圖像進行預處理。預處理包括灰度化、車牌校正、平滑處理等。處理光照條件不理想的圖像時先進行一次圖像增強處理，擴展圖像灰度動態(tài)范圍和增強圖像對比度，再進行定位和分割，能提高分割的正確率。由于車牌采集的信息都是些彩色圖片，含有大量的數(shù)據(jù)信息，因此我們還要對其進行預處理包括灰度化、二值化等。圖像里的車輛牌照是具有明顯特征的一塊圖象區(qū)域，該特征表現(xiàn)為：接近水平的矩形區(qū)域；其中字符串是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經(jīng)過適當?shù)膱D象變換，它在整幅中可以明

54、顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提取采用的是 canny 算子。隨之進行定位及分割還有識別。對于識別錯誤情況的分析得到，主要原因有以下幾點：（1） 汽車牌照上外界干擾，如在牌照周圍添加飾物；（2） 采用不同的邊緣檢測算子和閾值將會牌照字符的分割失敗，導致識別錯誤；第 2222 頁頁 共 3333 頁頁（3） 字符具有相似性，比如D和O；O和0；D和0等字符識別的結果可能會出現(xiàn)混淆的情況。5 結 論近年來我國隨著社會經(jīng)濟的高速發(fā)展、汽車數(shù)量急劇增加，對交通管理的要求也日益提高，而相應的人工管理方式以不能滿足實際的需要，微電子、通信和計算機技術在交通領域的應用極大地提高了交通管理的效

55、率。而車牌識別技術恰好能滿足這一需求，通過車牌識別我們可以解決被納入“黑名單”的通緝車輛，可以統(tǒng)計一定時間范圍內(nèi)進出各省的車輛，還能有效的對該車輛進行定位，對公安機關等相關部門有著很重要的作用通過智能的車牌定位及識別技術將對于維護交通安全和城市治安，防止交通堵塞，實現(xiàn)交通自動化管理有著現(xiàn)實的意義。本文主要研究和解決了以下幾個問題：一、在車牌圖像中定位并提取出車牌的位置；二、對圖像的灰度化、二值化等圖像處理；三、選取合適的算及其閾值并對其邊緣檢測；四、對分割完成的牌照字符如何提取能進行分類的特征；五、如何有效的選取識別的分類。在車輛牌照字符識別系統(tǒng)的研究領域，近幾年出現(xiàn)了許多切實可行的識別技術和

56、方法，從這些新技術和方法中可以看到兩個明顯的趨勢：一是單一的人工選取合適的算法和其他指標已經(jīng)不能取得很好的結果。二是車牌識別逐漸走上智能化的過程，通過智能系統(tǒng)選取不同的算法進行自動的分析才能更準確的應對各個角度及位置的車牌信息識別。雖然系統(tǒng)本身還存在許多不足，距離具體實用的要求仍有很大差距，但在本次畢業(yè)設計制作中讓我增進了很多知識，相信在日后的改進中一定能在現(xiàn)實生產(chǎn)應用中得到實現(xiàn)。第 2323 頁頁 共 3333 頁頁參考文獻1（希）西奧多里德斯等著.模式識別（第三版）M.電子工業(yè)出版社，2006 年 12 月。1-62孫增祈. 智能控制理論與技術M. 北京：清華大學出版社，19993鐘珞，潘

57、昊，何平.模式識別M書.武漢：武漢大學出版社，2006 年 9 月第 1 版：P1-P5，P62-P644 Rafael C，Gonzalez Richard E，Woods，阮秋琦，阮宇智數(shù)字圖像處理（第二版） M.北京：電子工業(yè)出版社，20035（希）西奧多里德斯等著.模式識別（第三版）M.電子工業(yè)出版社，2006 年 12 月。1-66胡小鋒，趙輝. Visual C + + /MATLAB 圖像處理與識別M. 北京：人民郵電出版社，20047張禹車牌識別中的圖像提取及分割算法J吉林大學學報，2006，44(3)：406-410致 謝在不斷學四年的學習生涯即將劃上了一個圓滿的句號，在本次

58、的畢業(yè)設計中，我要感謝我的導師朱玲，在朱玲老師耐心的指導下從最初的一頭霧水、無從下手的狀態(tài)下到現(xiàn)在設計的完成，即使過程中遇到許多的困難，但是我們還是走過來了。當然，在這我要特別的感謝我的父母。在學習生涯中一直都是父母在背后默默的奉獻著。不管是生活上，還是在學習上父母對自己永遠都是不離不棄的。所以在此愿父母健健康康、快快樂樂的。我還要感謝在本次論文中我所搜索過的著作的創(chuàng)作者，正是這些學者的研究成果給了我很大的幫助，讓我在論文中解決了一個又一個的困難，最終完成本次論文的寫作。正是站在了巨人的肩膀上，讓我更好的走下去。金無足赤，人無完人。希望在各位的老師和同學的批評和指正下，能使論文的不足之處得以改

59、正，使自己的論文更加完善。附錄主程序：第 2424 頁頁 共 3333 頁頁function Plate, bw, Loc = Pre_Process(Img, parm, flag)if nargin 1 Img = imread(fullfile(pwd, images/car.jpg);endif nargin 900 parm = 0.35 0.9 90 0.35 0.7 90 2; end if size(Img, 2) 700 & size(Img, 2) 500 & size(Img, 2) 700 parm = 0.5 0.54 50 0.6 0.7 50 3;

60、 end if size(Img, 2) 500 parm = 0.8 0.9 150 0.8 0.9 150 3; endendif nargin 800 rate = 800/y; I = imresize(I, rate);endy, x, z = size(I); 第 2525 頁頁 共 3333 頁頁myI = double(I); bw1 = zeros(y, x);bw2 = zeros(y, x);Blue_y = zeros(y, 1);for i = 1 : y for j = 1 : x rij = myI(i, j, 1)/(myI(i, j, 3)+eps); gij = myI(i, j, 2)/(myI(i, j, 3)+ep