車牌識(shí)別系統(tǒng)的設(shè)計(jì)(2)(共17頁(yè))

1、PAGE 重慶(zhn qn)交通大學(xué)信息學(xué)院課程設(shè)計(jì)報(bào)告(bogo)班 級(jí)： 姓 名： 學(xué) 號(hào)： 設(shè)計(jì)(shj)項(xiàng)目名稱： 車牌識(shí)別系統(tǒng)的設(shè)計(jì) 實(shí)驗(yàn)所屬課程： 課程設(shè)計(jì)與實(shí)踐 實(shí)驗(yàn)室(中心)： 軟件與通信實(shí)驗(yàn)中心 設(shè)計(jì)完成時(shí)間： 2014 年 6 月 22 日 1摘要(zhiyo)：汽車牌照自動(dòng)識(shí)別系統(tǒng)是制約道路交通智能化的重要因素(yn s),包括車牌定位、字符分割和字符識(shí)別三個(gè)主要部分。本文首先確定車輛牌照在原始圖像中的水平位置和垂直位置,從而定位車輛牌照,然后采用局部投影進(jìn)行字符分割。在字符識(shí)別部分,提出了在無(wú)特征提取情況下基于支持向量機(jī)的車牌字符識(shí)別方法。實(shí)驗(yàn)結(jié)果表明,本文提出的方法

2、具有良好的識(shí)別性能。隨著(su zhe)公路逐漸普及，我國(guó)的公路交通事業(yè)發(fā)展迅速，所以人工管理方式已經(jīng)不能滿著實(shí)際的需要，微電子、通信和計(jì)算機(jī)技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通管理效率。汽車牌照的自動(dòng)識(shí)別技術(shù)已經(jīng)得到了廣泛應(yīng)用。2設(shè)計(jì)目的：1、使學(xué)生在鞏固理論課上知識(shí)的同時(shí)，加強(qiáng)實(shí)踐能力的提高，理論聯(lián)系實(shí)踐。2、激發(fā)學(xué)生的研究潛能，提高學(xué)生的協(xié)作精神，鍛煉學(xué)生的動(dòng)手能力。3設(shè)計(jì)原理由于車輛牌照是機(jī)動(dòng)車唯一的管理標(biāo)識(shí)符號(hào)，在交通管理中具有不可替代的作用，因此車輛牌照識(shí)別系統(tǒng)應(yīng)具有很高的識(shí)別正確率，對(duì)環(huán)境光照條件、拍攝位置和車輛行駛速度等因素的影響應(yīng)有較大的容閾，并且要求滿足實(shí)時(shí)性要求。 圖1

3、牌照識(shí)別系統(tǒng)原理圖該系統(tǒng)是計(jì)算機(jī)圖像處理與字符識(shí)別技術(shù)在智能化交通管理系統(tǒng)中的應(yīng)用，它主要由圖像的采集和預(yù)處理、牌照區(qū)域的定位和提取、牌照字符的分割和識(shí)別等幾個(gè)部分組成，如圖1 所示。其基本工作過(guò)程如下：（1）當(dāng)行駛的車輛經(jīng)過(guò)時(shí)，觸發(fā)埋設(shè)在固定位置的傳感器，系統(tǒng)被喚醒處于工作狀態(tài)；一旦連接攝像頭光快門的光電傳感器被觸發(fā)，設(shè)置在車輛前方、后方和側(cè)面的相機(jī)同時(shí)拍攝下車輛圖像；（2）由攝像機(jī)或CCD 攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計(jì)算機(jī)進(jìn)行預(yù)處理，圖像預(yù)處理包括圖像轉(zhuǎn)換、圖像增強(qiáng)、濾波和水平較正等；（3）由檢索模塊進(jìn)行牌照搜索與檢測(cè)，定位并分割出包含牌照字符號(hào)碼的矩形區(qū)域；（4）對(duì)牌照字

4、符進(jìn)行二值化并分割出單個(gè)字符，經(jīng)歸一化后輸入字符識(shí)別系統(tǒng)進(jìn)行識(shí)別。4詳細(xì)(xingx)設(shè)計(jì)步驟4.1 提出(t ch)總體設(shè)計(jì)方案。車輛牌照識(shí)別整個(gè)系統(tǒng)主要是由車牌定位和字符識(shí)別兩部分(b fen)組成，其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位及分割模塊；字符識(shí)別可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。為了用于牌照的分割和牌照字符的識(shí)別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的對(duì)比度和清晰可辯的牌照?qǐng)D象。但由于該系統(tǒng)的攝像部分工作于開(kāi)放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損

5、等嚴(yán)重缺陷，因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于拍攝時(shí)的光照條件、牌照的整潔程度的影響，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會(huì)不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開(kāi)或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識(shí)別的準(zhǔn)確性。因此，需要對(duì)字符在識(shí)別之前再進(jìn)行一次針對(duì)性的處理。車牌識(shí)別的最終目的就是對(duì)車牌上的文

6、字進(jìn)行識(shí)別。主要應(yīng)用的為模板匹配方法。因?yàn)橄到y(tǒng)運(yùn)行的過(guò)程中，主要進(jìn)行的都是圖像處理，在這個(gè)過(guò)程中要進(jìn)行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高，CPU要求主頻在600HZ及以上，內(nèi)存在128MB及以上。系統(tǒng)可以運(yùn)行于Windows98、Windows2000或者Windows XP操作系統(tǒng)下，程序調(diào)試時(shí)使用matlab。4.2 預(yù)處理及邊緣提取 輸入車牌圖象灰度校正平滑處理提取邊緣 圖2 預(yù)處理及邊緣提取流程圖 4.2.1 圖象的采集(cij)與轉(zhuǎn)換考慮到現(xiàn)有牌照的字符與背景的顏色搭配一般有藍(lán)底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分

7、出來(lái)(ch li)，例如，對(duì)藍(lán)底白字這種最常見(jiàn)的牌照，采用藍(lán)色B 通道時(shí)牌照區(qū)域?yàn)橐涣恋木匦?，而牌照字符在區(qū)域中并不呈現(xiàn)(chngxin)。因?yàn)樗{(lán)色（255，0，0）與白色（255，255，255）在B 通道中并無(wú)區(qū)分，而在G、R 通道或是灰度圖象中并無(wú)此便利。同理對(duì)白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。原圖、灰度圖及其直方圖見(jiàn)圖2與圖3。對(duì)于將彩色圖象轉(zhuǎn)換成灰度圖象時(shí)，圖象灰度值可由下面的公式計(jì)算： G=0.110B+0.588G+0.302R （1） G= （2） 圖3 原圖 圖4 灰度圖4.2.2 邊緣提取 邊緣是指圖像局部

8、亮度變化顯著的部分，是圖像風(fēng)、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。所以在此我們要對(duì)圖像進(jìn)行邊緣檢測(cè)。圖象增強(qiáng)處理對(duì)圖象牌照的可辯認(rèn)度的改善和簡(jiǎn)化后續(xù)的牌照字符定位和分割的難度都是很有必要的。增強(qiáng)圖象對(duì)比度度的方法有：灰度線性變換、圖象平滑處理等。（1）灰度校正由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，使得圖象中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時(shí)各點(diǎn)的靈敏度有較大的差異而產(chǎn)生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。這時(shí)就可以采

9、用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。我們發(fā)現(xiàn)車輛牌照?qǐng)D象的灰度取值范圍大多局限在r=(50,200)之間，而且總體上灰度偏低，圖象較暗。根據(jù)圖象處理系統(tǒng)的條件，最好將灰度范圍展開(kāi)到s=(0,255)之間，為此我們對(duì)灰度值作如下的變換： s = T(r) r=r min,，r max 使得(sh de)SSmin, Smax,其中(qzhng)，T為線性變換， 圖5 灰度線性變換 （3）若 r(50,200)、s(0，255)則： （4） （2）平滑(pnghu)處理對(duì)于受噪聲干擾嚴(yán)重的圖象，由于噪聲點(diǎn)多在頻域中映射為高頻分量，因此可以在通過(guò)

10、低4325i,j167823i,j14通濾波器來(lái)濾除噪聲，但實(shí)際中為了簡(jiǎn)化算法也可以直接在空域中用求鄰域平均值的方法萊削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點(diǎn)的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對(duì)應(yīng)的鄰域平均值為 （5）其中，M 為鄰域中除中心象素點(diǎn)f(i,j) 之外包括的其它象素總數(shù)，對(duì)于4鄰域M=4，8 鄰域M=8。然而，鄰域平均值的平滑處理會(huì)使得圖象灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。為了克服這種平均化引起的圖象模糊現(xiàn)象，我們給中心點(diǎn)象素值與其鄰域平均值的差值設(shè)置一固定的閾值，只有大于該閾值的點(diǎn)才能替換為鄰域平均值，而差值不大于閾

11、值時(shí)，仍保留原來(lái)的值，從而減少由于平均化引起的圖象模糊。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列(pili)的；在整體圖象中的位置較為固定。正是由于牌照?qǐng)D象的這些特點(diǎn)，再經(jīng)過(guò)適當(dāng)?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。邊緣提取是較經(jīng)典的算法，此處邊緣的提取(tq)采用的是Roberts算子。圖6 robert算子邊緣(binyun)檢測(cè)由上圖可以歸納起來(lái)以下方面:原始圖像清晰度比較高，從而簡(jiǎn)化了預(yù)處理，結(jié)合MATLAB實(shí)驗(yàn)過(guò)程，得出不是每一種圖像處理之初都適合濾波和邊界增強(qiáng)。本次汽車車牌的識(shí)別，為了保存更多的有用信息

12、。 4.3 牌照的定位和分割牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于牌照?qǐng)D象在原始圖象中是很有特征的一個(gè)子區(qū)域，確切說(shuō)是水平度較高的橫向近似的長(zhǎng)方形，它在原始圖象中的相對(duì)位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過(guò)邊緣檢測(cè)來(lái)對(duì)圖象進(jìn)行分割。對(duì)圖像進(jìn)行腐蝕去除雜質(zhì)通過(guò)計(jì)算尋找X和Y方向車牌的區(qū)域完成車牌定位對(duì)分割出的車牌做進(jìn)一步處理 圖7 牌

13、照定位于(wiy)分割流程圖4.3.1 牌照(pizho)區(qū)域的定位牌照?qǐng)D象(t xin)經(jīng)過(guò)了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的機(jī)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)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個(gè)基本運(yùn)算，最后還用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。 圖8 腐蝕后圖像 圖9 平滑圖像的輪廓 圖10 從對(duì)象中移除小對(duì)象后圖像4.3.2 牌照區(qū)域

14、的分割對(duì)車牌的分割可以有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。根據(jù)車牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的 閾值，確定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。圖11 行方向區(qū)域和最終(zu zhn)定位出來(lái)的車牌4.3.3車牌進(jìn)一步處理(chl)經(jīng)過(guò)上述(shngsh)方法分割出來(lái)的車牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像

15、的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對(duì)圖像二值化。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。圖12 裁剪出來(lái)的車牌的進(jìn)一步處理過(guò)程圖4.4 字符的分割與歸一化m，n=size（d），逐排檢查有沒(méi)有白色像素點(diǎn)，設(shè)置1=j=T); % d:二值圖像(t xin)對(duì)圖像進(jìn)行濾波并將圖像存儲(chǔ)起來(lái)h=fspecial(average,3);d=im2bw(round(filter2(h,d);imwrite(d,4.均值濾波后.jpg);對(duì)圖像進(jìn)行膨脹或腐蝕處理se=eye(2); m,n

16、=size(d);if bwarea(d)/m/n=0.365 d=imerode(d,se);%腐蝕elseif bwarea(d)/m/n=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1; kmax=36; end for k2=kmin:kmax fname=strcat(字符模板,liccode(k2),.jpg); SamBw2 = imread(fname); for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j); end end % 以上(yshng)相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0; for k1=1:40

17、 for l1=1:20 if ( SubBw2(k1,l1) 0 | SubBw2(k1,l1) 0 ) Dmax=Dmax+1; end end end Error(k2)=Dmax; end Error1=Error(kmin:kmax); MinError=min(Error1); findc=find(Error1=MinError); l=l+1;endfigure(17),subplot(3,1,2),imshow(dw),title (車牌號(hào)碼: 陜 A B A 2 2 3); 7總結(jié)(zngji)本文主要解決了以下幾個(gè)問(wèn)題：1.在背景的圖象中如何定位分割牌照區(qū)域；2.對(duì)分割下

18、來(lái)的牌照字符如何提取具有分類能力的特征；3.如何設(shè)計(jì)識(shí)別器。在車輛牌照字符識(shí)別系統(tǒng)的研究領(lǐng)域，近幾年出現(xiàn)了許多切實(shí)可行的識(shí)別技術(shù)和方法，從這些新技術(shù)和方法中可以看到兩個(gè)明顯的趨勢(shì)：一是單一的預(yù)處理和識(shí)別技術(shù)都無(wú)法達(dá)到(d do)理想的結(jié)果，多種方法的有機(jī)結(jié)合才能使系統(tǒng)有效識(shí)別能力提高。在本系統(tǒng)的設(shè)計(jì)時(shí)，也汲取了以上 一些算法的思想，結(jié)合實(shí)際，反復(fù)比較，綜合分析；二是在有效性和實(shí)用的原則下，結(jié) 合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個(gè)方向。根據(jù)車牌特點(diǎn)，一般采用的車牌定位算法有：1.邊緣檢測(cè)定位算法；2.利用哈夫變換進(jìn)行車牌定位；3.色彩分割提取車牌等。這里我采用的是邊緣檢測(cè)的方法實(shí)現(xiàn)定位

19、的。字符分割的方法也有多種：1. 基于聚類分析的字符分割；2. 投影分割的方法；3.基于模板匹配的字符分割等。最常用的是投影分割，主要是針對(duì)在車牌定位，圖像預(yù)處理后比較規(guī)則的車牌圖像。優(yōu)點(diǎn)是程序邏輯設(shè)計(jì)簡(jiǎn)單，循環(huán)執(zhí)行功能單一，便于設(shè)計(jì)和操作，程序執(zhí)行時(shí)間短。字符識(shí)別的基本方法通常又三類：1.結(jié)構(gòu)特征分析方法；2.模板匹配法；3.神經(jīng)網(wǎng)絡(luò)法。此處采用的是模板匹配的方法，即是將要識(shí)別的字符與事先構(gòu)造好的模板進(jìn)行比對(duì)，根據(jù)與模板的相似度的大小來(lái)確定最終的識(shí)別結(jié)果。但是系統(tǒng)本身還存在許多不足，距離具體實(shí)用的要求仍有很大差距，但我卻在這次課程設(shè)計(jì)中學(xué)(zhngxu)到了很多知識(shí)。8體會(huì)(thu)對(duì)現(xiàn)實(shí)事

20、物(shw)的設(shè)計(jì)不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn)，而且也是對(duì)自己能力的一種提高。通過(guò)這次設(shè)計(jì)使我明白了自己原來(lái)知識(shí)還比較欠缺。這個(gè)設(shè)計(jì)讓我學(xué)到了很多東西，涉及到方方面面的知識(shí)，在這整個(gè)過(guò)程中我們查閱了大量的資料，得到了老師和同學(xué)的幫助，我在此對(duì)他們表示謝意。在這期間遇到了很多困難，我知道做什么都不容易，只能塌下心來(lái)，一步一個(gè)腳印的去完成才行。這學(xué)期我們學(xué)習(xí)了數(shù)字圖像處理這門課程，在這個(gè)課程設(shè)計(jì)中應(yīng)用到了很多其中的知識(shí)。理論只有應(yīng)用到實(shí)際中才能學(xué)著更有意義。學(xué)習(xí)是一個(gè)長(zhǎng)期積累的過(guò)程，在后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識(shí)和綜合素質(zhì)。此外，還得出一個(gè)結(jié)論：知識(shí)必須通過(guò)應(yīng)用才能實(shí)現(xiàn)其價(jià)值！有些東西以為學(xué)會(huì)了，但真正到用的時(shí)候才發(fā)現(xiàn)是兩回事，所以我認(rèn)為只有到真正會(huì)用的時(shí)候才是真的學(xué)會(huì)了。在整個(gè)設(shè)計(jì)中我懂得了許多東西，也培養(yǎng)了我獨(dú)立工作的能力，以及團(tuán)隊(duì)協(xié)作的能力，樹立了信心，相信會(huì)對(duì)今后的學(xué)習(xí)工作生活有非常重要的影響。同樣此次設(shè)計(jì)也大大提高了動(dòng)手的能力，使我充分體會(huì)到了在創(chuàng)造過(guò)程中探索的艱難和成功時(shí)的喜悅。雖然這個(gè)設(shè)計(jì)做的并非對(duì)所以車牌都合適，但是在設(shè)計(jì)過(guò) 程中所學(xué)到的學(xué)習(xí)方法是我最大收獲和財(cái)富，相信定會(huì)使我受益終身。8參考文獻(xiàn) 1 岡薩雷斯數(shù)字圖像處理（第二版）電子工業(yè)出版社，20078