《車牌識別論》word版

《《車牌識別論》word版》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、《車牌識別系統(tǒng)》學(xué)院：外語學(xué)院專業(yè)：英語+軟件工程091姓名：張晨曦學(xué)號：0918110121車牌識別系統(tǒng)摘要：文章從車牌定位、車牌字符分割和車牌字符識別3個階段對車牌識別技術(shù)進(jìn)行了深入研究，并用MATLAB進(jìn)行了仿真。關(guān)鍵詞：車牌識別，車牌定位，車牌字符分割1引言車牌是一輛汽車獨一無二的信息，因此，對車輛牌照的識別技術(shù)可以作為辨識一輛車最為有效的方法。隨著ITS(智能交通系統(tǒng))的高速發(fā)展，對車牌識別技術(shù)的研究也隨之發(fā)展。從根本上講，牌照識別應(yīng)用了先進(jìn)的圖像處理，模式識別，人工智能技術(shù)來獲取，處理，

2、解釋，記錄拍照的圖像。目前，牌照識別技術(shù)已經(jīng)廣泛而成功的應(yīng)用于高速公路的監(jiān)測，電子收費，交通違規(guī)管理，安全停車管理，偷盜車輛辨識等重要領(lǐng)域。車牌識別系統(tǒng)一般包括以下幾個部分，見圖1。9圖1車牌識別系統(tǒng)主要研究內(nèi)容如下:1.車牌的定位研究。先進(jìn)行圖像的預(yù)處理，包括:RGB彩色圖像的灰度化、圖像灰度拉伸、圖像邊緣檢測、灰度圖的二值化等;車牌定位采用基于水平和垂直投影分布特征的方法。2.字符分割的研究。先對定位后的車牌圖像進(jìn)行預(yù)處理，然后按照車牌的先驗信息,用區(qū)域增長算法來確定候選車牌的字符區(qū)域。3.字符

3、識別的研究。對于提取出的單個字符，先進(jìn)行歸一化操作，再與給定的模板做對比，識別出字符。2.圖像的定位2.1圖像的預(yù)處理一般情況下，由CCD采集到的圖像會有不理想的情況，如光線過強，或者偏弱，這些都會對后續(xù)的圖像處理產(chǎn)生一向。而且車牌位于車身下部，靠近散熱片，對比度較差，此時若直接對灰度圖像進(jìn)行定位會有不小的困難，為了獲得較好處理的灰度圖像，在對CCD采集的原始圖像進(jìn)行灰度化后，要對其灰度轉(zhuǎn)換。首先對圖像灰度拉伸，使灰度級占據(jù)0--255整個區(qū)域，這樣做的目的是為了減少光線過強，或者偏弱時造成的灰度級

4、過少．本文直接采用直方圖均衡化，這樣處理簡單，運算量小，效果也較理想。2.2邊緣提取對圖像進(jìn)行邊緣提取，邊緣提取的最大好處就是能夠突出邊緣區(qū)域，同時使背景圖像中無關(guān)的部分暗淡。由于車牌部分是邊緣相對集中的區(qū)域，在對其邊緣分割后，可以看到車牌部分很明顯的突現(xiàn)出來。實現(xiàn)方法中，我們采用了水平差分算法，它利用圖像后一列像素減去前一列像素，從而得到邊緣圖像。再對所得的圖像二值化處理。實驗結(jié)果如圖1所示9圖1邊緣提取后的圖像由圖可見，圖像經(jīng)過差分二值后，車牌區(qū)域明顯可見。2.2車牌邊界的確定由于車牌一般是由字

5、符、背景和邊框組成，提取圖像的邊緣圖像后，在字符與背景處就形成了較強的邊緣。再考慮汽車本身的特點，通常車牌位于汽車緩沖器上或附近，靠近整幅圖像的下部，在往下便是路面，路面一般是比較光滑，因此可以在邊緣提取時就很有效的將這部分雜質(zhì)濾除掉，而使干擾圖像的噪聲處于車牌之上，如車燈，或散熱片。由此，我們采用由下而上的掃描的方法。首先，對邊緣圖像的象素沿水平方向累加產(chǎn)生一個投影圖，如圖2所示。9圖2粗略定位的水平投影圖由投影圖可以看出有車牌字符的地方，灰度值較高，而且處于圖像的下部。故此，先進(jìn)行粗略定位，找尋

6、水平投影圖大于3分之2最大值的點，找到改點對應(yīng)的橫坐標(biāo)的最大值，記錄坐標(biāo)。該點記為車牌的下邊界。根據(jù)車牌的幾何特征（在初始處對圖像進(jìn)行歸一化處理統(tǒng)一成1000×800的大?。嚺聘叨却蠹s占100個像素，考慮到噪聲等因素的影響，粗略將上下邊界分別定義為最大值－120，最大值＋50。在上下界粗定位的基礎(chǔ)上進(jìn)行精細(xì)定位，即對圖像再進(jìn)行水平投影，找尋大于3分之2最大值的點，記錄改點所對應(yīng)的橫坐標(biāo)的最大值和最小值，那么此兩點為車牌的上下邊界點。如圖3所示9圖3精細(xì)定位的水平投影圖在定位出上下邊界后，再對特征

7、圖像進(jìn)行垂直投影,得到投影圖后，對投影圖進(jìn)行處理，重復(fù)水平定位的理念，找尋大于3分之2最大值的點所對應(yīng)的橫坐標(biāo)的最大值和最小值，即為車牌的左右邊界點，完成定位。為了之后字符識別的更好處理，在這里，本人根據(jù)找尋的邊界點，對該灰度增強后圖進(jìn)行定位。如圖4所示圖4垂直投影圖93字符分割區(qū)域增長的基本思想是將具有相似性質(zhì)的象素集合起來構(gòu)成區(qū)域。首先在待分割的每個區(qū)域中選擇一個種子點作為增長的起始點，然后在種子點的領(lǐng)域中搜索那些與種子點的相似特征度滿足指定增長準(zhǔn)則的象素，并與種子點所在區(qū)域合并。此時將新合并的

8、象素作為新的種子點，繼續(xù)以上搜索和合并過程，直到?jīng)]有可以合并的象素為止。本文的算法中采用區(qū)域增長算法來確定候選車牌的字符區(qū)域。首先要確定起始的種子點。字符的像素值最大為255，基于這個信息，選定像素值為255的點為起始點。然后選擇下面的增長標(biāo)準(zhǔn)：假定一個像素屬于一個區(qū)域，則這個像素和這個區(qū)域里至少有八個像素點是相連的。如果一個像素同時又和其他區(qū)域相連了，則這些區(qū)域合并在一起。由于光照或者背景噪聲等的影響，區(qū)域增長算法可能生錯誤的字符區(qū)域，就需要根據(jù)前文所述的車牌先驗信