发布时间 : 星期一 文章基于图像处理的车牌识别定位算法研究更新完毕开始阅读06bd5ced551810a6f52486bf
大学本科毕业论文（设计）
运用。一个车牌的定位与识别系统基本包括:图像预处理、车牌搜索、车牌定位、车牌字符分割和字符识别等几个模块。本课题是对汽车图像进行分析从实用角度来研究基于图像处理技术的车牌定位与识别的算法问题。 1.2车牌识别系统的原理
一个典型的车辆牌照识别系统(LPR)是由图像采集系统、图像识别系统组成，一般还要连接相应的数据库以完成特定的功能。当系统发现有车(通过埋地线圈或光束监测)，则发出信号给图像采集系统，所得图像即识别软件的输入，得到输入后首先对图像进行预处理，为目标搜索提供一个良好的环境;在此基础上把牌照从背景中分割出来;字符分割是最小限度的取出字符的包含区，确保识别的正确性:最后对分割得到的字符进行识别，识别结果就是汽车的牌照号码。再查询特定的数据库(如被盗车辆、持有通行证车辆数据库)，就可以完成以上所述的各种功能。图1-2显示了车牌识别系统的结构框图。
显示 CCD摄 像机 图像输入接口预处理，桢存 牌照与背景分割 字符 分割v 字 符识别 主机 数据库 图1-2 车牌识别系统的结构框图 Fig.1-2 LPR system block diagram
整套系统实际是一种硬件和软件的集成。在硬件上，它需要集成可控照明灯、镜头、图像采集模块、数字信号处理器、存储器、通信模块、温控模块、单片机等;在软件上，它需要包括车牌定位、车牌字符切割、车牌字符识别等算法。这样一体化的结构形式能在现实中降低对环境的要求 1.3本论文的主要工作
在对国内外车牌识别系统及方法进行充分的分析后可以得知基于图像处理
9
大学本科毕业论文（设计）
技术的牌照识别系统必须解决的问题有:
a) 牌照可能出现在图像中的任何位置，算法必须适应这种情况，不能对牌照出
现的位置提出要求:
b) 算法必须适用于国内任何一种颜色的牌照，并且不受车辆本身型号、颜色的
影响;
c) 在车体上出现有其它标志、字号的情况下能将这些部分与牌照区分开; d) 允许牌照本身有一定程度的倾斜、扭曲，牌照在图像中的形状允许有一定的
变形:
e) 在牌照字符出现一定程度的模糊、笔画断裂的情况下仍能正确识别: f) 算法必须使用外界光线强度和图像对比度的变化;
g) 摄像头可以安装在车辆的前方，两侧或上方，拍摄角度可以是俯视或侧视。 上述几个问题是研究的重点和难点。针对这些问题，本论文主要研究了与车辆牌照识别系统相关的基于图像处理技术的字符特征提取方法，将计算机视觉与模式识别技术紧密结合，针对汽车牌照识别的主要应用技术和现阶段的发展动向，设计了车牌识别系统的软件结构;着重分析了字符识别的结构特征提取；在此基础上，详细研究了车牌识别系统软件设计的实现方法，主要包括车辆牌照的分割与提取和车牌字符的识别。这两部分是相辅相成，缺一不可的。其中车牌字符的识别又包括了字符的分割与提取和字符识别两部分。字符的分割与提取是为字符的识别做准备，是字符识别精确的前提保证，而字符的识别则是关系到最终输出的识别结果。最后才能得出实验结果。
2 车辆牌照的定位方法
车辆牌照定位方法是基于图像处理的基础上，对图像进行分析、总结并经过大量的试验所获得的。定位方法的研究与车牌特征和图像处理技术是分不开的。从自然背景中准确可靠地分割出车牌区域是提高系统识别率的关键，但是由于车牌图像摄于背景复杂.光照不均匀的自然场景，因而会出现颜色失真或低对比度的图像，这给车辆牌照的定位带来了很大的困难。为此人们进行了大量的研究，并取得了一定的成果。在本课题的研究中，提出了基于图像预处理和数学形态学相结合的车牌定位算法，该算法具有快速、简洁实用但与背景相关性比较大的特
10
大学本科毕业论文（设计）
点，其流程图如图2-1所示。
输入原始图像 图像边缘检测 二值化 数学形态学处理 水平投影定位 垂直投影定位 输出车牌位置 图2-1 车牌定位流程图
Fig.2-1 License Positioning Flowchart
2.1图像分析与处理的基本方法
由于车型及牌照识别系统的处理对象是从实地拍摄的含有车辆的图像，因此系统的关键技术几乎都是基于数字图像的处理和分析的。图像处理主要包括图像变换、图像增强、图像压缩、图像复原、区域分割等方法，图像处理的目的主要在于解决两个问题:一是在一幅具有复杂背景的图像中，判断是否包含有用的信息，即是否有特定的对象物；二是确定并且提取出这些有用的信息，以用于下面 图像识别环节。在本节中主要采用了图像转换、边缘检测、数学形态学等方法对图像进行预处理。 2.1.1图像转换
摄像机拍摄的图片通常以BMP格式存入计算机,BMP格式是以象素为单位记录图像的，每个象素点均由红、绿、蓝3色组成，每个色彩通道的颜色值均由8
11
大学本科毕业论文（设计）
位字节表示。彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因而大部分的车辆牌照识别系统采用不含色彩信息的灰度图像，即图像中每个象素仅用1个8位字节表示亮度值。基本方法是以图像中每个象素的三个分量的平均值代替各个分量。如果颜色的三个分量分别用r,g,b表示，则取
r?g?b?r?g?b (2-1) 32.1.2边缘检测
所谓的“边缘”,通常是指图像中的某些直线或曲线，其图像的两点亮度梯度有较为陡峭的变化。边缘往往提供了不同区域间的重要信息。例如，它可能是物体与背景的交界处、物体中不同取向两表面的交线或一个物体的阴影边缘在图像中的特征反映。
边缘检测是所有基于边界的分割方法的第一步。两个具有不同灰度的相邻区域之间总存在边缘。边缘是灰度不连续的结果，这种不连续常可利用求导数方便地检测到，一般常用一阶和二阶导数来检测边缘。一阶或二阶导数所对应的边缘检测算子又叫微分算子，常用的有梯度算子和拉普拉斯算子。
1) 梯度算子:梯度对应一阶导数，对一个连续函数f (x , y)，它在位置(x , y)
的梯度可表示为一个矢量:
??f?f??f(x,y)?[GxGy]T??? (2-2) ?x?y??矢量的幅度(也常直接简称为梯度)和方向角:
mag(?f)?G
?2x?G2y?12 (2-3)
?(x,y)?arctan(Gy)Gx (2-4)
式((2-3)} (2-4)的幅度计算是以2为模(对应欧式距离)。常用的两种方法分别为以1为模:
?f(1)?和以?为模
?f?f (2-5) ??x?y 12