1、- i -本科毕业论文（20 届）汽车车牌的自动检测技术研究及实现所在学院专业班级 电子信息科学与技术学生姓名指导教师完成日期- ii -目 录摘 要 . .1Abstract. .2前 言. .3第一章 绪 论 .41.1 研究背景 .41.2 国内研究的现状 .41.3 本文所作的工作 .4第二章 图像预处理 .62.1 真彩图像灰度化 .62.2 图像增强 .62.3 图像效果改善 .72.4 图像二值化 .72.5 边缘检测 .8第三章 车牌定位 .93.1 我国的车牌特征 .93.2 形态态学处理 .103.3 定位的实现 .113.4 倾斜校正 .12第四章 字符分割与识别 .13
2、4.1 字符分割 .134.2 归一化处理 .134.3 字符识别 .14第五章 测试与结果 .165.1 测试结果 .165.2 结果分析 .18第六章 总结与展望 .196.1 课题总结 .196.2 展望 .19参考文献致谢1摘 要由于我国的汽车拥有量与日俱增，这使得车辆牌照自动识别（Vehicle License Plate Recognition,VLPR）在现代智能交通系统中变得尤为重要。本文提出了一种车牌自动识别的方法，并采用 MATLAB 进行仿真分析。提出的方法首先对彩色图像进行预处理，包括灰度化、图像增强、滤波、去噪、二值化等。预处理完成后，对车牌进行定位并使用 Radon
3、 变换法对车牌进行倾斜校正。研究了我国的车牌特征及常用的车牌识别中字符分割算法，实现了车牌中各个字符的快速分割。最后，使用模板特征匹配的算法，实现车牌字符的快速识别并保存识别结果。实验数据表明，该车牌识别方式识别率较高，是一种简单、可行的车牌识别方法。关键词：车牌自动识别，图像预处理，车牌定位，字符分割，字符识别 2AbstractDue to increasing car ownership in China, which makes automatic vehicle license plate recognition (Vehicle License Plate Recognition,
4、 VLPR) become particularly important in the modern intelligent transportation systems. This paper proposes a method of automatic license plate recognition, analysis and simulation using MATLAB.First, the proposed method of color image preprocessing, including grayscale, image enhancement, filtering,
5、 denoising, binarization and the like. After the pretreatment is completed, locate the license plate and license plate using the Radon transform tilt correction. Studied the characteristics of the license plate and license plate recognition in common character segmentation algorithm to achieve a fas
6、t segmentation of each license plate characters. Finally, using the template feature matching algorithm, to quickly identify the license plate character recognition results and save. Experimental data show that the recognition rate is way higher license plate recognition is a simple, practical metho
7、d for license plate recognition.Keywords: Automatic license plate recognition; image preprocessing; license plate location; character segmentation; character recognition3前 言对于车牌自动识别系统的研究，欧美国家起步的比我国早。上世纪 80 年代，就已经有了少量的图像处理方法被应用于车牌自动识别。而我国在上世纪 90 年代也开始自己的车牌自动识别系统的研究与应用。现阶段，车牌识别技术已经相对的成熟，但是还有很大的发展前景，比如
8、速度方面、模糊图像的处理方面、识别准确度等等。车牌自动识别系统在实现交通管理与治安智能化系统中具有很重要的意义，因此对车牌自动识别系统的研究与实现具有现实性意义。全文主要分为六个部分：第一部分：本课题的研究背景，国内外的研究现状，以及研究的目的和意义。第二部分：对彩色图像进行预处理，主要包含（1）图像灰度化；（2）对灰度化后的图像，进行灰度化增强，从而达到改善图像质量的目的等等第三部分：我国的车牌特征,然后对车牌进行定位和倾斜校正，主要采用基于彩色图像的定位方法和基于 Radon 变换的倾斜校正法。第四部分：基于阈值选取的图像分割的方法，对车牌的字符进行分割。第五部分：建立模板库,然后使用模板
9、特征匹配的算法，实现车牌字符的快速识别并保存其识别结果。在 MATLAB R2013a 测试平台验证识别系统的可行性。第七部分：本课题研究内容总结，前景展望。4第一章 绪 论1.1 研究背景随着城市现代化和工业化进程不断加快,通车里程和汽车保有量不断增加,堵车、环境污染加重、交通事故频发等问题日益突出。智能交通系统（Intelligent Transpotation System,ITS）成为交通监管系统的主要发展趋势，所谓智能交通系统就是在较完善的交通基础设施之上，通过应用通信、信息、自动控制、计算机和系统集成等技术，加强载体、运载工具和用户之间的联系，提高运行效率、减少事故、降低污染的系统
10、目标，建立一个便捷、高效、安全、舒适和环保的综合交通运输体系 1。鉴于智能交通系统成为交通监管系统的主要发展趋势，而作为它的重要组成部分，车牌自动识别（License Plate Recognition，LPR）系统应用也变得越来越广泛。在高速公路自动收费系统、小区停车管理系统、交通要塞的“电子眼”系统等多个领域都有应用。因此，车牌识别技术的研究具有很重要的实际意义。1.2 国内研究的现状车牌识别系统需要综合应用许多种手段来提取车牌区域，实现对汽车牌照的精确定位，最终完成对汽车牌照的识别。因此，车牌识别系统需要应对多种复杂环境，如车流量高峰期、阴雨天气、车牌污染等。国内许多学者针对汽车车牌检测
11、，提出各自的算法与系统实现方法。例如，王明华提出了一种一基于彩色纹理特征的车牌定位方法可根据车牌图像的彩色信息特征进行定位，考虑了车牌图像的颜色变化特征 2。陈浩等提出了一种基于遗传算法的 BP 神经网络在车牌识别中的应用，将改进的遗传算法和 BP 神经网络方法结合起来应用于车牌字符识别，充分利用了遗传算法的全局搜索能力和 BP 神经网络的局部最优能力，从而增强了网络的搜索能力 3。张伟采用基于 Matlab 的车牌识别中值滤波算法的研究与实现，进行去噪处理，实现识别 4。1.3 本文所作的工作本文通过对现有的成熟技术简洁，概括了车牌识别的主要技术要求。对实际应用中的汽车牌照图片进行研究。对相
12、关的技术进行详细的阐述，并用 MATLAB R3013a 进行5仿真测试。本文主要工作如下：（1）图像预处理：针对各种客观的条件下图像识别率较低的问题，首先，对图像进行灰度化。然后，进行图像增强。最后，进行二值化处理和边缘检测。（2）车牌的定位：对彩色图像进行车牌的准确定位,然后提取汽车牌照,再倾斜校正。（3）字符的分割：对提取好的车牌灰度化、二值化等处理，然后基于阈值选取的图像分割的方法，对车牌的字符进行分割。（4）车牌字符的识别：根据我国的车牌的特征，然后使用模板特征匹配的方法，对车牌字符进行快速识别。6第二章 图像预处理受外在因素的影响，摄像机所采集的图像也许不是很完美。为了便于后来的处
13、理，需将采集来的车牌进行初步处理，处理掉不必要的信息。图像预处理是对原始图像进行适当的转换，对图像的质量进行改善。一般采取的方式有：图像灰度化，图像增强，图像二值化等，下面详细介绍。2.1 真彩图像灰度化通常摄像机采集来的图像都是真彩图像。真彩图像又称为 RGB 图像，有着很丰富的彩色信息，每个像素点的信息都是由 R（红）、G （绿）、B（蓝）三个颜色分量组成。由这三种颜色可以组成任意颜色 5。RGB 图像由于含有的信息很多，占用的存储空间很大，使得图像处理的速度很慢。因此出于车牌识别性能的考虑，在对图像处理时通常把RGB 图像转换为灰度图像，从而有利于处理速度的提高。在 MATLAB 中提供
14、了 rgb2gray 函数用于 RGB 图像转化为灰度图像。其调用格式如下：J=rgb2gray（RGB ）：表示将 RGB 图像转换成灰度图像 J6。通过上述函数，将 RGB 图像转化为灰度图像。2.2 图像增强在实际应用中，由于外部因素的影响（如：光照） ，使图像的清晰程度也受到了影响，从而影响了整体的识别效果。因此采用图像增强的方法，来改善图像的质量。图像增强不考虑是什么原因使质量下降的，只将图像中感兴趣的部分选择性的凸显出来，而衰减不需要的部分。图像增强的方法分为空域法和频域法。空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，修改变换后的系数，对图像进行处理，
15、然后再进行反变换得到处理后的图像 7。本文采用空域法中的直方图灰度变换的方法来增强图像的对比度效果。图像的直方图是图像重要的统计特征，可以认为是图像灰度分布的密度函数的近似。通常图像灰度分布密度函数与像素所在的位置有关。设图像在点 处的灰度分布密度yx,函数为 ,那么图像的灰度密度函数，用式（ 2-1）表示为yxf（2-1 ）dxyzfszD,;1f7式中，D 是图像的定义域，S 是区域 D 的面积 8。一般来说，要精确得到图像的灰度分布密度函数比较困难，所以实际中用图像的直方图来代替。灰度直方图是一个离散函数，它表示数字图像每一灰度级与该灰度级出现频率的对应关系。设一幅数字图像的像素总数为
16、N，有 L 个灰度级，具有第 k 个灰度级的灰度 的像素共有 个，则第 k 个灰度级krkn出现的概率，用式（2-2）表示（2-2 ）Nnpk1,0L在 MATLAB 中提供了 inhist 函数来计算和显示图像的直方图。其调用格式如下：Imhist(J,n)：绘制灰色图像的直方图 6。通过上述函数，将灰度图像转化为直方图图像。2.3 图像效果改善改善图像效果的方法有：去噪、滤波、平滑等。通常情况下，由于 CCD 获得的图像经过 A/D 转换、线路传送都会产生噪声污染等。因此，图像的质量不可避免地降低了，给机器的处理和人的观察带来了一定的影响。所以，改善图像十分有必要。要进一步改善图像的效果，
17、对图像进行邻域滤波处理，它可以在抑制随机噪声的同时不使边缘模糊。中值滤波的数学描述如下：如果 T 为像素 的邻域集合， 表示 T 中的元素， 表示 点的灰0,yxyx, yxf,度值，|T| 表示集合 T 中元素的个数，Sort 表示排序，则对 进行平滑，用式（2-3）0,表示为（2-3 ）21|,0 , TTyxfSortf在 MATLAB 中提供了 medfilt2 函数来实现数字图像的二维中值滤波。其调用格式如下：B=medfilt2(J,m,n) 其中，J 为输入的原始图像，B 为滤波后图像。m,n为指定滤波模板的大小。2.4 图像二值化在实际中，由于识别速度的要求，通常通过二值化的方
18、法继续对图像进行处理。二值图像只有黑白两种色调。在 MATLAB 中提供了 im2bw 函数来通过阈值法将灰度图像转换为二值图像。其调8用格式如下：BW=im2bw(J,level):表示将灰度图像 J 转换成二值图像。level 为归一化的阈值，取在0,1 之间内 6。可通过函数 graythresh(J)计算得到。2.5 边缘检测在数字图像中物体的边缘是以图像的局部特征不连续的形式出现的，即指图像局部亮度变化显著的部分，如灰度值突变、颜色突变、纹理结构突变等，同时物体的边缘也是不同区域的分界处。而车牌中含有相对多的边缘信息，因为它有汉字、字母、数字组成。由于边缘是所提取目标与背景的分界线，
19、提取出边缘才能将目标与背景分离开来，从而可以分离出车牌图像中的文字特征。因为在图像中，某物体边界上的像素点，其邻域将是一个灰度级变化带。衡量这种变化的有效的特征值是灰度变化率和变化方向，他们分别以梯度向量的复制和方向表示的 7。在实际应用中，为了方便，一般将算子以微分算子的形式表示，然后采用快速卷积函数来实现。本文采用 Roberts（罗伯特）边缘算子，它是一种斜向偏差分的梯度计算方法，梯度的大小表示边缘的强度，方向与边缘走向垂直 9。该算子计算公式，用式（2-4）表示（2-4 ）212 ,11,G yxfxfyxfyfyxf其中， 是具有整数像素坐标的输入图像。使用 Roberts 算子 edge 函数调用格式为：BW=edge(J,Roberts)BW=edge(J,Roberts,thresh)其中，BW 返回的是与 J 同样大的二值图像 6。
