1、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 电子信息工程 学生姓名 学号 指导教师 职称 完成日期 年 月 苏州大学本科生毕业设计（论文）- ii -目 录前言 .2第 1章 绪 论 .3第 1.1 节 课题的背景与研究意义 .3第 1.2 节 本文的研究任务与目标 .6第 1.3 节 本文的结构安排 .7第 2章 图像预处理的基本知识 .8第 2.1 节 MATLAB 介绍 .8第 2.2 节 图像预处理 .9第 3章 车牌定位技术研究 .13第 3.1 节 图像的平滑处理 .13第 3.2 节 图像的边缘检测 .14第 3.3 节 车牌区域的定位与分割 .1
2、5第 3.4 节 车牌的二值化处理 .17第 4章 字符分割与识别技术研究 .20第 4.1 节 字符分割技术 .20第 4.2 节 字符识别技术 .22结论 .24参考文献 .25致谢 .26附录 .27附录 1：源程序代码 .27附录 2：仿真图片 .48苏州大学本科生毕业设计（论文）- 1 -汽车车牌的自动检测技术研究及实现【摘要】：本论文主要研究车牌自动检测与识别。检测过程是対一幅车牌图片进行采样、灰度化处理、图片的加强、锐化、去噪、均值滤波、二值化、边缘检测、阈值分割等操作。识别过程是将车牌中的数字及字母单独分割出来。图像预处理是将图像进行灰度化和用 Roberts 算子进行边缘检测
3、。在车牌定位和分割时对其进行腐蚀去杂处理，寻找 X，Y 方向车牌的区域完成车牌定位。检查白色像素点去除图像两边多余部分，根据图像大小设置阈值分离出字符从而完成字符的分割。【关键词】：灰度图像；边缘检测；二值化Abstract :This paper mainly research license plate detection and recognition. The procedure is a license plate images of sampling, processing, pictures of the gray strengthen, sharpening, denoisin
4、g and mean filter, binary, edge detection, threshold segmentation etc . Identification process is to license plate Numbers and letters division out alone. Image preprocessing module is gray, and the image with Roberts operator on edge detection. In the license plate location and split the corrosion
5、to when mixed processing, looking for X, Y direction of the license plate location complete license plate area. Check the white eliminate image pixels on both sides of redundant, according to the image size setting threshold to complete separation of the characters of the character segmentation. Key
6、 words:Gray-scale image; Edge detection; monochrome image苏州大学本科生毕业设计（论文）- 2 -前言随着交通问题的日益严重，智能交通系统应运而生。从 20 世纪 90 年代起，我国也逐渐展开了智能交通系统的研究和开发，探讨在现有的交通运输网的基础上，提高运输效率，保障运输安全。我国加强智能交通系统（ITS）的研究与开发势在必行，特别是考虑到我国的国情和我国经济的快速发展，社会信息化程度日益提高，交通管理智能化成为发展的趋势。汽车牌照自动识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。车牌检测的目的
7、是对摄像头获取的汽车图像进行预处理,确定车牌位置,提取车牌上的字符串，并对这些字符进行识别处理,用文本的形式显示出来。车牌自动识别技术在智能交通系统中具有重要的应用价值。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次设计主要对车牌的定位做了比较详细的研究。汽车牌照自动识别系统作为一种交通信息的获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要的应用价值，受到业内人士的普遍关注。车牌自动识别的处理有三部分组成，其中车牌定位作为最关键的技术，成为重点研究的对象。车牌定位的成功与否以及定位的准确程度将会直接决
8、定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。车牌定位的方法有很多种，目前比较经典的定位方法大都在基于灰度图像的基础上。本次毕业设计就针对灰度图像的定位和分割进行了研究。针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位和分割的方法。依据车牌中不同区域的灰度分布，车牌定位时可以首先将彩色车牌进行灰度化然后再进行车牌定位与分割。苏州大学本科生毕业设计（论文）- 3 -第 1 章 绪 论第 1.1 节 课题
9、的背景与研究意义1.1.1. 智能交通系统的发展随着我国国民经济的快速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，道路运输已经在国民经济和社会发展中起着举足轻重的作用。但是随着汽车的普及、交通需求的急剧增长，道路运输所带来的交通拥堵、交通事故和环境污染等负面效应也日益突出，成为经济和社会发展中的全球性共同问题。智能交通系统（Intelligent Transportation System，ITS）正是解决这一矛盾的有效途径之一。智能交通系统是在较完善的道路设施基础上，将先进的信息处理技术、导航定位技术、数据通讯传输技术、电子控制技术以及计算机网络技
10、术等有效地综合应用于整个交通管理系统。通过加强道路、车辆、驾驶员和管理员的联系，实现道路交通的“自动化”和车辆行驶的“智能化” ，从而建立起一种在大范围内、全方位发挥作用的、实时、准确、高效的交通综合管理系统。ITS 的概念于 1990 年由美国智能交通学会（ITS America，当时名称为 IVHS America）提出，并在世界各国大力推广。经过近 20 年来的推广、试行和发展，智能交通系统目前已在世界上经济发达国家和经济较为发达国家的一些都市及高速公路系统中实施。实践证明，智能交通系统是解决目前经济发展所带来交通问题的理想方案。我国有关部门已将 ITS 列入“九五” 、 “十五”科技发
11、展计划和 2010 年长期规划中1。我国 ITS 的研究应用主要体现在：（1）城市交通信号控制系统（2）高速公路监控系统（3）电子收费系统（4）路径导行系统其中，应用于高速公路监控系统和电子收费系统中的车辆自动识别技术在智能交通系统中占有重要的地位。车辆自动识别系统可以广泛应用于公路和桥梁收费站、公路流量观测站、城市交通监控系统、港口和机场等车辆认证的实际交通系统中，以提高交通系统的车辆监控和管理的自动化程度，具有很高的实用价值和经济价值。目前的车辆自动识别系统主要有两种模式：一种是采用无接触式智能卡，就是在汽车上安装一个电磁波发射装置，同时在检查位置安装检测装置实现对车辆的自动识别。这种方法
12、需要一车一卡、投资大，而且操作麻烦，所以不宜推广。苏州大学本科生毕业设计（论文）- 4 -另一种方法是利用摄像头获取车辆图像，然后运用图像处理、图像分析和模式识别技术自动识别车辆牌照。在实际应用中，由于车牌作为汽车的标志具有唯一性，知道了车牌号，车辆的所有信息都可以一目了然。而且基于图像处理的车辆识别系统投资低，操作简单。因此，随着数字图像处理技术的不断成熟，车牌识别技术（LPR：License Plate Recognition）已经成为智能交通系统的核心技术之一，是近几十年来的热点研究课题之一。1.1.2. 车牌检测技术研究现状1、车牌检测（车牌定位）车牌检测，又称车牌定位（在图像中提取出
13、车牌区域图像）是整个 LPR 系统的关键技术，也是最难点技术。如果定位不准确就无法进行车牌分割和识别。车牌定位是典型的复杂背景中的目标检测问题。车牌区域往往只占图像中的一小块面积，而且位置是不固定，常受污点、锈迹、扭曲等噪声的影响，目前的车牌定位方法主要有如下七类：(1)在水平条状区域找类字符结构的方法(2)基于颜色的车牌检测方法(3)基于扫描行的车牌检测方法(4)利用扫描行的离差数据初步检测车牌区域的方法(5)利用汽车牌照具有四边形边框特点的方法(6)基于属性开运算的汽车牌照区域定位算法(7)基于局部二值化与自适应形态滤波算法2、车牌区域图像及字符图像的分割车牌区域及字符图像分割，就是采用一
14、定的法则对车牌字符和车牌背景的不同属性（如灰度和纹理）检验，最终将其分离的过程。图像分割的方法有很多，主要分为以下四类：(1)基于直方图的分割技术(2)基于空间信息的技术(3)基于活动轮廓模型(4)基于数学形态学技术3、车牌字符识别字符识别可以被认为是属于印刷体文字识别的范崎，目前清晰图像的印刷体字符识别问题在光学字符识别 OCR（Optical Character Recognition）产品中有较好的实现，其关键在于特征提取和分类器的组织。识别方法从传统的单一特征抽取和单一分类方法发展为采用多特征抽取和多分类方法，并运用多种形式混合，从而解决一个复杂的问题。另苏州大学本科生毕业设计（论文）
15、- 5 -外识别方法从单字识别发展为基于多字识别模型的集群识别，从而融汇大量语言信息，借助上下关联矫正分类结果，有效的提高识别率。与此相比，车牌字符的识别研究依旧相对滞后，目前仍没有相对成熟的系统。由于汽车车牌图像所处成像环境复杂多变，很难采集的到一个完整的有代表性的原始图像集作为统计分析的基础，因此统计方法难于实现。另外车牌字符可能会发生变形、断缺等情况，使字符结构受损，则依赖于字体结构完整性的结构识别方法所提取的特征会不准确，识别结果的误识率也高。因此实际应用于车牌识别的方法主要是以下两类：(1)基于神经网络的字符识别方法(2)基于模板匹配的字符识别方法1.1.3. 车牌检测技术存在的问题
16、车牌识别的难点主要包括车牌定位和字符识别两方面。1、车牌定位的特点与难点在车牌识别系统中，一般采用 CCD 来获取图像。在实际处理中，经过大量的观测，发现获取的车牌图像具有很多不确定性因素，主要有以下几点：(1)所获取的图像中，含有丰富的自然背景和车身背景信息，同时易受照明条件（白天、黑夜） 、天气条件（阴、雨、雾、雪）及运动失真和模糊的影响，因此所获取的图像质量一般都不是很高；(2)由于自然或人为的原因，车牌的颜色无法保持为固定的几种颜色，并且在同一车牌内部颜色也可能会有较大变化；(3)对于不同车辆、车型、用途，规定了多种牌照格式（例如分为军车、警车、普通车等） ，并且还有地方政府设置的营运
17、牌照及商业广告等信息，这些对车牌区域判断的干扰都很大；(4)由于拍摄位置的不恰当，有些车牌边缘被后盖遮住。还有因为车牌裹边的规格不一致，有的车牌仅有文字区域露出，而另一些车牌却没有裹边。此外在实际中摄像机拍摄的边框往往是时断时续的。这样造成结果是没有固定的车牌边缘，给定位和分割带来很大的困难。2、车牌字符识别的特点和难点下面是归纳出来的几个已知的车牌形态、结构特征，也就是车牌检测与识别的一些基本知识：(1)车牌是一个长方形，高宽比为 409mm：90mm4.45：1；(2)车牌字符的高宽比为 90mm：45mm2：1；(3)车牌字符间有 12mm 的间隙，其中边框线的宽度为 1.5mm。也就是
18、说字符间距是边框线宽度的 12mm：1.5mm8：1 倍；苏州大学本科生毕业设计（论文）- 6 -(4)车牌第二个字符和第三个字符之间有一个“，其它字符之间的宽度和字符宽度比为 10mm：45mm1：4.5，若删除“ 的话，车牌第二个和第三个字符间距和其它字符间距比为 34mm：12mm2.83：1；(5)车牌字符之间的中心距离和高度比为 51mm：90mm1：1.76；(6)车牌上有四个铆钉，主要存在于车牌上的第二个字符和第六个字符的上下方；(7)车牌区域是纵向小边缘密集区域并且车牌字符和背景对比度大；对于我国的车牌，字符识别的特点和难点主要表现在以下方面：(1)标准汽车牌照是由汉字、英文字
19、母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别难度；(2)国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等若干种颜色；(3)其他国家的汽车牌照格式（如汽车牌照的尺寸大小，牌照上字符的排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如分为军车、警车、普通车等) ；(4)由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家一般不允许上路，而在我国仍在路上行驶。3、在目前的实际应用中仍然存在不少的技术难点：(1)算法难点：汽车牌照区域
20、快速准确定位、变形矫正、旋转矫正、污损修复、字符切分、牌照汉字识别。(2)成像环节难点：环境光影响（太阳定向反射、镜面反射） 、车辆高速运动中成像。(3)系统运行难点：全天候连续工作、系统无故障时间。第 1.2 节 本文的研究任务与目标1.2.1. 本文的研究任务汽车车牌检测主要包括三大模块：1车牌定位；2车牌字符分割；3车牌字符识别；其中车牌定位又可以分为图像预处理及边缘提取和车牌的定位及分割；字符识别可以分为字符分割与特征提取。对车牌的处理要求很高，为了用于车牌的分割和车牌字符的识别，原始图像应具有适当的亮度，较大的对比度和清晰可辨的图像。但由于车牌图像是在开放的户外环境下获得的，加上汽车
21、车牌的整洁度、自然光照条件、拍摄时摄像苏州大学本科生毕业设计（论文）- 7 -机与车牌的距离和角度以及车辆行驶速度等因素的影响，车牌图像可能出现模糊、歪斜和缺损等严重缺陷，因此就需要对原始图像进行识别前的预处理。在对车牌图像采样后需要对其进行灰度处理、锐化、图像增强等操作，接下来要对其边缘提取找到分界点将车牌从图像中分割出来，对图像开闭运算也就是膨胀和腐蚀操作，使车牌的特征更趋于明显，有助于车牌的定位。完成车牌的定位后，再将车牌区域分割成单个字符，在进行归一化。对于车牌识别主要就是对车牌进行一系列的处理最终将车牌中的字符提取出来，其中涉及到两次分割，车牌在整幅图像中的分割和字符在整个车牌中的分
22、割，这是车牌检测的核心之处，在这两次分割之前，有许多技术都是对图像进行特征处理以便于分割，例如分割前的灰度处理，边缘检测，去杂，去噪，滤波，归一化，二值化，阈值分割等技术，本文主要研究汽车车牌的处理从而实现车牌的识别。1.2.2. 本文研究的目标通过研究车牌的定位技术、字符分割技术和字符识别技术，对采集的图像进行一系列的图像预处理找出一种能够自动识别出图像中车牌的有效方法从而完成车牌的识别。第 1.3 节 本文的结构安排(1)第一章介绍论文的研究意义和主要研究内容及目标；(2)第二章主要是 Matlab 软件的介绍和图像预处理过程；(3)第三章介绍车牌的定位技术；(4)第四章介绍字符分割技术与
23、识别技术；(5)对本文进行总结，并指出不足和需要改进的地方。苏州大学本科生毕业设计（论文）- 8 -第 2 章 图像预处理的基本知识第 2.1 节 MATLAB 介绍2.1.1. MATLAB 发展背景MATLAB 是一门计算机编程语言，取名于 Matrix Laboratory，本意是以矩阵的方式来处理计算机数据，把数值计算和可视化环境集成在一起，非常直观，而且提供了大量的函数，使其越来越受到人们的喜爱，工具箱越来越多，应用范围也越来越广泛。MATLAB 以商品形式出现后，仅短短几年时间，就以其良好的开放性和运行的可靠性，使原先控制领域里的封闭式软件包（如英国的 UMIST ，瑞典的 LUN
24、D 和 SIMNON ，德国的 KEDDC ）纷纷被淘汰，从而转变成以 MATLAB 为平台的重建。进入 20 世纪 90 年代时，MATLAB 已经成为国际控制界公认的标准计算应用软件。 90 年代初期，国际上 30 几个数学类科技应用软件中， MATLAB 在数值计算方面独占鳌头，而 Mathematica 和 Maple 则分居符号计算软件的前两名。 Mathcad 因为提供计算、图形、文字处理的统一环境而深受中学生欢迎。 国际学术界， MATLAB 已经被确认为是一种准确、可靠的科学计算标准软件。在许多国际一流学术刊物上， （尤其是信息科学刊物） ，都可以看到 MATLAB 的应用。
25、在设计研究单位和工业部门， MATLAB 被认做是进行高效研究、开发的首选软件工具。如美国 National Instruments 公司信号测量、分析软件 Lab VIEW ， Cadence 公司信号和通信分析设计软件 SPW 等等，或者直接建筑在 MATLAB 之上，或者以 MATLAB 为主要支撑。又如 HP 公司的 VXI 硬件， TM 公司的 DSP ， Gage 公司的各种硬卡、仪器等都是 MATLAB 的支持。2.1.2. MATLAB 的语言特点一种语言之所以能如此迅速地普及，展现出如此旺盛的生命力，是由于它有着不同于其他语言的特点。正如 FORTRAN 语言和 C 语言等高
26、级语言使人们摆脱了需要对计算机硬件资源进行操作一样，被称做为第四代计算机语言的 MATLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB 最突出的特点就是简短。MATLAB 用更直观、更符合人们思维习惯的代码，代替了 C 语言和 FORTRAN 语言的冗长代码。MATLAB 给用户带来的是最直观、最简短的程序开发环境。以下简单介绍一下MATLAB 的主要特点： 语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB 程序书写形式自由，利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用 MATLAB
