1、本科生毕业设计（论文）题目车牌识别算法的研究与实现姓名学号系别专业年级指导教师2015年3月20日华侨大学厦门工学院毕业设计（论文）独创性声明本毕业设计（论文）是我个人在导师指导下完成的。文中引用他人研究成果的部分已在标注中说明；其他同志对本设计（论文）的启发和贡献均已在谢辞中体现；其它内容及成果为本人独立完成。特此声明。论文作者签名日期关于论文使用授权的说明本人完全了解华侨大学厦门工学院有关保留、使用学位论文的规定，即学院有权保留送交论文的印刷本、复印件和电子版本，允许论文被查阅和借阅；学院可以公布论文的全部或部分内容，可以采用影印、缩印、数字化或其他复制手段保存论文。保密的论文在解密后应遵
2、守此规定。论文作者签名指导教师签名日期I车牌识别算法的研究与实现摘要随着我国经济的快速发展，社会信息化程度日益提高，智能化、自动化已经开始成为各个行业发展的方向，这使得智能交通系统INTELLIGENTTRANSPORTATIONSYSTEM，简称ITS成为研究的热点领域，受到了广泛的关注。车牌识别技术集成了模式识别技术和计算机视觉技术，其目的就是在无需为车辆加装其他特殊装置的情况下实现对车辆的自动监测，以提高管理效率与水平，节省人力、物力，实现车辆管理的科学化、规范化，从而给交通系统的自动管理提供了极大的方便，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。在车牌识别系统中，首先要将车牌
3、从所拍摄的图像中分割出来，这是进行车牌字符识别的重要步骤，定位是否准确直接影响车牌识别效果。车牌识别的目的是对摄像头获取的汽车图像进行预处理,确定车牌精确位置,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。本次论文主要对车牌的定位做了比较详细的研究。本文结合前人已有技术经验的分析和研究，根据车牌图像特点，从车牌识别算法关键环节包括数字图像预处理，车牌定位，字符分割，字符识别等四部分一一进行了分析研究，设计了一套车牌识别算法的研究与实现方案并通过系统加以实现。本文采用一种基于MATLAB的车牌识别算法系统的实现方法，适应性强，实时性好。关键词MATLAB，图像处理，车牌定位
4、，字符分割，字符识别华侨大学厦门工学院毕业设计（论文）IIRESEARCHANDIMPLEMENTATIONOFLICENSEPLATERECOGNITIONSYSTEMABSTRACTWITHTHERAPIDDEVELOPMENTOFOURECONOMYANDTHEINCREASINGLYOFSOCIALINFORMATIONIZATION,INTELLIGENT,AUTOMATIONHASBECOMETHEDEVELOPMENTDIRECTIONOFTHEINDUSTRY,WHICHMAKESTHEINTELLIGENTTRANSPORTATIONSYSTEMITSBECOMESTHEFO
5、CUSOFSTUDYANDTHEMAJORITYOFATTENTIONTHELICENSEPLATERECOGNITIONTECHNOLOGYINTEGRATEDPATTERNRECOGNITIONANDCOMPUTERVISIONTECHNOLOGY,THEPURPOSEISTOREALIZETHEAUTOMATICMONITORINGOFTHEVEHICLEWITHOUTTHENEEDTOINSTALLOTHERSPECIALDEVICESFORTHECASEOFAVEHICLE,INORDERTOIMPROVETHEEFFICIENCYANDLEVELOFMANAGEMENT,SAVEM
6、ANPOWERANDMATERIALRESOURCES,TOACHIEVETRAFFICMANAGEMENTSCIENTIFIC,STANDARDIZED,THUSPROVIDINGAGREATCONVENIENTFORAUTOMATICMANAGEMENTOFTRAFFICSYSTEM,AUTOMATICLICENSEPLATERECOGNITIONTECHNOLOGYHASIMPORTANTAPPLICATIONVALUEININTELLIGENTTRANSPORTATIONSYSTEMINTHELICENSEPLATERECOGNITIONSYSTEM,FIRSTOFALLTOTHELI
7、CENSEPLATESEGMENTATIONFROMTHEPHOTOGRAPHEDIMAGES,THISISANIMPORTANTSTEPINLICENSEPLATECHARACTERRECOGNITION,POSITIONINGADIRECTIMPACTONTHEACCURACYOFLICENSEPLATERECOGNITIONEFFECTTHEPURPOSEISFORCARLICENSEPLATERECOGNITIONCAMERATOOBTAINIMAGESPREPROCESSING,DETERMINETHEPRECISELOCATIONOFLICENSEPLATE,LICENSEPLAT
8、EEXTRACTIONONTHESTRING,ANDTHECHARACTERRECOGNITIONPROCESSING,DISPLAYEDINTHEFORMOFTEXTTHISPAPERMAINLYSTUDIESTHEPOSITIONINGOFTHEPLATEINDETAILANALYSISANDRESEARCHONTHEPREVIOUSTECHNICALEXPERIENCEINTHISPAPER,ACCORDINGTOTHECHARACTERISTICSOFLICENSEPLATEIMAGE,INCLUDINGDIGITALIMAGEPREPROCESSING,THEKEYPARTOFLIC
9、ENSEPLATERECOGNITIONALGORITHMOFLICENSEPLATELOCATION,CHARACTERSEGMENTATION,CHARACTERRECOGNITIONETCFOURPARTONEONEISANALYZED,DESIGNEDANEWBRANDOFGENERALRECOGNITIONANDIMPLEMENTATIONSCHEMEANDIMPLEMENTEDBYSYSTEMTHISPAPERADOPTSAMETHOD,THEALGORITHMOFVEHICLELICENSEPLATERECOGNITIONSYSTEMBASEDONMATLABHASSTRONGA
10、DAPTABILITY,GOODREALTIMEPERFORMANCEKEYWORDSMATLAB，IMAGEPROCESSING，LICENSEPLATELOCATION，CHARACTERSEGMENTATION，CHARACTERRECOGNITIONIII目录第1章绪论111研究背景112研究意义213研究内容214论文组织3第2章车牌识别基本理论421车牌识别简述422车牌识别系统原理及方法简述4第3章车牌图像预处理631图像灰度化632图像增强7321直方图均衡化8322中值滤波833边缘检测9第4章车牌定位与字符分割1141引言1142车牌区域基本特征1143车牌定位方法1143
11、1基于数学形态学的定位方法12432基于边缘检测的定位方法13433车牌区域的提取1444车牌二值化处理1445车牌图像的字符分割15451基于聚类分析的字符分割算法15452基于连通域的字符分割算法16453基于投影的字符分割算法16第5章字符识别1851基于神经网络的识别算法18511人工神经网络介绍18512基于BP神经网络的字符识别算法1852基于模板匹配的识别算法19521模板匹配的原理20华侨大学厦门工学院毕业设计（论文）IV结论22参考文献23谢辞25附录英文资料翻译26中文翻译30车牌识别算法的研究与实现1第1章绪论11研究背景随着计算机、通信技术、计算机网络技术在人们日常生活
12、中的不断发展和应用，带来了快速的经济发展，我们的社会逐步从工业化时代向信息化时代转变，城市规模也日益增大，人们对交通状况的要求也越来越高，在交通硬件取得了很大成就的同时，交通类软件的发展也引起了人们的广泛重视。作为现代社会主要交通工具之一的汽车，在人们的生活中和工作中得到越来越多的使用。如何更较有效的管理车辆显得越来越重要。人们更多地将图像信息的自动检测，自动识别技术运用到生活的方方面面，带来更多的方便。随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必然的趋势，交通拥挤和堵塞现象日益严重，交通管理自动化越来越成为亟待解决的问题。智能交通系统1INTELLIGENTTRA
13、NSPORTATIONSYSTEM，简称ITS正是解决这一问题的有效途径，它已经成为当前交通管理的方向，其主要思想就是以缓解道路堵塞和减少交通事故，提高交通利用者的方便、舒适为目的，利用计算机技术、通信信息技术、定位系统和智能化分析与交通系统对传统交通运输系统进行进一步智能化的改造。LTR系统可以广泛应用于出入控制、电子收费、停车场车辆管理和公路流量监控等需要进行车牌识别的场合；特别是实现不停车收费的技术用在高速公路的收费系统中来提高公路系统的运行效率，LTR系统具有了不可替代的作用。发达国家很早就把智能交通系统当作当今交通运输领域的前沿课题进行研究，并提出了一系列研究执行方案，其核心目的就是
14、针对日益严重的环境保护压力和交通需求，利用计算机对现有交通资源进行合理地优化配置，实现自动化和自能化的道路交通管理，增强道路安全，抑制交通堵塞，提高运输效率，让人们拥有便捷、舒适、安全的交通环境。基于计算机视觉图像处理及模式识别技术越来越受人们的关注，这位智能交通管理系统的研究和实际应用提供了良好的契机。在模式识别领域中车牌识识别系统是一个涉及图像处理、模式识别、计算机视觉、软件工程等多方面的技术融合，由于系统研究技术的复杂，车牌识别实际只得到了初步的应用。但车牌号码的识别已成为智能交通系统的重要组成部分，主要功能是从视频监控中分析并且处理采集到的图像，来捕捉到含有汽车牌照的有关信息，依次对车
15、牌图像中的车牌具体位置进行定位，定位后的车牌图像做进一步字符分割，最后对分割后的字符进行准确的识别，从而提取出车牌照的完整信息。华侨大学厦门工学院毕业设计（论文）212研究意义车辆牌照识别LICENSEPLATERECOGNITION，LPR技术是模式识别技术和计算机视觉在交通领域应用的重要研究课题之一，现代智能交通系统INTELLIGENTTRANSPORTATIONSYSTEM，ITS，是实现交通能够智能化管理的重要环节，其任务是处理和分析车牌图像，自动识别汽车牌号。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性
16、提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。车牌定位技术是车牌自动识别系统中最关键的技术，如果不能准确地在车牌图像中找到车牌位置，后续车牌图像的字符分割和字符识别工作就不能顺利进行。到目前的车牌定位方法大多局限在只有单一车辆所监视的区域的情况，但在日常生活中，比如城市要道的监视与监控、多车道公路路口的监视、车载监控系统，这些交通区域通常情况下都是比较复杂，采集到的图像信息或所监控的区域一般会同时出现两辆或两辆以上的车牌，背景也是较为复杂。这样情况的算法和处理方法目前相对较少，此外，在保证车牌定位的精确度同时，提高定位的速度也是系统改进的途径之一，设计出简单实用的车牌识别系统推向
17、小型小区的停车场，有操作简洁、管理方便的优点，针对其进行深入探讨具有一定的研究意义和市场前景。13研究内容为满足车牌定位系统对速度和定位精确度的需求，本文总结了车牌识别技术的历史，分析了车牌识别的研究现状，正对存在问题和意义提出了本设计的新方案。采用改进的投影法对定位后的车牌图像进行字符分割，最后通过模版匹配来实现车牌字符识别。本文研究内容主要包括图像预处理车牌定位字符分割字符识别四个部分。主要工作内容如下1整理和总结国内外车牌识别技术的发展现状及成果，系统的介绍了我国车牌的特性，指出我国车牌技术的难点。2对现有车牌定位系统中采用边缘检测算子的算法进行分析，在保证图像检测效果的前提下，大大降低
18、了检测牌照准确位置环节的时间损耗。结合现有较为成熟的定位技术与边缘检测算子实现车牌的快速定位。3利用车牌的几何特征和车牌颜色特征，对伪车牌进行准确地剔除，有效的解决在基于数学形态学方法定位时生成的多余区域问题。4对定位后的车牌区域中的字符进行归一化处理和切分然后做车牌字符分割，车牌识别算法的研究与实现3其中车牌的二值化和图像增强对于字符的切分和识别是非常重要的。5对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。14论文组织本文主要讨论的是车牌识别系统算法的研究和实现，全文结构按照由理论到算法再实现的过程进行安排，本文共分为五章，内容
19、框架如下第1章为绪论。介绍了车牌识别系统的背景和研究意义，对车牌自动识别系统做了概述，并对国内外车牌识别技术研究现状进行了综述，本章最后给出了论文的章节安排。第2章介绍了车牌识别的方法。包括车牌识别常用方法和本文所采用的方法。第3章介绍图像预处理的方法。车牌图像预处理的灰度变换、图像增强、边缘检测及二值化。第4章介绍车牌定位和字符分割的算法。车牌定位方法的研究，首先对车牌物理结构和特征进行了研究和分析，接下来对现有车牌定位方法进行了简要的总结和分类。牌照的字符分割研究，对现有的分割方法进行了简要叙述，详细介绍了基于投影法的字符分割过程，并对实验结果进行了分析和总结。第5章为介绍字符识别算法。简
20、要介绍了车牌识别的常用方法，接着详细阐述本文着重研究了基于模板匹配的车牌识别方法。华侨大学厦门工学院毕业设计（论文）4第2章车牌识别基本理论21车牌识别简述牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。可以分为硬件部分和软件部分，硬件部分主要完成车辆图像的摄取采集，软件部分主要是完成对采集到的车牌图像进行牌照定位、车牌字符分割与字符识别等工作，这部分研究工作较为复杂。其硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、车牌图像采集设备、识别车牌号码的处理器等，其软件工作主要是图像预处理、车牌定位算法、字符分割算法和字符识别算法四个部分。整
21、个车牌识别系统的核心是软件部分的工作，能否通过牌照对车辆进行有效管理，很大程度上取决于软件部分识别车牌的准确性。车牌识别系统是对拍摄的车牌图像进行处理，定位出牌照准确位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。车牌识别算法中主要的部分是图像预处理、车牌定位、字符分割、字符识别四个环节。22车牌识别系统原理及方法简述一个典型的LPR系统是由车辆检测、图像采集、车牌处理等系统构成的。其中，车辆检测模块一般使用地感应线圈，主要的作用是用于检测当前有没有车辆通过。随着视频的检测技术水平提高，视频流的检测系统已经得到越来越广泛的使用。车牌图像的采集部分包括当前光线不足时自动光源的补足和
22、CCD摄像头，以确保拍摄到车牌图像的清晰度。车牌识别软件部分主要由计算机来实现，完成对车牌图像的图像预处理、车牌定位、字符分割和字符识别，其中车牌的定位是整个系统中最重要、最核心的部分，它直接影响到后续的字符分割和识别是否正确。车牌识别系统主要分为两大类，基于彩色空间与基于灰度空间的系统。前者优点在于其包含信息更加丰富，识别率更高；而后者则由于图像的简洁而计算速度更快，实时性更高。在整个车牌系统中，车牌的定位是其中的重点与难点，直接关系到后面字符分割与识别的成败。车牌识别技术是基于计算机图像处理为基础，通过对原始图像的预处理，对车牌进行定位，然后再对字符进行分割，最后对分割出的字符进行识别，再
23、输出识别的结果2。车牌识别系统的流程图如图21所示车牌识别算法的研究与实现5图21车牌识别系统流程图车牌照识别的第一步首先要通过图像预处理（边缘检测、腐蚀、填充、滤波）之后正确的从原始图像中分割出车牌区域，其过程是将灰度图像以SOBEL算子检测边缘；再对边缘图像进行腐蚀，去除掉细的，间断的边缘；对剩下的区域进行闭合以填充图像，此时车牌区域形成了一个大的连通域；在调用BWAREAOPEN函数去掉小的连通域，此时整个二值图像只剩下了车牌区域。在将此车牌区域的点的坐标放入数组LOCATION_OF_1中，对这些坐标进行计算，寻找X坐标与Y坐标之和最大的点A与最小的点B，A即为车牌的左上角，B为车牌的
24、右下角，通过这两个坐标将车牌分割出来3。第二步是将前面车牌里的7个字符分割出来，其过程是从左向右像按列计算每一列之和，没有白点的列和为0，有白点的列和非零，转换为逻辑1，记录下所有列和在0与1转换的列，即为需要切割的列，共有14列，可切出7个字符。切割出单个字符后，放入CHAR_I中，并切割掉每个字符的上下的空白区域，完成精确切割。第三步是对前面分割出的字符进行识别，运用的是模板匹配字符识别算法，这过程是把切割出的字符与库里的汉字和字符的模板做减法运算，找到差别点最少的模板为对应模板，输出该模板对应的字符，最后识别出车牌。车牌图像采集车牌图像预处理车牌定位字符分割字符识别输出车牌字符识别结果华
25、侨大学厦门工学院毕业设计（论文）6第3章车牌图像预处理车牌识别首先要对车牌图像进行图像预处理，这是车牌识别系统中很重要的一个环节。在车牌图像信号的采集、输入过程中会受到多种因素的影响，因此图像的质量往往较差，通常表现为车牌图像中包含不同层次的噪声，模糊不清，出现车牌倾斜，变形或受损。预处理的目的是减少图像中无关信息，尽量保留有用信息，以及尽可能把数据简化，从而改进图像分割、特征提取、匹配识别的算法性能。通过图像预处理后不仅能去除图像噪声、提高图像质量，降低对车牌识别中的负面影响，而且可以有效的降低系统对存储空间的要求，提高识别速度。车牌图像的预处理包括图像灰度化、图像增强、边缘检测、二值化等处
26、理。31图像灰度化在计算机中预处理前的图像都是彩色图像，用RGB图像来表示真彩色图像。它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色，通过三基色可以调出任意颜色。由于每一像素的颜色需由R、G、B三个分量来表示，因此RGB图像的图像矩阵与其他类型的图像矩阵不同，是一个三维的矩阵，可以用MN3来表示，其中M表示图像像素的行数，N表示列数，3个MN的二维矩阵分别表示每个像素的颜色分量R、G、B。RGB图像的数据类型通常是8位的整型无符号，它一般用来存放和表示真彩色图像，也能存放灰度化的图像4。彩色图像包含的大量的颜色信息，不仅在存储上占很大的空间，而且影响系统执行的速度。由于图
27、像的每个像素都具有三个不同颜色的分量，存在许多和识别无关的信息，不利于进一步的车牌识别工作，因此在图像进行识别等处理的时候通常将彩色图像转换为灰色图像，以加快处理速度。通常，通过数码相机拍照所获的图像是彩色图像，在彩色图像里，如果RGB，则图像中的颜色都为一种灰度颜色，其中RGB的值叫做灰度值，图像的灰度化处理5是指图像由彩色转换为灰度的过程，灰度图像中只包含了强度信息，而并没有颜色信息。存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置的像素灰度值。R、G、B的取值范围是0255，所以灰度的级别只有256级。要将彩色图像转为灰度图像，不能只是简单的用灰度调色板来代替256色调色板，否
28、则色为图变成黑白图像，必须计算每种颜色对应的灰度值。灰度和颜色用下面的对应关系Y0299R0587G0114B式31车牌识别算法的研究与实现7本文采用图像灰度化对车牌原图像进行预处理如图31所示。图31车牌图像灰度化32图像增强对车牌图像进行灰度化处理后，车牌部分和非车牌部分的对比度并不是很高，因而此时如果直接进行车牌的边缘提取，会由于边缘模糊难以提取出准确而清晰的车牌边缘，从而导致无法准确定位到车牌位置。为增强某些信息的辨别能力，可用某些方法对图像中的信息有选择地加强或抑制，以突出图像的视觉效果，或者为方便数据识别和图像特征提取，不需要考虑是否会引起失真，而将图像变为更适合机器处理的形式，即
29、为图像增强6。图像增强处理的目的是对图像加工，从而改善原图像的“视觉效果”成为更适合于计算机识别的图像，在给定的图像应用场合，有目的的强调图像整体和局部特性，它的方法是通过图像平滑、锐化、对比度拉伸、去噪等一系列预处理对原车牌图像附加一些有效信息或数据变换，使得图像与“视觉”响应特性匹配。图像增强基本方法可以分为两大类频域方法和空域方法7。频域增强以处理图像的傅立叶级数变换为基础；而空域变换是指图像平面本身，基于空域的图像增强方法是以对图像的像素直接处理为基础的。同时结合这两种方法的图像增强技术是很罕见的。频域的增强方法主要有低通滤波、高通滤波以及带通滤波等。空域的图像增强方法主要由空间滤波、
30、灰度变换和直方图处理等等。灰度图0100200050010001500200025003000灰度图直方图华侨大学厦门工学院毕业设计（论文）8321直方图均衡化直方图均衡化是把原图像的直方图通过灰度变换函数，将其修正为灰度均匀分布的直方图,再按均衡直方图来修正原车牌图像,其灰度变换函数由图像灰度直方图的累积分布函数来决定。当图像的直方图是一均匀分布时,此时的图像信息熵最大,且图像包含信息量最大,这时图像看起来更加清晰。灰度直方图用各灰度值出现的相对频数来表示。自然图像的灰度直方图通常在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚，为了使图像清晰，可将图像的灰度范围拉开，并且让
31、灰度频率相对较小的灰度级变大，即在较大的动态范围内让灰度直方图趋于一致。均衡化的直方图特点是不需要通过我们特殊指定目标的灰度范围，就能够改善其对比度；但是其图像增强后的效果和我们设计的灰度变换拉伸存在一定的差距，特别在图像噪声严重的情况下，效果不好。322中值滤波图像在拍摄或者传输过程中也可能使图像夹带了噪声，所以也要对其进行去噪处理。通常使用的方法有中值滤波和均值滤波8。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，它在一定条件下可以克服线性滤波器如最小均方滤波、均值滤波器带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。中值滤波的原理是把数字图像用一点的某
32、邻域中各点值的中值代替某点的值，让旁边的像素值更加接近真实值，从而消除了孤立的噪声点。其方法是用某种结构的二维滑动模板，把模版里的像素按照值的大小进行排序，生成单调的为二维序列。二维中值滤波输出为。G（X,Y）MEDFXK,YL,K,LW式32其中,FX,Y，GX,Y分别为原始图像和处理后图像。W为二维模板，通常为22，33区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。中值滤波器的主要功能就是让周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而达到消除孤立的噪声点。因此，既要消除噪声同时保护图像边缘可以使用中值滤波器。实验中值滤波后的图像如下图32所示车牌识别算法的研究
33、与实现9图32中值滤波图像33边缘检测边缘检测是检测图像的亮度函数局部变化的基本运算9。边缘主要存在于目标与目标、目标与背景、区域与区域之间，边检检测的主要目的是精确定位车牌的位置和抑制噪点，其原理是由于微分算子具有突出灰度变化的作用，对图像进行微分运算后，图像边缘处的灰度变化直较大，因而定位出车牌图像位置。常用的微分算子如下（1）SOBEL算子SOBEL提出一种将方向差分运算与局部平均相结合的方法，即SOBEL算子。该算子是以FX,Y为中心的33邻域上计算X和Y方向的偏导数。SOBEL算子的两个卷积算子分别为，SOBEL算子比较容易在空间实现，该方法不但产生较好的边缘检测效果，同时，由于SO
34、BEL算子引入了局部平均，故其受噪声的影响也较小。当使用到大的邻域时，其抗噪特性会更好，但这样做计算量比较大得到的边缘也较粗。（2）PREWITT算子PREWITT算子也是一种梯度幅值，两个卷子核算子分别为图像中的每个点都这两个卷积核进行卷积运算，取最大值作为输出，PREWITT算101202101XG121000121YG101111101,000101111XYGG华侨大学厦门工学院毕业设计（论文）10子也产生一幅边缘幅度图像。PREWITT算子和SOBEL算子一样都是一阶微分算子，对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的伪边缘。该类算子对灰度渐变和具有噪声的图像处理比较好
35、。3CANNY算子CANNY边缘检测是一种比较新的边缘检测算子，具有很好的边缘检测性能，其边缘检测的方法是寻找图像梯度的局部极大值，它使用两个阈值来分别检测强边缘与弱边缘，而且仅当弱边缘和强边缘相连时，弱边缘才会包含在输出中。4ROBERTS算子由ROBERTS算子是一种利用局部差分算子寻找边缘的算子，它在22邻域上计算对角导数，22,1,1,11,GXFXYFXYFXYFXY式33GX,Y是ROBERTS交叉算子。在实际的应用中，为简化计算用梯度函数的ROBERTS绝对值来近似,1,1,11,GXFXYFXYFXYFXY（式34）ROBERTS算子为梯度幅值计算提供了一种简单的近似方法，用卷
36、积模板表示为|GX，Y|GX|GY|，两个卷积算子分别为，本文采用ROBERTS算子做边缘检测如图33所示图33ROBERTS算子边缘检测1001XG0110YGROBERT算子边缘检测车牌识别算法的研究与实现11第4章车牌定位与字符分割41引言车牌定位算法是指在实际拍摄的车牌图像中确定车牌的实际位置便于做进一步的字符分割。在车牌识别系统完成图像采集后对图像进行处理的第一步，也是整个车牌识别系统的核心环节，它的定位效果直接关系到整个系统最终识别率的高低，并且对系统的识别速度也有很大的影响。42车牌区域基本特征在车牌图像中，车牌区域有明显与其他区域不同的特征。我们正是利用这些特征才能将车牌区域从
37、车牌图像中精确的定位出来。车牌区域特征1011有1纹理特征车牌区域内含有多个字符，所以边缘丰富且集中在一个矩形区域，穿过车牌的水平直线，其灰度呈现连续峰谷峰的分布。2几何结构特征不同车牌个体的物理大小是统一的，反映在图像上通常是一个近似矩形或者平行四边形的区域。车牌区域是长宽比一定的长方形，这一特征是对车牌区域的精确定位的重要依据。3位置特征车牌区域一般位于车身的下部。这一特征为我们在进行车牌区域定位时采取更加有效的算法，进而提高速度提供了依据。4颜色特征我国车牌的颜色种类不多，主要有黄、白、蓝、黑四种颜色组成，黄底黑字的车牌表示大型民用汽车，白底黑字或红字的车牌表示军用或者警用的车辆，蓝底白
38、字的车牌表示小型车辆，黑底白字的车牌表示国外驻华机构车辆。（5）文字内容牌照编号是一串具有唯一性的字符串，其字符位数、编排格式等都有以法规形式固定下来的一定标准，明显区别于厂商微标、内部编号、车牌型号等可能出现在车辆上的其他符号。43车牌定位方法车牌定位方法可以分为两种基于灰度图像的车牌定位方法和基于彩色图像的车牌定位方法。本文主要介绍基于灰度图像的车牌定位方法。由于我国车牌图像中字符和底色的色彩种类较多，同一种颜色的变化较大，因此完全采用颜色信息来进行车牌定位是非常困难，所以可以利用颜色的信息来辅助基于灰度图像处华侨大学厦门工学院毕业设计（论文）12理的车牌定位方法，来提高车牌定位的准确性。
39、本文的车牌定位技术主要是基于灰度图像来处理，也是将传统图像的处理方法与车牌特征的有机结合。经过科研人员长期的研究与改进，而今仍有大量学者依照此方法进行车牌图像快速定位的研究，并取得了非凡的成果。下面介绍了几种常用的定位方法。431基于数学形态学的定位方法基于数学形态学的图像处理基本思想，是利用一个结构元素来探测图像，看这个结构元素是否能很好的嵌入在图像内部，同时检验嵌入结构元素的方法是否有效。在图像预处理和基于物体形状分割的应用方面，形态学的方法相比其他定位法有更好的速度和结果。腐蚀、膨胀、开启和关闭是数学形态学的基本运算12。基于数学形态学方法13的车牌定位技术处理步骤，先把车牌图像进行一系
40、列预处理转换为灰度图像，再对灰度图像进行二值化处理，然后利用一个结构元素对二值图像进行膨胀运算，再对膨胀后的图像进行腐蚀运算，这样可以有效去除噪声，最后，便可以通过边缘特征分析等方法提取出车牌区域。基于数学形态学的车牌定位方法主要是根据车牌图像的整体特征先是从横轴方向对车牌做粗定位，但它不能精准的确定车牌左右边界位置，这属于粗定位，所以必须结合其他定位方法进行精确定位。本文结合了基于数学形态学算法和基于彩色图像边缘的算法做车牌定位。该方法将车牌图像的特征与数字形态学运算相结合，很好地改进了传统的车牌定位方法，提高了车牌定位的速度和准确度。实验中车牌图像的形态学处理结果如下图图41车牌图像的腐蚀
41、结果腐蚀后图像车牌识别算法的研究与实现13图42腐蚀图像闭运算后的图像图43闭运算后消除小对象后的图像432基于边缘检测的定位方法边缘检测的目的是精确的定位车牌边缘和抑制噪声。图像的边缘指的是在灰度级上发生剧烈变化，而在背景内部这种灰度变化又是相对平缓的区域。对于车牌图像来说，在车牌区域内含有丰富的边缘，最突出的特征就是字符区域灰度频率变化大，因此在研究过程中可以根据它的变化，进行车牌区域的定位。边缘算平滑图像的轮廓从对象中移除小对象华侨大学厦门工学院毕业设计（论文）14法的原理是利用图像的边缘处灰度变化急剧这一特点来检测出车牌图像的边缘，常用的进行边缘检测的算法多种，如ROBERTS算子、S
42、OBEL算子、CANNY算子等。433车牌区域的提取本文根据车牌的颜色特征和彩色模型，提出一种基于彩色边缘和形态学的方法对车牌进行定位分割。根据车牌颜色特征和相关的经验知识，利用彩色图像像素点统计的方法来准确地分割出合理的车牌区域，确定车牌底色RGB各自对应的灰度范围。在横坐标方向上统计此颜色范围内的像素点数量,利用数学公式计算出合理的阈值,定位出车牌水平方向的合理区域，这部分操作成为车牌的粗定位。接着，粗定位的车牌图像中统计纵坐标方向蓝色像素点的数量，最终确定完整的车牌区域，该操作成为车牌精确定位。实验结果表明，该方法能够有效的定位车牌，如图44所示，并且具有较强的鲁棒性。图44基于彩色图像
43、的车牌定位44车牌二值化处理灰度图像二值化处理就是把灰度图像上的像素点灰度值设为0或255，将图像呈现出清晰的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取来获得可以反映图像的整体和局部特征的二值化图像。在数字图像的处理中，二值化图像占有着非常重要的地位。图像的二值化处理的核心部分是选取适当的阈值。一般采用数学计算的方式来选取出合适的阈值。介于图像采集的环境的差异和多种干扰因素，对车牌区域造成的影响也不同，因此比较难找到普遍适用、计算简单同时适应性强的阈值计算方法，现在常用的阈值选取法有最大类间差法、最小误差法和迭代法等。在车牌识别算法研究的系统中，车牌图像的信息量较大，因此对于系
44、统处理的速度要求较高，故采用二值图像进行处理，能大大地提高处理效率。车牌图像的二值化与字符分割关系密切，它最直接的影响到车牌字符分割和字符识别是否车牌识别算法的研究与实现15更够正确的完成。本文实验车牌定位后的图像二值化处理效果，如图45所示图34车牌二值化图像45车牌图像的字符分割车牌图像的字符分割操作即把多字符图像或者多行中的每一个字符从整个车牌照图像中分割出来，让它成为单个字符，为下一步操作做准备把标准的单独字符输入到字符识别模块。对于字符的分割，主要有投影法、回扫法等。在做车牌字符的分割前，要先对字符颜色与背景颜色的组合方式进行判断，在二值化的车牌图像中，对于黑底白字的车牌不需要处理，
45、而对白底黑字则需要进行反色处理。车牌图像的字符分割原理主要是利用车牌字符自身的一些特点比如排列规则整齐、字符的宽高比例固定、字符之间固有间隔等等，对车牌区域进行垂直方向的投影，利用字与字之间的空白间隙在图像行垂直投影上形成的空白间隙将单个汉字的图像切割开来。下面主要介绍一下最常用到的基于投影14的字符分割算法和基于连通域的分割算法，最后提出一种更加快速、有效的车牌字符分割算法。451基于聚类分析的字符分割算法基于聚类分析的车牌字符分割15是根据待处理的数据集合中各元素之间的相似度将它分为若干个子集合。聚类算法用于图像分割时是通过迭代地执行图像分类算法并最小化聚类指标来完成任务的，先将去除边框后
46、的车牌图像中每个像素按距离进行聚类，噪声类由于不符合字符高度特征，首先被去掉，然后分析余下的类。基于聚类分析的车牌字符分割的优点在于较好的解决了汉字不连通的问题和车牌字符分割过程中存在的噪声干扰，此外如果车牌出现磨损，出现字符粘连，都能较好的完成分割，效果不错。该方法的缺点在于该方法的计算量比较大，设计程序逻辑较复杂，对系统的要求较高、执行时间长，有时分裂字符时会出现错误。华侨大学厦门工学院毕业设计（论文）16452基于连通域的字符分割算法定位后的车牌图像经过一系列预处理之后，车牌图像中的主要可分割为七个字符。所以在一些情况下，采用基于连通域的方法1617进行字符分割是比较高效和可行的办法。连
47、通域法是基于数字形态学原理来实现的，它的方法如下在二值图像中检测到第一个黑色像素点，假设它是一个连通域上的一个像素点，将它作为递归过程的开始，递归公示为KKXXBA式41KX表示提取出来的连通域，A表示车牌的二值图像，B是33的8连通域模板0X为包含检测到的第一个黑色像素点的连通区域。该方法的优点是不受车牌图像倾斜的影响，并且找到的边界十分准确。但缺点是对图像的质量要求非常高，而且二值化图像质量要好，字符至之间没有粘连现象，二值化图像小的断裂也会导致分割操作失败。453基于投影的字符分割算法基于投影的字符分割方法的基本原理是先将定位后的车牌图像二值化设白色为1，黑色为0，再将车牌的图像做垂直投
48、影，即车牌垂直方向的像素灰度值累加。根据投影的情况确定出合适的阈值，把各个字符依次分割开来。理想化情况下，车牌二值图像的字符间的间隔没有白色像素点，其分割阈值应为零。通过在灰度直方图中寻找两个波峰之间的谷点，将其作为字符分割的位置，完成字符的分割18。投影分割法的具体步骤如下（1）先自上而下对图像进逐行扫描直至检测到投影数值第一个白色象素点。记录下此时的水平位置，然后再由下而上对图像进行逐行扫描直到检测到像素投影数值第一个白色象素点，记录下此时的水平位置，就找到图像大致的高度范围。（2）在定位出的高度范围内再自左向右依次检测每一个坐标的投影数值，当检测到的投影数值遇到第一个白色象素时认为这个投
49、影数值所属的像素点是第一个投影区的左边界限，然后继续向右扫描，直至遇到检测到的投影数值第一个非白色像素时，则认为是这个字符分割结束。然后继续按照上述的方法扫描，直至得出其余6个投影区域的左右界限。本文采用的是基于投影的字符分割如图46所示，主要是针对在图像预处理、车牌定位后比较有规则的车牌图像。其优点在于程序逻辑设计简单，便于设计和操作，循环执行功能单一，程序执行时间短。缺点对于垂直投影法只能确定一个阈值来分割字符。由于不同的车牌受到的干扰程度不同，并且字符之间还有可能有粘连，很难确定一个比较理想的阈值将它们正确分割开。因此该方法对车牌字符的断裂和交叠问题，解决得不很理想。车牌识别算法的研究与实现17图46基于投影的字符分割后的图像华侨大学厦门工学院毕业设计（论文）18第5章字符识别通过上一章的车牌图像字符分割之后，我们得到了一组被分割后的单独字符，这些字符包括汉字，也包括阿拉伯数据和英文字母。这一章我们将在上一章的基础上对分离开的各个字符进行识别。字符识别是车牌识别的关键技术，它直接关系到车牌是识别结果是否正确。它是对车牌信息即汉字、字母和数字一一确认的过程，包括了归一化、平滑处理和细化等几个部分。目
