《車(chē)牌圖像的字符分割設(shè)計(jì)與實(shí)現(xiàn)畢業(yè)論文.doc》由會(huì)員分享，可在線(xiàn)閱讀，更多相關(guān)《車(chē)牌圖像的字符分割設(shè)計(jì)與實(shí)現(xiàn)畢業(yè)論文.doc（35頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、車(chē)牌圖像的字符分割設(shè)計(jì)與實(shí)現(xiàn)THE DESIGN AND IMPLEMETATION OF VEHICLE IMAGES CHARACTER SEGMENTATION 摘 要：車(chē)牌識(shí)別LPR(License Plate Recognition)是指通過(guò)計(jì)算機(jī)視覺(jué)、圖像處理與模式識(shí)別等技術(shù)從車(chē)輛圖像中提取車(chē)牌字符信息，從而確定車(chē)輛身份的技術(shù)。車(chē)牌識(shí)別系統(tǒng)是智能交通系統(tǒng)ITS (Intelligent Transportation System) 的一個(gè)重要組成部分，在公路電子收費(fèi)、出入控制、交通監(jiān)控等方面有著重要的應(yīng)用價(jià)值。 車(chē)牌識(shí)別主要包括車(chē)牌定位、字符分割和字符識(shí)別三大部分。而本文研究的車(chē)牌

2、圖像字符分割是在車(chē)牌定位成功后把車(chē)牌的整體區(qū)域分割成單字符去娛樂(lè)區(qū)域，所以本文就車(chē)牌定位和字符分割這兩個(gè)問(wèn)題進(jìn)行了深入的研究。 在車(chē)牌定位時(shí)，首先對(duì)圖像HSI空間的亮度分量均衡化，這樣既提高了圖像的亮度適用范圍又不影響顏色信息。接著利用車(chē)牌圖像中字符顏色和車(chē)牌底色具有固定顏色搭配這一規(guī)律，在HSI空間中根據(jù)顏色，搜尋符合字符顏色與車(chē)牌底色搭配規(guī)律的像素點(diǎn)作為顏色對(duì)特征點(diǎn)。然后使用動(dòng)態(tài)算子進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，根據(jù)車(chē)牌的形狀特征，對(duì)逐行掃描得到的待定車(chē)牌區(qū)域進(jìn)行分析，最后得到類(lèi)車(chē)牌區(qū)域。 字符分割在車(chē)牌定位后進(jìn)行，但首先需要對(duì)類(lèi)車(chē)牌區(qū)域進(jìn)行傾斜校正，本文提出了一種針對(duì)顏色對(duì)特征點(diǎn)區(qū)域進(jìn)行主成分分析

3、的車(chē)牌水平校正方法。該方法通過(guò)對(duì)車(chē)牌圖像中顏色 對(duì)特征點(diǎn)區(qū)域采樣進(jìn)行主成分分析，求出車(chē)牌水平方向的傾斜角度，在旋轉(zhuǎn)校正時(shí)又加以填充處理,保證了圖像的信息完整性。 在字符分割階段，首先通過(guò)特征點(diǎn)區(qū)域的形狀特征精確定位車(chē)牌區(qū)域；接著通過(guò)灰度化、灰度拉伸、二值化、邊緣化等處理，進(jìn)一步精確定位字符區(qū)域。二值化的過(guò)程中針對(duì)不同顏色的車(chē)牌選取了最適合的閾值算法。然后根據(jù)字符尺寸特征提出動(dòng)態(tài)模板法進(jìn)行字符分割，并將字符大小進(jìn)行歸一化處理。最后使用C語(yǔ)言構(gòu)建了車(chē)牌定位與字符分割系統(tǒng)軟件。該軟件包含上述的車(chē)牌定位、校正和分割等步驟。通過(guò)大量的圖片試驗(yàn)，特別是對(duì)存在大量干擾、光線(xiàn)不足及多車(chē)牌等圖片的處理結(jié)果表明，

4、本文所提出的車(chē)牌定位與字符分割算法，抗干擾能力強(qiáng)，實(shí)時(shí)性和穩(wěn)定性好，為后續(xù)的字符識(shí)別創(chuàng)造了有利條件。關(guān)鍵詞: 車(chē)牌識(shí)別；車(chē)牌定位；字符分割；數(shù)學(xué)形態(tài)學(xué)；The Design and Implementation of Vehicle Images CharacterSegmentation Abstract：License plate recognition (LPR) is the technique to draw the character information from the vehic1e image and confirm the identity of the vehicle

5、 through using computer vision, image processing, pattern recognition, and so on. LPR is an important study field in the Intelligent transportation system (ITS) and it has great apply value in the electronic toll collection，pass controlling，traffic monitoring and so on.LPR consists of plate localiza

6、tion, character segmentation, and character recognition. This paper aims at researching the following two aspects oft he license plate recognition system: license plate localization and character segmentation.In the stage of license plate location，lightness component of the image should be balanced

7、in HSI space at first，so the suitable scope of image lightness has been enhanced，and the color information of image can not been affectedAnd color pairpixels are extracted in HSI color space according to the rule that character color and plate color should be matchedMathematics morphological operati

8、on which use dynamic operator is adopted in order to extend the color pair in real plate to a whole areaThen，the image is scanned line by line to get the areas that seem like real plateSlant correction should be done before character segmentationA horizontal slant correction approach based on color

9、pair pixels area and principal component analysis is presentedThrough principal component analysis of the color pair pixels area，the slant angle of the plate can be obtainedWhen revolving adjustment，filling process should be performed to guarantee the integrity of the image informationIn the stage o

10、f character segmentation，plate area is located by shape of color pair pixels area，and pretreatment including gray proportion binarization and edge detection is taken before extract the character areaThe most suitable threshold value algorithm has been selected on plates in different colors dring the

11、 process of binarizationThen，according to the characteristic of character size proposed that the dynamic template method carries on the character division，and transform characters to identical sizeFinally ,a software platform is constructed by language of CThis software contains all the steps that m

12、entioned aboveThrough the experiments on large numbers of pictures especially on which have massive disturbances，inadequate lighting and multicar licenses，the algorithm of license plate location and character segmentation has been proved to be real time，steady and good at anti-jamming，which create f

13、avorable conditions for the following character recognition Keywords：license plate recognition; license plate location ;character segmentation ;mathematical morphology1前言1.1 課題研究的背景和意義 隨著經(jīng)濟(jì)全球化的發(fā)展和人民生活水平的提高，世界各國(guó)汽車(chē)數(shù)量迅速增加，城市的交通壓力也越來(lái)越大。如何有效地進(jìn)行交通管理日益成為各國(guó)政府相關(guān)部門(mén)所關(guān)注的焦點(diǎn)。針對(duì)這一問(wèn)題，智能交通系統(tǒng)(Intelligent Transport Sy

14、stems，ITS)的研究被提到了重要的位置。智能交通系統(tǒng)ITS是90年代興起的新一代交通運(yùn)輸系統(tǒng)，迄今為止國(guó)際上沒(méi)有公認(rèn)的定義。第一屆ITS世界大會(huì)認(rèn)為，智能交通系統(tǒng)是將先進(jìn)的信息技術(shù)、計(jì)算機(jī)技術(shù)、數(shù)據(jù)通信技術(shù)、電子控制技術(shù)、人工智能技術(shù)等有效的集成并應(yīng)用于地面交通系統(tǒng)，從而建立起可以在大范圍內(nèi)發(fā)揮作用的，實(shí)時(shí)、準(zhǔn)確、高效的地面交通系統(tǒng)。智能交通系統(tǒng)在有效利用現(xiàn)有交通設(shè)施、減少交通負(fù)荷和環(huán)境污染、保證交通安全、提高運(yùn)輸效率、促進(jìn)社會(huì)經(jīng)濟(jì)發(fā)展、提高人民生活質(zhì)量、推動(dòng)社會(huì)信息化及形成新產(chǎn)業(yè)等方面均具有極其重要的作用，從而受到世界各國(guó)的重視。車(chē)輛自動(dòng)識(shí)別(Automatic Vehicle Ide

15、ntification，AVI)是智能交通系統(tǒng)中的一項(xiàng)基礎(chǔ)技術(shù)，它通過(guò)辨別車(chē)輛所具有的車(chē)牌、條形碼、射頻識(shí)別標(biāo)志等特征來(lái)自動(dòng)識(shí)別車(chē)輛，為交通管理、通行收費(fèi)、區(qū)域出入控制等工作的開(kāi)展提供條件。車(chē)輛牌照識(shí)別(Vehicle License Plate Recognition，VLPR)技術(shù)是車(chē)輛自動(dòng)識(shí)別技術(shù)的重要組成部分：其功能是對(duì)采集到的汽車(chē)圖像進(jìn)行處理和分析，以自動(dòng)識(shí)別其中的牌照編號(hào)。牌照是機(jī)動(dòng)車(chē)輛的身份標(biāo)志。通過(guò)車(chē)牌識(shí)別系統(tǒng)的圖像采集和處理獲得盡可能多的車(chē)牌信息，達(dá)到識(shí)別車(chē)牌號(hào)碼的目的，從而使現(xiàn)代交通領(lǐng)域達(dá)到更高的智能化管理程 度。 車(chē)牌識(shí)別技術(shù)自1988年提出以來(lái)，受到了人們的廣泛關(guān)注。它

16、可以應(yīng)用于以下領(lǐng)域： (1)交通監(jiān)控。利用車(chē)牌識(shí)別系統(tǒng)的攝像設(shè)備，可以直接監(jiān)視相應(yīng)路段的交通狀況，獲得車(chē)輛密度、隊(duì)列長(zhǎng)度、排隊(duì)規(guī)模等交通信息，觀(guān)察和防范交通事故。它還可以同雷達(dá)測(cè)速器或其它的檢測(cè)器配合使用，以檢測(cè)超速的車(chē)輛。當(dāng)發(fā)現(xiàn)車(chē)輛超速時(shí)，攝像機(jī)獲取該車(chē)的圖像，并得到該年的牌照號(hào)碼，然后給該車(chē)超速的警告信號(hào)。 (2)交通流控制指標(biāo)參量的測(cè)量。一些交通流指標(biāo)的測(cè)量對(duì)交通流控制相當(dāng)重要。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)效率，總行程時(shí)間，以后簡(jiǎn)稱(chēng)為車(chē)輛牌照識(shí)別為車(chē)牌識(shí)別?？偟牧魅肓亢土鞒隽浚晷图澳炅鹘M成，日車(chē)流量，小時(shí)年流量，年高峰時(shí)間段，平均車(chē)速，車(chē)輛密度等。這也為交通誘導(dǎo)系

17、統(tǒng)提供必要的交通流信息。(3)高速公路上的事故自動(dòng)測(cè)報(bào)。這是由于該系統(tǒng)能夠監(jiān)視道路情況和測(cè)量交通流量指標(biāo)，能及時(shí)發(fā)現(xiàn)超速，堵車(chē)，排隊(duì)、事故等交通異?，F(xiàn)象。 (4)對(duì)養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營(yíng)管理實(shí)行不停車(chē)檢查。根據(jù)識(shí)別出的車(chē)牌號(hào)碼從數(shù)據(jù)庫(kù)中調(diào)m該車(chē)檔案材料，可發(fā)現(xiàn)沒(méi)及時(shí)交納養(yǎng)路費(fèi)的車(chē)輛。另外，該系統(tǒng)還可發(fā)現(xiàn)無(wú)車(chē)牌的車(chē)輛。若與車(chē)型檢測(cè)器聯(lián)用，可迅速發(fā)現(xiàn)所掛車(chē)牌與車(chē)型不符的車(chē)輛。 (5)車(chē)輛定位。由于能自動(dòng)識(shí)別車(chē)牌號(hào)碼，因而極易發(fā)現(xiàn)被盜車(chē)輛。，以及定位出車(chē)輛在道路上的行駛位置。這為防范、發(fā)現(xiàn)和追蹤涉及車(chē)輛的犯罪，保護(hù)重要車(chē)輛(如運(yùn)鈔車(chē))的安全有重大作用，從而對(duì)城市治安及交通安全有重要的保障作用。由

18、于車(chē)牌識(shí)別系統(tǒng)在智能化交通控制管理中發(fā)揮著越來(lái)越重要的作用，吸引了各國(guó)的科研工作者對(duì)其進(jìn)行廣泛的研究。由于需適應(yīng)各種復(fù)雜背景，加之要識(shí)別的車(chē)輛種類(lèi)繁多、顏色變化多端，以及檢測(cè)時(shí)要適應(yīng)不同天氣變化導(dǎo)致的不同光照條件，因此，目前的車(chē)牌識(shí)別系統(tǒng)都或多或少地存在一些問(wèn)題。但是，隨著計(jì)算機(jī)性能的提高和計(jì)算機(jī)圖像處理技術(shù)的發(fā)展，車(chē)牌識(shí)別技術(shù)必將日趨成熟。1.2 研究的主要內(nèi)容車(chē)牌識(shí)別系統(tǒng)車(chē)牌識(shí)別系統(tǒng)是以特定目標(biāo)一一車(chē)輛牌照為對(duì)象的專(zhuān)用計(jì)算機(jī)視覺(jué)系統(tǒng)。該系統(tǒng)能夠從一幅圖像中自動(dòng)提取車(chē)輛牌照，進(jìn)行字符分割，進(jìn)而對(duì)分割出的字符圖像進(jìn)行識(shí)別。一個(gè)典型的車(chē)牌識(shí)別系統(tǒng)包括圖像采集、車(chē)牌定位、字符分割、字符識(shí)別以及結(jié)果

19、輸出五個(gè)功能模塊，其原理流程如圖1-1 所示：圖1 車(chē)牌識(shí)別系統(tǒng)流程圖 Fig l license plate recognition system flow chart 系統(tǒng)的工作原理：當(dāng)車(chē)輛通過(guò)檢測(cè)區(qū)域時(shí)，檢測(cè)裝置將車(chē)輛的通過(guò)信號(hào)傳送到圖像采集設(shè)備；圖像采集設(shè)備采集車(chē)輛圖像，并將圖像傳送到計(jì)算機(jī)；計(jì)算機(jī)對(duì)車(chē)牌進(jìn)行自動(dòng)定位和識(shí)別并將識(shí)別結(jié)果送至監(jiān)控中心或收費(fèi)處等應(yīng)用場(chǎng)所。系統(tǒng)的核心部分為圖像采集、車(chē)牌定位、字符分割、字符識(shí)別。下面簡(jiǎn)述各部分的主要功能： (1)圖像采集部分:當(dāng)系統(tǒng)發(fā)現(xiàn)有車(chē)輛通過(guò)時(shí)(通過(guò)檢測(cè)器檢測(cè)或是通過(guò)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè))，觸發(fā)圖像采集系統(tǒng)，一般采用CCD攝像機(jī)攝取車(chē)牌前視

20、圖或后視圖，由光照檢測(cè)裝置控制現(xiàn)場(chǎng)的光照，位置檢測(cè)裝置控制攝像機(jī)的拍攝角度。 (2) 圖像預(yù)處理部分:需要對(duì)采集到的圖像進(jìn)行圖像增強(qiáng)、平滑、恢復(fù)等操作，目的是突出車(chē)牌的主要特征，以便更好地提取車(chē)牌。(3)車(chē)牌定位：車(chē)牌的定位是一個(gè)尋找最符合車(chē)牌特征區(qū)域的過(guò)程，從本質(zhì)上講，就是一個(gè)在參量空間尋找最優(yōu)定位參量的問(wèn)題。車(chē)牌定位算法需要挖掘并提取車(chē)牌區(qū)域的獨(dú)有特征，從而將車(chē)牌圖像分割提取出來(lái)。在車(chē)牌定位過(guò)程中，由于采集到的圖像中軍牌區(qū)域經(jīng)常是傾斜的，為避免后續(xù)的字符分割和字符識(shí)別的失敗，必須對(duì)車(chē)牌行傾斜校正。 (4) 字符分割:即從定位得到的車(chē)牌圖像中分離出單個(gè)字符(包括漢字、字 母和數(shù)字等)的圖像，

21、以便于字符識(shí)別。 (5) 字符識(shí)別:對(duì)分割得到的字符圖像進(jìn)行歸一化處理，進(jìn)行字符識(shí)別，轉(zhuǎn)換為文本存入數(shù)據(jù)庫(kù)或直接顯示出來(lái)。1.2.1 車(chē)牌識(shí)別系統(tǒng)的評(píng)價(jià)指標(biāo)從技術(shù)上評(píng)價(jià)一個(gè)車(chē)牌識(shí)別系統(tǒng)有三個(gè)指標(biāo)，即識(shí)別率、識(shí)別速度和后臺(tái)管理系統(tǒng)。 1.識(shí)別率 一個(gè)車(chē)牌識(shí)別系統(tǒng)是否實(shí)用，最重要的指標(biāo)是識(shí)別率。國(guó)際交通技術(shù)作過(guò)專(zhuān)門(mén)的識(shí)別率指標(biāo)論述，要求是24 小時(shí)全天候全牌正確識(shí)別率為85%95%。為了測(cè)試一個(gè)車(chē)牌識(shí)別系統(tǒng)的識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24 小時(shí)以上，采集至少1000 輛自然車(chē)流通行時(shí)的車(chē)牌照進(jìn)行識(shí)別，并且需要將車(chē)輛牌照?qǐng)D像和識(shí)別結(jié)果保存下來(lái)，以便調(diào)取查看。然后，還需要

22、得到實(shí)際通過(guò)的車(chē)輛圖像以及正確的人工識(shí)別結(jié)果，之后便可以統(tǒng)計(jì)出以下識(shí)別率（1）自然交通流量的識(shí)別率=全牌正確識(shí)別總數(shù)/實(shí)際通過(guò)的車(chē)輛總數(shù)；（2)人工可識(shí)別車(chē)牌的百分率=人工正確讀取的車(chē)牌總數(shù)/實(shí)際通過(guò)的車(chē)輛總數(shù)；（3）系統(tǒng)可識(shí)別車(chē)牌的識(shí)別率=全牌正確識(shí)別總數(shù)/人工正確讀取的車(chē)牌總數(shù)；這三個(gè)指標(biāo)決定了車(chē)牌識(shí)別系統(tǒng)的識(shí)別率，諸如可信度、誤識(shí)率等都是車(chē)牌識(shí)別過(guò)程中的中間結(jié)果。必須認(rèn)識(shí)到的一點(diǎn)是系統(tǒng)的識(shí)別率達(dá)到100%是不可能的，因?yàn)檐?chē)牌照污損、模糊、遮擋，或者惡劣的天氣情況(下雪、冰雹、大霧等)都會(huì)影響到系統(tǒng)的識(shí)別率。 2. 識(shí)別速度識(shí)別速度決定了一個(gè)車(chē)牌識(shí)別系統(tǒng)是否能夠滿(mǎn)足實(shí)時(shí)應(yīng)用的要求。一個(gè)識(shí)別

23、率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識(shí)別出結(jié)果，那么這個(gè)系統(tǒng)就會(huì)因?yàn)闈M(mǎn)足不了實(shí)時(shí)要求而毫無(wú)實(shí)用價(jià)值。例如，在高速公路收費(fèi)中車(chē)牌識(shí)別系統(tǒng)的作用之一是減少通行時(shí)間，處理速度是這一類(lèi)應(yīng)用減少通行時(shí)間，避免車(chē)道堵車(chē)的有力保障。國(guó)際交通技術(shù)提出的識(shí)別速度是1 秒以?xún)?nèi)，越快越好。3. 后臺(tái)管理體系 一個(gè)車(chē)牌識(shí)別系統(tǒng)的后臺(tái)管理體系，決定了這個(gè)車(chē)牌識(shí)別系統(tǒng)是否好用。后臺(tái)管理體系的功能應(yīng)該包括: （1）識(shí)別結(jié)果和車(chē)輛圖像數(shù)據(jù)的可靠存儲(chǔ)。當(dāng)多功能的系統(tǒng)操作使得網(wǎng)絡(luò)出差錯(cuò)時(shí)，后臺(tái)管理系統(tǒng)應(yīng)能保護(hù)圖像數(shù)據(jù)不會(huì)丟失，同時(shí)便于事后人工排查。 （2）有效的自動(dòng)比對(duì)和查詢(xún)技術(shù)。識(shí)別出的車(chē)牌號(hào)碼應(yīng)能夠同數(shù)據(jù)庫(kù)中成千 上

24、萬(wàn)的車(chē)牌號(hào)碼自動(dòng)比對(duì)和提示報(bào)警。如果車(chē)牌號(hào)碼沒(méi)有被正確讀取時(shí)，可采用模糊查詢(xún)技術(shù)以得出相對(duì)最佳的比對(duì)結(jié)果。 （3）完善的系統(tǒng)功能。一個(gè)好的車(chē)牌識(shí)別系統(tǒng)不僅可聯(lián)網(wǎng)運(yùn)行，還需要提供實(shí)時(shí)通信、網(wǎng)絡(luò)安全、遠(yuǎn)程維護(hù)、動(dòng)態(tài)數(shù)據(jù)交互、數(shù)據(jù)庫(kù)自動(dòng)更新、硬件參數(shù)設(shè)置、系統(tǒng)故障診斷等功能。1.2.2 車(chē)牌識(shí)別系統(tǒng)的實(shí)際配置即便是一個(gè)達(dá)到實(shí)用標(biāo)準(zhǔn)的車(chē)牌識(shí)別系統(tǒng)，由于所選擇的技術(shù)路線(xiàn)，軟硬件體系結(jié)構(gòu)以及觸發(fā)方式不同，要發(fā)揮其有效的功能，還需要根據(jù)實(shí)際的應(yīng)用需求確定相應(yīng)的系統(tǒng)配置。 1.車(chē)牌識(shí)別技術(shù)。路線(xiàn)系統(tǒng)中車(chē)輛圖像的采集方式?jīng)Q定了車(chē)牌識(shí)別的技術(shù)路線(xiàn)。目前國(guó)際通行的兩條主流技術(shù)路線(xiàn)是自然光和紅外光圖像采集識(shí)別。自然光

25、和紅外光不會(huì)對(duì)人體產(chǎn)生不良的心理影響，也不會(huì)對(duì)環(huán)境產(chǎn)生新的電子污染，屬于綠色環(huán)保技術(shù)。 自然光路線(xiàn)是指白天利用自然光線(xiàn)，夜間采用輔助照明光源，用彩色攝像機(jī)采集車(chē)輛真彩色圖像，用彩色圖像處理方法識(shí)別車(chē)牌。自然光技術(shù)路線(xiàn)與人眼感習(xí)慣一致，并且真彩色圖像能夠反映車(chē)輛及其周?chē)h(huán)境真實(shí)的圖像信息，不僅可以用來(lái)識(shí)別汽車(chē)牌照，而且可以用來(lái)識(shí)別車(chē)牌顏色、車(chē)流量、車(chē)型、車(chē)體顏色等車(chē)輛特征。紅外光路線(xiàn)是指利用車(chē)牌反光和紅外光的光學(xué)特性，用紅外攝像機(jī)采集車(chē)輛灰度圖像，由于紅外特性，車(chē)輛圖像上兒乎只能看見(jiàn)車(chē)牌，然后用黑白圖像處理方法識(shí)別車(chē)牌。 950nm 的紅外照明裝置可抓拍到很好的反光車(chē)牌照?qǐng)D像。因紅外光是不可見(jiàn)光

26、，它不會(huì)對(duì)駕駛員產(chǎn)生視覺(jué)影響。另外，紅外照明裝置提供的是不變的光，所抓拍的圖像都是一樣的，不論是在一天中最明亮的時(shí)候,還是在一天中最暗的時(shí)候，唯一的例外是在白天，有時(shí)會(huì)看到一些牌照周?chē)募?xì)節(jié)，這是因?yàn)榍缋侍鞖庀绿?yáng)光的外光波的影響。采用紅外燈的缺點(diǎn)就是所捕獲的車(chē)輛牌照?qǐng)D像不是彩色的，不能獲取整車(chē)圖像，并且嚴(yán)重依賴(lài)車(chē)牌的反光材料。2.軟硬件體系結(jié)構(gòu)。一個(gè)車(chē)牌識(shí)別系統(tǒng)的基本硬件配置是由攝像機(jī)、主控機(jī)、采集卡、照明裝置組成的，而軟件是由一個(gè)具有車(chē)牌識(shí)別功能的圖像分析和處理軟件，以及一個(gè)滿(mǎn)足具體應(yīng)用需求的后臺(tái)管理軟件組成。車(chē)牌識(shí)別系統(tǒng)于是出現(xiàn)了兩種產(chǎn)品形式,一種是軟硬件一體，或者用硬件實(shí)現(xiàn)了識(shí)別功能的

27、模塊，形成一個(gè)全硬件的車(chē)牌識(shí)別器，例如DSP。另外一種形式是開(kāi)放式的軟、硬件體系，即硬件采用標(biāo)準(zhǔn)工業(yè)產(chǎn)品，軟件作為嵌入式軟件。兩種產(chǎn)品形式各有優(yōu)缺點(diǎn)。開(kāi)放式體系的優(yōu)點(diǎn)是由于硬件采用標(biāo)準(zhǔn)工業(yè)產(chǎn)品，運(yùn)行維護(hù)容易掌握，備品備件采購(gòu)可以從任何一家供應(yīng)商獲得，不必?fù)?dān)心因?yàn)橐患夜?yīng)商倒閉或供貨不足而出現(xiàn)產(chǎn)品永久失效或采購(gòu)困難的問(wèn)題。3.觸發(fā)方式。車(chē)牌識(shí)別系統(tǒng)有兩種觸發(fā)方式，一種是外設(shè)觸發(fā)，另一種是視頻觸發(fā)。外設(shè)觸發(fā)工作方式是指采用線(xiàn)圈、紅外或其他檢測(cè)器檢測(cè)車(chē)輛通過(guò)信號(hào)，車(chē)牌識(shí)別系統(tǒng)接收到車(chē)輛觸發(fā)信號(hào)后，采集車(chē)輛圖像，自動(dòng)識(shí)別車(chē)牌，以及進(jìn)行后續(xù)處理。視頻觸發(fā)方式是指車(chē)牌識(shí)別系統(tǒng)采用動(dòng)態(tài)運(yùn)動(dòng)目標(biāo)檢測(cè)和圖像序列

28、處理技術(shù)，實(shí)時(shí)檢測(cè)車(chē)道上車(chē)輛的運(yùn)動(dòng)狀況，發(fā)現(xiàn)車(chē)輛通過(guò)時(shí)捕捉車(chē)輛圖像，識(shí)別車(chē)輛牌照，并進(jìn)行后續(xù)處理。視頻觸發(fā)方式不需借助線(xiàn)圈、紅外或其他硬件車(chē)輛檢測(cè)器。1.2.3車(chē)牌識(shí)別系統(tǒng)中的難點(diǎn)車(chē)牌識(shí)別系統(tǒng)在實(shí)驗(yàn)室里已經(jīng)取得了令人滿(mǎn)意的效果，但很難應(yīng)用于實(shí)際工程中，這是因?yàn)閷?shí)驗(yàn)室的環(huán)境是處于理想狀態(tài)的，而在自然環(huán)境里，由于受到天氣等因素的影響，識(shí)別率很難達(dá)到要求。我們大致的把這些因素歸納為三類(lèi)： (1)汽車(chē)牌照本身的特征。牌照缺乏統(tǒng)一的標(biāo)準(zhǔn)。根據(jù)中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)對(duì)機(jī)動(dòng)車(chē)輛牌照的有關(guān)規(guī)定，車(chē)牌的規(guī)格、顏色和適用范圍各有不同。由于缺乏統(tǒng)一的標(biāo)準(zhǔn)，使得車(chē)牌識(shí)別過(guò)程中字符的分割難度較大，缺乏統(tǒng)一的模式

29、規(guī)則的指導(dǎo)作用。牌照的質(zhì)量無(wú)法保證。有些牌照被污損，而有些牌照的字符模糊不清，對(duì)光線(xiàn)的散射性不好，這些不確定性極大地影響了識(shí)別的準(zhǔn)確率。車(chē)牌附近環(huán)境惡劣。車(chē)牌附近往往有復(fù)雜的外形或擋車(chē)器等，不利于車(chē)牌的定位和分割。 (2)外部環(huán)境的特征。外界光照條件各不相同，白天和晚上光照不同。光照對(duì)圖像質(zhì)量影響很大。不同的光照角度，對(duì)車(chē)牌光照的均勻度影響也較大。不同時(shí)間，不同氣候條件，以及背景光、車(chē)牌反光程度決定了車(chē)牌區(qū)域的亮度特征。 外界背景的復(fù)雜程度也影響著車(chē)牌的定位準(zhǔn)確率。背景中與車(chē)牌區(qū)域特征相似區(qū)域的大小反映了背景的噪聲程度。例如與車(chē)牌字符相似的背景遠(yuǎn)處的廣告語(yǔ)容易影響車(chē)牌的粗定位。 (3)車(chē)牌識(shí)別

30、系統(tǒng)應(yīng)用方案的特征。不同實(shí)際工程其攝像方位和角度不一樣。實(shí)際工程中攝像方位相對(duì)于車(chē)輛行駛的方向一般是正上方、左側(cè)和右側(cè)，攝像角度一般在1530度之間。相對(duì)來(lái)說(shuō)，攝像角度越小，車(chē)牌在平面圖像中變形越小，識(shí)別效果越好。攝像方位和角度對(duì)車(chē)牌字符分割影響較大，對(duì)車(chē)牌校正方法的校正能力的要求也更高了。 光線(xiàn)較暗時(shí)，不同的人工光照角度、方位和亮度對(duì)車(chē)牌識(shí)別系統(tǒng)影響也不一樣。盡管規(guī)范車(chē)牌對(duì)光的散射能力較強(qiáng)，但人工光照的方位角度不會(huì)影響車(chē)牌的亮度。亮度不均勻?qū)?chē)牌照二值化算法的適應(yīng)性提出了更高的要求。不同的實(shí)際工程，圖像的分辨率要求也不同。分辨率大小影響車(chē)牌識(shí)別系統(tǒng)的識(shí)別速度和字符的識(shí)別率。分辨率過(guò)高時(shí)，整個(gè)

31、識(shí)別系統(tǒng)的處理時(shí)間會(huì)明顯增多，特別是在車(chē)牌分割，車(chē)牌二值化的處理中時(shí)間會(huì)顯著增加。分辨率過(guò)低，字符識(shí)別率會(huì)下降，字符中的漢字二值化效果較差，車(chē)牌識(shí)別系統(tǒng)的識(shí)別率會(huì)下降。 除了這三點(diǎn)客觀(guān)因素外，對(duì)于本文的而言，從各種干擾中得到車(chē)牌區(qū)域，把傾斜的車(chē)牌校正，以及把粘連的車(chē)牌字符分割開(kāi)都是系統(tǒng)成敗的關(guān)鍵。而如何準(zhǔn)確且快速地實(shí)現(xiàn)系統(tǒng)要求更是系統(tǒng)設(shè)計(jì)的難點(diǎn)。3 車(chē)牌定位31 幾種常見(jiàn)的車(chē)牌定位方法 車(chē)牌定位方法的出發(fā)點(diǎn)是通過(guò)車(chē)牌區(qū)域的特征來(lái)判斷車(chē)牌，所利用的車(chē)牌的特征主要包括： (1)車(chē)牌區(qū)域的幾何特征，即在某個(gè)相對(duì)固定的拍照位置拍得的圖像上車(chē)輛牌照子圖像區(qū)域l每度和寬度一定，并且寬高比例一定。 (2)紋

32、理特征，目前車(chē)輛牌照是由一個(gè)省份漢字(軍警牌除外)后跟字母或阿拉伯?dāng)?shù)字組成的7個(gè)字序列。除第1個(gè)漢字外，字母和數(shù)字的筆畫(huà)在豎直方向都是連通的，且其之間有一定的間隔。 (3)顏色特征，現(xiàn)有車(chē)牌有四種類(lèi)型：小型汽年的藍(lán)底白字車(chē)牌，大型汽年的黃底黑字車(chē)牌，軍警車(chē)的白底黑字、紅字車(chē)牌，外籍汽車(chē)的黑底白字車(chē)牌。牌照矩形區(qū)域內(nèi)的顏色一定是限定的四種色彩之一，特征明顯。 目前，車(chē)牌定位方法可以分為兩大類(lèi)：(1)基于灰色圖像的車(chē)牌定位方法，(2)基于彩色圖像的車(chē)牌定位方法。311 基于灰度圖像的車(chē)牌定位方法早期由于受計(jì)算機(jī)運(yùn)算速度和內(nèi)存大小的影響，考慮到實(shí)時(shí)性，車(chē)牌定位主要是基于狄度圖像處理技術(shù)，現(xiàn)在很多!學(xué)

33、者仍然沿此路線(xiàn)進(jìn)行研究。目前基于灰度圖像的車(chē)牌定位方法主要有以下幾種。 (1)基于紋理特征分析的定位方法。該方法利用汽車(chē)牌照中文字筆畫(huà)變化頻率比較穩(wěn)定的特點(diǎn)，即筆畫(huà)間隔的像素是穩(wěn)定在某一個(gè)范圍內(nèi)、筆畫(huà)數(shù)也存在下限的特征。設(shè)定閾值，通過(guò)掃描確定上下邊界位置和左右邊界位置。這樣在已縮小的范圍內(nèi)再用上述方法進(jìn)行遞歸檢測(cè)，直到牌照位置比較穩(wěn)定為止。該算法對(duì)于牌照的傾斜或變形以及光照不均、偏弱或偏強(qiáng)有很好的效果，但對(duì)噪聲敏感，圖片中的灰塵、臟污以及車(chē)牌區(qū)域外的文字都會(huì)對(duì)定位造成很大的影響。 (2)基于數(shù)學(xué)形態(tài)學(xué)的定位方法。數(shù)學(xué)形態(tài)學(xué)是一門(mén)建立在集合理論基礎(chǔ)上的學(xué)科，它是幾何形態(tài)分析和描述的有力工具，近年

34、來(lái)在機(jī)器視覺(jué)和數(shù)字圖像處理領(lǐng)域得到廣泛的應(yīng)用和發(fā)展。數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖像處理的基本思想，是利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)一個(gè)圖像，看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。腐蝕、膨脹、開(kāi)啟和關(guān)閉是數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算。使用數(shù)學(xué)形態(tài)學(xué)方法之前通常先將圖像轉(zhuǎn)換為二值圖片，然后設(shè)計(jì)一結(jié)構(gòu)元素對(duì)圖片進(jìn)行膨脹可以連接車(chē)牌區(qū)域像素點(diǎn)，對(duì)圖片進(jìn)行腐蝕可以去除噪聲。最后再用邊緣特征分析方法提取車(chē)牌區(qū)域。通常還耍利用車(chē)牌的一些先驗(yàn)知識(shí)去除偽車(chē)牌區(qū)域。 （3）基于邊緣檢測(cè)的定位方法。圖像的邊緣是指在灰度級(jí)上發(fā)生急劇變化的區(qū)域，而在背景或者物體的內(nèi)部這種灰度的變化是比較平緩的。邊緣檢測(cè)的任務(wù)

35、是精確定位邊緣和抑制噪聲。能夠進(jìn)行檢測(cè)的方法有多種，如Roberts邊緣算子、Prewitt算子、Sobel算子以及拉普拉斯邊緣檢測(cè)。這些方法正是利用了物體邊緣處灰度變化劇烈這一特點(diǎn)來(lái)檢測(cè)圖像的邊緣。各算子對(duì)不同邊緣類(lèi)型的敏感程度不同，產(chǎn)生的效果也不一樣，經(jīng)過(guò)大量實(shí)驗(yàn)分析可知，Roberts邊緣算子是一種利用局部方差算子尋找邊緣的算子，定位比較精確；Prewitt算子和Sobel算子對(duì)噪聲有一定的抑制能力，但不能完全排除偽邊緣；拉普拉斯算子是二階微分算子，對(duì)圖像中的階躍型邊緣點(diǎn)定位準(zhǔn)確且具有旋轉(zhuǎn)不變性，但容易丟失一部分邊緣的方向信息，同時(shí)抗噪能力較差。所以針對(duì)不同的環(huán)境和要求，選擇合適的算子來(lái)

36、對(duì)圖像進(jìn)行邊緣檢測(cè)才能達(dá)到好的效果。 使用邊緣檢測(cè)方法的定位準(zhǔn)確率較高，反映時(shí)間快，能有效去掉噪聲，適合于包含多個(gè)車(chē)牌的圖像，并且在多車(chē)牌圖像的情況下定位速度也很快。但是對(duì)車(chē)牌嚴(yán)重褪色的情況，由于檢測(cè)不到字符筆畫(huà)的邊緣會(huì)導(dǎo)致定位失敗。定位后的區(qū)域在外界有干擾以及車(chē)牌傾斜時(shí)比車(chē)牌稍大。312 基于彩色圖像的車(chē)牌定位方法與灰度圖像相比，彩色圖像色彩豐富，信息具有原始性和完整性，在設(shè)備存儲(chǔ)量和速度允許的情況下可以取得更好的處理效果，而且人類(lèi)視覺(jué)系統(tǒng)又對(duì)色彩非常敏感。因此，很多研究人員認(rèn)為彩色圖像比灰度圖像更有利于圖像分割和目標(biāo)提取。車(chē)輛牌照具有與牌號(hào)、車(chē)身、背景不同的顏色，所以近年來(lái)很多學(xué)者已經(jīng)開(kāi)始

37、應(yīng)用彩色圖像處理技術(shù)進(jìn)行車(chē)牌定位，采取的主要方法有： (1)采用多層感知器 網(wǎng)絡(luò)對(duì)輸入彩色車(chē)牌圖像進(jìn)行彩色分割，通過(guò)投影法分割出潛在的車(chē)牌區(qū)域并根據(jù)先驗(yàn)知識(shí)得出合理的車(chē)牌區(qū)域。 (2)彩色邊緣檢測(cè)算子與區(qū)域生長(zhǎng)相結(jié)合的牌照定位算法。這種方法的主要思想是通過(guò)邊緣檢測(cè)算子對(duì)彩色圖像進(jìn)行邊緣檢測(cè)，增強(qiáng)牌照區(qū)域，并借助數(shù)學(xué)形態(tài)學(xué)膨脹技術(shù)實(shí)現(xiàn)區(qū)域的連通，采用區(qū)域生長(zhǎng)方法標(biāo)記候選區(qū)域，最后利用車(chē)牌的先驗(yàn)知識(shí)，剔除虛假車(chē)牌區(qū)，確定真正的車(chē)牌區(qū)域。 (3)利用顏色空間距離和相似度進(jìn)行車(chē)牌底色的顏色分割，再采用投影法根據(jù)車(chē)牌的寬高比確定車(chē)牌候選區(qū)域，最后對(duì)候選區(qū)域的灰度圖像進(jìn)行紋理分割提取車(chē)牌。 (4)將彩色圖

38、像轉(zhuǎn)換到色調(diào)飽和度亮度空間(HSI空間)，統(tǒng)計(jì)車(chē)牌底色在HSI 空間中的各分量的經(jīng)驗(yàn)范圍并提取車(chē)牌候選區(qū)域，然后對(duì)候選區(qū)域進(jìn)行投影分析和形態(tài)學(xué)操作提取車(chē)牌。32 基于數(shù)學(xué)形態(tài)法的車(chē)牌定位基于灰度的方法能很好的利用車(chē)牌區(qū)域的灰度分布、字符排列、長(zhǎng)寬比例、邊緣特性等特征。由于圖像中會(huì)存在其他非車(chē)牌區(qū)域具有年牌的特征，給定位結(jié)果帶來(lái)影響?；诓噬珗D像的車(chē)牌定位技術(shù)的研究增加了彩色信息，改善了車(chē)牌的定位效果。但是，圖像中除了車(chē)牌外還有車(chē)身和周?chē)拔锏绕渌矬w的顏色可能與車(chē)牌顏色相同或相近，這將造成有效定位率下降。 上述方法雖然已經(jīng)考慮了車(chē)牌底色的顏色信息，但是卻沒(méi)有考慮到車(chē)牌顏色特征的另一個(gè)重要特點(diǎn)，

39、即車(chē)牌背景與字符具有固定的顏色搭配。 目前，已經(jīng)有一些車(chē)牌定位算法的研究利用到了車(chē)牌背景與字符的固定顏色搭配。其中，李文舉提出了邊緣顏色對(duì)的概念。我國(guó)車(chē)牌顏色的重要特點(diǎn)是車(chē)牌背景與字符具有固定的顏色搭配，即藍(lán)底白字(藍(lán)牌)、黃底黑字(黃牌)、白底黑字(白牌)和黑底白字(黑牌)。車(chē)牌背景與字符交界的點(diǎn)必然存在固定的顏色配對(duì)，將這些固定的顏色配對(duì)點(diǎn)稱(chēng)為顏色對(duì)特征點(diǎn)。例如底色為藍(lán)色的車(chē)牌中會(huì)出現(xiàn)相鄰的兩個(gè)像素，一個(gè)像素為藍(lán)色而另一個(gè)像素為白色，則將這兩個(gè)像素都看作是藍(lán)白特征點(diǎn)：底色為黃色的車(chē)牌存在黃黑特征點(diǎn)：底色為白色的車(chē)牌存在白黑特征點(diǎn)：底色為黑色的車(chē)牌也存在白黑特征點(diǎn)。以上所述藍(lán)白特征點(diǎn)、黃黑特

40、征點(diǎn)和白黑特征點(diǎn)就是我國(guó)車(chē)牌中可能出現(xiàn)的三種顏色對(duì)特征點(diǎn)。 于是，基于顏色對(duì)特征點(diǎn)和數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法逐漸成型。 考慮到車(chē)牌背景與字符的固定顏色搭配，在HSI彩色空間對(duì)彩色圖像進(jìn)行色彩分析，并找出顏色對(duì)特征點(diǎn)。顏色對(duì)特征點(diǎn)充分考慮到了車(chē)牌本身的紋理和顏色搭配等信息，能有效得去除很多干擾。又考慮到車(chē)牌區(qū)域每一行上字符與背景跳變很頻繁，得到顏色對(duì)特征點(diǎn)后，設(shè)計(jì)一種水平方向上的形態(tài)學(xué)算子，把每一行上相距較近的顏色對(duì)特征點(diǎn)連接起來(lái)，再使用一個(gè)更大的形態(tài)學(xué)算了進(jìn)行去噪，在得到的車(chē)牌區(qū)域中根據(jù)車(chē)牌的先驗(yàn)知識(shí)分析去除偽車(chē)牌區(qū)域。3.3 圖像增強(qiáng) 由于拍攝時(shí)光照強(qiáng)度的不同，會(huì)造成圖片亮度不均。為了不影響

41、車(chē)牌定位的準(zhǔn)確性，我們需要對(duì)圖片進(jìn)行圖像增強(qiáng)。直方圖是多種空間域 處理技術(shù)的基礎(chǔ)，其可以有效地用于圖像增強(qiáng)。在較暗的圖像中，直方圖的組成成分集中在灰度較低的一側(cè)；而明亮圖像的直方圖則傾向于灰度級(jí)較高的一側(cè)；對(duì)于低對(duì)比度的圖像直方圖 則集中于一段較窄的灰度級(jí)中。通過(guò)直方圖均衡化可以將圖像調(diào)整為灰度級(jí)豐富且 動(dòng)態(tài)范圍大的圖像。對(duì)車(chē)牌圖像進(jìn)行直方圖均衡后可以提高其對(duì)比度，有利于提高車(chē)牌定位的準(zhǔn)確性。這里介紹將圖像轉(zhuǎn)換到HSI模型的方法，這樣只需要對(duì)亮度分量I進(jìn)行直方圖均衡化即可以達(dá)到圖像增強(qiáng)的效果。圖 2 RGB分量均衡化 Fig 2 RGB component equalization 圖 3 H

42、SI分量均衡化 Fig 3 HSI component equalization 以上為彩色圖像均衡化步驟。一般RGB直方圖均衡化后的圖像相比原始圖像，圖像的細(xì)節(jié)更加清楚了但是單獨(dú)對(duì)各RGB分量進(jìn)行均衡化將產(chǎn)生不正確的顏色，而對(duì)HSI顏色空間的亮度分量直方圖均衡化后的圖像，雖然會(huì)影響到整體圖像的彩色感觀(guān)，但沒(méi)有改變圖像的色調(diào)和飽和度值，因此本文采用的是對(duì)HSI中的亮度分量進(jìn)行直方圖均衡化的方法。3.3.1視覺(jué)空間和顏色空間的轉(zhuǎn)換人類(lèi)的視網(wǎng)膜南感光細(xì)胞覆蓋。這些細(xì)胞類(lèi)似于CCD芯片上的感受基(像素)。顏色豐要是由視網(wǎng)膜上稱(chēng)為錐狀體的三種不同的感光細(xì)胞感知不同波長(zhǎng)的光而形成的。這三剩t錐狀體分別感

43、知紅色(R)、綠色(G)和藍(lán)色(B)的光，所有其它顏色都是這三種顏色的不同混合效果。因此，紅、綠、藍(lán)這三個(gè)顏色被稱(chēng)為人類(lèi)視覺(jué)的三原色，由此形成的一套理論稱(chēng)為三原色原理，R、G、B分別表示構(gòu)成顏色的一個(gè)分量。 顏色空間也叫顏色模型，它指的是通過(guò)基本顏色分量來(lái)定義其他各種顏色的模型結(jié)構(gòu)。之所以將顏色模型稱(chēng)為顏色空間，是因?yàn)槿藗儼l(fā)現(xiàn)用笛卡爾空間坐標(biāo)的形式來(lái)映射顏色模型往往顯得更加直觀(guān)、有效。常用的顏色宅間有RGB顏色空間，CMY顏色空間和HSI顏色空間等。圖 4 RGB顏色空間 Fig 4 RGB color space如圖4所示，RGB顏色空間將所有的顏色值映射到一個(gè)立方體中。這樣，任意顏色值都可

44、以由3個(gè)取值在0到l之間的顏色分量來(lái)表示。取值為0表示最小的顏色分量，而l表示最大的顏色分量。比如，(0，0，0)表示黑色，(1，l，1)表示白色。 在RGB顏色空間中，黑色(無(wú)光)點(diǎn)為坐標(biāo)原點(diǎn)，以(0，0，0)為起點(diǎn)，其他顏色都可以看作足在原點(diǎn)即黑色的基礎(chǔ)上疊加三種顏色分量形成的。這種形成顏色的方法稱(chēng) 為疊加原色法，相應(yīng)的RGB三原色稱(chēng)為疊加三原色。用RGB顏色空間來(lái)描述色彩雖然方便，但不符合人眼的視覺(jué)原理。在顏色相同 的情況下，明晴的細(xì)微變化會(huì)引起RGB值的較大跳躍，不利于顏色的檢測(cè)。為了定 量地描述顏色對(duì)人眼的視覺(jué)作用，可以選用色調(diào)(hue)、飽和度(saturation)、亮度 (in

45、tensity)這三個(gè)與視覺(jué)特征有關(guān)的量。HSI彩色模型就是按照色調(diào)、飽和度和亮度值建立起來(lái)的。色調(diào)是由物體反射光線(xiàn)中占優(yōu)勢(shì)的波長(zhǎng)來(lái)決定的，不同的波長(zhǎng)產(chǎn)生不同的顏色感覺(jué)，如紅、橙、黃、綠、青、藍(lán)、紫等。色調(diào)是彩色的最重要的屬性，是決定顏色本質(zhì)的基本特性。顏色的飽和度是指一個(gè)顏色的鮮明程度，飽和度越高，顏色越深，如深紅，深綠。在物體反射光的組成中，白色光愈少，則其飽和度愈大。在顏色中加上白色或灰色愈多，其飽和度就愈小。亮度是指刺激物的強(qiáng)度作用于感受器所發(fā)生的效應(yīng)，其大小是由物體反射系數(shù)來(lái)決定，反射系數(shù)越大，物 體的亮度愈大，反之愈小。圖 5 HSI顏色空間Fig 5 HSI color spac

46、e為了準(zhǔn)確迅速地檢測(cè)顏色，需要將圖像由RGB顏色空間轉(zhuǎn)換至HSI顏色空間?，F(xiàn)有的HSI空間模型有四面體、圓柱體、圓錐體等多種定義公式，本文采用圓柱體的HSI坐標(biāo)系進(jìn)行顏色空間轉(zhuǎn)換的實(shí)現(xiàn)，示意圖如圖5所示。332提取顏色對(duì)特征點(diǎn) 我國(guó)車(chē)牌顏色的重要特點(diǎn)是車(chē)牌背景與字符具有固定的顏色搭配，即白底黑字(白牌)、藍(lán)底白字(藍(lán)牌)、黑底白字(黑牌)和黃底黑字(黃牌)。因此可以根據(jù)這一特點(diǎn)，把顏色信息和邊緣信息融合起來(lái)，盡量排除干擾以精確保留車(chē)牌特征。 HSI顏色空間模型中的i分量與圖像的彩色信息無(wú)關(guān)，h分量抽出了色度而忽略了亮度信息，可以減少光照影響。對(duì)于具有某種目標(biāo)色的像素，可以直接通過(guò)對(duì)h、J和i三

47、個(gè)分量設(shè)定一個(gè)閾值范圍來(lái)把它們提取出來(lái)，無(wú)需進(jìn)行比較復(fù)雜的色彩距離計(jì)算，這樣可以在色彩分割的時(shí)候節(jié)省大量的時(shí)間，這種方法對(duì)藍(lán)色和黃色尤其有 效。但是，白色的色度沒(méi)有意義，黑色的色度和飽和度也沒(méi)有意義，也就是說(shuō)這些分量取值不規(guī)律。所以白色像素只能利用飽和度和亮度兩個(gè)分量來(lái)提取，黑色像素只能根據(jù)亮度分量來(lái)提取。在實(shí)際中的各種車(chē)牌顏色的閾值范圍通過(guò)收集的樣本車(chē)牌的顏色值統(tǒng)計(jì)得到。并且，為了適應(yīng)車(chē)牌褪色、光線(xiàn)、灰塵等的影響，適當(dāng)放寬了各種顏色的閾值范圍，綜合以后，得到彩色判斷條件如下： 按照公式把彩色像素點(diǎn)從RGB空問(wèn)轉(zhuǎn)化到HSI空問(wèn)，得到h、s和，三個(gè)分量的值：如果s0 O 5，則該像素點(diǎn)為白色；

48、如果iO 35，則該像素點(diǎn)為黑色： 如果220h01和i01同時(shí)成立，則該像素點(diǎn)為藍(lán)色： 如果20h01和iO .35同時(shí)成立，則該像素點(diǎn)為黃色； 如果350h0 l和i)035同時(shí)成立，則該像素點(diǎn)為紅色： 不符合以上條件的像素點(diǎn)視為無(wú)效點(diǎn)。 在以上的判斷條件里面，藍(lán)色和黑色的取值范圍有重臺(tái)的部分，這是因?yàn)榇婀饩€(xiàn)較晴的條件下，藍(lán)色和黑色的亮度分量比較接近：考慮到四種底色的車(chē)牌顏色搭配中，沒(méi)有藍(lán)色和黑色的搭配，所以這兩種顏色取值范圍可以有重合的部分。在這里對(duì)紅色點(diǎn)也進(jìn)行判斷，是因?yàn)樵诎椎缀谧值能?chē)牌中，前兩個(gè)字符是紅色的，不能忽略。通過(guò)上面的分析可以得到車(chē)牌及其背景的顏色邊緣點(diǎn)。但是，在車(chē)牌外區(qū)域

49、也有很多其他像素點(diǎn)的顏色和紋理符合車(chē)牌的四種顏色邊緣點(diǎn)。由于有車(chē)牌區(qū)域顏色固定搭配的先決條件因此，下面還可以繼續(xù)根據(jù)顏色邊緣點(diǎn)的配對(duì)規(guī)律來(lái)繼續(xù)排除多余的非車(chē)牌干擾點(diǎn)。這個(gè)過(guò)程也就是提取顏色對(duì)特征點(diǎn)的過(guò)程。4 車(chē)牌字符分割算法與實(shí)現(xiàn)41常見(jiàn)字符分割方法 車(chē)牌字符分割技術(shù)是指將定位后的車(chē)牌區(qū)域分割成單個(gè)字符區(qū)域。字符區(qū)域分割的準(zhǔn)確與否將直接影響到下一步的字符識(shí)別，因此許多學(xué)者也對(duì)此進(jìn)行了研究，提出了很多關(guān)于車(chē)牌字符分割的方法。遲曉君等提出了基于投影特征值的車(chē)牌字符分割算法。根據(jù)車(chē)牌預(yù)處理圖像垂直投影圖的特點(diǎn)，提出一個(gè)特征值，并由車(chē)牌圖像的先驗(yàn)知識(shí)和此特征值相結(jié)合來(lái)進(jìn)行字符分割。吳進(jìn)軍等提出了車(chē)牌字

50、符分割新方法。通過(guò)在車(chē)牌定位圖像上定位出車(chē)牌的第三個(gè)字符，再進(jìn)行字符區(qū)域的分裂和合并，并針對(duì)字符缺損情況，進(jìn)行字符區(qū)域擴(kuò)展，而且對(duì)字符區(qū)域高度進(jìn)行調(diào)整，從而最終實(shí)現(xiàn)車(chē)牌字符的分割。王興玲提出了基于類(lèi)間方差車(chē)牌字符分割的模板匹配算法。根據(jù)字符串的結(jié)構(gòu)和 尺寸特征，設(shè)計(jì)車(chē)牌字符串模板，通過(guò)該模板在車(chē)牌區(qū)域滑動(dòng)匹配進(jìn)行分類(lèi)，并結(jié)合最大類(lèi)間方差判決準(zhǔn)則，確定最佳匹配位置，分割出車(chē)牌字符。趙海燕等提出了基于最小面積法進(jìn)行的車(chē)牌字符分割。依據(jù)車(chē)牌橫平時(shí)所形成的連通域面積最小的特點(diǎn)提出最小面積法計(jì)算旋轉(zhuǎn)角度，然后進(jìn)行灰度均值化處理，并通過(guò)水平投影去除邊界，最后根據(jù)實(shí)際車(chē)牌信息做垂直投影進(jìn)行有效分割。陳黎等提

51、出基于聚類(lèi)分析的車(chē)牌字符分割方法。按照屬于同一個(gè)字符的像素構(gòu)成一個(gè)連通域的原則，結(jié)合牌照字符的同定高度、間距的同定比例關(guān)系等先驗(yàn)知識(shí)，來(lái)對(duì)車(chē)牌字符進(jìn)行分割。北京理工大學(xué)的吳大勇、魏平等提出了基于區(qū)域最小值判斷分割點(diǎn)的算法引。根據(jù)車(chē)牌字符垂直投影的信息，區(qū)域最小值的定義是以當(dāng)前像素位置為中心，指定區(qū)域?qū)挾葍?nèi)的投影信息最小值。在確定具體分割點(diǎn)時(shí)，先找投影信息的波谷橫坐標(biāo)x，接著利用以x為中心的區(qū)域最小值與圖像在x處的垂直投影進(jìn)行比較，如果相等，則 判斷x才是真正的分割點(diǎn)坐標(biāo)。陳寅鵬等提出了復(fù)雜車(chē)輛圖像中的車(chē)牌定位與字符分割方法。該方法利用車(chē)牌字符等寬，排列規(guī)則的特點(diǎn)，引入模板，并使用該模板與豎直積

52、分投影曲線(xiàn)匹配，計(jì)算最佳匹配位置，從而得到字符分割的準(zhǔn)確結(jié)果。李文舉等提出了質(zhì)量退化的車(chē)牌字符分割方法。首先對(duì)字符外輪廓垂直距離采用尺度自適應(yīng)三次B樣條小波變換進(jìn)行字符的粗分割：然后應(yīng)用基于目標(biāo)占有率模板匹配的字符識(shí)別反饋進(jìn)行字符的精分割，使字符分割效果好。劉弈 等提出了一種利用顏色信息的車(chē)牌字符分割新算法?？紤]到一般字符分割采用灰度處理方法丟失了很多顏色信息，而采用一種基于模糊神經(jīng)網(wǎng)絡(luò)的算法，充分利用車(chē)牌的顏色信息，根據(jù)車(chē)牌底色對(duì)不同分量進(jìn)行加強(qiáng)，并將顏色信息作為模糊神經(jīng)網(wǎng)絡(luò)的輸入量，最后進(jìn)行字符分割。 以上的算法在特定的情況下是可以較好的將車(chē)牌寧符分割出來(lái)，但我國(guó)由于環(huán)境，道路或人為因素使

53、得車(chē)牌污染嚴(yán)重，使得在車(chē)牌存預(yù)處理后，會(huì)出現(xiàn)不同程度的噪聲，嚴(yán)重影響到車(chē)牌字符的正確分割。另外在國(guó)外許多國(guó)家車(chē)牌的底色和字符顏色通常只有對(duì)比度較強(qiáng)的兩種顏色(例如韓國(guó)，其車(chē)牌底色為紅色，車(chē)牌的字符為白色)，我國(guó)汽車(chē)牌照僅底色就有藍(lán)、黃、黑、白等多種顏色，字符顏色也有黑、紅、白等若干種顏色。而且，很多其他國(guó)家的汽車(chē)牌照格式通常只有一種，而我國(guó)則根據(jù)不同車(chē)輛、車(chē)型、用途，規(guī)定了多種牌照格式。這都在很大程度上加大了車(chē)牌字符分割的難度。因此尋求一個(gè)更具有適用性、魯棒性的字符分割方法，還需要探索和完善。 以上種種分割方法實(shí)現(xiàn)方式雖然各式各樣，但歸結(jié)起來(lái)總是基于幾個(gè)基本點(diǎn)： (1)車(chē)牌區(qū)域的垂直投影呈現(xiàn)明

54、顯的波峰和波谷，波峰即為字符區(qū)域，波谷基本上都是字符間的間隙。 (2)第一個(gè)字符為漢字由于左右偏旁漢字中會(huì)出現(xiàn)間隙，而第二個(gè)字符和第三個(gè)字符間隔較大，所以可由 此做分界線(xiàn)，分段分割。 (3)字符比例固定。車(chē)牌字符總長(zhǎng)度為409mm，其中單個(gè)字符寬度為45mm高度為90mm，第二和三字符間間距為34mm，其中中間小圓點(diǎn)寬度為lOmm，與第二和三字符間間距為12mm，其余字符間間距為12mm；字符“l(fā)”的寬度約為135mm，與其它字符間間距約為225mm，連續(xù)兩個(gè)字符“l(fā)”間間距約為385mm，第三字符為字符1時(shí)，與第二字符問(wèn)問(wèn)距約為445mm。標(biāo)準(zhǔn)字符不包含字符“I”，故可以不考慮這種情況。 (

55、4)字符顏色與車(chē)牌底色具有固定的顏色搭配。如果單純地使用顏色對(duì)特征點(diǎn)進(jìn)行投影以精確定位車(chē)牌邊界時(shí)，由于顏色判斷的精確度的誤差和顏色對(duì)干擾點(diǎn)的存在，本應(yīng)連續(xù)的字符邊緣可能會(huì)有斷裂，而不應(yīng)是字符邊緣的卻有可能存在干擾點(diǎn)。這時(shí)就會(huì)對(duì)分析造成很大的影響。而將車(chē)牌區(qū)域二值化后，由于字符顏色與車(chē)牌底色的強(qiáng)烈色彩反差，字符與底色呈現(xiàn)兩極化。但是此時(shí)仍不適合于做投影分析，因?yàn)檐?chē)牌區(qū)域圖像內(nèi)仍可能有干擾像素，如白色車(chē)輛的藍(lán)白車(chē)牌(如圖2-9(b)，此時(shí)如果得到的車(chē)牌區(qū)域包含了車(chē)身部分，則二值化后車(chē)身區(qū)域與字符屬于同一顏色。對(duì)這樣的圖像進(jìn)行投影得不到精確定位需要的信息。 應(yīng)該注意到，車(chē)牌字符區(qū)域的紋理特征，這些特

56、征是旁邊干擾區(qū)域所不具有的特征，所以對(duì)二值化的圖像進(jìn)行邊緣化處理，通過(guò)字符的紋理特征、邊緣的跳躍性來(lái)判斷車(chē)牌字符區(qū)域。 通過(guò)以上的分析，最終結(jié)合以上所有特點(diǎn)，本文提出了幾種算法。42車(chē)牌字符分割算法4.2.1 MATLAB車(chē)牌字符分割這是一個(gè)簡(jiǎn)單的車(chē)牌字符分割程序，程序大概分為三步：1、 灰度化/二值化/直方圖均衡化/歸一化大??； 2、 去噪 ；3、 分割；由于使用MATLAB作為平臺(tái)，第一步幾乎可以以一句話(huà)完成。而對(duì)于去噪一步，需要花一點(diǎn)心思。不要以為去噪就是傳統(tǒng)的高斯、中值濾波之類(lèi)的東西，在自然環(huán)境中，干擾是無(wú)窮無(wú)盡的。對(duì)于我們的車(chē)牌識(shí)別程序，干擾我們的通常會(huì)有光照、車(chē)牌上的污點(diǎn)等等，這些

57、干擾通常會(huì)使用普通圖像處理手段來(lái)解決，比如用高斯等平滑濾波，用直方圖均衡化等。然而，還有另外一些干擾也要引起我們的注意的問(wèn)題，因此解決這種問(wèn)題更顯得程序的通用性。就是車(chē)牌的邊沿、螺絲等等，這些是幾乎每個(gè)車(chē)都有給出一個(gè)網(wǎng)上摘錄下來(lái)的車(chē)牌！圖 6 標(biāo)準(zhǔn)的車(chē)牌Fig 6 Standard plate我們可以看到，盡管車(chē)牌已經(jīng)比較完美地定位（切割）了出來(lái)，但是對(duì)于提取純字符任務(wù)來(lái)說(shuō)，我們還面臨著邊沿、螺絲、空隙等挑戰(zhàn)。在這里嘗試采用比較常見(jiàn)的統(tǒng)計(jì)手段來(lái)解決這個(gè)問(wèn)題：在得到二值化圖像之后，我們可以得到一個(gè)二值矩陣，當(dāng)某位置的值等于0的時(shí)候，表示該像素點(diǎn)為全黑，反之，則該像素點(diǎn)為純白。然后我們可以對(duì)此二值

58、矩陣分別對(duì)行、列進(jìn)行求和統(tǒng)計(jì)。圖 7 經(jīng)二值、平度化、平滑后的車(chē)牌圖像 Fig 7 The binary, pingdu change, smooth the vehicle images after圖 8 圖 6是二值、灰度化并平滑后的結(jié)果，效果還是不錯(cuò)的。我們分別對(duì)二值化結(jié)果分別做一個(gè)行、列的求和統(tǒng)計(jì)，并疊加得出圖 8的結(jié)果：紅色代表對(duì)各行數(shù)值求和結(jié)果、藍(lán)色代表對(duì)各列求和結(jié)。大家已經(jīng)可以看出些什么名堂來(lái)了吧？當(dāng)值高的時(shí)候，代表白色的像素（痕跡）在這里多。通過(guò)紅色曲線(xiàn)，我們已經(jīng)可以輕易地去掉上下區(qū)域的直線(xiàn)。對(duì)于水平切割，這里采用了最落后的閥值法，對(duì)水平總和數(shù)據(jù)求數(shù)學(xué)平均，然后低于數(shù)學(xué)平均值的

59、那一整行像素將被刪除。而對(duì)于藍(lán)色曲線(xiàn)，不能盲目地copy水平切割的方法。仔細(xì)觀(guān)察M、0這兩字母與其他字母的曲線(xiàn)。經(jīng)比較后不難發(fā)現(xiàn)，因?yàn)镸與0這兩個(gè)字母中間是空心的，所以曲線(xiàn)波動(dòng)較大。真正應(yīng)該分割點(diǎn)的是最低的波谷處。以下是代碼摘要：seg_target=sum_cols = (sum(sum_cols)/length(sum_cols);for i=1:length(seg_target) if seg_target(i) preseg_bgs_img = preseg_bgs_img;bgs_img(i,:); endendseg_target = sum_rows 10 nb_char =

60、nb_char + 1; seg_charnb_char = temp_char; end temp_char = zeros(size(preseg_bgs_img,1),1); endend以下是水平分割結(jié)果（預(yù)分割）：圖 9 水平預(yù)分割的車(chē)牌圖像 Fig 7 Level of pre segmentation vehicle images可以看出頂上的螺絲釘與下面的邊沿被切除掉了，接著，我們做最后的分割，有些時(shí)候我們會(huì)連垂直方向上的一些邊都當(dāng)成了字符，其實(shí)一個(gè)很簡(jiǎn)單的解決方法就是設(shè)定一個(gè)閥值讓體積比較正常的字符通過(guò)，過(guò)濾掉類(lèi)似邊沿的假結(jié)果。其實(shí)不應(yīng)該設(shè)定一個(gè)固定閾值，而是根據(jù)不同圖片計(jì)算

61、出不同的閥值。以下是最終的結(jié)果：圖 10 字符分割后的車(chē)牌圖像 Fig 10 After Character segmentation vehicle images效果還不錯(cuò)可以，不作可視化過(guò)程顯示的話(huà)用時(shí)0.02秒，就是通用性差，用其他質(zhì)量沒(méi)有這么好、分辨率沒(méi)這么高的車(chē)牌做分割慘不忍睹。這種傻瓜程序，最要命的地方莫過(guò)于其工作環(huán)境必須很優(yōu)越：對(duì)齊了的車(chē)牌牌照、盡量減少的燈光影響等，其實(shí)實(shí)用性基本沒(méi)有。但是由于框架是正確可用的，所以對(duì)于改進(jìn)的地方，應(yīng)該從分割點(diǎn)的選取，總體的思路是改進(jìn)各種閥值的選取，包括二值化的因子、高斯平滑的sigma因子等等，我們事先應(yīng)當(dāng)做一個(gè)直方圖統(tǒng)計(jì)等東西來(lái)計(jì)算出各種針對(duì)

62、當(dāng)前牌照的浮動(dòng)閥值。還有一個(gè)可以改進(jìn)的地方是，圖像在進(jìn)入之前最好先做歸一化處理，即大小和顏色等。最后的感觸是，我從一開(kāi)始的興致勃勃已經(jīng)到了現(xiàn)在的很痛苦的狀態(tài)。總想著這是很簡(jiǎn)單的事情，卻處處需要自己打點(diǎn)，考慮各種情況等。希望經(jīng)過(guò)這次實(shí)現(xiàn)LPR程序的經(jīng)歷逐漸讓自己變得更加成熟和沉著。 最后放上已經(jīng)寫(xiě)好的function，進(jìn)行調(diào)用就可以了！現(xiàn)在放出寫(xiě)好的function，如下調(diào)用：number_char, outstanding_char = Seg_Char(original_image,disp);e.g: number_char, outstanding_char = Seg_Char(ori

63、ginal_image,true);5車(chē)牌字符分割算法實(shí)現(xiàn)51MATLAB的開(kāi)發(fā)環(huán)境本文字符分割技術(shù)主要使用的是MATLAB軟件進(jìn)行操作的，MATLAB是由美國(guó)mathworks公司發(fā)布的主要面對(duì)科學(xué)計(jì)算、可視化以及交互式程序設(shè)計(jì)的高科技計(jì)算環(huán)境。它將數(shù)值分析、矩陣計(jì)算、科學(xué)數(shù)據(jù)可視化以及非線(xiàn)性動(dòng)態(tài)系統(tǒng)的建模和仿真等諸多強(qiáng)大功能集成在一個(gè)易于使用的視窗環(huán)境中，為科學(xué)研究、工程設(shè)計(jì)以及必須進(jìn)行有效數(shù)值計(jì)算的眾多科學(xué)領(lǐng)域提供了一種全面的解決方案，并在很大程度上擺脫了傳統(tǒng)非交互式程序設(shè)計(jì)語(yǔ)言（如C、Fortran）的編輯模式，代表了當(dāng)今國(guó)際科學(xué)計(jì)算軟件的先進(jìn)水平。MATLAB的基本數(shù)據(jù)單位是矩陣，它的指令表達(dá)式與數(shù)學(xué)、工程中常用的形式十分相似，故用MATLAB來(lái)解算問(wèn)題要比用C，F(xiàn)ORTRAN等語(yǔ)言完成相同的事情簡(jiǎn)捷得多，并且MATLAB也吸收了像Maple等軟件的優(yōu)點(diǎn),使MATLAB成為一個(gè)強(qiáng)大的數(shù)學(xué)