车牌照识别系统设计与实现毕业设计论文(编辑修改稿)

车牌照识别系统设计与实现毕业设计论文(编辑修改稿)内容摘要：

30 致谢 31 附录 32 附录 A 外文资料 32 附录 B 程序清单 40 石家庄铁道大学四方学院毕业设计 1 第 1 章 绪 论 研究背景及意义 汽车牌照自动识别系统是智能交通系统的重要组成部分，是高科技的公路交通监控管理系统的主要功能模块之一。 它在传统的交通监控技术的基础上，引入了数字摄像技术和计算 机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对车辆图像的采集和处理，获得车辆的数字化信息，从而达到更高的智能化管理水平， 车牌自动识别技术在车辆过路、过桥全自动不停车收费，交通流量控制指标的测量，车辆自动识别，高速公路上的事故自动测报，不停车检查，车辆定位，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面有重要作用，因此 对汽 车牌 照 识别技术的 研究有重要的现实应用意义 [1]。 其发展对社会生活、国民经济和城市建设将产生积极而深远的影响，在 作毕业 设计的 过程中， 要确保 所学知识得到疏理和运用，它既是一次检阅，又是一次锻炼。 对课题进行深刻的认识 ，综合性地运用几年内所学知识去分析、解决问题 [2]。 国内外发展现状 伴随着世界各国汽车数量的增加 , 城市交通状况日益受到人们的重视，如何有效地进行交通管理，越来越成为各国政府和有关部门所关注的焦点，针对此问题，人们运用先进的科学技术，相继研制开发出了各种交通道路监视、管理系统，这些系统一般都包括车辆检测装置，通过这些装置对过往车辆实施检测，提取有关交通数据，以达到监控、管理和指挥交 通的目的 [3]。 汽车牌照识别技术是车辆检测系统中的一个重要环节 , 它在交通监视和控制中占有很重要的地位，有着多种应用，例如自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制等等。 同时，汽车牌照识别的方法还可应用到其他检测和识别领域，所以汽车牌照的识别问题已成为现代交通工程领域中研究的重点和热点问题之一，运用图像处理技术解决汽车牌照识别的研究国内外都有 (最早出现于 01 年代 (这个阶段是采用简单的图像处理技术来解决 )识别过程是使用工业电视摄像机拍下汽车的正前方图像 (然后交给计算机进行 简单处理 (并且最终仍需要人工干预 )[4]。 国外汽车牌照识别系统研究工作已有一定进展。 但并不尽合我国国情。 由于我国汽车车牌识别的特殊性。 采用任何一种单一识别技术均难以奏效 !目前正在研制的无源石家庄铁道大学四方学院毕业设计 2 型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉技术、图像处理技术、人工智能技术和人工神经网络技术等。 是一个比较有发展前途的车牌识别系统。 车牌识别系统的组成 硬件和软件 识别系统中要用到的硬件主要有摄像头 、 感应器和计算机。 车牌识别系统的软件部分主要分为四大块，预处理 、 车牌定位 、 车牌字符的分割 和字符识别 [5]。 图 11 系统流程图 原始图像：由停车场固定彩色摄像机、数码相机或其它扫描装置拍摄到的图像 图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰 边缘提取：通过微分运算， 2 值化处理，得到图像的边缘 车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。 最后得到的便为车牌区域。 字符分割：利用投影检测的字符定位分割方法得到单个的字符 字符识别：利用模板匹配的方 法与数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。 车牌自动识别系统原理 当车辆通过时，车辆检测装置受到触发，启动图像采集设备获取车辆的正面或反面图像，并将图像传至计算机，由车牌定位模块提取车辆的牌照，字符分割模块对车牌上的字符进行切分，最后由字符识别模块进行字符识别并将结果输出 [6]。 本论文主要研究内容 本文针对汽车牌照自动识别系统进行了系统的研究和分析 ,设计了一种汽车牌照的自动识别方法，包括图像的预处理、车牌定位与提取、字符分隔和提取。 汽车图像原始图像 图像预处理 边缘提取 车牌定位 字符分割 字符识别 石家庄铁道大学四方学院毕业设计 3 预处理 部分完成对原始汽车图像进行必要的灰度化、去噪声、图像增强处理，车牌定位与提取部分利用边缘检测方法对图像进行定位与提取，然后利用水平投影的方法对提取的图像进行字符分割，最后利用字符宽高将分割字符提取。 石家庄铁道大学四方学院毕业设计 4 第 2 章 识别系统的相关技术简介 图像的灰度化 彩色图像包含着 过多 的颜色信息，因此在对图像进行识别等处理中经常将彩色图像 灰度化处理， 转变为灰度图像，以加快处理速度。 灰度图像就是只有强度信息而没有颜色信息的图像，存储灰度图像只要一个数据矩阵，矩阵 中 每个元素表示对应位置像素的灰 度值。 彩色图像的像素色为 RGB(R， G， B)，灰度图像的像素色为 RGB(r，r， r),R， G， B 可由彩色图像的颜色分解获得。 而 R， G， B 的取值范围是 0~255，所以灰度的级别只有 256 级 [7]。 从图像输入装置得到的图像数据，以浓淡表示，各个像素与某一灰度值相对应。 设原图像像素的灰度值 D = ƒ（ x， y），处理后图像像素的灰度值 D180。 =g（χ，у），则灰度增强可表示为： )],([),( yxfTyxg  ] 或 )(39。 DTD （ 21） 要求 D 和 D’都在图像的灰度范围之内。 函数 T（ D）称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。 一旦灰度变换函数确定，则确定了一个具体的灰度增强方法。 图像中每一点的运算就被完全确定下来。 灰度变换函数不同，即使是同一图像也会得到不同的结果 [8]。 选择灰度变换函数应该根据图像的性质和处理目的来决定。 选择的标准是经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 图像的二数值化和阈值处理 二值图像是指整幅图像画面内仅黑、白二值的图像。 在数字图像处理中，二值图像占有非常重要的地位。 在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。 车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。 二值化的 阈 值选取有很多方法，主要分为 3 类 :全局 阈 值法、局部 阈 值法和动态 阈 值法。 全局 阈 值法是根据图像的直方图或灰度的空间分布确定一个 阈 值，并根据该 阈 值实现灰度图像到二值化图像的转化。 全局 阈 值方法的优点在于算法简单，对于 目标和背景明显分离、直方图分布呈双峰的图像效果良好，但对输入图像量化噪声或不均匀石家庄铁道大学四方学院毕业设计 5 光照等情况抵抗能力差，应用受到极大限制。 局部 阈 值法则是由象素灰度值和象素周围点局部灰度特性来确定象素的 阈 值的， Bernsen 算法是典型的局部 阈 值方法，非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质，局部 阈 值法也存在缺点和问题，如实现速度慢、不能保证字符笔划连通性、以及容易出现伪影现象等。 动态阀 7 阈 值法的 阈 值选择不仅取决于该象素灰度值以及它周围象素的灰度值，而且还和该象素的坐标位置有关，由于充分考虑了每个像素 邻域的特征，能更好的突出背景和目标的边界，使相距很近的两条线不会产生粘连现象。 阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为 0 或 255，否则灰度值设置为255 或 0[9]。 阈值化的变换函数表达式如下：   Tx Txxf ,255,0)( （ 22） 式中 T 为指定的阈值。 比它大就是白，比它小就是黑。 图像的梯度锐化 由于需要处理的图像由拍摄而来，所以在很多情况下 字符模糊，所以要对图像进行锐化处理使模糊的图像变的清晰 便于识别 ，图像锐化的实质就是增强图像的边缘或轮廓，其锐化后的结果通过微分而使图像边缘突出、清晰。 图像锐化的方法有两种 :梯度锐化法和高通滤波法 [10]。 图像的去噪 图像可能在拍摄或者传输过程中夹带了噪声，去噪声是图像处理中常用的手法。 通常去噪用滤波的方法，比如中值滤波、均值滤波。 为了抑制噪声，通常我们会采用低通滤波，但由于边缘轮廓也包含大量的高频信息，所以低通滤波在过滤噪声的同时，也使得边界变模糊，反之，低通滤波后为了提高边缘轮廓，还需要使用高 通滤波，这时存在的噪声也得到了增强，然而中值滤波在过滤噪声的同时也很好的保护到了边缘轮廓，因此常用中值滤波的方法来去噪 [11]。 灰度拉伸 若有一幅图，由于拍摄光照不足，使得整幅图偏暗（例如，灰度范围从 055），或者拍摄时光照过强，使得整幅图偏亮（灰度范围从 200255），这些情况都是属于低石家庄铁道大学四方学院毕业设计 6 对比度，即灰度都挤在一起，没有拉开。 灰度拉伸的意思就是把感兴趣的灰度范围拉开，使得该范围内的像素，亮的更亮，暗的更暗，从而达到了增强对比度的目的。 图像的倾斜矫正 由于拍摄时镜头与牌照的角度、车辆的运 动及路面的状况等因素的影响，例如车牌在捕捉图像中的位置不固定，捕捉图像时车头或者镜头发生摆动以及车牌本身就挂歪了或路况较差，都可能使拍摄到的车牌图像有一定的倾斜度，为了正确识别需要进行倾斜度校正，否则将无法进行单个字符的正确分割，字符识别的误差率就会上升。 但是若以某个固定的经验值对所有牌照统一进行旋转处理，又会使原本正常的牌照倾斜，导致新的错误。 因此有必要针对特定的牌照图像提取其倾斜角度，再加以相应的旋转处理。 如何从牌照中自动提取其倾斜度是预处理过程中的一个难点，一般使用Hough 变换检测图像中的直线来对图 像的倾斜进行相应的矫正 [12]。 Hough 变换具有明了的几何解析性，一定的抗干扰能力和易于实现并处理等优点：但它存在着计算量大，需要巨大的储存空间等问题，所以不适合用在具有一定实时性要求的图像处理中。 针对这个问题， Radon 变换可以满足一定实时图像处理的要求。 车牌字符分割 经过上面一系列预处理后，得到的是一条上下边缘紧贴字符的水平二值图像，其中，车牌的背景像素为白色，用 1 表示。 车牌的字符像素为黑色，用 0 表示。 在识别时系统只能根据每个字符的特征来进行判断，为了最终能准确识别牌照上的汉字、英文字母及 数字，必须将单个字符从矫正的牌照中逐个提取分离出来。 字符识别 进行车牌识别前需要使用样本对神经网络进行训练，然后使用训练好的网络对车牌进行识别。 其具体流程为 :使用汉字、字母、字母数字、数字四个样本分别对四个子网络进行训练，得到相应的节点数和权值。 对已经定位好的车牌进行图像预处理，逐个的特征提取，然后从相应的文件中读取相应的节点数和权值，把车牌字符分别送入相应的网络进行识别，输出识别结果。 石家庄铁道大学四方学院毕业设计 7 第 3 章 车牌照提取与定位 算法设计流程 灰度化 二值化 滤波 图像预处理 开始 字符的分割 定位和提取 字符的识别 结束 图 31算法设计总流程 汽车图像预处理 图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统噪声、暴光不足或过量、相对运动等，往往会与原始景物之间或图像与原始图像之间产生了某种差异。 因此在图像处理之前必须进行预处理，包括去除噪音，边界增强 ，石家庄铁道大学四方学院毕业设计 8 增加亮度等等。 首先应该把 256 色彩色图像转换为灰度图像。 平滑是图像预处理的主要环节，平滑的好坏直接影响二值化的质量。 滤波的方式有两种，一种是空间域滤波，一种是频率域，在空间域，常见的滤波方式有两种方式，均值滤波和中值滤波。 采用中值滤波 对图像进行平滑处理。 中值滤波在一定条件下可以克服线性滤波器如最小均方滤波、均值滤波等带来的图像细节模糊，而且对滤波脉冲干扰及图像扫描噪声最为有效，同时还可以保护字的边界信息。 Matlab 实现 %装入待处理图像并显示原始图像 如图 32： clear。 close all。 Scolor = imread(‘原始图像’ )。 figure, imshow(Scolor), title(39。 原始彩色图像 39。 )。 图 32 原始图像 %显示灰度化 后的图像 i = rgb2gray(Scolor)。 figure,imshow(i)。 title(39。 灰度图像 39。 )。 石家庄铁道大学四方学院毕业设计 9 图 33 灰度化后的图像 中值滤波 中值滤波是一种非线性滤波处理技术，能有效地抑制图像中的某些噪声，它基于图像这样一种特性：噪声往往以孤立点的形式出现，这些点对应的像素数很少，而图像是由许多像素数较多、面积较大的小块组成。 在一维情况下，中值滤波器是一个含有奇数个像素的窗口。 处理之后，用窗口内各像素灰度值的中值来代替位于窗口正中的像素的灰度值。 中值滤波不影响阶跃函数和斜坡函 数，因而对图像边缘有保护作用：但是，对于持续期小于窗宽一半的脉冲信号将进行抑制，因而可能会损坏图像的某些细节。 中值滤波很容易推广到二维情况。 二维窗口形状可以是正方形、近似圆形或十字形。 现有的牌照有四种类型，分别是 : 蓝底白字牌照为小功率汽车使用； 黄底黑字牌照为大功率汽车使用； 白底黑字或红字牌照为军用或警用。 4,黑底白字牌照为国外驻华机构使用。 这四种牌照的长度均为 45cm，宽 15cm，共 8 个字符。 民用牌照第 1 个字符是汉字，且是各省市的简称，如“京”、“苏”、“鄂”等。 第 2 个字符是大写英文字母 ，是颁发证照及监督机关的代号。 第 3 个字符是一个“”，第 4～ 8 个字符均为阿拉伯数字或英文大写字母。 如“贵 A 123。