基于matlab的车牌分割及数字识别系统_毕业设计论文(编辑修改稿)

基于matlab的车牌分割及数字识别系统_毕业设计论文(编辑修改稿)内容摘要：

微分，这也就产生了新的边缘检测方法 —— LOG 边缘检测。 这种检测方法需要用高斯函数对图像进行平滑处理后，再用拉普拉斯算子计算 [09]。 车牌分割 车牌定位 车牌定位的本质是把车牌图像从含有汽车和背景的图像中提取出来，即输入车牌原始图像输出车牌图像。 在自然环境下，原始图像采集背景复杂，光照不均，在自然背景中准确地确定牌照区域是整 个牌照是别的关键。 经过图像于处理后所得到的图像，在垂直方向上的面积投影出现了峰 谷 峰的特性。 根据这种特性，可以检测到车牌的区域，即车牌区域定位法，这种初步定位后的车牌还需要进一步微定位。 对初步确定出来的车牌进行微定位，而所谓的微定位法即对基本定位后的车牌图像进行局部分析，以便进一 南湖学院 毕业设计（论文） 8 步确定字符范围，缩减车牌的左右、上下边界，这有利于后续的车牌处理，确定车牌的具体位置后再提取车牌 [12]。 微定位技术包括三部分 :(1)横向定位；（ 2）纵向定位；（ 3）微定位。 需要在大范围的原始图像中找到车牌的区域，需要对原始图像 进行搜索，找到符合车牌特征的部分区域作为车牌候选区域，在对其进行深层次的分析、评判，计算，最终找到真正的车牌区域，并将该区域从图像中分割出来。 伪目标 伪目标 车牌 区域 图 目前，国内外车牌定位的主要方法有：特征定位法，边缘检测定位 法 ， 数学形态 定位法 ，小波变换法，开运算定位法等。 本文中所采用的是 开运算定位法。 几何校正 在实际的车牌获取过程中，通常是由道路某侧或上方的摄像机拍摄所得。 因此，所得到的原始图像车牌区域角度、距离 有一定的差距，也就是说原始图像中的车牌存在一定的倾斜度。 主要的三种倾斜方式是： 水平上的倾斜、垂直上的倾斜、水平和垂直上的倾斜。 车牌的倾斜度校正前，需要先对车牌的倾斜进行检测。 其检测公式如下： ，车牌倾斜，车牌水平22331iikkinn （ 27） 其中， in 表示第 i 行的 0、 255 的跳跃次数。 常见的几种倾斜校正的方法为：（ 1）基于霍夫变换的校正算法，（ 2）基于车牌投影变换的校正算法 [1314]，（ 3）基于直 线拟合的校正算法 [15]。 本文所采用的方法是基于车牌投影变换的倾斜校正算法。 南湖学院 毕业设计（论文） 9 基于车牌投影的倾斜校正算法实质上是一种基于 Radon 变换的校正算法。 用二维函数 ),( yxG 表示原始图像坐标为（ x,y）的像素值，某方向上的投影可用该方向上的积分表示。 积分公式如（ 28）所示： 39。 )s i n39。 c o s39。 ,s i n39。 c o s39。 ()39。 ,( dyxyyxGxR l   （ 28） 其中 )39。 ,( xR 为  的周期函数， T=180176。 ，且   [0176。 ， 180176。 ]。 坐标变换的公式如（ 29）所示：      c o ss in39。 s inc o s39。 yxy yxx （ 29） Radon 变化所检测的直线是 )39。 ,( xR 在坐标 )39。 ,( x 的峰值，可根据横坐标和纵坐标确定一条直线。 分割算法 字符分割实质上是把车牌上的字符分割成一个个单个的字符，传统的字符分割方法有投影法 [1618]、模板匹配法、聚类分析法 [1920]。 由于投影法比较准确、编程较简单，且易于实际操作，能满足在复杂环境下，所以本文采用的是投影法分割车牌字符。 投影法的具体操作如下： （ 1）对灰度化的车牌图像从下向上逐行扫描，逐行统计出像素值为 255 的像素的个数，当其个数大于 7 时（车牌有 7 个字符），认为寻找到车牌字符的下边界，同理，找到车牌的上边界。 去除车牌字符上下边界以外的区域，之后设车牌的高度为 height，宽度为 width。 （ 2） 对车牌图像从左向右逐列扫描，逐列统计像素值为 255 的像 素的个数，并将结果保存在一位数组 count[width+1]中，其中 count[i]用于存储第 i 列像素值为 255 的像素的个数。 （ 3）根据汉字特征，需要设置两个阈值来分割一个汉字字符。 设两个阈值分别为 threshold 1， threshold 2。 从左向右扫描经过预处理后的车牌图像，记第一个大于阈值 threshold 1 的列为汉字的开始位置 S，记第一个小于阈值 threshold 1 的列为 H ，比较这两列的宽度 HS 与 threshold 2 的大小直到找到与 S 列相差的宽度大于 threshold 2 且满足像素值为 255 的像素的个数小于阈值的列，设为车牌的汉字字符的结束列。 在分割不连通的汉字的时候，这种改进的方法起到作用是显著的。 （ 4）之后的英文字母和阿拉伯数字不存在不连通性的问题，所以只要利用第一个阈值 threshold 1 就可以分割出车牌剩下的字符。 （ 5）若出现像素值为 255 的像素个数大于阈值 threshold 1 时记为车牌字符开始的位置，小于阈值 threshold 1 时记为车牌字符的结束位置。 如此重复的下去，直到字符全 南湖学院 毕业设计（论文） 10 部分割出来为止。 流程图如图 21 所示： 求 垂 直 投 影 的 平 均 值求 垂 直 投 影 的 最 小 值取 阈 值计 算 字 符 上 升 点计 算 谷 宽 度计 算 字 符 距 离找 到 字 符 中 心 位 置 图 归一化处理 由于原始图像采集的时候，图像像素值不一致，所以经过字符切割后所得到的字符大小也不一致，因此需要在进行字符匹配之前需要对字符图像进行归一化处理。 不言而喻，归一化处理的目的是使得车牌字符与标准模块中的字符特征一致。 归一化处理可以分为倾斜度校正和大小归一化两个主要部分，其中倾斜度校正部分使用的是 MATLAB工具箱中的 Imrote 函数。 由于大小归一化值得是长度和宽度上分别乘以某个比例因子，使其大小与模块中的字符大小一致，大 小归一化最为常用的方法是将整个牌照图像按线性比例放大或缩小到标准模快的大小。 归一化流程图如 所示： [ m ， n ] = s i z e （ d ） ， 逐 排 检 查 有 没 有 白 色 像 素 点 ， 设 置 1 = j n 1 ，若 图 像 两 边 s （ j ） = 0 ， 则 切 割 ， 去 除 图 像 两 边 多 余 的 部 分切 割 去 图 像 上 下 多 余 的 部 分根 据 图 像 的 大 小 ， 设 置 一 阈 值 ， 检 测 图 像 的 X 轴 ，若 宽 度 等 于 这 一 阈 值 则 切 割 ， 分 离 出 七 个 字 符归 一 化 切 割 出 来 的 字 符 图 像 的 大 小 为 4 0 * 2 0 ，与 模 板 中 字 符 图 像 的 大 小 相 匹 配 图 归一化流程图 南湖学院 毕业设计（论文） 11 3 车牌数字识别方法 数字识别概述 早期，约在 1870 年时字符识别作为视力障碍人的辅助工具。 随着计算机的日益发展，约在 29 世纪 40 年代， OCR(字符识别 Optical Character Recognition,简称 OCR)系统问世，但在当时也只是商业界的数据处理手段。 20 世纪 50 年代中期以后，商业 OCR机并正式 开始投入市场。 自 50 年代后，人们开始研究印刷体字符，随着算法的日益完善，到 80 年代末 90 年代初字符识别已经发展到可以识别出手写字体。 在当时看来，手写汉字的识别成为字符识别的最终目标之一。 到 1992 年时，单个字符的手写体达到较高的识别率，特别是数字的识别率接近 95%，于是识别系统开始步入市场。 虽然国内对车牌字符研究起步较晚，但国外在字符研究方面早已有所成就，如英国、日本、德国、加拿大等不少国家已经研究出适合本国的车牌识别系统，并且拥有比较高的字符识别率和比较少的识别时间。 由前文可知，车牌识别系统中最为关键的 技术是字符识别，字符识别中的主要指标是识别率和识别时间。 目前，国内外的车牌字符识别的方法 [21]主要有模板匹配字符识别算法、神经网络字符识别算法 [22]、统计特征匹配法、支持向量机模式识别算法等几种方法，其中最早使用于车牌识别的是模版匹配字符识别算法，然而目前最受研究者和学者们青睐的时神经网络识别算法。 随着我国的数字图像处理技术的发展以及实际应用，我国利用数字图像处理技术对字符进行处理识别的技术也有所进展，目前国内比较具有代表性的研究院、高校有清华大学、北京信息工程学院、中字汉王、北京邮电大学、沈阳自动化 等。 车牌数字特点 目前，我国的车牌主要分为蓝底白字和黄底黑字两种 [23]。 一般情况下，国内轻型车所使用的是蓝底白字车牌，常常用于一些中小型 的民用汽车，也是目前国内最为常见的车牌。 大 型车辆一般所采用的是黄底黑字车牌，通常是大型民用汽车 、重型载重车辆 ，这种车牌与蓝底白字的车牌相比较少，但也是我国常用车牌。 除此以外 ， 我国 还存在一些比较特殊的车牌，例如使馆车牌、领馆车牌、军车车牌等。 目前，我国车牌的具体规格 ，如表 31 所示： 南湖学院 毕业设计（论文） 12 表 21 车牌格式 分类 外廓尺寸（ mm） 颜色 面数 大型民用汽车 440*140/440*220 黄底黑字 2 小型民用汽车 440*140 蓝底白字 2 公安专用汽车 440*140 白底红“ GA”、黑字 2 武警专用汽车 440*140 白底红“ WJ”、黑字 2 大使馆外籍汽车 440*140 黑底白字及空心“使”字 2 领事馆外籍汽车 440*140 黑底白字及空心“领”字 2 外籍汽车 440*140 黑底白字 2 实验汽车 440*140 白底红字，数字前有“试”字 2 学习汽车 440*140 白底红字，数字前有“学”字 2 临时牌照 白 底红字，数前有“临时”字 2 汽车补用牌照 白底黑字 2 车辆移动证 白底红字 2 本文 主要 分析蓝底白字和黄底黑字的车牌，具有以下几个特点： （ 1）车牌拍照一共七位，第一个为汉字，一般为各个省级行政区的简称； （ 2）第二个字符一般为英文字符，作为地市一级代号，后五位是数字和字母的排列组合； （ 3）车牌大小尺寸高度统一为 140mm 左右，宽度统一为均为 440mm，字体规范、科学、容易辨认； （ 4）字符总长度 409mm，单个字符宽度 45mm，高度为 90mm，第二三个字符之间的间隔是 34mm. 这也就是 说标准的车牌字符识别可以分为三部份，按照车牌上的七个字符的排列原则可知，首位是省名缩写的汉字，接下来是因为字母，接下来的一位可能是数字也可能是字母，末四位是数字。 所以车牌的额构造大体为“ 65432 11 XXXXXXS ”的车牌中，其中 1S 代表着省级行政区（汉字）的集合，可能出现的汉字集合为 {湘，苏，皖，京 … }；1X 为车牌所在地的英文字母代码的集合，构成的集合时出 I 以外的 25 个字母 {A， B，C… }； 32XX 可能是数字也可能是字母，所以有 34 个字符构成 {0， 1， … ， 9， A， B， … Z}；654 XXX 只可能是数字，所以可能的集合时 {0， 1， 2， … ， 9}。 基于神经网路的车牌数字识别 由于字符识别率是车牌识别研发成功与否的关键指标，可知字符识别在车牌识别系 南湖学院 毕业设计（论文） 13 统中的作用是极其重要的，字符识别的主要涉及到特征提取和识别方法两方面，并且两者是继承互补的关系。 经过训练后的神经网络不仅可以有效地提取信号、图像等感知模式的特征，还可以调试现有的启发模式识别系统，使其更好的解决不变量探测、自适应、抽象或者概括等一些常见问题，也就是说神经网路可以很好的应用于数组识别系统算法的设计之中。 预处理好以后的饿图片，需要使用神经网络对样本进行训练，本文中所使用的是前馈后向传播网络（ BP 网络） [2022]。 BP 网 络的设计主要包括了输入层、隐层、输出层以及各层之间的传输函数的设计。 BP 网络用于模式分类是基于以下原理，首先，隐层将输入模式空间的样本映射到隐层模式空间；其次输入层将隐层模式空间的输出模式样本映射到输出模式空间；最后，根据判断依据判决规则决定决策空间，进行模式分类。 结构示意图如图 所示： 图 BP网络结构图 其中单个的神经元结构如图 所示： 图 单个神经元结构图 nj 1 1x ix nx ij j1  ()f  jy 2x ix nx 2y ky my lh 1h … … …jh … lh 南湖学院 毕业设计（论文） 14 设第 k1 层 中第 i 个神经元的输入为 )1( kiy ，输出为 )(kjy ，则输入与输出的关系 如公式 31 所示 ： )1kN 1i。