车牌识别系统中图像处理技术的研究正文

车牌识别系统中图像处理技术的研究正文内容摘要：

f(x,y)内，模板 T 下对应的邻域 (称子图 s)内象素点作不同的运算 R。 因此，我们可以把复杂邻域内所有点的运算都抽象为模板运算 R。 10 编程时只须实现一个模板函数，定义不同 矩阵 T就可以实现不同的邻域运算。 如 矩阵求算术平均表示 3311111111191  模板运算也可写为下式 : ),(),(1010 jyixfjiaRijki   （ ） 21mi，21nj 其中 m,n 表示图像 f 长和宽的象素个数， k,l模板长和宽的象素个数 上式相当于模板与图像作卷积运算，体现了图像的邻域化处理思想，充分利用了象素间的相关性。 11 3 系统的方案设计 系统的总体设计方案 一个完整的车辆牌照识别系统是一个复杂的系统，包括图像采集、图像预处理、车牌定位与分割、字符切分、字符识别以及图像编码、数据传输与更新等步骤，其中的图像牌照处理中的每一个步骤都是比较复杂的，尤其是牌照定位与 分割 、字符切分与识别的复杂性更大。 因为采集到的图像受到环境、灯光以及牌照本身污损等情况的影响，造成采集的图像质量各不相同，有些图像质量很差，给图像处理造成一定的困难。 因此对于牌照处理阶段的各个步骤很多人都进行了相关的研究，提出了许多比较好的算法，但是很多算法对于 某一类图像质量的照片可能效果比较好，但是对于其它的车牌图像处理效果不见得就好。 由于条件 限制 ，论文只对牌照识别系统中的软件部分进行一定的研究，即车辆牌照图像处理的软件部分。 具体的牌照识别过程如下所示 : 图 31 车牌 图像处理 流程图 车辆牌照 图像 的 预处理 用摄像机采集到的车辆图像由于受到环境光线、摄像机拍摄以及车辆本身污损的影响，造成图像质量较差。 因此，在进行牌照定位以及分割之前需要对车辆图像进行预处理，改善图像的质量，使其易于处理和识别。 灰度变换 一幅 24位的真彩图像的每个像素由三个字节表示 ,这样储存一幅 640 480的图像就需要占用 640 480 3=921600字节 ,无论对于存储容量还是处理时间都是不太理想的 ,因此需要对图像进行压缩。 一般采用的方法是将彩色图像转换为灰度图像 ,公式为： Y=R+G +B ,其中 Y 被称为灰度值，这样就节省了大量的存储空间和处理车辆图像归一化 图像预处理 车牌定位 字符分割 字符识别 12 时间。 在本论文中 , ),( yxfg 为灰度化后的图像 R (x ,y)、 G (x ,y)， B (x ,y)为输入彩色图像 ),( yxfc 的 R、 G、 B 3 色分量。 ),(),(),(),( yxByxGyxRyxf g  车辆牌照图像的滤波 图像滤波是图像增强的一种手段。 一般情况下，在各类图像系统中图像的传送和转换 (如成像、复制、扫描、传输以及显示等 )总是要造成图像的某些降质，因此必须对降质的图像进行改善处理。 改善的办法有两类 :一类是不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，而衰减其不需要的特征，故改善后的图像不一定要逼近原图像。 这类图像改善方法统称为图像增强技术。 另一类改善图像 方法是针对图像降质原因，设法去补偿降质因素，从而使改善的图像尽可能地逼近原图像。 这类图像改善方法统称为图像复原技术。 由于牌照的灰度值与周围区域有明显的不同，因而在其边缘就会形成灰度突变的边界，这样就便于通过边缘检测来对灰度图像进行分割。 边缘检测可借助空域微分算子通过卷积完成。 本文采用的是拉普拉斯算子中的 3 3算子，线性拉普拉斯算子22222 ),(),(),(y yxfx xfyxf 是旋转不变算子，具有边缘突出的特性，其 3x3 算子有0101410101h 1212421212h 1111811113h,本文采用的滤波算子为：111181111H 以 下 是 对 经 过 灰 度 化 后 的 图 像 ),( yxfg 进 行 滤 波 处 理)1,1(),(),( 1 11 1    jiHjyixfyxf gjid ，其中 ),( yxfd 为滤波后的图像 灰度图像的二值化 灰度图像是有 256 个灰度级的单色图像，多级别的图像能够呈现 出较为丰富的明暗度，但是对于 目标搜索来说，总是希 望尽可能地减少背景 像 素 的干扰， 而 保存或增强目标区的色素度。 二值图像是指整幅图像画面内仅有黑、白二值的 图 像，在它们之间不存 13 在其他灰度的变化。 在数字图像处理中 ， 二值 化 图像占有非常重要的地位。 这是因为，一方面有些需要处理的文字图像、指纹图像、工程图纸等图像本身就是二值的 ； 另一方面，在某些情况下即使图像本身是具有灰度的，我们也要设法把它转变为二值图像再对它进行处理，这是考虑到在实用的图像处理系统中，要求处理的速度高、成本低。 此外二值化后的图像能够用几何学中的概念进行分析和特征描述，比灰度图的优势大得多。 因 而 ，二值图像处理目前成为了图像处理中的一个独立、重要 的分支。 二值化的方法很多，但是没有对任何对象都普遍适用的方法，必须根据具体的处理对象 确定。 二值化的关键在于找到一个合适的阀 值 T 来区分对象和背景。 在二值化处理中应选择某一灰度值 T作为阀值，凡是超过这个阀 值的像素使之映射灰度为 1,即为最强，低于 T 得 像素映射为 0，即最暗，设图像 为 f（ x， y） ,增强后为 g(x,y)，则可用以 下公式 进行二值化处理。   Tyxf Tyxfyxg ),(0 ),(1),( 论文中阀 值 mT ， ),(1 , jiFhwmhwji为灰度均值、 hw mjiFhwji,2)),(( 为均方差， ),( jiF 为 ),( ji 处的像素灰度值 w， h 分别为图像的跨度和高度， ),( yxfb 为经过二值化的图像。   Tyxf Tyxfyxfddb ),(0 ),(1),( 如果如果 图 32（ a）原始图像 图 32（ b） 灰度图像 14 图 32（ c）二值化图像 直方图均衡化 直方图表示数字图像中每一个灰度与其出现频度间的统计关 系，直方图能够给出该幅图像的概貌性特征描述，例如图像的灰度范围、每个灰度级的频度和灰度的分布、整幅图像的平均明暗和对比度等。 采用直方图均衡化可以使图像的灰度间距拉开或者使灰度分布均匀，从而增大了反差，在车辆图像中可以使车牌区域细节清晰，达到图像增强的目的。 设 f(x,y)的灰度范围为 minf 和 maxf ，将直方图正规化为 ]1,0[r ，即 Lfff ffr  minmax min 其中 L表示为图像 灰度的范围。 则灰度直方图表示为 nnrP kkr )( 其中 n为一幅图像总像素数目， kn 表示灰度为 kr 的像素数目。 灰度映射函数为 ][rTs ，直方图均衡化时 1)( sPs。 由概率论的知识可得 drPdrrPsP drrPds rrsr  1 )()( )( 从而  r r dwwPrTs 0 )()( 在数字图像处理中，直方 图均衡化的离散公式为 : 15  kj jkk nnrTs 0)( 图 33 直方图均衡效果对比 图 33 是直方图均衡化处理前后的效果对比图，处理前灰度分布比较均匀，反映在图像上面则是颜色变化平缓，经过直方图均衡化后图像对比度增强，可以看到牌照区域比较清晰，整幅图像明暗对比增强，视觉效果变好。 中值滤波 采集到的车辆图像由于噪声的影响，存在一些孤立 点，俗称椒盐噪声，在进行牌照图像处理中要考虑抑制或者去除这种椒盐 噪声。 中值滤波是一种局部平滑 技术，在抑制随机噪声的同时使边沿减少模糊。 中值滤波对于一个滑动窗口内的诸像素灰度排序，用其中值代替中心像素原来的灰度。 假设原图像的像素如下所 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 6 1 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 则处理过后的图像的像素变化为 : 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 0 0 1 1 1 0 0 16 0 0 0 0 0 0 0 可以看出其中的 “ 6” 和周围的灰度相差很大，在实际的图像中很有可能就是一个噪声点，经过 3 1 窗口的中值滤波，可以看到中间的噪声点消除了。 中值滤波的形式有很多种，有行滤波、列滤波以及行列方向的滤波。 从上面的分析可以看出，中值滤波容 易去除孤立的噪声点。 图 34 中值滤波效果对比 图 是中值滤波处理前后的效果对比图，可以发现处理前车辆图片中存有大量的泥泞，整个图像质量很不好，经过中值滤波以后，泥泞 (噪声 )得到了一定的抑制，同时牌照区域的边框也更加明显，有利于车辆图像后续的处理。 车辆牌照定位方案比较与选择 车辆牌照定位是整个识别系统中比较关键的步骤，如果牌照定位的效果不好，后面的字符分割和识别根本不可能完成，如果定位的效果足够好的话，以后的分割和识别的工作就相对比较容易了。 牌照定位率是牌照识别的一项重要的指标， 它直接 关系到整个系统的成败。 目前，人们提出的车辆牌照定位的方法很多，其中对于灰度图像主要分为两大类 :一类是利用梯度信息，先对图像信息进行边缘检测，再对边缘图像进行形态学运算，直到寻找到车牌区域，完成牌照的粗定位，然后用其它的算法实现牌照的精确定位。 另外一种方法是利用图像的灰度信息，主要参考的是牌照区域的文字信息比较丰富，造成牌照区域的纹理变化比较有规律，利用牌照区域的纹理变化检测出几个候选牌照区域，然后去除伪牌照区域，得到真实牌照区域。 另外的还有一些方法主要是基于彩色车辆图像进行处理的，因为彩色图像的颜色信息比较 丰富，牌照区域的颜色信息更加丰富，利用牌照区域丰富的颜色信息定位牌照区域。 之所以可以将车辆牌照区域从整个车辆图像中定位分割出来，是因为牌照区域有区别于车辆其它部位的特 17 征，包括纹理变化的特征以及颜色的特征等等，所有的牌照定位的依据都是基于这些特征来进行的。 根据中华人民共和国公共安全行业标准 GA36 一 92，汽车牌照的大小和颜色信息如下所示 : 表 31，牌照大小和颜色信息表 分类 外廓尺寸（ mm） 颜色 大型车 440 140 黄底黑字黑框线 小型车 440 140 蓝底白字白框线 使馆车辆 440 140 黑底白字“使”字白框线 领馆车辆 440 140 黑底白字“领”白框线 境外车辆 440 140 黑底白字白框线 外籍车辆 440 140 黑底白字白框线 教练车辆 440 140 黄底黑字黑框线 试验车辆 440 140 黄底黑字黑框线 临时入境车辆 300 165 白底红字黑“临时入境”字红 临时行驶车 440 140 白底黑字黑框线 从上面的表格可以看出大多数的车辆牌照的大小还是固定的 (临时入境车除外 )，而且牌照区域字符和背景的颜色对比比较明显，整个牌照区域相对于车辆其它部位是一个规 整的矩形。 对于几何尺寸为 440x140 的车辆牌照的格式，牌照上的文字由 7 个字符和一个分隔符横向水平排列组成，字符高度为 90mm，宽度为 45mm，第二个和第三个字符之间有一个分隔符，字符与字符之间以及字符与分割符之间的间距为 12mm。 车辆牌照的这种特征为车牌准确定位提供了依据。 同济大学的宣国荣、寥金周利用车辆牌照区域丰富的纹理特征，提出了线性滤波器定位车辆牌照区域的方法，由于牌照区域形成了一种水平方向的规则纹理，根据字符笔画与牌照的交替出现频率与牌照中字符间的距离、字符的宽度等特征，文中提出了采用线性滤波器来 定位牌照区域。 通过这种滤波器将水平方向的梯度进行累加运算，经过运算字符串等区域边界密集的地方，梯度得到增强， 。