论文]宋娜-基于小波分析的车牌图像增强与字符识别研究

论文]宋娜-基于小波分析的车牌图像增强与字符识别研究内容摘要：

1s 国内的车牌自动识别系统比较典型的有北京汉王科技有限公司智能交通产品——嵌入式一体化车牌辨识仪 “ 汉王眼 ” 和川大智胜的公路收费车牌识别系统。 其中汉王眼采用的方法是强化车牌的垂直边缘，通过行扫描，确定车牌位置，采用连通域进行字符分割，利用汉王自有的汉字识别优势进行车牌的识别；川大智胜采用的是自适应能量滤波的方法进行车牌定位，采用水平投影分割字符，汉字的识别采用模板匹配的方法。 另外，上海高德威、清华紫光、深圳普利得以及中国信息产业部下属的中智交通电子有限公司等也有自己的产品。 西安交通大学的图像处理和识 别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等也做过类似的研究。 我国车牌的 特点 虽然国外的一些发达国家已经成功开发出了一些实用的车牌自动识别系统，但并不适用于我国的车牌识别，这主要是我国的车牌有其自身的特点： ① 汉字、字母、数字混合： 我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度； ② 颜色种类多： 国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色 （ 例如韩国，其车牌底 色为红色，车牌上的字符为白色 ） ，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、白等若干种颜色； ③ 车牌格式多： 其他国家的汽车牌照格式 单一 ，而我国则根据不同车辆、车型、用途，规定了多种牌照格式 ，如民用车牌、公安警车牌、武警车牌、军 用 车牌、外交车牌、特种车牌、消防车牌等 ； ④ 悬挂位置不唯一 ：不同公司出产的汽车型号和外形各有不同，导致了车牌重庆大学硕士学位论文 1 绪论 4 悬挂位置的不确定性 ； ⑤ 车牌污染、缺损： 由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下，国外发达国家不允许上路，而在我国仍可上路行驶。 由于我国车 牌识别的特殊性，采用任何一种单一识别技术均难以奏效，这对我国车牌识别技术提出了更高的要求。 本文的 结构及 主要内容 完整的车牌识别系统通常可以分为图像获取、车牌定位、 字符分割、字符识别以及识别结果处理等五部分。 本论文主要研究在 自然场景下对车辆进行包含车牌的图像采集，通过图像的预处理对图像进行还原和增强，然后对车牌进行定位和字符分割，最终识别出车牌号码。 论文的主要 结构及内容如下 ： 第一章为绪论，首先对本课题的研究背景及意义进行了阐述，然后介绍了国内外的研究现状，同时对我国车牌的自身特点进行了分析。 第二章 介绍车牌图像的预处理， 如 对 车牌图形进行灰度化，并且 通过 灰度拉伸、 直方图均衡化、中值滤波 等 对图形进行增强，提出了用改进的迭代阈值法对图像进行二值化处理；并且研究了在微光下，由于车牌图像噪声的特殊性，结合小波分析时频特性，对图像进行去噪处理。 第三章介绍车牌 的 定位 技术与倾斜校正， 通过对我国车牌特征的分析，和对常见车牌定位方法的研究，本文使用了将边缘检测和颜色特征相结合的车牌定位方法，然后采用斜率法对定位出的车牌进行倾斜校正。 第四章介绍车牌字符分割技术 ， 采用了一种基于灰度累加的车牌字符分割方法对车牌字符进 行分割，然后用邻近插值法对分割出的字符进行归一化处理。 第五章为车牌字符识别 ， 采用小波矩对字符进行特征提取，并采用小波神经网络对字符进行分类识别，描述了相应的算法和程序设计步骤，并将识别结果与BP 神经网络进行对比，通过实验说明了小波神经网络的优越性。 第六章为结论与展望，对本论文的工作及成果进行了总结，同时提出了将来的研究方向。 重庆大学硕士学位论文 2 车牌 图像的预处理 5 2 车牌 图像的预处理 车牌图像 通常是 由 CCD摄像机 实时 拍摄获得， 在 很大程度上受到天气、照明、车辆位置 、拍摄角度 等因素的影响，从而影响图像质量，如 对比度低、 灰度分布不均匀、噪 声干扰 严重 等，这将直接 给 后续的车牌定位、字符分割和识别 等 工作带来困难。 因此需要对原始车牌图像进行必要的预处理，如图像灰度化、直方图均衡化、中值滤波、二值化等， 从而有利于进行 后续 部分的各种 处理。 图像的预处理可以看作是对初始采集图像的增强，是一种图像的前期处理，它通过一系列的技术手段，按需要对初始图像进行适当的变换来突出有用信息，削弱或去除无用信息，如改变图像的饱和度、对比度，去除噪声，突出边缘等处理，从而改善图像的效果，或者将图像转换成一种更适合人或计算机进行分析处理的形式。 车牌 图像 常用的 预 处理 方法 对于车牌图像预处理，其目的就是为了突出车牌领域， 去除或者削弱不必要的噪声， 从而 方便后续的车牌定位及字符识别。 通常的方法有图像灰度化、图像增强、图像滤波、以及图像二值化等。 图像灰度化 目前，我们对车牌图像的采集大都是通过由摄像机或数码机实时拍摄获得，一般情况下得到的都是彩色图像，也称为 RGB图像 [2]。 它的每个像素都具有三个不同的颜色分量 R、 G、 B， 分别代表红、绿、蓝三种基本颜色。 我们都知道，所有的颜色都可以由这三种基本色合成，对于一个尺寸为 A*B大小的彩色图像来说，需要的存储空间为一个 A*B*3的三维数组。 彩色图像包含了大量的颜色信息，同时也占据了庞大的存储空间，对其进行处理必然会降低系统的执行速度。 而对于灰度图像，由于 其只有强度信息而没有颜色信息，因而只需对亮度信息进行处理，其计算 量 也即为彩色图像的三分之一。 因此，为了提高系统的处理速度，往往需要将彩色图像转变为灰度图像。 将彩色图像转换为灰度图像的过程叫做图像的灰度化处理。 在 RGB模型中，灰度图像表现为 R=G=B，其值就叫做灰度值。 因而，存储灰度图像只需要一个二维矩阵，矩阵的每个元素表示对应位置的像素灰度值。 灰度化的处理方法主要有如 下三种 ： ① 最大值法 ： 使 R、 G、 B的值等于三值中最大的一个，即  BGRBGR ,m a x () 重庆大学硕士学位论文 2 车牌 图像的预处理 6 ② 平均值法 ： 使 R、 G、 B的值等于三值和的平均值，即 3 BGRBGR  () ③ 加权平均值法 ： 根据重要性或其它指标给 R、 G、 B赋予不同的权值，并使 R、G、 B等于它们的值的加权和平均，即 R G BR G BW R W G W BR G B W W W    () 在 式 ()中 RW 、 GW 、 BW 分别为 R、 G、 B的权值。 由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低， 因此， 当 RW ， GW ，BW 时，能得到最合理的灰度图像。 本文 采用方法三加权平均值的方法对图 像 进行灰度化，结果如图。 (a) 原图 (b) 灰度图 图 车牌图像灰度化 License plate gray image 图像增强 图像增强 [3]是图像预处理中的重要方法，在实际应用系统中，系统获取的图像不是完美的，影响系统图像清晰度的因素很多，如光照不均匀会造成图像灰度过于集中，由 CCD获得的图像经过 A/D转换、线路传送会产生噪声污染等 ，由此产生图像质量降低，轻者表现为图像不干净，难于看清细节，重者表现为图 像模糊不清，连概貌也看不出来。 因此在对图像进行分析之前必须对图像质量进行改善，一般情况下改善的方法分为图像增强和图像复原。 图像增强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择地突出，而衰减不需要的特征，它的目的主要 是 提高图像的可懂度。 图像复原技术需要了解图像质量下降的原因，首先要建立 “ 降质模型 ” ，再利用该模型恢复原始图像。 针对车牌图像的特殊性， 需重庆大学硕士学位论文 2 车牌 图像的预处理 7 要的部分只是车牌领域，而不需要考虑到一些细节，因此，我们重点是需要对其进行图像增强。 图像增强的方法可分为空域法和频域法。 空域法主要是 在空间域内 对图像中 的各个像素点进行操作， 其原理如图 式 ()所示： h (x ,y)f(x ,y) g(x,y) 图 空间域增强模型 Enhanced spatial domain model      yxhyxfyxg ,  () 式 ()中  yxf , ，  yxg , 分别为增强处理前后的图像，  yxh , 为空间运算函数。 频域法是利用图像变换方法将原来的图像空间中 的图像以某种形式转换到其他空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。 频域增强的原理过程如 图 ()所示： 修 正H ( u ,v ) 逆 变 换正 变 换f ( x ,y ) F ( u ,v ) G ( u ,v ) g ( x ,y ) 图 频率域增强模型 Increased frequency domain model            vuGFyxgvuFvuHvuG , ,1 () 式 ()中  vuF , ，  vuG, 分别为处理 前后图像  yxf , ，  yxg , 的 频域空间变换，如傅里叶变换，  vuH , 式对应于修正方法的滤波函数。 车牌图像的增强主要是突出车牌区域信息，消减或去除不需要的噪声信号，这里主要介绍的三种最常用的图像增强方法：灰度拉伸、灰度直方图均衡化、图像滤波。 ① 灰度拉伸 在空间域内对图像进行点运算能改变图像上像素的灰度值，是一种简单而重要的图 像处理技术，也称为灰度调整或者灰度拉伸 ，是一 种分段线性变换方法。 它以提高图像清晰度或突出某些需要特征为目的，对图像灰度级的整个范围或者某一段进行拉伸或压缩，即 对图像上的某个像素点的灰度值  yxf , 按某个 映射 函重庆大学硕士学位论文 2 车牌 图像的预处理 8 数 T变换到  yxg , ：     yxfTyxg ,  () 灰度拉伸变换原理图如图 ，函数表达式为 ()式 ：     111211 1 1 22122 2 22255255yx x xxyyf x x x y x x xxxyx x y x xx         () 在 式 ()中 ，  11,yx 和  22,yx 是图 ，图中 所示的变换函数的运算结果是将原图在 1x 和 2x 之间的灰度拉伸到 1y 和 2y 之间。 输 入 灰 度 级 x输 出 灰度 级 y0 2 5 52 5 5x 1 x 2y 1y2 图 灰度拉伸变换原理图 Gray stretch transform schematics 从 图 ，通过对某段需要拉伸的灰度区间进行灰度拉伸，可以有效控制输出灰度分布，从而达到改善图像的目的。 对于 图像的灰度级集中在较低区域而导致图像偏暗时，我们可以用 灰度 拉伸的方法将图像进行改善，此时斜率 1，相当于图 1x 和 2x 之间的灰度拉伸到 1y 和 2y 之间。 而当 图像的灰度级集中在较大区域而导致图像偏亮时，我们就可以用灰度压缩 的方法将图像进行质量改善，此时斜率 1。 将车牌灰度图像 (a)进行灰度拉伸后的结果如图 (b)所示，从图中可以看出，灰度拉伸后的图像对比度明显增强。 重庆大学硕士学位论文 2 车牌 图像的预处理 9 (a) 车牌灰度图 (b) 灰度拉伸效果图 图 车牌图像灰度拉伸效果图 License plate gray stretch effect image ② 直方图均衡化 图像增强的方法除了典型的灰度拉伸外，还 有很多行之有效的方法，直方图均衡 化便是其中最常用的方法之一。 直方图是 一种用来作为统计的 二维 图表，它表达图像灰度分布情况的统计图表， 其横坐标是灰度值，纵坐标是出现这个灰度值的概率值。 直方图均衡化 是把给定图像的直 方图分布改造成均匀直方图分布，使输出像素灰度的概率密度均匀分布，直观地讲，直方图均衡化导致图像的对比度增加。 直方图均衡化的 基本思想 是将原始图像的直方图 变成 均匀分布 的形式 ，从而增加 图像灰度值的动态范围，达到增强图像整体对比度的效果。 它的优点是能自动增强某个图像的对比度，但具体的增强效果不容易控制，而且处理结果总是全局均衡化的直方图。 基 于此，当某个灰度图像分布显得非常不均匀而使得图像模糊不清的时候，我们可以利用这个方法进行图像增强。 它的具体方法如下： 用图像  yxf , 的。