基于matlab的车牌号码识别系统设计word格式

基于matlab的车牌号码识别系统设计word格式内容摘要：

边缘，因而难以准确定位车牌。 为了增强牌照部位图像和其他部位图像的对比度，使其明暗鲜明，有利于提高识别率，需要将车辆图像进行灰度拉伸。 所谓灰度拉伸，是指根据灰度直方图的分布有选择地对灰度区间进行分段拉伸以增强对比度。 如 图 7 所示。 它将输入图像中某点 ),( yx 的灰度 ),( yxf ，通过映射函数 T，映射成输出图像中的灰度 ),( yxg ，即： ( )],([),( yxfTyxg  （ 4） 假定原图像 ),( yxf 的灰度范围为 [s1,s2] 希望变换后图像 ),( yxf 的灰度范围扩 展至 [t1,t2] ，可采用下述线性变换来实现。 1),()]12/()12[(),( tyxfssttyxg  （ 5） 图像平滑 车牌图像往往存在一些 孤立的噪点。 在汽车牌照图像处理初期，若不能有效抑制或者去除这些噪点，将影响车牌定位的准确性或者造成无法定位。 通常采用图像平滑的方法去除噪点。 图像平滑包括空域滤波和频域滤波。 其中空域滤波中采用平滑滤波器的中值滤波去除噪点的效果最好。 中值滤波的主要原理是：首先确定一个以某个像素为中心点的邻域，一般为方形邻域；然后将 jkF 邻域中的各个像素的灰度值进行排序，取其中间值作为中心点像素灰度的新值，这里的邻域通常被称为窗口；当窗口在图像中上下左 右进行移动后，利用中值滤波算法可以很好地对图像进行平滑处理。 但实际中为了简化算法也可以直接在空域中用求邻域平均值的方法莱削弱噪声的影响，这种方法称为图象平滑处理。 例如，某一象素点的邻域 S 有两种表示方法： 8 邻域和 4 邻域分别对应的邻域平均值为： 9 表 2 8领域 表 3 4领域   sji jifMjig ),( ),(1),( （ 6） 其中， M 为邻域中除中心象素点 f(i,j) 之外包括的其它象素总数，对于 4 邻域 M=4， 8 邻域 M=8。 然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。 为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。 边缘提取 边缘主要存在于目标与目标 、目标与背景、区域与区域（包括不同色彩）之间，边缘检测主要是精确定位边缘和抑制噪点，其基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置门限的方法提取边缘点集。 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。 正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。 边缘提取是较经典的算法， 能够进行检测的方法有多种 ， 如 Roberts 边缘算子、 Prewitt 算子、 Sobel 算子以及拉普拉斯边缘检测 ； Robert算子定位比较精确，但由于不包括平滑，所以对于噪声比较敏感。 Prewitt算子和 Sobel算子都是一阶的微分算子，而前者是平均滤波，后者是加权平均滤波且检测的图像边缘可能大于 2个像素。 这两者对灰度渐变低噪声的图像有较好的检测效果，但是对于混合多复杂噪声的图像，处理效果就不理想了。 LOG滤波器方法通过检测二阶导数过零点来判断边缘点。 LOG滤波器中的 a正比于低通滤波器的宽度， a越大，平滑作用越显著，去除噪声越好，但图像的细节也损失越大，边缘精 度也就越低。 2 3 i,j 1 4 4 3 2 5 i,j 1 6 7 8 10 4 车牌 定位 车牌图像往往是在复杂的环境中拍摄得到的 ， 车牌由于与复杂的车身背景融为一体 ， 由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不同 ， 车牌在图像中往往有很大的形变 ， 如何在复杂背景中准确、快速找出车牌的位置成为车牌识别中的难点。 目前已有不少学者在这方面进行了研究。 总结起来主要有如下几类方法 [2]： (1) 基于水平灰度变化特征的方法 ， 这种方法主要在车牌定位以前 ， 需要对图像进行预处理 ， 将彩色图像转换为灰度图像 ， 利用车牌区域水平方向的纹理特征进行车牌定位 ； (2) 基 于边缘检测的定位方法 ， 这种方法是利用车牌区域丰富的边缘特征进行车牌定位 ， 能够进行检测的方法有多种 ， 如 Roberts 边缘算子、 Prewitt 算子、Sobel 算子以及拉普拉斯边缘检测 ； (3) 基于车牌颜色特征的定位方法 ， 这种方法主要是应用车牌的纹理特征、形状特征和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位 ； (4) 基于 Hough 变换的车牌定位方法 ， 这种方法是利用车牌边框的几何特征 ， 采取寻找车牌边框直线的方法进行车牌定位 ； (5) 基于变换域的车牌定位方法 ， 这种方法是将 图像从空域变换到频域进行分析 ， 例如采用小波变换等 ； (6) 基于数学形态学的车牌定位方法 ， 这种方法是利用数学形态学图像处理的基本思想 ， 利用一个结构元素来探测一个图像 ， 看是否能将这个结构元素很好的填放在图像内部 ， 同时验证填放元素的方法是否有效。 腐蚀、膨胀、开启和关闭是数学形态学的基本运算。 这些方法各有优缺点，要实现快速、准确地定位车牌 ， 应该综合利用车牌的各种特征 ， 仅靠单一特征很难奏效。 本文结合车牌纹 颜色与数学形态学 两方面的特征对车牌进行定位 ， 对于提高车牌定位准确率提供更有利的保障。 该方法包括牌照区域的粗定 位和细定位两个步骤。 在粗定位阶段中采用了基于数学形态学的定位方法 ， 在得到定位图像后进行细定位 ， 在细定位中采用车牌颜色特征的方法以获得最后定位图像。 本方法对在多种光照条件下采集的车辆牌照图像、车牌本身不洁、或者牌照存在倾斜和扭曲等情形 ， 均能取得较好的定位效果。 11 车牌特征的信息分析 车牌特征的信息分析 机动车牌照作为机动车的“身份证”，制造和使用都有严格的规范加以明确规定。 根据中华人名共和国公共安全行业标准 GA3692，汽车车牌有 10 种。 这10 种汽车车牌的几何外形大小和颜色信息如 下表所示（均、警车牌这里暂时不考虑）。 表 1 车牌特征信息统计 编号 分类 外廊尺寸（ mm） 颜色 1 大型汽车 前： 440 140 黄底黑字黑框线 后： 440 220 蓝底白字白框线 2 小型汽车 440 140 蓝底白字白框线 3 使馆汽车 440 140 黑底白字红“使”字白框线 4 领馆汽车 440 140 黑底白字红“领”字白框线 5 境外汽车 440 140 黑底白字白框线，或黑底红字红框线 6 外籍汽车 440 140 黑底白字白框线 7 教练汽车 440 140 黄底黑 字黑框线 8 试验汽车 440 140 黄底黑字黑框线 9 临时入境汽车 300 165 白底红字黑“临时入境”字红框线（字有金色轮廓线） 10 临时行驶汽车 440 140 白底（有哦蓝色暗纹）黑字黑框线 另外，民用汽车的好牌上有省、直辖市、自治区的名称和发证及监督机关的代号，编号是英文大写字母。 后面的编号一般 5 位编号，从 0000199999，编号超过 10万就由 A， B， C 等字母代替。 即“ A”代表 10 万，“ B”代表 11 万，“ C”代表12 万，最后一个字母代表 33 万。 英文字母中的 I 和 O 不用，避免和数字 中的 1和 0 冲突。 使馆的外籍车牌上的是建交国家的代号，与所在地区的监管机关编号无关。 12 在这 10 种汽车中，编号为 9 和 10 的临时入境和临近行驶汽车以及使领馆汽车由于数量很少、出现的概率极小，为了简化算法和节省时间，忽略这几种车型的特殊性，认为它们与其他的 7 种汽车车型一致，采用相同的方法进行识别。 由于编号为 1 的大型汽车，由于系统的 CCD 摄像头收集的是汽车头部的牌照图像，因此对于大型汽车后车牌的特殊性也可以忽略不计。 本论文中，不考虑车牌在背景色和前景色上的差异，在这些车牌中，大型汽车（前）、小型汽车 、使领馆汽车、境外汽车、外籍汽车、教练车和试验汽车的号牌格式完全一样，同时，由于小型车数量最多，出现概率最大，牌照规范与其它几种车牌很相似，算法的识别对象最终设定为小型车。 常见车牌颜色特征的信息 对目前 8 种常见车牌（对大型车辆取前置车牌）的颜色分布和格式分布进行分析，可以得出如下结论：  工存在 5 种颜色：黄石、黑色、蓝色、白色和红色；  存在 5中前景和背景的颜色组合；黄底黑字黑框线、蓝底白字白框线、黑底白字红“使”（或“领”）字白框线、黑底白字白框线，黑底红字红框线；  字符颜色与背景 颜色的亮度相差很大：要么亮度高于背景颜色的亮度（蓝底白字白框线、黑底白字红“使”（或“领”）字白框线、黑底白字白框线、黑底红字红框线；要么字符颜色低于背景颜色亮度（黄底黑字黑框线），对于这种车牌，其二值化结果颜色相反，前景字符为黑色，背景为白色，需要进行处理；  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，分割符的直径为 10mm（实际上，每个字符是剧中分布在一个高位 90mm，宽为 45mm 的矩形区域。 ）  字符和字符之间或字符和分割符之间的距离为 12mm；  使馆牌照的间 隔符在第 4 和第 5 个字符之间，其余的车牌的间隔符在第  2个和第 3个字符之间。 由于使馆牌照出现的概率很小，将之视为小型车牌照一种变形情况，不单独处理，后面提出的车牌格式均值后一种格式情况；  从左到右，车牌中每一位的可能字符如下：第 1 位， 30 个省份的简称和“使”字，共有 31 个字符（暂时不考虑军警车）；第 2 位，除去字 13 母“ I”之外的 25 个英文大写字母；第 3 位，除去字母“ I”和字母“ O”之外的 24 个英文大写字母和 10 个数字，共有 34个字符；第 4~6 位，10个数字字符；第 7位， 10 个数字字符和“领”“学”“试”“境”，共有 14 个字符。 字符总数共有 70 个。  观测和分析车牌外形特点，无论哪种车牌，外轮廓都有一个宽度不大的轮廓线，轮廓线的颜色和字符颜色一致，与背景的亮度差异很大。 现实环境下，车牌有时安装后，车辆厂商的商标会遮挡牌照外轮廓线，但商标本身又是一个轮廓线，其亮度与背景的亮度差异也很大，同样可以利用之。 车牌特征分析结论 首先，结合车牌分析结论，利用其中的特征 6 点可以构造牌照字符的格式模型，这个模型在其后的用来指导牌照定位后、字符识别前的字符分割。 结合 GA3692 标准，牌照图像的实际大 小可能随着 CCD 摄像头采集的时机不同而产生一定的缩放，但是总体比例不会发生大的变化。 设第 1 个字符中心和第 2个字符的中心间距为一个长度单位，以第 1 个字符中心为原点，那么非使馆车牌的其余字符中心的横向位置应分别为： 1， ， ， ， 和 ，字符的宽度同样为。 其次，利用分析结论 7，可以利用字符在牌照的排列缩小候选字符的集合规模，加快识别速度或进行识别后结果的纠正判别。 如果不知道字符在牌照中的排列位置，那么每个位置的候选字符可以达到 70 个，如果知道了它的位置，那么该位置 的候选字符至多有 34 个，尤其是对牌照的第 6 位，候选字符只有10 个数字。 车牌号码初定位 牌照的定位 [6]和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而 在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。