（通信与信息系统专业论文）车牌识别技术的研究.pdf

武汉理工大学硕士学位论文 摘要 汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统， 是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一，它可 广泛应用于交通流量检测、机场、港口、小区的车辆管理、不停车自动收费、 闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。 实际应用的车牌自动识别系统由车牌图像的采集，车牌自动识别，数据库 管理以及网络传输四个部分组成。车牌当车辆通过时，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 定位模块提取车牌，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识别结果送至监控中心或收费处等应用场合。 本文较深入地研究了基于v c 软件的车辆牌照自动识别系统，该系统利用图 像处理的基本理论、数字形态学和模式识别以及车牌的先验知识等内容对车辆 牌照图像进行识别。具体的算法的实现可分为图像预处理、车牌定位、字符分 割、字符识别四个部分。 本文的主要工作作者主要集中在以下几点： ( 1 ) 综合阐述了现实应用中存在车牌系统研究的的难点和问题。 ( 2 ) 图像预处理：首先介绍了图像预处理的相关理论，然后在车牌预处理 中根据车牌自身的特点以及所在的环境，采用了适合的预处理算法提高了图像 的质量，去除了噪声，并将图像变为易于处理的二值化图像。 ( 3 ) 车牌定位：在分析现有的车牌定位算法的基础上，首先利用数学形态 学将图像中相关性较大的区域保留下来，然后利用车牌自身的文理特性和字符 的特点，先后进行了粗定位和细定位，最后将车牌准确的从图像中提取。 ( 4 ) 字符分割：在车牌准确定位的基础上，应用峰谷法，横向和纵向投影 法，字符宽度的模板匹配法相结合的策略，达到了字符的准确分割。 ( 5 ) 字符识别：采用了现在普遍使用的b p 三层神经网络。按车牌字符排 列的规律设计实现了汉字、字母、字母和数字混合、数字四种类别的b p 神经网 络，达到了一定程度的字符识别率。 通过在v c 中编程将相关算法实现，处理的结果证明，本文的车牌定位和字 符分割，字符识别的算法能够达到良好的效果。 关键词：数字形态学，车牌定位，字符分割，字符识别，b p 神经网 武汉理工大学硕士学位论文 a b s t r a c t l i c e n s ep a l a t er e c o g n i t i o ns y s t e mi sas p e c i a lc o m p u t e rv i s i o ns y s t e mf o rc a r p l a t e i ti sa ni m p o r t a n tr e s e a r c hs u b j e c ti nt h ef i e l do fi n t e l l i g e n c et r a f f i cf i e l do nt h e b a s eo fc o m p u t e rv i s i o na n dp a t t e r nr e c o g n i t i o n t h i ss y s t e mc a nb eu s e dt ov e h i c l e s m a n a g e m e n t ，a u t o m a t i cc h a r g e ，a v o i dr u nar e dl i g h ta n dt h es a f e t yo fv e h i c l e s ，t r a f f i c f l o wc o n t r o l ，t r a f f i cc o n t r o la n di n d u c t i o ni na i r p o r ts t a t i o n ，h a r b o r , s u bd i s t r i c t i th a s ab r i g h tf u t u r e l i c e n s ep a l a t er e c o g n i t i o ns y s t e mo fp r a c t i c a l a p p l i c a t i o nw h i c hi n c l u d e s c o l l e c t i o no fc a l i m a g e ，p a l a t er e c o g n i t i o n s ，m a n a g e m e n to fd a t a b a s ea n d t r a n s m u t a t i o no fn e t w o r kd a t a w h e nt h ec a rp a s s i n gt h ec a rc h e c k o u tg e a ri s t r i g g e r e d ，t h i sc a n s t a r tt h ei m a g ea c q u i s i t i o ne q u i p m e n tt og e tf r o n to rb a c ki m a g eo f c a r t h e nw h i c ht r a n s m i t st h ei m a g et oc o m p u t e r , c a rl o c a t i o nm o d u l ee x t r a c tc a r p a l a t e ，c a rs e g m e n tm o d u l ed i v i d et h ec a rc h a r a c t e r , a tl a s tc a rr e c o g n i z em o d u l e r e c o g n i z et h ec a ra n dp u tt h er e s u l tt oc e n t e ro fc o n t r o lo rc h a r g es t a t i o na n do t h e r c o n d i t i o n t h i sp a p e rr e s e a r c h e st h ec a rl i c e n s ep a l a t er e c o g n i t i o ns y s t e mb a s eo nv c ， w h i c hr e f e r st oi m a g ep r o c e s s i n gt h e o r y , d i g i t a lm o r p h o l o g y , p a t t e r nr e c o g n i t i o n a n do t h e rt e c h n o l o g i e s t h er e a l i z a t i o no fc o n c r e t ea r i t h m e t i ch a sf o u r p a r t s ：t h e ya r ei m a g e p r e t r e a t m e n t ， c a r l o c a t i o n ， c h a r a c t e r s e g m e n t a t i o n ， c h a r a c t e r r e c o g n i t i o n p r e p r o c e s s i n g m yj o bi nt h i sp a p e rm a j o r a sf o l l o w i n g ： ( 1 ) r e p r e s e n tb a c k g r o u n d ，o b j e c t i v e ，s i g n i f i c a n c e a n dp r o b l e mo fu s i n gi n p r a c t i c a la p p l i c a t i o ni nc a rl i c e n s ep a l a t er e c o g n i t i o ns y s t e m ( 2 ) i m a g ep r e t r e a t m e n t ：a t f i r s t r e p r e s e n tr e f e r r i n gt h e o r y o fi m a g e p r e t r e a t m e n t ，a p p l ya p p r o p r i a t ea r i t h m e t i ca c c o r d i n gt o f e a t u r eo fc a rp a l a t ea n d e n v i r o n m e n t ，i nt h i sw a yc a nr e m o v ea n di m p r o v ei m a g eq u a l i t y , a tl a s ti m a g e b e c o m eab i n a r yp i c t u r e ，w h i c hc a np r o c e s se a s i l y ( 3 ) l o c a t i o no fp a l a t e ：o nt h eb a s eo fb a s i cw a yo ft y p i c a ll o c a t i o n ，u s i n g d i g i t a l ，m o r p h o l o g yt o l o c a t et h em o s tr e l a t i v e l yr e g i o n s ，t h e na p p l yt e x t u r e i i c h a r a c t e r i s t i ca n dc h a r a c t e rp r o p e r t y u s i n gc o a r s ep o s i t i o n i n ga n dm e t i c u l o u s p o s i t i o n i n g ，a tl a s te x t r a c tc a rp a l a t ef r o mi m a g e ( 4 ) c h a rs e g m e n t a t i o n ：o nt h eb a s eo fe x a c tc a rl o c a t i o nu s i n gp e a kv a i l e v m e a n s , p r o j e c t i o nm e t h o d ，c h a rw i d t hs e a r c hm e t h o dt od i v i d ec h a r a c t e r st oa c h i e v e c h a rs e g m e n t a t i o na c c u r a t e ( 5 ) c h a r r e c o g n i t i o n ：a p p l yw i d e l yu s e db pn e u r a ln e t w o r km e t h o d d e s i g n a n df i n i s hc h i n e s ec h a r a c t e r , l e t t e r , m i x t u r eo fl e t t e ra n dn u m b e r , n u m b e rb pn e u r a l n e t w o r k s ，a tl a s ta c h i e v eac e r t a i ne x t e n tc h a r a c t e rr e c o g n i t i o np r o p o r t i o n a f t e ra c c o m p l i s ha l g o r i t h mo ft h r e em o d u l e s ，t h er e s u l ts h o w st h a ta r i t h m e t i ci n t h i sa r t i c l e sc a l la c h i e v eg o o dr e s u l t k e yw o r d s ：d i g i t a lm o r p h o l o g y , p l a t el o c a t i o n ，c h a rs e g m e n t a t i o n ，c h a r r e c o g n i t i o nb pn e u r a ln e t w o r k i i i 独创性声明 本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究 成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含基他 人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其它教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡 献均已在论文中作了明确的说明并表示了谢意。 签名：日期少够 关于论文使用授权的说明 本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权力 保留、送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部 或部分内容，可以采用影印、缩印或其它复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：堑丑选丝导师签名：型笙盘 日期：迎呈： 武汉理工大学硕士学位论文 第1 章绪论 1 1 研究的背景、目的和意义 1 1 1 研究的背景 当前，公路运输己成为超越铁路最重要的地面运输方式，在国民经济和社 会发展中起着举足轻重的作用。然而随着汽车的普及，交通需求急剧增长，道 路运输所带来的负面效应也日益突出，为了解决这些矛盾，智能交通系统应运 而生。 智能交通系统i t s ( i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ) 起步于6 0 7 0 年代的交通管理计算机化，是一项以信息、通信等技术将人、车、路三者紧密 协调而形成的一种大范围、全方位发挥作用的综合运输管理系统，其核心技术 是电子技术、信息技术、通信技术、交通工程和系统工程。该系统以缓和道路 堵塞和减少交通事故、提高交通利用者的方便为目的，是利用交通信息系统、 通讯网络、定位系统和智能化分析等技术的交通系统的总称。它不仅能使交通 基础设施发挥出最大效能，有效利用现有交通设施，减少交通负荷和环境污染， 保证交通安全，提高运输效率，还能够促进社会经济发展，推动社会信息化及 形成新产业。正是因为智能交通系统的这些特点和优势，使其受到世界各国的 重视，目前已成为世界交通二十一世纪的发展方向。 作为智能交通的核心技术之一，车辆牌照识别l p r 2 j ( l i c e n s ep l a t e r e c o g n i t i o n ) 技术是公安执法系统、高速公路自动收费系统、城市道路监控系统、 智能停车场管理系统等诸多i t s 相关应用系统重要的一环。它可应用于交通流 量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费， 违章车辆监控及车辆安全防盗等，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，具有广阔的前景。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。 研究的目的和意义 车牌识别( l p r ) 技术是文字模式识别技术在交通领域的一种具体应用，这种 技术的工作流程简单地说，是经过图像抓拍、图像处理、车牌定位、字符分割、 3 武汉理工大学硕士学位论文 字符识别等一系列算法，识别出视野范围内的车辆牌照号码。它是一种自动识 别技术，应用于交通领域，可以大大提高我国交通管理的智能化和自动化水平， 能够使我国的智能交通系统( i t s ) 的现代化水平跨上一个新台阶。 车牌识别技术产生于上世纪末开始的智能交通革命，智能交通系统经过十 多年的推广、试行和发展，目前已成功地应用于若干经济发达及较为发达国家 的都市及城市高速公路系统中。而车牌识别系统正是在这种应用背景下研制出 来的，能够自动实时检测车辆经过和识别汽车牌照的智能交通管理系统。在经 历了上个世纪末的起步阶段之后，车牌识别技术已日趋走向成熟，并开始在交 通、公安、路政、停车场、安防、门禁、智能小区等许多领域得到了广泛的应 用。 车牌识别系统简单地说是一种以特定目标为对象的专用视觉系统，它能够 从一幅图像中提取、分割、并识别出车辆牌照，运用先进的图像处理、模式识 别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别 结果可按需求分别包括车牌的字符、数字、牌照图像，以至牌照颜色、坐标、 字体颜色等。 车牌自动识别技术广义上说分为三类口1 ，分别是射频识别技术、条形码识别 技术和车牌牌照识别技术。前两类技术需要被检测车辆主动参与，包括事先在 车辆上加装置，建立后台管理等，其管理范围有限，扩容方式复杂，但优点是 准确可靠；而车牌识别不需要在汽车上安装专门的识别标志，是基于视频技术 的识别系统，可对所有通行车辆识别管理，并方便地进行图像回放、检索等工 作，有利于对车辆信息进行监控。 尽管有字符、颜色、格式和制作材料等方面的差异，牌照仍是车辆身份最 为精确和特定的识别标记，实时识别出行驶车辆的牌照号码并与车辆管理数据 库相结合，就可以有针对性地实现车辆检查，自动化管理等工作，可以大大简 化人工劳动，消除人为干扰，是智能交通系统中的一个重要发展方向。随着车 辆数目的迅猛增长，对于车辆及交通管理智能化的要求越来越高，牌照自动识 别技术的发展日趋成熟，应用也日趋广泛，主要包括高速公路、桥梁、隧道的 监控；收费管理、城市交通车辆管理；电子警察、海关边境交通监控；智能小 区、智能停车场管理系统；车牌验证，车流统计，移动和车载系统等各种智能 化交通领域。 4 武汉理工大学硕士学位论文 1 2 车牌识别存在的问题和难点 在计算机视觉技术越来越发达的今天，车牌识别技术发展迅速，出现了很 多较为实用的产品在高速公路收费、城市卡口、城市道路监控点和海关等都有 较广泛的应用。然而与国外的产品相比，国内的产品还有着较大的差距，国内 车牌识别系统的开发还处于起步阶段，已有的车牌识别系统普遍存在全天候识 别率并不稳定等问题，有关动态车辆的识别、外界恶劣条件的影响及车牌质量 大幅度退化等情况的研究工作还做得较少，车牌识别系统的后台管理也没有得 到较多的关注，系统应用较为单一，识别算法不够成熟。 车牌识别系统包括软件算法和硬件平台两个方面，车牌识别算法主要有车 牌定位、车牌字符分割和车牌字符识别三个环节，每一个方面和环节都可能影 响到车牌识别系统的优劣。作为评判车牌识别系统的重要指标，识别率和识别 速度在同一产品中难以同时提高，车牌识别系统有很多技术难点需要解决。 从环境等客观因素来说，在采集车辆图像时，由于环境光线变化剧烈，白 天光较强、夜间较弱，面光与背光行驶不同，上午和下午的光照方向也不一样， 抓拍图像时受环境光线影响较大，车速过高、采集设备动态范围和分辨率不够 也会使成像质量难以得到保证。对于地感线圈触发的情况来说，当认为车牌达 到了最佳成像位置时系统触发系统开始拍摄，这对触发设备的可靠性和响应速 度都有较高的要求。另外由于成像系统的镜头景深有限，只有在预定位置附近 才能够清晰成像，所以需要触发系统定位准确，才能保证图像质量。 从算法上来说，车牌定位之前一般要对图像做预处理，然后再进行定位、 分割、识别等部分。由于得到的车牌图像可能含有较多噪声，或图像对比度不 强，车牌被部分遮挡，车牌处出现污点，变脏，笔迹模糊退色，有其它字符区 域干扰，以及出现因运动产生的图像模糊失真等情况，所以定位算法实现起来 有较多困难。对于字符分割，则可能存在光照不均、污迹严重、车牌倾斜、对 比度小、牌照退色、牌照字符粘连等不利因素，需要研发与之相适应的算法。 而字符识别算法上，由于汉字笔画复杂，所以要求图像有更高的分辨率，系统 有很高的采集和处理速度，才能达到实时处理的要求。算法的简捷、实用、高 效率往往和算法速度形成冲突。 就整个系统而言，需要考虑系统能否全天候运行，运行时会不会发生死机 状况，系统无故障时间等实际问题。 5 武汉理工大学硕士学位论文 此外我国的车辆牌照复杂种类繁多，有机动车牌、农机车牌、公安交警车 牌、军车牌，领事馆牌照等多种类型，并且我国牌照，尤其是货运车牌照质量 较差，安装不规范，这些问题对于车辆牌照的识别都是很大的考验。 以上这些问题都是车牌识别系统中的要点和难点，虽然现有的车牌识别产 品已经实现了较多的功能，然而由于以上因素的影响，实际的车牌识别率并不 能达到系统标明的水准。分析目前车牌识别产品可知，硬件式产品还处于起步 阶段，怎样协调硬件性能与内在的软件算法，以达到系统的实时性要求还需要 进一步的研究和实验；软件式系统虽然能够实现较多的功能，但对于各种不同 颜色、样式的车牌识别，识别率还有待提高，系统的调试与维护也有待加强； 固定的车牌识别系统，由于只能在车辆到达固定区域进行拍摄识别，维护较为 繁琐，所以不能够广泛应用于各种不同的场合；移动式设备虽然无需固定的触 发设备、使用方便，但是技术复杂，可靠性低，费时也较多；此外成像的器件 与光学条件也有待进一步的开发。并且国内车牌识别方面的论文大部分都是针 对的是理想条件的车牌识别，对于倾斜度较大、实际环境复杂、光照条件差、 车牌字符模糊的情况都没有较好的解决办法。怎样提高现有算法的速度和准确 率，如何利用车牌的彩色信息进行车牌识别，一幅图像中多个车牌的情况怎样 识别，怎样满足系统的实时性要求等，这些都是车牌识别亟待研究和解决的问 题。 车牌的自动识别是计算机视觉、图像处理【1 】与模式识别技术在智能交通领域 应用的重要研究课题之一，是实现交通管理智能化的重要环节，目前发达国家 l p r 系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，基本停 留在实验室阶段，随着车牌识别技术的发展与成熟、牌照的变化和智能交通需 求的增长，将会有更多此方面的研究，而车牌识别系统的识别速度和识别率也 有待进一步提高。 1 3 论文的研究内容及工作 在算法上，本系统在参考现有车牌识别算法的基础上进行了算法的选择和 学习，车牌定位模块是在数学形态学和车牌先验知识的基础上先粗定位再细定 位，这种方法定位准确、并且能够适应车牌倾斜或大小在一定范围内变化的情 况；但是算子的确定却不能智能化，需要不断的试验确定最佳值。本系统的字 符分割部分采用了峰谷法、投影法和字符宽度搜索法相结合，先横向后纵向的 6 武汉理工大学硕士学位论文 切割方法，结合车牌的字符结构特征，能够较好地去除车牌边框并分割出各个 字符；字符识别则按照中国车牌字符排列的规律，分为汉字、字母、字母和数 字、数字字符识别的四个b p 网络模块，在字符区域标准化的基础上选取字符的 特征分别建立起识别四类字符的b p 神经网络。 1 4 论文的结构 本文的结构安排如下： 第1 章：绪论：本章揭示了课题的研究背景，介绍了车牌识别系统的发展 背景、研究车牌识别系统主要的目的和意义，分析了目前国内车牌识别系统不 完善的地方及有待解决的问题，最后简单陈述了本文主要研究的问题和本研究 实现的功能与意义，并介绍了本文的章节安排。 第2 ，3 章：车牌定位算法设计：它是车牌自动识别系统的基础，本章首先 介绍了车辆牌照的主要特征，分析了我国车辆牌照的种类及我国车牌独有的特 点，本章还分析了车牌定位实现的难点，简单说明了现有的车牌定位算法，提 出本文中车牌定位算法的设计流程：包括车牌图像的预处理、适合字符纹理特 征垂直边缘检测算法、基于形态学的车牌区域检测、符合先验知识特征的连通 域标记与车牌区域提取，最后对文中的算法做出小结，给出了本文车牌定位算法 的流程图，并给出了v c 编程的运行结果。 第4 章：车牌字符分割识别算法：本章的主要研究的是字符的分割。介绍 了本文字符分割的算法。其中字符分割算法包括牌照区域的二值化、车牌水平 边框的去除和字符纵向分割三个步骤，每一节分别详细剖析了算法的思想并用 图例显示了算法的处理结果。字符识别模块则先介绍了现有常见的车牌字符识 别算法，分析各个算法，说明了车牌字符识别上较难解决的问题。最后给出了 本文采用的算法的试验结果。 第5 章：车牌字符识别：介绍了现在常用的字符识别的b p 神经网络，它的 特点，构造，及设计的方法和该算法的流程以及注意的问题。 第6 章：总结与展望：总结了本文所作的工作，并对存在的问题提出了进 一步的设想。 7 武汉理工大学硕士学位论文 第2 章车牌图像的预处理 2 1 车牌图像的预处理 对输入的字符图像进行预处理是车牌自动识别系统中一个重要的环节。经 数码相机采集到的图像格式为j p e g 格式，它是一种压缩过的图像格式，无法直 接进行数字化处理，必须先对图像文件解压缩，转化为b m p 格式图像。此外车 牌图像会因采集仪器的性能、环境、光照、拍摄距离和角度以及车速等因素而 产生不同的图像质量的下降，通常表现为图像包含不同程度的噪声，不同图像 的平均像素值呈现不同的明暗差异，加之图像还会有一定程度的旋转及缩放变 形。这些因素严重的影响了所获取图像的质量。给后续的图像处理带来很大的 困难。图像预处理的目的就是改善车牌图像的质量，使处理的图像具有适合的 亮度，较大的对比度和清晰度。消除噪声，统一图像的灰度值以及尺寸，为后 继的车牌定位，字符分割和字符识别创造条件。下面分别将本文用到的预处理 的算法做以介绍。 2 1 1 车牌图像的灰度化 一般摄像头拍摄到的图像为彩色图像，彩色图像包含着大量的颜色信息，不 但在存储上开销很大，当光照强度不同时色彩的明暗不同，而且在处理上也会 降低系统的执行速度。由于图像的每个像素都具有三个不同的颜色分量，存在 许多与识别无关的信息，不便于进一步的识别工作，因此在对图像进行识别等 处理中有必要将彩色图像转变成为灰度图像，以便加快图像处理的速度。 灰度图是指只含亮度信息，不含色度信息的图像。灰度化是把含有亮度和 色度的色彩图像变换成灰度图像的过程。灰度化处理在很多图像处理中是很重 要的一步，灰度化的结果是后续处理的基础，所以寻求一种合适的灰度化算法 是非常重要的。灰度化过程就是使彩色的r 、g 、b 分量值相等的过程。由于尺、 g 、b 的取值范围是0 2 5 5 ，所以灰度级别只有2 5 6 级，即灰度图像仅能表现 2 5 6 种灰度。 灰度化的处理方法主要有如下三种： 最大值法：使尺、g 、b 的值等于三值中最大的一个，即 r = g = b ；m a x ( r ，g ，b ) ( 2 1 ) 8 武汉理j 二人学烦士学何论文 改方法会形成亮度很高的灰度图像。 平均值法：使r 、g 、b 的值等十- 值和的甲均值，即 r ：g ：8 ：+ 口+ c 彰( 2 2 j j 浚方法会形成较柔和的扶度图像。 加权平均值法“：根据重要忭或其它指标给r g ，b 赋予不同得权值，并 使r 、g 、b 的值加权平均即 r b g “吩6 + 胁? + 雌+ 胁) ( n - 3 ) 武中w r 、帕、w b 分5 i i 为r 、g 、b 的权值。w r 、w g 、w b 取不同的值 加权平均值就形成4 ；同的扶度图像。山r 人跟埘绿也的敏感度最高，对红色的 敏感度次之时蓝色的敏感度最低，因此采用w g ，w r ，w b 将得到较合理的挑 度图像。试验和理论推导证明，当肝= 0 3 0 ，豫t05 9 ，肋= 0 l l 时驯当 r gbw g r a y = 03 0 x r + o5 9 x g + 01 i x 占时，能得到最合理的扶度图像。 根据处理的实际情况本文采州就是加权平均值法进行狄度化，这样的处理结粜 更接近人类视觉系统。 下i f 【是图像经过灰度化处理的图片： 【- i ? j r i r 一q 图2 1 原始的汽车图像罔22 经过扶度化的汽牛图像 2 2 图像的增强 影响系统图像清晰程度的因素很多，例如窀外光照度小够均匀就会造成图 像出度过0 集中：山c c d ( 摄像头) 获得的图像经过 d ( 数模转获，该功能在 图像系统中山数字采集 求实现) 转换、线路传送都会产生噪声污染等等。因 此图像质量不可避免的降低了，轻者表现为图像小干净，难于看清细节；重者 武汉理工大学硕士学位论文 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，为 了改善退化的牌照图像质量，必须对图像进行处理。一般情况下改善的方法有 两类：图像增强和图像复原。图像复原技术与增强技术不同，它需要了解图像 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。这 里主要应用的是图像的增强。 图像增强主要的目的有两个n 1 ：一是改善图像的视觉效果，提高图像成分的 清晰度；二是使图像变的更利于计算机的处理，如锐化处理可突出图像边缘轮 廓线，编程控制计算机进行跟踪，便可作各种特征分析。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的突出，而衰减不需要的特 征，它的目的主要是提高图像的可懂度。 因为当前还没有衡量图像增强质量的通用标准。从增强处理的作用域出发， 图像增强可分为空间域方法和频域方法。空间域处理是基于图像空间域的信息， 即图像本身的信息，它主要是直接对图像中的各个像素点进行操作，在空间域 中对图像象素的灰度值直接进行运算处理。一般又分为两类，一是在象素点邻 域有关的空间域进行，称为局部运算，例如空间域卷积运算。另一类是对图像 作逐点运算，称为点运算。处理时可以是线性也可以是非线性，可以使用指数， 对数，比值，黑白到彩色的变化等。空间域的增强技术可以用下式描述： g ，) ，) = 厂 ，) ，) h ( x ，y ) ( 2 4 ) 其中厂 ，y ) 是处理前的图像，g o ，y ) 表示处理后的图像，h ( x ，y ) 是空间运算函 数。 频率域处理是在图像的某种变换域内，对图像的变换系数进行运算，即作 某种修正，然后通过逆变换获得图像增强，是一种间接增强的方法。例如傅立 叶变换、d c t 变换等，然后再进行反变换得到处理后的图像。 厂 ，y ：! ：j 卫鼻t 丝! 1 2 1 ：j i ! 至三三习9 1 1 ；彤二y 2 ! ：! ! ：三 曼照z 图2 - - 3 频率域增强模型 其数学描述如下： f ( a ，y ) = 妒_ ( 厂 ，y ) 】- g ( 肛，) = h ( ，) f ( z ， ，) 1 0 ( 2 5 ) ( 2 6 ) 武汉理工大学硕士学位论文 g o ，y ) = 妒一 g ( 肛， ，) ) ( 2 7 ) ， 其中妒 ) 表示某种频率正变换，妒一 ) 该频率变换的反变换。f ( x ，y ) 为原 始图像，f ( ，1 ，) 为频率正变换的结果，日( ，) 为频率中的修正函数，e ( z ，) 为 修正后的结果，9 0 ，y ) 是g ( ，1 ，) 反变换的结果，即增强后的结果。 通过上面的介绍将图像增强的方法用图表总结如下： 薄运算厂灰厦级校正 li 直方图校正 ll 灰度变换r 噪声消除法 l尸像平滑i 燃 lii 中值滤波法 ll l 选择式掩模平沿 产间域r 栅i1 - 煞 lil 图像锐化l 统计差值法 lli 掩模匹配法 图像增强ll ll a p l a c i a r 薄子 ll广假色彩处理 il 彩色技术l i l 伪色彩处理 l广低通滤波 l 频率域法i l ： l 同态图像增强 图2 4 图像增强方法 2 2 1 直方图的对比度增强 直方图是多种空间域处理技术的基础。灰度级为【0 ，l 一1 】范围的数字图像的 直方图是离散函数| l ( 心) = n k ，这里放是第七级的灰度，础是图像灰度级为成的 象素个数。一般以图像中象素的总数来除它的每一个值得到归一化的直方图。 所以，一个归一化直方图由p ( r k ) = n k n 给出，这里七= o ，1 ，l 一1 。简单 的说，p ( r k ) 给出了灰度级为放发生的概率估计值。一个归一化直方图其所有部 分之和等于1 。在图像的直方图中我们可以注意到在暗色图像中，直方图组成成 分集中在灰度级低的一侧，类似明亮图像的直方图则倾向于灰度级高的一侧。 低对比度的直方图窄而集中于灰度级的中部。对于黑白图像，这意味着黯淡， 好像灰度被冲淡了一样。高对比度的图像中，直方图的成分覆盖了灰度级很宽 武汉理工大学硕士学位论文 的范围，而且，象素的分布比较均匀，只有少量垂线比其它的高许多。直观上 可以得出结论，若一副图像其象素占有全部可能的灰度级并且分布均匀，则这 样的图像有高对比度和多变的灰度色调。所以可以通过设计一定的函数对直方 图进行变换就可以得到一副灰度级丰富且动态范围大的图像。 由于所拍摄的车辆图像的质量受天气、光照、观察点等的影响，车辆图像往 往会产生对比度不足的弊端，使图像细节分辨不清，图像便会偏暗或偏亮，影 响识别率。因此，需要将车辆图像进行图像灰度扩张，扩大图像灰度的范围， 以便改善图像的观察质量，提高字符识别率，在总体上消除了光照引起的图像 差异，使图像明暗对比度显著加强。 直方图的均衡化就是把给定图像的直方图分布改变成均匀直方图分布，直 观的看，直方图均衡化将导致信号所占区域的对比度增强。均衡化图像的直方 图只是近似的直方图分布，均衡化后的图像动态范围扩大了，但本质是扩大了 量化层间隔而非量化层的数目。 直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某 个灰度区间变成在全部灰度范围内的均匀分布。对图像空间域点的增强过程是 通过增强函数s 。r ( ，) 来完成的，通过增强函数原图像的直方图改变成希望的直 方图。，s 分别为目标图像和原始图像上的像素点( x ，y ) 。在进行均衡化处理 时对增强函数需要满足两个条件：增强函数在0 量，s 1 的范围内是一个单调递增 函数，这个条件保证了在增强处理时没有打乱原始图像的灰度排列次序。另一 个需要满足的条件是对于0s ，s1 应当有0st r 】s1 ，它保证了变换过程灰度值 的动态范围的一致。累计分布函数就是满足上述条件的一种，通过该函数可以 完成，到s 的均匀分布转换。此时的增强转换方程为： s k = r ( r k ) = ( 嘭) ( 七= 0 ，1 ，2 ，l _ 1 ) ( 2 8 ) 上述求和区间为o n k ，根据该方程可以由原图像的各像素灰度值直接得到 直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰 度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方 图分布归一化得出原灰度心到虹的灰度映射关系，在重复上述步骤得到所有的 原图像各灰度级到目标图像各灰度级的映射关系后，按照新的映射关系对原图 像各点像素进行灰度转换即可完成对原图像的直方图均衡化。 直方图均衡化使图像增强的实质是： ( 1 ) 增大两个占有较多像素灰度之间的差距，一般来讲，背景和目标占有 1 2 武汉理r 大学碗l 学似论文 较多的象素，这样实际上加大了背景和目标的埘比度，增大了反差。 ( 2 ) 归并占有较少的像素通常目标和背景过渡处的像豢较少由于归并 其或者变为背景点或者变为目标点，从而使边界变得陡峭，使阿像细节清晰， 达到图像增强的目的。 下面是图像经过直方图均衡化处理后的嘲像： 嘲唧 罔2 5 经过扶度化的图像罔2 6 经过卣方图均衡化的图像 2 22 灰度变换法 扶度变换是记忆点运算，改运算把定的灰度级映射到另扶度数 ：。常 用的灰度变换有： ( 1 ) 线性灰度变换 当图像由于成像时曝光不足或过度，或者山于成像设备的非线性及圈像i 己 录没备动态范围a 窄等因素，都会产生对比度水足的弊端，使图像中细节分辨 不清。这时如将图像扶度线性扩展，常能显著改善罔像的主观质最。假设原图 像，( y ) 的驮度范l 词为【a , b 】，希望变换后图像g ( 丘y ) 的扶度范罔扩展到【c ，d 】， 则了采用如下的线性变换米实现： 9 0 ，y ) = ”。训+ c 0 5 ，( y ) 5 0 且t ( 3 1 ) 腐蚀的几何含义： 武汉理工大学硕士学位论文 y y 。 l 压 、 图3 1 二值腐蚀示意图 如果将b 看作模板，则a o b 是在平移模板的过程中由所有可以填入彳内部 的模板的原点组成。腐蚀可以看作是将图像a 中每一个与结构元素曰全等的子 集b x 】收缩为点x ，如果原点在结构元素的内部，腐蚀后图像为输入图像的子集； 如果原点在结构元素的外部，腐蚀后的图像则可能不在输入图像的内部。 广一一一一一一一一1 j l b 怠 飞矽 图3 2 原点在结构元素外部时的腐蚀结果 jl b 够冬 ： 图3 3 原点在结构元素内部时的腐蚀结果 腐蚀除了用填充形式的方程表示外，还有个更重要公式： a o b ；n 似- b ：6 b 】 ( 3 2 ) 这里，腐蚀可以通过将输入图像平移- b ( b 属于结构元素) ，并计算所有平 移的交集而得到。 武汉理工大学硕士学位论文 一l b 曩 图3 4 腐蚀为平移的交集 从本质上讲，腐蚀是数学形态学在集合意义上定义一个对结构元素的“减 运算，所有的形态学运算都基于这一基石之上。 二值膨胀：二值数学形态学的第二个基本运算是膨胀。膨胀是腐蚀的对偶 运算( 逆运算) ，可以对补集的腐蚀来定义。4 被b 膨胀定义为： a o b = 陋。o ( 一曰) 】。 ( 3 3 ) yjl 阿- - ix 。 l _ j 7 图3 5 二值膨胀示意图 其中，表示a 的补集。为了利用b 膨胀彳，可将b 相对原点旋转1 8 0 。得 到一曰，再利用一b 对a 。进行腐蚀。腐蚀结果的补集，便是所求的结果。 膨胀还可以定义为： a o b = u 似+ b ：b 曰】- ( 3 - - 4 ) 二值运算的闭运算和开运算 在形态学图像处理中，除了腐蚀和膨胀这两种基本运算之外，还有开运算 及对偶闭运算，这两种运算也起着非常重要的作用。 开运算和闭运算是形态学的二次运算，图像a 对b 的开运算定义为： a o b = ( a o b ) o b ( 3 5 ) 开运算的等价定义可以表示为： a o b = u ( s + x ：b + x c 彳) = u 曰， ( 3 6 ) r 副“ 武汉理工大学硕士学位论文 x4 曰4 d b 少 l 旷 、? 一 图3 6 二值开运算 这表明，开运算可以通过计算所有可以填入图像内部的结构元素的并求得。 即对每一个填入位置做标记，计算结构元素平移到每一个标记位置时的并，便 可得到开运算结果，事实上是先做腐蚀再做膨胀运算的结果。 从开运算的处理结果可以看出利用圆盘做开运算起到磨光