车牌识别系统设计及分析

1、黑龙江科技学院利民校区毕 业 设 计题 目： 车牌识别系统设计与分析 所在专业： 电子信息科学与技术 学生签字: 导师签字: 摘 要 汽车牌照识别系统是近几年发展起来的基于图像处理和字符识别技术的智能化交通管理系统。它是智能交通系统的关键技术之一，是在交通监控的基础上，引入计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多信息，从而达到更高的智能化管理。由于牌照拍摄场景的复杂性以及车牌位置和图像的不可预知性，车牌定位系统一直都未做到令人满意，所以车牌定位一直是这个领域研究的热点。具有很高的经济价值和实用价值。 本文对车牌识别相关技术进行研究，主要工

2、作包括：首先，本文论述了汽车牌照识别的主要应用技术和现阶段的发展动向，简要介绍了车牌识别系统软件设计要求，对图像处理处理技术中的图像分割理论和方法进行了讨论。其次，对如何在复杂的环境、天气等因素下获得较为清晰的图片，采取了的动态的图像获取技术。由于图像受到诸多因素的影响、出现模糊、歪曲、缺损、粗细不均匀等显现，这样会大大影响车牌区域分割与字符识别工作，所以图像识别之前必须等原始图像进行预处理。 关键词 模式识别 车牌检测 边缘检测 投影法AbstractAutomobile license plate recognition system is developed in recent year

3、s based on image processing and character recognition technologies intelligent traffic management system. It is intelligent transportation system one of the key technologies in the monitoring of traffic on the basis of the introduction of the computer information management technology, the use of ad

4、vanced image processing, pattern recognition and artificial intelligence technology, by the collection and processing of images, more information , so as to achieve a higher intelligent management. Scene license because of the complexity of the position and image plates, as well as the unpredictabil

5、ity of the plate positioning system had not been achieved satisfactory, positioning plates has been a hot research field. Have high economic value and practical value. This paper plates to identify relevant technology research, main functions include: First，This article discusses the main applicatio

6、ns of vehicle license plate recognition technology and stage of development trends outlined license plate recognition system software design requirements, processing technology in image processing theory and method of image segmentation are discussedSecond，how to get clearer picture in complex envir

7、onment, the weather and other factors has taken a dynamic image acquisition technology. The images are affected, blurry, distorted and defects, such as uneven thickness show, it would greatly affect the regional segmentation and license plate character recognition work, such as image recognition pri

8、or to the original image preprocessing. Keywords Pattern Recognition License Plate Detection Edge Detection，Projection目 录 TOC o 1-3 h z u HYPERLINK l _Toc319665174 摘 要 PAGEREF _Toc319665174 h I HYPERLINK l _Toc319665175 Abstract PAGEREF _Toc319665175 h II HYPERLINK l _Toc319665176 第1章 绪论 PAGEREF _To

9、c319665176 h 1 HYPERLINK l _Toc319665177 1.1 研究目的和意义 PAGEREF _Toc319665177 h 1 HYPERLINK l _Toc319665178 1.2国内外发展情况 PAGEREF _Toc319665178 h 2 HYPERLINK l _Toc319665179 1.3车牌识别系统的结构 PAGEREF _Toc319665179 h 3 HYPERLINK l _Toc319665180 1.4车牌定位的难点 PAGEREF _Toc319665180 h 4 HYPERLINK l _Toc319665181 1.5本

10、文章节安排 PAGEREF _Toc319665181 h 5 HYPERLINK l _Toc319665182 第2章 车牌的定位 PAGEREF _Toc319665182 h 6 HYPERLINK l _Toc319665183 2.1 预处理 PAGEREF _Toc319665183 h 6 HYPERLINK l _Toc319665184 2.2 车牌定位的方法比较 PAGEREF _Toc319665184 h 7 HYPERLINK l _Toc319665185 2.3 基于边缘检测和投影分析的车牌定位算法 PAGEREF _Toc319665185 h 8 HYPER

11、LINK l _Toc319665186 2.3.1 适用于车牌边缘检测的边缘检测算子 PAGEREF _Toc319665186 h 8 HYPERLINK l _Toc319665187 2.3.2 基于边缘检测的水平投影分析 PAGEREF _Toc319665187 h 8 HYPERLINK l _Toc319665188 2.3.3 基于边缘检测的垂直投影分析 PAGEREF _Toc319665188 h 9 HYPERLINK l _Toc319665189 第3章 车牌字符分割算法 PAGEREF _Toc319665189 h 13 HYPERLINK l _Toc3196

12、65190 3.1 车牌图像归一化 PAGEREF _Toc319665190 h 13 HYPERLINK l _Toc319665191 3.2 车牌图像二值化 PAGEREF _Toc319665191 h 14 HYPERLINK l _Toc319665192 3.3 字符分割算法 PAGEREF _Toc319665192 h 14 HYPERLINK l _Toc319665193 第4章 字符识别 PAGEREF _Toc319665193 h 16 HYPERLINK l _Toc319665194 4.1 常用字符识别方法 PAGEREF _Toc319665194 h 1

13、6 HYPERLINK l _Toc319665195 4.2 汉字识别 PAGEREF _Toc319665195 h 16 HYPERLINK l _Toc319665196 4.2.1 现行车牌特点 PAGEREF _Toc319665196 h 16 HYPERLINK l _Toc319665197 4.2.2 建立模板库 PAGEREF _Toc319665197 h 17 HYPERLINK l _Toc319665198 4.2.3 图像预处理 PAGEREF _Toc319665198 h 17 HYPERLINK l _Toc319665199 4.2.4 最小距离法 PA

14、GEREF _Toc319665199 h 17 HYPERLINK l _Toc319665200 4.3 数字与字母识别 PAGEREF _Toc319665200 h 18 HYPERLINK l _Toc319665201 4.3.1 字符的特征与分类 PAGEREF _Toc319665201 h 18 HYPERLINK l _Toc319665202 4.3.2 图像预处理 PAGEREF _Toc319665202 h 18 HYPERLINK l _Toc319665203 4.3.3 识别算法 PAGEREF _Toc319665203 h 19 HYPERLINK l _

15、Toc319665204 4.3.4 实验结果 PAGEREF _Toc319665204 h 21 HYPERLINK l _Toc319665205 第5章 结论 PAGEREF _Toc319665205 h 33 HYPERLINK l _Toc319665206 5.1本文工作总结 PAGEREF _Toc319665206 h 33 HYPERLINK l _Toc319665207 5.2下一步工作展望 PAGEREF _Toc319665207 h 33 HYPERLINK l _Toc319665208 致 谢 PAGEREF _Toc319665208 h 34 HYPER

16、LINK l _Toc319665209 参考文献 PAGEREF _Toc319665209 h 35 HYPERLINK l _Toc319665210 附 录 PAGEREF _Toc319665210 h 38第1章 绪论1.1 研究目的和意义随着社会经济的发展，人民生活水平的不断提高，私人拥有机动车辆的数量迅速增加，车辆普及成为必然的趋势。在此情况下，仅仅依靠大力发展交通设施己不能解决交通拥挤、交通事故频发、环境污染加剧等问题。尽管现在世界上的许多国家，仍然主要依靠建设更多的道路基础设施，建立完善的道路网络缓解道路交通增长的需求，但由于城市空间的不断减小、修建新路所需的巨额资金以及环

17、境的压力，建设更多的基础设施将受到限制。因此，只有道路建设和现代化管理齐头并进，在加强交通建设的同时，大力发展智能交通系统，才有可能真正地解决日益严重的交通问题。车辆牌照识别 (LPR)技术是智能交通系统中的一个重要环节，它在交通监视和控制中占有很重要的地位，车辆牌照识别技术作为交通信息服务系统的重要手段，其任务是分析处理车辆图像，自动识别汽车牌号码。为了避免人工干预所带来的弊端，提高管理效率，对车辆牌照自动识别系统的需求和标准的要求越来越高。汽车牌照自动识别技术己经越来越受到人们的重视。车辆识别系统在道路交通监控、交通事故现场勘察、交通违章自动纪录、高速公路自动收费系统、停车场自动安全管理、

18、智能园区管理等方面有着广泛的应用前景，其研究的意义在于1-10：收费管理系统：在高速公路、桥梁、隧道等地点，人们将LPR系统应用于收费管理系统中，可以实现高效、准确、自动和不停车收费，真正实现无人干预，克服常规收费系统的工作量大、人工易疲劳等不足，极大地减轻劳动强度，节省大量人力、物力，同时，对于不停车收费系统，还可以节省车主的大量时间11。交通监控：在公路交通检测部门，几乎每天都有大量的交通违规车辆，对于列“黑名单”的车辆，如挂失的车辆、肇事后逃逸的车辆、欠费的车辆等，通常将这些车辆用摄像机拍摄下来，用人工来识别、比较车牌，这样导致工作效率低下、易出错，而应用LPR系统，只需要将车辆信息输入

19、系统中，系统可以24小时连续对过往的车辆进行自动检测，对车牌号码进行识别、比较、处理，若符合条件则立刻发出控制信号。其它如海关边境，应用LPR系统同样可以收到很好的效果12。小区、停车场管理：在智能小区和智能停车场，应用LPR系统后，出入车辆可以在不停车状态下进入入口，而系统可以及时识别车牌号，将车辆信息经过通信网络传到小区或停车场管理系统，从而免去管理人员的人工干扰，节省人力物力。车牌验证，车流统计，移动和车载系统：LPR系统也可以应用于交通管理部门、路桥卡口等进行车流统计;在移动和车载中，应用LPR系统可以对公路、街道等复杂地点的车辆随时进行车辆牌照识别，有利于管理部门进行巡视、监管、处理

20、突发情况。同时，汽车牌照自动识别的基本方法还可应用到其他检测和识别领域，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一13。车辆的牌照就像车辆的身份证一样，在交通系统中有不可替代的作用。随着我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统(ITS)已成为当前交通管理的方向。而且随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力的水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。而且在智能交通系统中，车辆

21、牌照的自动识别是计算机视觉与模式识别技术在智能交通领域结合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。车辆牌照识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路自动收费系统、停车场自动安全管理、小区智能化管理等方面，对提高这些场所交通系统的管理水平和自动化程度具有重要的意义和巨大的经济价值。1.2国内外发展情况从20世纪80年代，国外的研究人员已经开始了对车牌自动识别系统的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定车牌号。随着交通问题的尖锐化，各国都在这个领域投入了大量的人力、物力和财力。如美国德克萨斯公司的TIVIS AVI系统，以色

22、列公司的TI_TCEH的See/Car System系列产品，香港 Asia Vision公司的VECON系统等。外国的技术相对成熟，而我国主要是在学习和不断完善发展中。我国的实际情况与国外有所不同，国外车牌比较规范统一，而我国的车牌颜色多，且位数不统一，不同汽车的类型有不同的规格大小和颜色，给识别带来了一定的困难。我国很多大学都在做此研究，但是大都因条件各异而适用范围很有限，离实际应用还有一定的差距，比如对汽车拍摄时的要求较高，距离不能太远，光线要求较强，对实际因素考虑少，只是对研究提供了一个参考，要想在实际中达到满意的效果还是需要做很多工作。目前，基于数字图像处理和模式识别的方法是车牌自动

23、识别中最为常用和最为有效的方法。车牌识别的两个关键指标是识别精度和识别速度。随着计算机技术的发展，计算机处理能力越来越强，识别速度有了很大的提高，随着LPR技术的发展，国内外都有大量关于车牌识别方面的研究的报道。国外这方面的研究工作开展的比较早，其中有代表性的工作有如下几个方面：R.Mullot等开发了一种既可以用于集装箱识别，又可用于车牌识别的系统，该系统主要是利用文字纹理在车辆图像中的共性进行定位与识别，车牌识别与集装箱识别共用一套硬件系统。Youngsungso开发出一套实时车牌识别系统，据报道该系统的车牌定位正确率达到99.2%。日本在车牌图像的获取的方面作了大量的研究，并为系统产业化

24、作了大量的工作14-20。国内也有大量的学者从事这方面的研究，中国科学院自动化所的刘智勇等发表文章针对车牌特点，设计了一个变换函数来突出其特点，从而进行车牌提取，该方法采用最大方差法来进行二值化闽值的选取，并对二值化后的图像进行水平扫描，找出候选区域。他们在一个样本数为3180的样本集中，车牌定位准确率为99，42%，切分准确率为94.52%，从当时来看这是一个非常高的指标，他们这套系统后来和汉王公司的车牌识别系统有很大的关系。北航的胡爱明等也利用模板匹配技术开发了一种车牌识别系统，其识别正确率据报道为97%以上，应用环境为收费站21-23。1.3车牌识别系统的结构车牌识别技术的任务是处理，分

25、析摄取汽车图像，实现车牌号码的自动识别。典型的车牌识别系统是由图像采集系统，中央处理器，识别系统组成，一般还要连接相应的数据库以完成特定的功能。当系统发现有车通过时，则发出信号给图像采集系统，然后采集系统将得到的图像输入识别系统进行识别，其识别结果应该是以文本格式的汽车牌照号码。图1-1显示了车牌识别系统的结构框图。图1-1 车牌识别结果框图整套系统实际是硬件和软件组成的。在硬件上，它需要集成可控照明灯，镜头，图像采集模块，数字信号处理器，存储器，通信模块，单片机等；在软件上，它需要包括车牌定位，车牌字符分割，车牌字符识别算法。车牌识别系统的硬件在整个系统中的一个十分关键的组成部分，它决定了软

26、件所摄的图像的质量。现在的硬件基本上采用了嵌入式一体化的结构形式，照明，拍摄，图像采集，车牌辨别算法及通信模块都集成在一起，作为一个整体设备加以设计和实现。它主要是基于2大关键技术：光电耦合器件和数字信号处理器。其中前者用于采集车辆图像；后者用于运行算法。车牌识别过程可以分成4个步骤：图像预处理，车牌定位和分割，车牌字符的分割和车牌的字符识别。而这四个部分又可以分成2大部分，即车牌分割和车牌字符识别，如图1-2所示。图1-2 车牌识别系统流程图1.4车牌定位的难点现有的车辆牌照具有一些共同特征：（1）图像上有大量长短不一类似于直线与长方形的区域，还有一些灰度特征类似于文字区域的厂商标志区域，如

27、奥迪车的类似于四个O组成的标志；（2）牌照文字周围有一个类似于长方形的边框，其厚度不一，而且有断裂处，有时弯曲度比较大；（3）我国根据不同车辆、车型、用途、规定了许多牌照格式(例如分为军车、警车、普通车等)；（4）我国汽车牌照的规范悬挂位置不是唯一的；（5）由于环境、道路或人为因素造成的汽车牌照污染严重。另外，车辆图像拍摄的背景复杂。所有的这些都导致每张图片的质量全都不同，变形、噪声等干扰信息的无规律、不确定性出现，这些都给汽车牌照定位造成很大困难。1.5本文章节安排本文以解决牌照识别中的问题为主线，各个章节内容安排如下：第一章：绪论中介绍了课题研究的背景，国内外研究的现状等，已经本文的章节安

28、排。第二章：介绍了车牌识别系统的结构。第三章：车牌的图像预处理技术，介绍了几种预处理技术，以及各种技术的应用。车牌的定位技术，介绍了几种车牌定位技术和算法，并举实例说明算法的过程。第四章：车牌的分割技术，介绍了几种车牌分割技术和算法，并举实例说明算法的过程。第五章：车牌的字符识别技术，介绍了几种车牌字符识别技术和算法，并举实例说明算法的过程第六章：总结与展望。总结了本文的主要工作，展望下一步的可能工作安排。第2章 车牌的定位2.1 预处理为了便于车牌识别的分割和识别，摄像机摄下的原始图像应具有适当的亮度和对比度。但摄像时的光线条件，拍照的整洁度，摄像机的状态，以及车速的不稳定等因素都会不同程度

29、得影响图像的效果，出现图像模糊，歪斜或缺损，车牌字符边界模糊，细节不清，笔画断开，粗细不均等现象，从而影响车牌区域分割与字符识别的工作。在实际应用中，我们的系统获取的原始图像不是完美的，例如对于系统获取的原始图像，由于噪声、光照等原因，图像的质量不高，所以需要进行预处理，以有利于提取我们感兴趣的信息。图像的预处理既可以在空间域实现，也可以在频空间内实现，为了便于图像处理，将更多的精力投入到算法的研究与实现上，车牌图像预处理是指对获取的原始车牌图像进行车牌定位、分割和字符识别前所进行的前处理。预处理的主要目是消除图像中的干扰信息，恢复有价值的信息，增强汽车牌照的可检测性和最大限度的降低车牌识别系

30、统的运算量，从而改进车牌图像进行车牌定位、分割和字符识别的可靠性20-36。本文图像预处理包括对采集到的原始图像进行色彩校正、图像增强、灰度化、滤波、锐化等处理，以克服干扰因素，最大限度的提高识别效果。车牌识别中的图像获取一般通过摄像机完成的。由于硬件等因素，所获取的目标图像中，含有复杂的车身背景及自然背景信息，同时易受照明条件、天气条件和运动失真、模糊等因素的影响，严重影响获取图像的质量，给之后的车牌分割及字符识别带来很大的困难，所以在进行车牌识别之间有必要对图像进行预处理操作。（1）消除模糊。图像的摄取一般在汽车运动的情况下进行的，有时候难出现图像的运动模糊。因此要在原来的系统中加入逆滤波

31、处理，对由匀速直线运动造成的图像模糊进行恢复。（2）图像去噪。通常得到的汽车图像会有一些污点，为了保证识别的效果，需要对图像进行去噪。（3）图像增强。由于车牌识别系统需要全天侯工作，自然光照度的昼夜变化引起汽车图像对比度的严重不足，所以增强图像是十分必要的。（4）水平校正。摄像机的位置，车辆的运动等因素经常使拍摄出来的汽车图像有一定的倾斜，这就需要对图像进行水平校正，或者在分割出车牌区域之后对字符水平校正。2.2 车牌定位的方法比较目前车牌定位的方法大致分两类：一类是基于彩色图像的车牌定位方法，另一类是基于灰度图像的车牌定位方法。由于灰度图像的数学关系简单，数据量较彩色图像少，故而在对其处理时

32、所需的存储空间较小，同等条件下处理灰度图像的速度会更快。相应的，彩色图像含有比灰度图像更丰富的信息，但其数学表达也较为复杂，处理时所需的存储空间更大，同时对处理器性能的要求更高。但随着近年来硬件水平的不断提高以及灰度图像信息的丢失等原因，对基于彩色图像的车牌定位算法也逐渐发展起来。牌照的定位从图像处理的意义上来说就是从一幅随机图像中找出一块具有某种特征的区域，该区域中包含了汽车牌照。这种特征就是牌照本身区别于图像其他部分的特征。根据特征提取的不同，牌照定位的方法也就有很大的不同:1.利用牌照具有四边形边框的特点，通过检测图像中的长直线段，然后用一定的约束条件进行搜索的方法来确定牌照的位置。这种

33、方法定位的精度较高，但是易受到噪声的影响。且对有些边框磨损、不明显的牌照效果不好。2.利用统计投影直方图的方法，通过对含有汽车的图像水平和垂直两个方向的灰度投影直方图的分析，来推断出汽车牌照的位置。这种方法优点是对图像中的噪声不敏感，缺点是定位精度不够高。3.区域生长法是对边缘图像进行均匀性区域生长以获得潜在车牌区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，即得到真实车牌。4.DTF变换法是先对图像逐行做DTF变换，然后把频率系数逐行累加平均，并根据这些平均值做出频率谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐列做DTF变换可确定

34、车牌竖直位置。5.近年来又出现了基于彩色汽车图像牌照定位的方法。这种方法主要是利用我国汽车牌照字符与底色对比较多，彩色图像比灰度图像能够更多的视觉信息并对各种光照不敏感等特点。这种方法也取得了较好的效果。本文使用的车牌定位方法主要目的是在预处理后的灰度图像中确定牌照的具体位置，并将包含牌照字符的子图像从整个图像中划分出来，供字符识别系统识别。2.3 基于边缘检测和投影分析的车牌定位算法2.3.1 适用于车牌边缘检测的边缘检测算子车辆牌照通常情况下可近似为矩形，即使发行形变或倾斜，仍可看作平行四边形。车牌中包含字符，因而有丰富的笔划边缘信息。如果车牌图像处于自然背景中，如树木、房屋建筑、标识牌等

35、背景都会成为车牌的干扰信息。好的车牌边缘提取方法是在尽量保证车牌字符信息的基础上，将车牌的边缘完好的提取出来。Roberts算子对边缘的定位较准，所以分割结果的边界宽度不大。在图像噪声较少的情况下，边缘保持较好。Prewitt算子并不是各向同性的，边缘也并不是完全连通的，有一定程度的断开，而使用Roberts算子和Laplacian算子就不存在这样的问题。Krisch算子考虑了8个特定方向的边缘响应，计算量大，但对灰度渐变和噪声较多的图像效果较好。Sobel算子对噪声有抑制作用，因此不会出现很多孤立的边缘像素点。它对边缘的检测比较准确，在背景和目标对比较明显且噪声不大的时候效果较好。相比之下，

36、Laplacian算子属于二阶微分算子，对噪声十分敏感，因而会检测出图中各种物体的边缘(包括噪声)，但它具有旋转不变性，与边缘方向无关。结合车辆牌照的特点，在车牌识别系统中多使用一阶微分算子，因为Laplacian算子所检测出来的大多数边缘属于干扰信息，大大加重了判断的难度。对于各种一阶算子，需要检测出准确度较高的连续边缘，并且尽量避免多余的边缘信息。实际操作中多使用Sobel或Roberts算子，本文主要使用Sobel算子。2.3.2 基于边缘检测的水平投影分析就车牌图像而言，统计它的边缘图像信息比灰度图像信息要容易得多，因而借助图像的垂直边缘信息进行水平投影分析。经过预处理后，可以得到车牌

37、的垂直边缘分布图，这种分布在汽车的边缘及车牌区域都有显著的表现，首先统计图像中每行的跳变数以进行初步筛选。在汽车图片中存在很多干扰信息，而其投影分布与车牌相似的区域有汽车标志、排气管等等。先把这些区域从背景中分离出来，接着进行判断。整个过程的具体步骤如下：构造水平投影函数。这里所说的投影函数不是单纯的投影值函数，而是经过统计的黑白像素跳变数函数，设之为T(x)，其中x表示图像的行数。原始图像的下半部分有两个跳变数较多的区域，一个是车尾的标志区域，另一个就是我们要提取的车牌区域。首先，对图像进行二值化，这时候原图中的标志区域和车牌区域都会凸显出来。对应于二值图像的每一行，计算出每行的黑白像素跳变

38、数，构成我们需要的水平投影函数。分离候选区域。为了精确的分离出这两个区域，我们使用最小区域分析法去除投影值相对较小的部分。所谓的最小区域分析法就是一种标记一个连续函数在某一区间内最小值的方法，这种方法能标记出图中的函数区域最小值，即图像的一系列谷底，当取适当的区域差值时，便能标记出图像中所有较低的部分，从而分离出两个投影值较大的区域。候选区域判断。最小区域化处理后，图像中存留三个部分。可以设置一个限制，去除那些投影值相对较小且分布范围较窄的区域，这样就能得到可能为车牌区域的最后两个或者多个候选区域。同时，最小区域处理后的投影函数变成一个二值函数，图像中的两个区域转换成两个所含元素值为0的连续数

39、列，对这两个数列进行连通区域标记便可得到原始灰度图中所对应的部分。实验得出，非车牌区域的跳变函数分布较均匀，峰值较多且相邻峰值间的距离较小；车牌区域的跳变函数则主要集中在那一行图像的车牌部分，其它部分的跳变数较小。利用车牌区域的这个特点，可以分离出车牌区域，具体做法如下：(1)只考虑待判断区域的中间部分。考虑到车牌区域不会在极左或极右的位置，因此可以取图像里靠中间的位置进行判断，这样即使车牌在比较靠近两边的情况下也能判断出来。(2)设定一个常数C(如8)，这个常数表示最小跳变数。如果图像中跳变函数T(x)超过C时，累加器加1。最后统计累加器中的数值N，如果N属于某一设定范围(7-10)内，则这

40、一区域为车牌区域。2.3.3 基于边缘检测的垂直投影分析经过水平投影分析后，得到两个候选区域，而真正的车牌区域只有一个，所以需要进一步的判断。在投影分析中，考虑到了车牌区域跳变数较多且存在于一定范围内，这个特征很容易区别于其它区域。这部分就介绍利用候选区域的垂直投影分析进行判断的方法。非车牌区域的投影分布非常密集，而车牌区域一般只在图像中间部位有比较密集的分布。对这两个区域的垂直投影图同时进行最小区域变换，剔除一些投影分布较小的部分后，统计图像的跳变数k，当这个数符合某个标准K时，判断为车牌区域，这里的K是人为设定的。当正确的车牌区域被筛选出来后，需要把车牌的左右边界从中分离出来。包含车牌在内

41、的整行图像中，车牌区域的投影分布为峰-谷-峰状，而且峰值高于其它区域并与邻近峰值相近。根据这个特点，可以找出这一分布开始和结束的部位，即车牌大致的左右边界。由于噪声和干扰的影响，车牌附近区域也可能产生类似的分布，并且紧挨着车牌区域。因此，需要考虑以下因素来提取车牌的左右边界：1.去除两边投影值较大的独立区域，这些区域一般靠近图像的两边，故可以使用最小区域法剔除；2.车牌的左边界靠近汉字，由于边框与汉字的距离小于字符间的距离，如果车牌出现粘连现象，边框与汉字间的谷底将会消失，故在考虑左边界时，首先要判断它是否为高投影值出现的开端，还要看它后面是否存在连续的峰谷分布，并且峰谷的变化数不超出一定范围

42、K；3.左边界确定后，从图像的右端开始判断右边界。由于左边界已经判断好，故右边界的判断只需考虑峰谷变化和这一变化起始的位置即可。4.由于这种分割的目的是完好的保证车牌中的字符没有残留，故可提取稍微多的边界部分，阈值K的大小可以适当放宽要求。对图3-1(a)、(c)、(e)、(g)和(i)所示图像应用基于边缘检测的投影分析车牌定位算法后，定位得到车牌区域如图3-1(b)、(d)、(f)、(h)和(j)所示。可见，文中所采用的车牌识别算法，对于拍摄距离不固定时所获得的车尾部图像，仍能获得较理想的分割效果。 (a) (b) (c) (d) (e) (f) (g) (h) (i) (j)图2-1 原始

43、图像及进行车牌定位处理后图像第3章 车牌字符分割算法在车牌识别的整个过程中，车牌定位准确定位只是完成了第一步，为了达到字符识别的目标，从提取的车牌图像中分割出字符的工作必不可少。字符切割是车牌定位和字符识别的桥梁，只有从车牌图像中准确的切割出车牌字符，并进行归一化，才能为之后进行识别做好准备工作。车牌定位之后，为了准确地识别牌照上的汉字、英文字母和数字，必须把单个字符从牌照中提取分离出来，得到车牌中每个字符的图像作为识别模块的输入。将车牌图像的字符一个个的分割开来，即进行所谓的字符分割。在实际处理中，我们面对的是要识别的牌照字符情况非常复杂。可能会存在较大的干扰、噪声，这是由于各种设备可能产生

44、的噪声所引起的，使得牌照图像中可能产生字符之间断裂的现象，图像中算符的笔画可能产生字符之间粘连或者字符断裂的现象;算符的笔画可能变粗，其影响是字符的轮廓模糊不清、字符之间粘连。同时，经牌照定位而分割出的牌照区域亦非完全精确到牌照上的字符区域，所面对的是在牌照四个边框附近误差几个象素;并且字符为白字，还将有汽车保险杠与牌照四边边框的残留图像以及牌照上两个铆钉干扰的一个区域。这就要求我们对牌照要有一定的了解。现有的牌照有四种类型:(1)小功率汽车所用的蓝底白字牌照;(2)大功率汽车所用的黄底黑字牌照;(3)军用或警用的白底黑字、红字牌照;(4)国外驻华机构用的黑底白字牌照。这四种牌照的外轮廓长度均

45、为450mm，总的宽度为150mm，共有字符7个(不包括第二、三字符之间的小圆点)。标准的民用车辆牌照(军车、警车、教练车、领事馆车除外)均为七个字符，首位为省名缩写(汉字)，次位为英文字母，再次位为英文字母或阿拉伯数字，末四位字符均为数字。字符总长度为409mm，其中单个字符统一宽度为45mm，高90mm，第二三个字符间间距为34mm(中间小圆点10mm宽，小圆点与第二、三个字符间间距分别为12mm)，其余字符间间距为12mm。牌照字符为规则的印刷体字，其字符串长度比、字符间隙、字符的宽高比及笔画宽高都是按照严格的标准制造的，在牌照图像数字化、提取和校正的过程中会代入一些干扰，但字符串参数之

46、间的相互关系都不会发生很大的变化。3.1 车牌图像归一化由于实际输入的图像通常都会大小不一，理论上对图像的大小和颜色数都无严格要求，但车牌图像过小会影响识别的正确率，为了能够适应不同的大小的图像，需要对输入的灰度图像进行大小归一化，对于较适中的图像，可以不用归一化而直接处理，这样处理效果会更好。3.2 车牌图像二值化为获取更好的、更清晰的边缘，得到准确的车牌照外形参数值，需对图像进行二值化运算，也就是阈值法运算。阈值分割相当于对图像进行二值化，就是对每一个像素点确定一个阈值，根据阈值确定当前像素是前景还是背景点。实质上是将图像中的每个像素按一定阈值进行分类，将图像转换成只有两个等级(黑、白)的

47、二值图像。大于此阈值的像素点置成黑(白)，而小于此阈值的像素点置成白(黑)。当物体的灰度级比较集中时，简单设置灰度级阈值提取物体是一个有效的方法。原始图像f(x，y)经过阈值T分割后的图像g(x，y)为: (3-1)阈值法分割相当于对图像进行二值化，其中阈值的选取是关键。如果定的过高，偶然出现的物体点就会被认为是背景;定的过低，则会发生相反的情况。阈值的选取直接影响分割的结果。一般来说，整体阈值法对质量较好的图像较为有效，而局部阈值法则适应于较复杂的图像。3.3 字符分割算法我国车牌类型很多，每种类型的格式不尽相同，在这里以使用量最大的蓝色车牌的格式为例说明。由定位后获得的车牌图像往往都包含了

48、车牌边框，边框的存在会干扰字符的准确划分，所以在进行字符分割之前先去除边框。在切除上下边框之后，车牌高度统一为30像素，由蓝色车牌的标准格式可以计算得出:车牌总长136像素，字符宽度为巧像素，字符间距为4像素，第2个字符和第3个字符的间距为11像素，小圆点的宽度约为3像素。本文采用垂直投影法实现字符分割。垂直投影法是最常用的字符分割方法，经过投影之后二维信息降为一维，信息有缺失容易出现误判现象。利用车牌几特征可以弥补信息缺失。实现字符分割的算法如下:记录竖直方向投影值小于一定阈值的水平坐标，为的字符分界点，从而进行字符的分割。影响算法效率的主要因素:1.判断是否为字符边界线的闭值;2.寻找字符

49、右侧边界的时候跳动的距离。这种切分算法简单，但是适应性不强。实际中汉字可能与左边框相连，在字符分割时有可能会把边框包括进去。对于这个问题的处理方法是:如果发现汉字宽度大于标准宽度，则根据标准宽度由左到右取出预选字符的一部分作为最后的汉字部分，以去掉左边框部分。对于与字符相连的右边框，我们也作同样处理。其中，标准宽度是根据字符高度与字符固定宽高比例计算所得。通过检查字符的宽度，我们也可以发现字符间的粘连问题。如果某字符的宽度远远大于标准字符宽度，先找出它所在的位置，根据此预选字符的实际宽度和所处位置可估算出所含的这几个字符在车牌字符串中的排位。例如:如果发现车牌的第4、5、6这几个字符相连成一个

50、预选字符，我们从预选字符的左端开始取一个具有标准字符宽度的部分，作为第4个字符，然后右移一个标准间距宽度，再同理选择第5个字符，剩下的便是第6个字符。第4章 字符识别字符识别是车牌识别中的最后一个重要环节，是直接影响最后识别率的关键性部分。字符识别包括汉字识别、数字与字符识别，为了提高识别率，下面分别设计了汉字识别器和数字与字母识别器。4.1 常用字符识别方法在车牌字符识别部分，字符集中包含约50个汉字，26个大写英文字母及10个阿拉伯数字。首字符为汉字，第二、第三、第四个字符为英文字母或数字，其余字符为数字。目前，字符识别主要有以下3种方法:(l)模板匹配法:利用M*N的模板图像与待识别的字

51、符图像进行点对点的比较，取相似度最高的字符。此方法如果模板取得多则耗时，而且较易受待识别字符图像的噪声和倾斜度的影响，容易产生误识别。(2)神经网络法:通过用模板字库训练神经网络参数，其中输入参数可以是字符提取的一些特征或象素点集，然后识别字符。这种方法中网络训练往往难以收敛，当识别类型增多时，很难达到理想的效果。(3)特征匹配法:通过分析字符的笔划特征或字符象素在图像中的分布，设计各种分类器，把字符识别出来。其中，字符的特征提取至关重要，一组具有代表性的特征能有效地排除干扰，区分出各个模式，从而进行分类。对于汉字，由于拍摄图像的像素点阵小，大部分汉字笔划比较复杂，常出现模糊、变形、笔划断裂等

52、现象，因此使用模板匹配的识别方法;针对数字与字母，由于其笔划简单，可以比较容易提取到字符的笔划结构特征，这里使用基于特征提取和识别的方法。4.2 汉字识别4.2.1 现行车牌特点自1994年至1995年，全国换发了如今正使用的这种“92式”荧光牌照，它具有以下特点:(l) 除特种车辆外，都以各省、市、自治区简称打头，总共七位，既规范，又易辨认，很科学。(2) 用英文字母作为地、州、市级代号，例如“粤A”为广东省广州市，即便河南那样的大省，地级行政区域多，亦能编排得下，无须共用一个字母。后面五位数，既可用阿拉伯数字，又可用英文字母:例“粤B口口口口口”，容纳量非常大，这样以此类推，能适应车辆不断

53、增加。(3) 牌照的颜色主要分为黄底黑字、蓝底白字、黑底白字和白底黑字四种。(4) 牌照的大小为一矩形，其高度大约140mm，宽度大约440mm。由上述的几个主要特征可以将图的位基元分为五类:a) 纯汉字位集合Cl:京，云，藏，津，冀，晋，蒙，吉，黑，粤，贵，辽，沪，苏皖，豫，宁，浙，川，渝，闽，桂，赣，鲁，鄂，湘，琼，新，陕，甘，青，使;b) 纯字母位C2=A，B，C，D，E，F，G，H，J，K，L，M，N，0，p，Q，R，S，T，U，V，W，X，Y，Z;c) 纯数字位C3=l，2，3，4，5，6，7，8，9，0;d) 数字与字母混合位C4=C2+C3;e) 数字与汉字混合位C5=C3+领，

54、学，试，境，挂，警。4.2.2 建立模板库模板法的关键技术是设计模板。本文根据分割的大量汉字字符图像，从中抽取部分正规的有代表性的字符。根据采集的字符频率，不同的字符取的模板数目不相同，这样有利于提高最后的识别率。4.2.3 图像预处理分割出来的字符是二值化了的字符图像，但是字符边框处可能会存在空白区域。为了更准确的定位识别字符，从字符图像的四个边往内缩小范围，去除空白的区域，进行基于字符外边框的位置归一化，使字符图像周围都刚好经过字符，这样就能排除字符平移而产生的误差。然后再对图像进行大小归一化，把图像归一化成为与模板同一大小的字符图像，准备进行匹配。4.2.4 最小距离法比较归一化了的待识

55、别样本与模板库里的字符模板之间的距离，距离最小的模板结果作为识别结果。常用的距离测度有欧氏距离、城市距离、相关距离、加权距离等。考虑到速度等原因，采用欧氏距离作为距离测度。用X代表待识样本的矢量，Y代表模板库的矢量，d代表距离。， (5-1) (5-2)识别结果取Min(d)对应i的模板结果。当这个距离越小时，就说明和模板的字符图像越接近，那么可靠度就越高。4.3 数字与字母识别4.3.1 字符的特征与分类字符的笔划特征、轮廓特点等是描述一个字符最根本的要素，即使存在少许断裂、少量噪声和存在一定的旋转，其结构特征基本不变。为简化算法，首先按照孔的个数把34个字符粗分为两类，含孔的为第一类，没有

56、孔的为第二类。例“8”，“B”，“A”，“D”，“0”，“p”，“Q”，“R”，“4”，“6”，“9”是第一类;其它的就是第二类。然后对两个子类中的字符，根据字符笔划的相对位置进行判断分析与识别。4.3.2 图像预处理在字符识别之前，为了进一步消除噪声，尽量减少分割过程中出现的断裂情况，对二值化字符图像进行了下面几个步骤的处理。(l)数学形态学闭运算(膨胀与腐蚀)，去除孤立噪点在字符图形的获取过程中，由于字符本身残缺、不干净及二值化处理等原因，得到的二值化字符图像可能含有一些噪声，有些笔划可能会断裂，因此先用膨胀算法，在不改变字符大体形状的情况下对图像字符象素进行扩大，使一些断裂的线连接起来，

57、然后再用腐蚀算法，将图像中可能存在的孤立噪声去掉，这样就得到比较理想的字符图像。(2)细化，为了提取结构特征，采用一个33的窗口象素表示Pi的空间位置关系。图像矩阵P位置示意图如图4-1所示。P8 P1 P2P7 P0 P3P6 P5 P4图4-1图像矩阵P位置示意图4.3.3 识别算法具体识别步骤如下:(l) 通过种子填充法找圆孔及其位置信息对图像背景用种子填充法，寻找字符骨架是否有圆孔的特征，并且记录下圆孔的个数（Holes），其可能取值为0，1，2。这样就能把带有圆孔的英文字符和数字分类出来。当Holes=1时，还可以确定圆孔中心的位置，存变量为Position_Hole，其取值1，2，

58、3，分别表示在上、中、下位置，根据圆孔的位置能再次分类。(2) 有孔字符的分类方法对于第一类，当Holes=2时，根据字符图像左边位置笔划的垂直度，就可以区分“8”和“B”。统计细化图像左边部分的白色(非字符)区域，若超过某个门限，即为“8”，否则为“B”。当Holes=1时，先根据圆孔的位置，再区分为三类。当Position_Hole=l时，有“A”，“P”，“R”，“4”，“9”为第一小类。通过扫描线法查找孔外的线段位置及其长度特征，就可以全部区分出来。根据孔外的笔划线条，再次将它们归三小类，“A”和“R”为一类，“4”和“9”为一类，“P”为一类。“A”和“R”根据左右两边的轮廓曲线区分

59、，“9”下面的线条是长而曲的，“4”下面的线条是短而直的。当Position_Hole=2时，有“D”、“O”，为第二小类。分析图像的左半部分和下半部分，也是统计其白色区域就能分开来。当Position_Hole=3时，只有“6”，为第三小类。验证孔外的线段是在图像的左上位置即可以识别出来。(3)无孔字符的分类方法扫描线法，主要是根据字符的笔划特征来直接识别字符。对于第二类，即Holes=0时，有“J”，“L”，“7”，“T”，“E”，“F”，“Y”“2”，“Z”，“3”，“5”，“S”，“C”，“G”，“X”，“K”，“H”，“U”，“V”，“M”，“N”，“W”，在这里主要是通过寻找字符的

60、笔划特征来进一步判断。把字符横向分块，共分三块，分别作线条跟踪，获取字符的横的特征，存到变量Line_Hor，其值格式为*，分别对应此字符上、中、下位置是否出现横特征。当出现横特征时，对应的位为1，没出现则为0。如，字符只有上三分之一部分出现横特征，则Line_Hor=100;同理，竖也分块，分三块，也分别作线条跟踪，获取字符的竖的特征，存到变量Line_Ver，其含意和Line_Hor;类似，它的位置排列是左中右，如字符只有右三分之一出现竖特征，Line_Ver=001。这样定义之后，就可以识别出，“J”，“L”，“7”，“T”，“E”，“F”。规则如下:if (Line_Hor=001&L