数字图像处理课程设计报告-车辆识别

数字图像处理课程设计报告车辆识别2011年11月20日课程设计报告撰写要求1、页面设置纸张大小设置为纵向A4,页边距设置为：上3.8厘米，下3.5厘米，左3厘米，右3厘米，页眉设置为3厘米，页脚设置为2.7厘米，文档网络设置为指定行和字符网格，每行34字，每页34行。2、段落及字体设置除各级标题外，首行缩进2字符；图、表及图题、表题首行不缩进，居中放置；图表不应超出版心范围；行距采用单倍行距。正文中文采用小四号宋体，英文采用新罗马字体(TimesNewRoman),段前0磅，断后0磅；一级标题采用小二号黑体，段前12磅，段后12磅二级标题采用小三号黑体，段前6磅，段后6磅三级标题采用四号黑体，段前6磅，段后0磅3、装订要求采用左侧装订，订两钉。 1二.课程设计原理及设计方案 三.课程设计的步骤和结果 23 六.参考文献 25一.课程设计任务在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。对违章车辆，需要自动检测车牌信息，提取车牌号码，以便查找车主信息和监督管理。国内常用的一般车牌通常是是蓝底白字，长宽比3:1。1、对车牌图像进行预处理，然后进行车牌定位；2、对车牌中的数字、字母和汉字进行提取和识别；3、要求自行设计方案、编写代码实现上述功能，并设计车牌识别的软件一个完整的车牌识别系统闭应包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。当车辆到达触发图像采集单元时，系统采集当前的视频图像。车辆识别单元对图像进行处理，车牌中的字符分割出来进行识别，然后组成车牌如图1所示。车牌定位车辆图1车牌识别系统原理图(1)图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。(2)车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车(3)字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割(4)字符识别：对分割出来的字符进行预处理(二值化、归一化),然后大的对比度和清晰可辩的牌照图象。但由于该外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损牌照的定位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，分割的准确与否镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节进而影响字符识别的准确性。因此，需要对字符在识别之前再进行一次针对性车牌识别的最终目的就是对车牌上的文字进灰度校正提取边缘输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时.常将彩色图像转换为灰度图像，以加快处理速度。可对图像进行灰度化处理、提取背景图像、增强处理、图像二值化，边缘检测、滤波等处理。然后采用robert算子进行边缘检测，再用imopen和imclose对所得二值图像作开、闭操灰度化就是使彩色的R、G、B分量相等的过程。灰度值大的像素点比较亮 (像素值最大为255,为白色),反之比较暗(像素值最小为0,是黑图像灰度化的算法主要有以下3种：1)最大值法：使转化后R、G、B的值等于转化前3个值中最大的一个，即：R=G=B=max(R,G,B),这种方法转换的灰度图亮度很高。2)平均值法：使转化后R、G、B的值为转化前R、G、B的平均值R=G=B=(R+G+B)/3这种方法产生的灰度图像比较柔和。3)加权平均值法：按照一定的权值，对R、G、B的值加权平均，即：2.2边缘提取数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域十分重要的基础。边缘是图像的重要特征，图像理解和分析的第一步往往就是边缘检测。目前，边缘检测已成为计算机视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。车牌的一个重要特征就是在该区域存在大量的边缘信息，所以边缘检测对于我们进行车牌识别来说也是相当重边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，如灰度值的突变、颜色的突变、纹理结构的突变等，同时边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向灰度变化剧烈。由于边缘是图像上灰度变化最剧烈的地方，传统的边缘检测就利用这个特点，通过计算图像中像素的梯度值来确定边缘点。121000哈尔滨工业大学(威海)课程设计报告111011100011118111101010101011010自然环境下，汽车图像背景复杂，光照不均匀，在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。首先对采集到的图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选做进一步分析、评判，最后选定一个最佳区域作为牌(1)对二值图像进行区域提取。计算并比较区域特征参数，提取车牌区域。进行闭运算，可使得水平相邻的边缘连接成为连通区域；进行开运算可使(2)计算包含所标记区域的最小宽和高。并根据先前知识，提取并显示更(3)通过计算车牌旋转角度解决车牌倾斜问题。由于车牌倾斜导致投影效果峰谷不明显，需车牌矫正处理，采取线性拟合方法，计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角。完成牌照区域的定位后，再将牌照区域分割为单个字符，可采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值.并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利通过分析计算字符的水平投影和垂直投影，可获得车牌字符高度、字符6顶行与尾行、字符宽度、每个字符的中心位置，以方算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度。最后计算车牌每个字符的中心位置和最大字符宽度，提取分割字符，其算法流程如图3所字符距离计算谷宽度图3车牌分割的MATLAB算法流程此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该[m,n]=[m,n]=size(d),逐排检查有没有白色像素点，设置1<=j<n-1,若图像两边s(j)=0,则切割，去除切割去图像上下多余的根据图像的大小，设置一阈值，检测图像的X轴，若宽度等于这一阈值则切割，归一化切割出来的字符图像的大小为22*14,与模板中字符图像的大小相匹配字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化，并将其尺寸缩放为字符数据库中模板的大小，然后与所有模板进行匹配，最后选取最佳字库对该方法在车牌识别过程中很重要，数字库准确才能保证检测出的数据正后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。模板匹配实现简单，当字符较规整7时，对字符图像的缺损、污迹干扰适应力强且识别率高。模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图象不变特性所设计的建立自动识别的代码建立自动识别的代码读取分割出来的第一个字符与模板中的汉字模板进行第二个字符与模板中的字母模板进行后5个字符与模板中的字母与数字模板进待识别字符与模板字符相减，值越小相似度越8此处以车牌1作为示例图像1.获取图像2.图像灰度化Sgray=rgb2gray(Scolor);%rgb2gray转换成灰度图3.图像增强s=strel(disk,13);%strei函数13Bgray=imopen(Sgray,s);%打开sgrays图像94.边缘提取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grd=edge(Egray,robert,I3=imerode(grd,se);%腐蚀图像牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进一步确定牌照在整幅图象中的准确位置。这里选用数学形态学的方法，基本思想是用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了开闭两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象。bgl=imclose(I3,strel(rectanglebg3=imopen(bgl,strel(rectangle,[8,14]));%取矩形框的开运算8,18bg2=bwareaopen(bg3,700);%去除聚团灰度值小于700的部分6.车牌初步定位通过比较累计行像素灰度值和列像素灰度值确定车牌的真实位置。%绘制行曲线图Y1=zeros(y,1);%y行1列的零矩阵累计行像素灰度值forj=1:xwhile((Y1(PY1,1)>=50)&&(PY哈尔滨工业大学(威海)课程设计报告while((Y1(PY2,1>=50)&&(PY%绘制列曲线图X1=zeros(1,x);%累计列像素灰度值forj=1:xwhile((X1(1,PX1)<3)&&(PX1while((X1(1,PX2)<3)&&(PX2>PX1))车牌定位后图像DW=Scolor(PY1:PY2,PX1:P车牌定位后图像经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T,用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，即对图像二值化。然后通过行像素点的累计值去除顶端和底端不感兴趣的地方。ifisrgb(DW)Il=rgb2gray(DW);%将RGB图像转化为灰度图像T=round(g_max-(g_max-g_min为二值化的阈值[m,n]=size(I1);%d:二值图像imane_bw=im2bw(II,T/256);%二值化车牌图像forj=1:x1while((Y1(Py1,1)>=9)&&(Pyl8.车牌字符分割字符分割的算法很多，因为车牌字符间间隔较大，通常不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期%寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组whilej~=nj=j+1;j=j+1;yl=10;y2=0.25;flag=0;wordtemp=qiege(imcrop(d,[11widem]two_thirds=sum(sum(temp([round(m/3):2*round(m/3iftwo_thirds/all>y2[word3,d]=getword(d);%分割出第三个字符[word4,d]=getword(d);%分割出第四个字符[word5,d]=getword(d);%分割出第五个字符[word6,d]=getword(d);%分割出第六个字符[word7,d]=getword(d);%分割出第七个字符%归一化大小为22*14word1=imresize(word1,[22word7=imresize(word7,[22657哈尔滨工业大学(威海)课程设计报告9.此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约30多个，大写英文字母26个，数字10个。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的非0值越少那么就越匹配。把每一幅相减后的图的非0值个数保存，即为识别出来的结果。liccode=char([0':9''A':'Z'藏川甘赣贵桂黑沪吉济冀津晋京警兰辽领鲁蒙闽宁青琼陕使苏皖湘新学渝豫粤云浙]);%建立自动识别字符代码表ji=int2str(I);iftt==1%第一位汉字识别elseiftt==2%第二位A~Z字母识别else%第三位以后是字母或数字识别fname=strcat(codemoduleSam,lSamBw2=imresize(Sam%以上相当于两幅图相减得到第三幅图if(SubBw2(k1,II)>0||SubBw2哈尔滨工业大学(威海)课程设计报告iftt==1iftt==2%%%getword子函数为：function[word,result]=word=[];flag=0;y1=8;y2whilesum(d(:,wide+1))~=0&&wide<=temp=qiege(imcrop(d,[11widem]));ifwide<yl&&nl/ml>y2ifsum(sum(d))~=0word=qiege(imcrop(d,[11widemtop=1;bottom=m;leftwhilesum(d(bottom,:))==0&&bottom>1哈尔滨工业大学(威海)课程设计报告whilesum(d(:,left))==0&&lef<nwhilesum(d(;right))=0&&right>=1得出车牌检测结果为：陕A906L410.对话框显示及语音朗读%%%%duchushengyin子函数为：functionshengyin=duchushengyin(shibiejieguo)wavplay(wavread(audio\车牌检测.wav),44000);elseif哈尔滨工业大学(威海)课程设计报告elseifshibiejieguo(1,i)=='Awavplay(wavread(audio\A.wav),44elseifshibiejieguo(1,i)='0'wavplay(wavread(audio\0.wav),44*elseifshibiejieguo(1,i)='9'wavplay(wavread(audio\9.wav),44车牌原始图像车牌原始图像浏览文件确认车牌字符分割结果识别结果界面可显示车辆的原始图像，车牌定位图像，进一步定位的车牌区域，车牌字符分割后的结果以及车牌的识别结果。浏览文件按钮可在文件夹中选择要处理的图片，然后按下确认按钮，开始处理，按下结束后，所有图片及字符显示均清除。哈尔滨工业大学(威海)课程设计报告本文主要解决了以下问题：1、在背景的图象中如何定位牌照2、将定位的牌照区域中的字符分割；3、对分割下来的牌照字符提取具有分类能力的特征，并对汉字、字母及数字均进行识别。在车辆牌照字符识别系统的研究领域，近几年出现了许多切实可行的识别技术和方法，从这些新技术和方法中可以看到：单一的预处理和识别技术都无法达到理想的结果，多种方法的有机结合才能使系统有效识别能力提高。在本系统的设计用哈夫变换进行车牌定位；3.色彩分割提取车牌等。这里我采用的是边缘检测字符分割的方法也有多种：1.基于聚类分析的字符分割；2.投影分割的方法；3.基于模板匹配的字符分割等。最常用的是投影分割，主要是针对在车牌定位，图像预处理后比较规则的车牌图像。优点是程序逻辑设计简单，循环3.神经网络法。此处采用的是模板匹配的方法，即是将要识别的字符与事先构造好的模板进行比对，根据与模板的相似度的大小来确定最终的识别结但是系统本身还存在许多不足，距离具体实用的要求仍有很大差距，但通过这次课程设计