车牌识别系统的设计文献综述.docVIP

车牌识别系统的设计文献综述 （ 机电科学与工程系电气工程及其自动化 ） 摘要：车牌的自动识别是计算机视觉、图像处理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, 主要包括车牌识别、字符预处理和特征提取三个关键环节。 车牌识别包括车牌定位、灰度（或彩色）图像二值化、字符切分及字符识别等。 图像预处理包括图像灰度变换、图像增强、图像二值化、梯度锐化、噪声去除、倾斜度调整、车牌边框去除、字符分割、尺寸标准归一化、紧缩重排。 特征提取本文采用逐象素特征提取法来对支付进行识别。 理论上，本系统可以对中国大陆普通汽车车牌的字符进行识别。 关键词：车牌识别，图像预处理，特征提取 前言 近几年来，随着汽车数量猛增，交通运输系统越来越智能化，这时候行驶车辆的车牌实时识别尤其是交通运输研究的重要组成部分。车牌识别系统是对公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用于大量的图像处理与分析，利用多种手段以提取车牌区域，进而达到对汽车牌照的精确定位并最终完成对汽车牌照的识别。 识别系统的用途很多，如高速公路电子收费站、公路流量控制、公路稽查、失窃车辆查询等需要车牌认证的场合都要应用车牌识别系统，尤其是高速公路收费系统中，实现不停收费技术可提高公路系统的运行效率，由此可见车牌识别系统具有不可替代的作用，因此对车牌识别技术的研究和应用系统的开发具有重要的现实意义。 正文 2.1 模式识别概述 模式识别在数字图像处理和分析中占有非常重要的地位，识别所得到的结果往往接近于甚至就是整个数字图像处理和分析的最终结果。模式识别属于图像分析的范畴，它所得到的结果是一副由明确意义的数值或符号构成的图像或图形文件，而不再是一副具有随机分布性质的图像。模式识别的目的是对图像中的物体进行分类,或者可以说找出图像中有哪些物体。分类的依据是从原始图像中提取的不同物体的特征，包括光谱特征、空间纹理特征和时间特征等。因此，模式识别包括特征提取和分类两方面的内容。 2.2 数字图像及数字图像处理 一般的图像都是模拟图像，即图像上的信息是连续变化的模拟量。对于这种模拟图像只能采用模拟的处理方式进行处理，计算机不能接受和处理模拟信号，只有将图像在空间和灰度上都离散化为数字信号后，或者说将模拟图像变换为数字图像方能接受，而数字图像是将连续的模拟图像经过离散化处理后变成计算机能够辨识的点阵图像。 1.位映射图像——即位图图像，它是每一个栅格内不同颜色的点来描述图像属性的，这些点就是常说的像素。位图图像的分辨率不是独立的，因为描述图像的数据是对待特定大小栅格中的图像而言的，因此，编辑位图会改变它的显示质量，尤其是缩放位图，会因为图像在栅格内的重新分配而导致图像边缘粗糙。在比位图图像本身的分辨率低的输出设备上显示位图也会降低图像的显示质量[3]。 2.矢量图像――指用包含颜色和位置属性的直线或曲线（即称为矢量）来描述的一种图像。定义图像上对象的变化和对象与其他对象的关系对计算机来说简单的，所有这些变化都不会影响到图像中的其他变化。 数字图像处理是一门关于如何使用计算机对图像进行处理的学科，就是对图像信息进行加工以满足人的视觉心理或者应用需求的行为。它是使用计算机加工处理图像，通过各种算法来实现对图像内容处理。它通常有一个微型、小型、大型计算机与图像处理机或有一个专用计算机来执行。 2.3系统的设计 2.3.1 系统总流程图 图2.3.1 系统总流程图 预处理部分流程图 图2.3.2 图像预处理流程 2.3.2 车牌定位 汽车牌照识别是实现智能交通系统的关键技术。其核心技术在近年来取得了飞速的发展。例如, 偷窃车辆的跟踪, 控制停车场车辆的进入, 地段通行的限制等等 。但在识别正确率及系统稳定性方面仍有待提高, 仍然是一个研究热点。在CLPR 系统中, 主要分车牌定位、字符切分和字符识别三部分, 其中车牌定位是整个系统的关键所在, 定位正确率将大大影响整个系统的最终识别性能。 2.3.3 汽车牌照自动识别 关键技术包括车牌定位、灰度（或彩色）图像二值化、、字符切分及字符识别等。 图1 汽车图像 图2蓝色像素点行方向统计 图3 行方向的车牌区域 图4 列方向上的蓝色像素点统计 图5分割出的完整的车牌区域 根据车牌底色的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域。下面以蓝底白字车牌区域为例说明彩色像素点统计分割方法。CCD摄像头拍摄的头像一般为RGB