车牌识别技术教案分析.pptVIP

车牌识别技术解析 主要内容 车牌自动识别技术的研究意义与背景简介 车牌自动识别技术概述 车牌定位技术 图像预处理 图像的灰度化 图像的二值化 图像的滤波 车牌搜索与定位 介绍一个车牌定位系统的设计及实现 车牌自动识别的研究意义与背景简介 近来年国内的机动车辆规模大幅度的增加：全国机动车量年均增长率在15%以上 计算机技术在各个领域的不断的广泛的应用使得交通管理手段正从人工管理逐步转变成自动或半自动方式 车牌自动识别技术还在公共安全、交通管理甚至有关军事部门等等都有着非常重要的应用价值 车牌自动识别技术概述 车牌识别系统主要包括以下四个步骤： 这其中的关键步骤为车牌定位。 车牌自动识别技术概述 车牌规格和特征 常见车牌举例 车牌区域有如下的特点： 牌照内有多个字符(一般为7个)，基本成水平排列，形成一个矩形区域 当将图像预处理后，车牌字符灰度值和车牌背景灰度值区别很大，扫描直线通过预处理后的汽车图像时，车牌区域的象素值跳变明显 车牌自动识别正是基于上述特点来展开的 车牌定位技术 车牌定位技术综述 车牌定位子系统通常包括图像预处理、车牌搜索、车牌定位与分割三个部分 预处理又包括灰度化、二值化、滤波等部分 车牌定位技术 图像预处理 图像预处理包括图像的灰度化、二值化、滤波等 图像的灰度化 灰度化的原因 预处理前的图像都是彩色图像 真彩色图像又称RGB图像，用R、G、B三个分量表示一个象素的颜色 彩色图像包含着大量的颜色信息，存储开销 ，处理速度 图像的灰度化 在RGB模型中，如果R=G=B，则颜色表示一种灰度颜色，其中R=G=B的值叫做灰度值 本车牌定位方法中采用的是加权值法，其方法的介绍如果时间允许会在最后给出 图像的二值化 二值图像是指整幅图像画面内仅黑、白二值的图像 优点：处理的速度 、成本 二值化：对于灰度值小于阈值的象素直接设置灰度值为0；灰度值大于阈值的象素直接设置为255 车牌图像二值化成功的标准是：车牌字符与车牌背景被分开 图像的二值化 全局阈值化方法 选择阈值T=Gmax-(Gmax-Gmin)/3 Gmax和Gmin分别是最高、最低灰度值，有关记算较为繁琐，具体可参见论文，由于时间关系，恕不累述 下面将着重介绍在二值化时遇到的问题 图像的二值化 二值化的阈值的成功率会受到光照条件、背景亮度、车牌条件等诸多因素的影响 这时全局阈值化不成功，要对其进行修正 经实验发现这类图像有共同点，可以直接指定阈值 图像的滤波 图像经过灰度化之后，由于图像本身存在许多噪声（图中红框内），还需要进一步处理 滤波的方式很多 滤波效果如图 车牌搜索与定位 前面说过了车牌的特点：字符7个，水平象素值跳变明显 基于如上特点，对已经预处理过的车牌分别进行水平直线扫描和竖直直线扫描，把得到的结果加以分析最终获得车牌 车牌搜索与定位 初步定位算法 首先对预处理后图像进行水平直线扫描 计算扫描每行时的黑白值改变的次数，存在iResult[j]里，j为该行的序号，用一个bool数findPZ作为车牌是否找到的标志 当findPZ为0(车牌尚未找到)且首个iResult[j]超过bottomtest的行，确定车牌底在j行且置findPZ为1 在找到车牌底后，对于黑白值改变的次数小于toptest的行，确定车牌顶 bottomtest和toptest的值由一定量的实验确定 车牌搜索与定位 初步定位示例 车牌搜索与定位 典型的难点的解决： 有强烈的干扰时出现的定位错误 车牌搜索与定位 为了解决这种问题的出现，本人在算法中引入了一个车牌高度判定机制： 在求出pzTop和pzBottom后进行相减判定其差值，小于某临界值(由实验得到)时，忽略当前的干扰字样位置， 重置findPZ，继续搜索车牌 这种方法取得了很好的效果，下面是用了高度判定机制后得到的正确的水平定位 车牌搜索与定位 初步竖直定位与水平定位基本类似 要注意的一个问题：确定车牌的左边缘后，由于字符间有空隙，不能用改变象素小于某临界值的方法确定车牌的右边缘，否则只会得到第一字符 从车牌的特征入手，由大多数车牌的高度与宽度的比例为140：440。利用水平定位时已得到的车牌的高度值lHeight和比例关系得到车牌的宽度值。然后，用车牌的左边缘值加上宽度值就初步得到了车牌右边缘的位置 一个车牌定位系统的实现 车牌自动识别在国内外的研究状况 车牌定位技术研究现状 国外 ： Barroso J等提出的基于水平线搜寻的定位方法 Parisi R等提出的基于DFT变换的频域分析方法 Coetzee C等提出的基于 Niblack 二值化算法 自适应边界搜索算法的定位方法 国内： 基于特征的车辆牌照定位算法 基于变换函数提取车牌的算