本文应用图像处理技术车牌定位技术车牌分割技术字符 .doc

车牌识别 本文应用图像处理技术、车牌定位技术、车牌分割技术、字符特征提取方法、神经网络识别技术等来解决车辆牌照识别问题，首先将图像进行灰度化、灰度拉伸、中值滤波的预处理方法，很好地消除了图像的噪音，强化了纵向纹理区；通过对车牌特征和定位技术的深入研究，提出了基于水平扫描和垂直投影法的车牌定位方法，能够很准确地搜索到车牌区域；基于车辆牌照的一些结构特点及先验知识，完成了基于投影直方图的车牌字符分割域；最后对神经网络的构成以及相关的理论进行了讨论，着重分析了神经网络的理论原理和在字符识别中的应用方法。 例如车辆牌照中省份汉字的识别问题，1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的.根据汉字的投影直方图(Projection Histogram)，选取浮动阈值，抽取汉字在y方向的峰值，利用树形查表法进行汉字的粗分类；然后根据汉字在x方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别. 车牌字符识别系统的字量小，包括50多个汉字，24个大写英文字母，10个数字，总共仅80多个字符。而且车牌的制作有国家统一的标准，字符的大小一致，字型统一。相对于普通的字符识别，难度降低了。但从实用的角度看，车辆牌照识别系统应该是一个全自动的、实时的系统，因此要求有较高的识别速度和正确率。 目前牌照自动识别技术尚未达到很完美的程度，但是在国外由于高速公路和收费停车场发展较早，己经成功地开发了一些类似的自动系统。 虽然，国外汽车牌照识别系统的研究工作有一定进展，但并不尽合我国国情，这主要是因为以下五个方面的原因: (1)我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度; (2)国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色(例如韩国，其车牌底色为红色，车牌上的字符为白色)，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、白等若干种颜色: (3)其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上的字符排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(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唯一: (5)由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下，国外发达国家不允许上路，而在我国仍可上路行驶。 由于我国汽车车牌识别的特殊性，采用任何一种单一识别技术均难以奏效。 车牌识别系统包括车牌的定位与分割和车牌字符的识别。这两部分是相辅相成，缺一不可的。车牌定位与字符分割是为字符的识别做准备，是字符识别精确的前提保证，而字符的识别则是关系到最终输出的识别结果。 具体实现方法是: 车辆牌照的定位 (1)车牌定位与分割 采用直方图均衡化算法作灰度拉伸，进行二值化处理，设计一个特征函数，通过对原图片进行特征运算从而求出特征图片，对特征图片进行水平扫描和垂直投影从而确定牌照所在位置。 (2)车牌字符分割 根据车牌图像中单字符的先验知识和特征并根据垂直方向上的投影特征，对切割后的牌照进行单字符分割。 基于神经网络的车牌字符识别 (1)字符预处理 对字符进行归一化的处理。 (2)特征的提取 应用字符的外围轮廓法和投影浓度法对字符的特征进行提取。 (3)分类器的选取 应用神经网络的容错和自适应的特征，结合网孔法和扫描法对所识别的字符进行并行和串行的多识别融合方法识别字符，缩小识别字符集中字符的数量。对BP算法作了改进，使类间距离扩大，类内距离缩小并以此提高识别的速度。 1. 车牌图像预处理 通过像机拍摄的车牌图像，由于周围环境不同，得到的图像效果也大不一样，而且天气的原因也会造成图像受到噪声干扰，以及引起较大的字符变形和笔划断裂，常常不能直接用于车牌定位等处理，因此在进行车牌定位之前要进行图像预处理，平滑图像、剔除噪声、弱化背景、增强字符区域。从摄像机获得的含车辆的图像一般是彩色图像，车牌识别系统处理的是灰度图像，因此应将图像转换为灰度图；其次，对于雨雾天气拍摄的图像需要进行去噪处理，减少噪声；对于夜间拍摄的图像，除去噪外，还要进行图像增强，凸现灰度值比较高的区域，弱化背景。 1.1 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，我们用g来表示。由彩色转换为灰度的过程叫做灰度化处理。由于彩色图像的存储往往占用很大的空间，在对图像进行识别等处理中经常将彩色图像转换为灰度图像，以加快后续的处理速度。R、G、B的取值范围是0~255，所以灰度的级别是256级。灰度化的处理方 法主要有如下三种： 最大