车牌识别综合实验报告大作业.doc

数字图像处理综合实验报告 车牌识别技术（LPR） 组长：__ ******_____ 组员：___ _****** _ 　　　 ___ _******_____ 　　　 ____ _*******___ 指导老师：___ *******_____ *****学院****学院 2010年6月10日 实验五　车牌识别技术（LPR） 评定类别 自评 互评 教师评价 总评 分数 优 优 成员 （按完成量排序） **** **** ***** ***** 完成情况 编程、ppt、报告 编程、报告 ppt 收集材料 一、实验目的 1、了解车牌识别系统的实现，及车牌识别系统的应用； 2、了解并掌握车牌识别系统如何实现。 二、实验内容 1、车牌识别系统的图像预处理、车牌定位、字符分割字符识别车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，它能够自动地摄取车辆图像和识别车牌号码，可应用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。  用逆滤波处理消除匀速运动造成的图像运动模糊 2）图像去噪。 通常得到的汽车图像会有一些污点，椒盐噪声，应用中值滤波 3）图像增强 自然光照度的昼夜变化会引起图像对比度的不足，所以必须图像增强，可以采用灰度拉伸，直方图均衡等 通过以上处理，提高了图像的质量，强化了图像区域。 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频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，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 图像的灰度化 图像灰度拉伸 对图像进行边缘检测 采用Sobel算子经行边缘检测 　该算子包含两组3*3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像，其公式如下: 　　 and 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。 然后可用以下公式计算梯度方向。 在以上例子中，如果以上的角度等于零，即代表图像该处拥有纵向边缘，左方较右方暗。 对其进行二值化 纹理分析法 行扫描行法是利用了车牌的连续特性。车牌区域有连续7个字符，而且字符与字符之间的距离在一定范围内。定义从目标到背景或者从背景到目标为一个跳变。牌照区域相对于其它非车牌区域跳变多，而且间距在定范围内和跳变次数大于一定次数，并且连续满足上述要求的行要达到一定的数目。 从下到上的顺序扫描，对图像的每一行进行从左向右的扫描，碰到跳变点记录下当前位置，如果某行连续20个跳变点以上，并且前一个跳变点和后一个跳变点的距离在30个像素内，就记录下起始点和终止点位置，如果连续有10行以上这样的跳变点，我们就认为该区域就是车牌预选区域。 3、字符分割： 车牌区域灰度二值化 确定字符上下边框和去除铆钉和车牌垂直投影 字符分割难点 由于铆钉和周围其它干扰像素的原因，使得垂直投影中，铆钉会对图像的分割起干扰作用，所以要先去除铆钉和确定字符上下界。 方法：将图片看成是一个平面。将图片向水平方向投影，这样有字的地方的投影值就高，没字的地方投影得到的值就低。这样会得到一根曲线，像一个又一个山头。下面是我手画示意图： ?????然后，用一根扫描线（上图中的S）从下向上扫描。这个扫描线会与图中曲线存在交点，这些交点会将山头分割成一个又一个区域。车牌图片一般是7个字符，因此，当扫描线将山头分割成七个区域时停止。然后根据这七个区域向水平线的投影的坐标就可以将图片中的七个字符分割出来。 将文字的外边框按比例线性放大或缩小成为规定尺寸的文字图像 简单的采用图像的放大和缩小算法，实现所有字符的同大小，为下一步识别做好准备。 4、字符识别：用采集到的0多幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别，达到了较高的识别率。 2)高斯滤波主要流程图 2、车牌定位 1）Sobel边缘检测主要流程图 2）车牌粗略定位主要流程图 3、车牌分割 1）车牌人