车牌识别系统论文.doc

华 北 水 利 水 电 大学 研 究 生 结 课 论 文 姓 名 高阳 学 号 201220959409 专 业 计算机技术 性 质 国家统招（√）单 考（ ） 工程硕士（ ）同等学力（ ） 科 目 计算机视觉与模式识别 任课老师 杨阳蕊 成 绩 一种简易车牌识别算法及其探究 【摘要】：本文介绍了一种标准车牌中简易的识别算法。与传统的数字识别方法相比较，其效率较高。该算法利用对字符二值化后的图像作特征向量，并用最近邻法实现字母的识别。利用该方法时，由于图像是不规则的，则需对识别字符进行规整提取处理， 减少了因图片不规则而引起的误识，降低了（对字符作特征向量时）算法复杂度。经试验验证，效果良好。 【关键字】：字符识别；二值化；特征向量；最近邻；欧氏距离 引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。 本文主要探究车牌中非汉字的字符识别。在有关字符识别的大型系统中，通常采用的是神经网络算法，但这种算法计算量比较大，实现起来较复杂。而车牌中，非汉字字符个数有限，利用神经网络算法识别车牌中非汉字字符则显得大材小用，而很多字符识别算法又需要大量的预处理运算,包含图片二值化、去噪、规整、细化、轮廓提取、模板匹配等,使得识别的运算量大大增加。本文主要使用相应字符形状特点来构建字符的特征向量，通过对待识别对象进行特征提取，利用最近邻法,通过比对模板特征向量和待选字符特征向量之间的距离，即可对车牌非汉字字符快速准确的识别，并降低了算法复杂度。 实现方法 设计思想 在车牌识别中，由于图像本身受到各种自然因素或设备因素的影响，图像的清晰度往往不是很理想，有时还会带有较明显的图像噪声，使真实信号与理想信号之间存在偏差，若不对图像进行预处理，这将给后续的识别模块带来严重影响，最终可能造成识别错误。因此，识别前要对图像进行预处理成不含噪声的较易识别的图像。预处理的好坏一定程度上影响到字符识别的正确率。另外，基于所研究字符图像的特征，在不丢失字符基本信息的情况下，首先将每个图像处理为和字符等高等宽的m 行n 列的二值图像，取每个图像的6条特征线，构成一个字符的向量，然后对每个图像分别用同样的方法处理，最后取平均值，从而得出一个字符的特征向量。用同样的方法求得其它字符的特征向量。用最近邻法判断待测样本，以观察匹配效果。 实验流程图 设计过程 图像预处理 图像预处理是对输入的图像进行一系列变换处理，使之成为符合字符识别模块要求的图像，即将把待识别的字符从背景中分离出来。图像预处理首先需要将待识别的字符从输入的灰度图中分割出来。利用对比度线性展宽对分离后的图像进行图像增强,利用高斯平滑滤波器,对图像进行规整,除噪等操作。经试验验证,通过以上处理即可得到较清晰的图片,且效果良好。 灰度图像二值化 所谓图像二值化就是指将灰度图转化为只含有两种灰度值的图像，即每个像素点不是黑就是白,灰度值没有中间过渡的图像。这就需要找一个合适的阈值,并利用阈值方法将背景与字符良好的区分。阈值方法的核心就是阈值Th的确定方法。常用的阈值确定方法有：p参数法、均匀性度量法、类间最大距离法、最大类间类内方差比法、聚类方法等。基于所处理图像的特征,本文给出一种简易有效的确定阈值的方法,即求所处理图像的灰度直方图中的最大值和次大值，利用最大值和次大值的平均数作为二值化中的阈值。设原图像为，经过分割处理后的图像为即为二值图像，则将图像二值化的数学表达式则有： 其中Th为二值化的阈值。通过二值化处理，也可以去除或减轻部分噪声,至此获得的图像已基本上满足识别模块的要求,为了使识别模块具有统一的评判标准，需对二值化后的图像进行字符提取,使其拥有和字符相同的尺寸。这样才能使提取出来的特征量具有良好的区分能力。 图像经过上述步骤处理后，已经从带有噪声的灰度图像转变为符合识别要求的图像。该图像为只包含0和255两种灰度值的二值图像，并且具有和字符等大小的统一的尺寸。而且在预处理环节中，已最大限度地去除了输入图像中的噪声，在保持字符原本信息不丢失的前提下，把待识别的字符从背景中成功