数字图像处理-车牌识别.ppt

图像模式识别应用 专题：车牌识别技术 图像分析处理技术的综合应用 一、车牌识别技术简介 车牌识别是现代交通管理的重要措施，是智能交通系统的重要环节 内容： 车牌识别系统是采用数字摄像技术和计算机信息管理技术，对运行车辆实现智能管理的综合运用技术 理论基础：数字图像处理和模式识别 车牌识别技术具有典型性，容易推广到其它识别对象 主要应用领域 主要应用场合 (1) 公安卡口 (2) 高速公路收费管理 (3) 城市道路监控系统(电子警察) (4) 海关车辆管理 (5) 停车场管理 (6) 车辆流量统计 车牌识别技术现状 完整的车牌自动识别系统由图像釆集、图像处理、模糊识别等模块组成； 在现有的技术条件下，车牌识别系统均无法达到100%的识别率，好的识别系统可达95%以上； 先进识别系统的识别时间在一百毫秒以下； 基于视频技术的识别系统，可方便地进行图像回放、检索； 其它识别系统：条形码识别、射频标识识别等。 有关识别率的统计数据 各环节的识别率： （1）牌照定位 98% （2）单字分割 97.8% （3）车牌识别 95% 从上面统计情况可看出，目前单项识别率均达到95%以上，但总识别率仅能达 91%以上，仍需进一步提高。 系统组成 车牌识别系统组成 识别流程 主要由三部分组成 图像捕获一般采用CCD摄像头，包括整车图像或牌照(一般为彩色图像) 后两步由计算机实现 关键部分是第三步：字符识别（OCR） 识别步骤 具体识别步骤如下(不是唯一的)： (1) 获取整车或局部图像； (2) 对获取车辆数字图像进行预处理； (3) 车牌定位； (4) 二值转换； (5) 车牌分类； (6) 车牌分割； (7) 字符识别； (8) 结果优化(车牌模糊识别)。 二、车牌定位与分割 车牌定位：通过车牌区域的特征来判别牌照的位置，将车牌从图像中分割出来 步骤： (1)彩色图像灰度化 (2)图像增强 (3)边缘检测 (4)模板匹配 (5)输出牌照子图像 CCD 输出 CCD捕获的汽车图像 灰度图像 彩色图像灰度化 灰度增强 灰度增强改变对比度 边缘提取(方法多种) 定位、分割后输出 下步工作是对分割输出进行字符识别 车徽边缘提取与识别 1、彩色图像灰度化 CCD摄像头输出的图像一般是24位真彩色图像，需进行灰度化，使不同颜色车体统一化，同时实现快速处理 两种制式都可以采用 PAL制： 亮度 NTSC制：亮度 2、对比度增强 利用灰度变换增强对比度，突出车牌区 一般采用截取式变换 ： 常采用下式 3、边缘检测 主要方法 (1) 对图像进行直分析处理 (2) 提取车牌区域边界 (3) 灰度点运算 (4) 模板匹配 (5) 算子法 (6) 形态学处理 (7) 其它边缘提取方法 车牌图像特征 车牌定位与分割的理论与方法是根据车牌图像的特点来确定的 车牌图像主要特征有： (1) 车牌区域内的边缘灰度直方图统计特征 (2) 车牌的几何特征 (3) 车牌区域的灰度分布特征 (4) 车牌区域的水平、垂直投影特征 (5) 车牌形状特征和字符排列格式特征 (6) 车牌的形态学特征 (7) 频谱特征 车牌图像的组成 组成：省份汉字(或其他汉字)+字母或阿拉伯数字，共7位，即 X1X1?X3X4X5X6X7 例：川A?K0387 尺寸：宽 45mm、高 90mm、间隔符宽10mm、单元间隔 12mm 字符笔画在竖直方向是连通的 牌底与字符颜色对照大，边缘非常丰富 四类：蓝底白字、黄底黑字、黑底白字、 白底黑字 定位分割难点 抓拍图像受环境因素干扰，特别环境光的干扰，环境光太强时，图像淡薄，对比度变差； 车尾有其它字符，使车牌定位困难； 车牌大都存在污染而变脏； 车牌部分被遮挡； 车牌图像为运动图像，拍摄时产生失真。 环境光太强 文字干扰 车牌污染 部分被挡 运动失真 梯度法边缘提取 梯度法(一阶偏微分)又称 Roberts算子 一种利用局部差分法提取边缘(锐化)的方法 边缘模板法 边缘模板是一种算子，常用的有Sobel算子 Sobel算子是一种由两个卷积构成的梯度模板 分别检测水平边缘和垂直边缘，运算结果是一幅边缘图像 Prewitt算子边缘提取 与Sobel算子类似，这也是一种边缘模板，仅是模板权系数不一样 输出： 快速边缘检测 在车牌系统中还常采用一种更简单的模板来提取边缘(对于有干扰的图像效果不理想) 特点：运算速度快，车牌笔画轮廓突出，而车体其他部分轮廓不突出 掩模匹配法 锐化：罗比逊模板、普雷外特模板、柯赤模板 上述三种模板均可用于边缘提取，车牌检测常用柯赤(Krisch)模板,由8个算子组成 高斯-拉普拉斯算子法 二阶微分算子 该算子对噪声不敏感(5×5) 输出: