汽车车牌识别系统设计文献综述112.docVIP

关于汽车车牌识别系统的进展 张文晓 河北科技师范学院欧美学院 机电科学与工程系 电气工程及其自动化1002 摘要：随着计算机和视频技术的发展，车牌自动识别LPR[1]系统己成为智能交通系统的重要组成部分，并已广泛应用于车辆追查和跟踪、车辆出入控制、公路收费监控等领域。一个车牌识别系统的组成主要有这几个各部分: 图像采集、图像预处理、车牌提取、字符分割、文字识别、结果优化处理。 目前国内外已有很多专业人员开展了车牌识别技术的研发和探索，并取得了一定的成果，在不同的处理阶段提出了很多新的技术和改进算法，不断推动着车牌自动识别技术的发展。一种车牌识别系统的优劣主要从识别速度、识别率和适应性等方面进行判定。车牌识别技术的主要难度在于车身周围环境的不确定性; 车牌字迹的模糊、磨损; 车牌文字的特殊组成( 汉字，字母和数字) 等因素。因此车牌识别技术要符合实际环境的要求，在不断的实践运用中积累经验，改进和提高相关技术水平，以适应对车牌高速、准确的识别要求。 关键词：车牌识别，图像预处理，特征提取 正 文 1.1.1 模式识别概述 　　模式识别(Pattern Recognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。模式识别包括特征提取和分类两方面的内容[2]。 1.1.2 模式识别的步骤 1.特征提取 对于待识别的事物，进行特征提取，这些特征可以应用一定的数学方法通过计算进行量化表示。特征提取过程产生一组特征，组合在一起就形成了特征向量，该特征向量所包含的信息与原始图像相比虽然有所减小，但它却包含了后续分类决策所必须的全部向量[2]。 2.决策分类 确定每个物体应该归属的预定义类别，即每个物体（模式）被识别为某一特定类型，这是通过一个分类过程加以实现的。 1.1.3 模式识别的应用 1.字符识别 2.生物特征提取 2.1数字图像及数字图像处理 图像信息使人类认识世界的重要知识来源，国外学者曾做过统计，人类所获得的外界信息70％以上来自眼睛摄取的图像。在许多场合，没有其他形式比图像所传达的信息更为丰富和真确。而通常意思上的图像都是一些连续的图像，所产生的图像信号也都是模拟信号，由于模拟信号自身的原因和对模拟处理手段的限制，人们把研究对象从模拟领域延伸到数字领域，于是产生了数字图像的概念。本节将概述一下数字图像和数字图像处理[3]。 2.1.1.数字图像的基本概念 一般的图像都是模拟图像，即图像上的信息是连续变化的模拟量。如一幅黑白灰度照片上的物体是通过照片上各点的光的强度不同体现出来的，而照片上的光强是一个连续变化的量，也就是说，在一定的范围内，光强的任何值都可能体现。对于这种模拟图像只能采用模拟的处理方式进行处理，例如按照光学原理用透镜将照片放大。计算机不能接受和处理模拟信号，只有将图像在空间和灰度上都离散化为数字信号后，或者说将模拟图像变换为数字图像方能接受[4]。 2.1.2 数字图像的两种存储形式 位映射图像——即位图图像 2.矢量图像――指用包含颜色和位置属性的直线或曲线（即称为矢量）来描述的一种图像。 2.1.3 数字图像处理的概念 数字图像处理（Digital Image Processing）是一门关于如何使用计算机对图像进行处理的学科，就是对图像信息进行加工以满足人的视觉心理或者应用需求的行为。图像处理的手段有光学方法、电子学（数学）方法。后者正是要讨论数字图像处理，它是使用计算机加工处理图像，通过各种算法来实现对图像内容处理。它通常有一个微型、小型、至大型计算机与图像处理机或有一个专用计算机来执行。 2.1.3.2 数字图像处理的目的 1．提高图像的视感质量，以达到赏心悦目的目的； 2．提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析； 3. 对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 2.1.3.1 数字图像处理的主要内容 1.图像获取、表示和表现； 2.图像复原； 3.图像增强； 4.图像分割； 5.图像分析 6.图像重建； 7.图像压缩编码。 2.2 系统的流程 2.2.1 系统的流程图 系统总流程图 图2.1 系统总流程图 预处理部分流程图 图2.2 图像预处理流程图 字符识别部分流程图 图2.3 字符识别流程图 2.2.2 图像采集（车牌定位） 汽车牌照识别( Car