数字图像处理车牌识别试卷.ppt

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: 哈夫(Hough)变换提取直线 利用图像全局特性将边缘像素连接起来形成区域封闭边界的一种方法 原理：将二维空间(x,y)平面中的直线用二维极坐标(ρ,θ)空间表示 将直线 表示为： 即将(x,y)平面的直线变换为r-θ空间的一个点 该方法亦用于倾斜校正 哈夫(Hough)变换原理 模板匹配 用与图像中车牌一样大小的已知模板，在经对比度增强后的图像中，从起点(0,0)开始，逐步平移一一匹配，寻找最佳区域 匹配公式： 最大值为输出 已知模板并不是某个具体的车牌，而是具有车牌统计特性的通用模板，是一种模糊匹配 形态学处理确定车牌位置 将图像二值化,通过膨胀、腐蚀操作定位 车牌定位算法之一 (1) 对原始图像进行基于方向区域距离测度的彩色边缘检测得到原始边缘图像 (2) 对原始边缘图像中的每一边缘点进行边缘颜色对检测，获得候选车牌边缘图像 (3) 对候选车牌边缘图像进行闭运算获得连通域图像 (4) 计算各连通域的宽高比，剔除不在阈值范围内的连通域，若只剩下一个连通域，则可确认为车牌区域，转(7) 车牌定位算法之一 (5) 若还有多于一个连通域，则计算r。剔除不在阈值范围内的连通域，若只剩下一个连通域，则可确认为车牌区域，转(7) (6) 若还有多于一个连通域，则对其进行彩色边缘检测然后进行水平扫描，统计每行灰度值为1的个数N，如果有连续M行以上N∈[n1,n2]，则可认为此连通域为车牌区域 (7) 在原始图像中提取车牌图像 其它方法：自适应边界搜索法 利用倒L型、水平直线、垂直直线这些结构元素搜索、定位字符，然后找出符合一定格式的字符群，即认为是车牌。 其它方法：区域生长法 对边缘图像进行均匀性区域生长，以获得潜在的车牌区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，获取真实车牌。 其它方法：形态学运算法 灰度图像数学形态学运算法则利用车牌形状特征、字符排列格式特征，对预处理后的灰度图像进行一系列的形态学运算，得到直线与一定数目的字符相邻的区域即认为是车牌。 其它方法： DFT变换法 DFT变换法是先对图像逐行做DFT变换，然后把频率系数逐行累加平均并根据这些平均值做出频谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐行做DFT变换可确定车牌竖直位置。虽然上述车牌定位算法已在实践中取得成功，但对于车辆实时监控系统来说上述方法所需的时间仍然偏长。 其它方法：图像差分投影法 基于图像差分投影法：将车辆灰色图像按水平方向求差分图，然后按垂直方向求差分，最后对差分后的车辆图像分别在水平和垂直方向投影，按照给定的车牌尺寸范围找出可似车牌区域； 按照水平和垂直方向投影得出有可能的车牌区域有三个，包括两个车灯区，由于车灯区在尺寸和字符数上不符合常规车牌特征，所以即可排除，从而仅剩下唯一的车牌区域，再从灰色图像中切出真正的车牌区图像。 三、车牌字符识别技术 与通用的OCR识别方法类似 模板匹配法 首先对字符二值化，并归一化字符尺寸，然后进行模板匹配，选取择最匹配输出 神经网络匹配法，两种算法： (1) 先对各字符进行特征提取，利用特征训练网络分类器，然后用分类器识别字符 (2) 由网络对输入图像自动提取特征并识别 1、预处理 车牌经定位、分割检出后，基本上具有被识别的条件，但还需做适当预处理 预处理： (1) 图像二值化 在彩色图像灰度化后，因车牌类型不同，会出白底黑字和黑底白字两种，需要统一为一种 (2) 字符分割 2、二值化 二值化的关键是阈值的选择 二种方法：全局阈值、局部阈值 全局阈值 其中hl是灰度值为l的像素个数。 3、倾斜校正 提取的车牌图像有可能是倾斜的，为了便于识别，需对图像进行倾斜度校正 方法：哈夫(Hough)变换 计算车牌图像上、下边界直线 计算边界直线的倾斜度 P 倾斜度校正 拍摄造成的倾斜字符 二值化后的倾斜字符 4、尺寸归一化 字符的大小归一化可以简单地用统计分析法来完成 归一化内容: (1) 位置归一化，即把字符移到规定的位置上， 使字符的质心对中，也可字符边框定位 (2) 大小归一化，使被识别字符具有同样大小 5、字符识别 识别方法较多 匹配法识别 采用相关函数作为相似度测度 其中，T为模板，S为模板覆盖下的图像子块，i、j为子块左上角坐标，M、N为模板长和宽 6、字符优化 按照上述车牌定位和切割方法取得的单个字符图像，可能存在字符与边框相连、字符变形和字符断裂等情况，为此在真正识别之前需要对字符位图作进一步的技术处理； 常用的方法是将用于识别的字符位图按新的点阵大小重新采