精读论文《车牌识别系统中车牌定位算法的研究》.docVIP

精读论文《车牌识别系统中车牌定位算法的研究》 数字图像处理课程论文 ──车牌识别系统中车牌定位算法的研究 学院及班级： 计算机与信息学院 信息091班 学号： 3090702116 姓名： 杜士怀 辅导老师： 李钧 车牌识别系统中车牌定位算法的研究 一、 研究内容 二、 研究背景 随着国民经济的飞速发展，我国的汽车数量迅速增加，2009年度我国的汽车产业达到了空前的高度，不管是产量还是销售量都居世界第一位，超越了美日等汽车高度发达的国家;与此同时我国政府在公共基础设施的建设上也加快了步伐。高速公路、立交桥、停车场越来越多，但是与其配套的车辆管理系统却没有紧紧跟上其发展的步伐，显得相对落后，仍然停留在以人工管理为主的阶段。因此，如何实现道路交通管理的自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力，提高公路的使用效率变得越来越重要。各种智能交通系统(IntelligentTransportationSystem，ITS)因而相继产生。由于汽车牌照是确定汽车的有效手段，因此，车辆牌照识别技(LicensePlateRecognition，简称LPR)在智能交通管理中发挥着基础性的重要作用，它作为城市智能交通系统中信息采集的一种 手段，得到了飞速的发展。一些实用的车牌识别技术开始应用于车流量的监控、城市交通路口的“电子警察”、高速公路的出入控制、高速公路和停车场的电子收费、移动稽查、超速检测等场合。 三、 主要方法 一般来讲车牌识别系统主要包括以下三个部分:车牌定位、车牌的字符分割和字符识别。车牌定位的任务就是确定出车牌在图像中的具体位置;车牌字符分割的主要任务是将定位出来的车牌区域中的字符一一切割出来，其中包括对车牌的预处理以及倾斜校正等工作;字符识别是车牌识别技术的最后一步，它的任务是将切割出来的字符一一识别出来，并输出车牌号码。在车牌识别系统的车牌定位、车牌字符分割和字符识别三个关键的阶段，目前应用的算法都有很多。本论文的重点就是在对各种车牌定位算法进行理论分析和仿真试验比较的基础上，对各种车牌定位先进技术和经典算法进行充分整合优化，从而确定出车牌定位的最优化算法。 1、车牌图像的预处理 （1）车牌区域特征的分析 ㈠ 颜色特征 ㈡ 几何特征 ㈢ 纹理特征 ㈣ 车牌区域的位置特征 （2）图像的灰度化 在图像的灰度化中使用到的处理方法： ㈠ 最大值法 ㈡ 平均值法 ㈢ 加权平均值法 （3）边缘检测 两个具有不同灰度值的相邻区域之间总是存在着边缘，边缘就是灰度值不连续的结果，是图像分割、纹理特征提取和形状特征提取等图像分析的基础。这种灰度的不连续可以利用求导数的方法来方便地检测到: 一阶导数可以用于检测图像中一个点是否是边缘点，二阶导数的符号可以用于判断边缘像素是在边缘亮的一边还是暗的一边。 为了对有意义的边缘点进行分类，与这个点相联系的灰度级必须比在这一点的背景上的变换更有效，我们通过门限方法来决定一个值是否有效。所以，如果一个点的二维一阶导数比指定的门限大，我们就定义图像中的次点是一个边缘点，一组这样的根据事先约定好的连接准则相连的边缘点就定义为一条边缘。 下面简单介绍几种常用算子： ㈠ RobertS算子 ㈡ Sobel算子 ㈢ Prewitt算子 ㈣ LOG算子 ㈤ Canny算子 ㈥ 拉普拉斯算子 用这几种边缘检测算子对同一幅车牌图像进行边缘提取的结果进行对比，发现canny算子对车牌处理效果最好。这种方法不仅在车牌边缘的提取上用到，在处理汽车图像方面也很有用。 （4）滤波 实际获得的车牌图像在形成、传输、接收和处理的过程中，不可避免地存在着 外部的干扰和内部的干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过 程中产生的量化噪声、传输过程中的误差及人为的因素等，均会存在着一定程度的噪 声干扰。噪声降低了图像的质量，使图像变得模糊，特征淹没，这给分析带来了一定 困难。因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。消除图像噪声 的工作被称为图像平滑或滤波。图像平滑的目的有两个:改善图像质量和抽出对象特 征。 滤波的方式有两种，一种是空间域滤波，一种是频率域滤波，常用的滤波有高 斯滤波、均值滤波、中值滤波、维纳滤波(最小均方差滤波)、Gabor滤波。在空间域， 常见的滤波方式有两种方式，均值滤波和中值滤波。 ㈠ 线性平滑滤波 Ⅰ、线性低通滤波 Ⅱ、维纳(Wiener)滤波 ㈡ 非线性平滑滤波(中值滤波) 由结果可以看出，中值滤波不像均值滤波那样，它在衰减噪声的同时不会使图像 的边界模糊，这是中值滤波受欢迎的主要原因。一般来说，小于中值滤波器面积的一般的亮或暗的物体基本上会被