图像分析课程设计车牌识别系统摘要文章从车牌定位、车牌字符分割.docVIP

图像分析课程设计 PAGE PAGE 8 车牌识别系统 摘要：文章从车牌定位、 车牌字符分割和车牌字符识别 3个阶段对车牌识别技术进行了深入研究，并用MATLAB进行了仿真。 关键词：车牌识别，车牌定位，车牌字符分割 1 引言 车牌是一辆汽车独一无二的信息，因此 ，对车辆牌照的识别技术可以作为辨识一辆车最为有效的方法。随着 ITS(智能交通系统)的高速发展，对车牌识别技术的研究也随之发展。从根本上讲，牌照识别应用了先进的图像处理，模式识别，人工智能技术来获取，处理，解释，记录拍照的图像。目前，牌照识别技术已经广泛而成功的应用于高速公路的监测，电子收费，交通违规管理，安全停车管理，偷盗车辆辨识等重要领域。 车牌识别系统一般包括以下几个部分，见图1。 图1 车牌识别系统 主要研究内容如下: 1.车牌的定位研究。先进行图像的预处理，包括:RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化等;车牌定位采用基于水平和垂直投影分布特征的方法。 2.字符分割的研究。先对定位后的车牌图像进行预处理，然后按照车牌的先验信息,用区域增长算法来确定候选车牌的字符区域。 3.字符识别的研究。对于提取出的单个字符，先进行归一化操作，再与给定的模板做对比，识别出字符。 2. 图像的定位 2.1 图像的预处理 一般情况下，由CCD采集到的图像会有不理想的情况 ，如光线过强，或者偏弱，这些都会对后续的图像处理产生一向。而且车牌位于车身下部，靠近散热片，对比度较差，此时若直接对灰度图像进行定位会有不小的困难，为了获得较好处理的灰度图像，在对CCD采集的原始图像进行灰度化后，要对其灰度转换。 首先对图像灰度拉伸，使灰度级占据 0--255整个区域，这样做的目的是为了减少光线过强，或者偏弱时造成的灰度级过少．本文直接采用直方图均衡化，这样处理简单，运算量小，效果也较理想。 2.2 边缘提取 对图像进行边缘提取，边缘提取的最大好处就是能够突出边缘区域，同时使背景图像中无关的部分暗淡。由于车牌部分是边缘相对集中的区域，在对其边缘分割后，可以看到车牌部分很明显的突现出来。实现方法中，我们采用了水平差分算法，它利用图像后一列像素减去前一列像素，从而得到边缘图像。再对所得的图像二值化处理。实验结果如图1所示 图1 边缘提取后的图像 由图可见，图像经过差分二值后，车牌区域明显可见。 2.2 车牌边界的确定 由于车牌一般是由字符 、背景和边框组成 ，提取图像的边缘图像后，在字符与背景处就形成了较强的边缘。再考虑汽车本身的特点 ，通常车牌位于汽车缓冲器上或附近，靠近整幅图像的下部，在往下便是路面，路面一般是比较光滑，因此可以在边缘提取时就很有效的将这部分杂质滤除掉，而使干扰图像的噪声处于车牌之上，如车灯，或散热片。由此，我们采用由下而上的扫描的方法。首先，对边缘图像的象素沿水平方向累加产生一个投影图，如图2所示。 图2 粗略定位的水平投影图 由投影图可以看出有车牌字符的地方，灰度值较高，而且处于图像的下部。 故此，先进行粗略定位，找寻水平投影图大于3分之2最大值的点，找到改点对应的横坐标的最大值，记录坐标。该点记为车牌的下边界。根据车牌的几何特征（在初始处对图像进行归一化处理统一成1000×800的大小），车牌高度大约占100个像素，考虑到噪声等因素的影响，粗略将上下边界分别定义为最大值－120，最大值＋50。 在上下界粗定位的基础上进行精细定位，即对图像再进行水平投影，找寻大于3分之2最大值的点，记录改点所对应的横坐标的最大值和最小值，那么此两点为车牌的上下边界点。如图3所示 图3 精细定位的水平投影图 在定位出上下边界后，再对特征图像进行垂直投影 , 得到投影图后，对投影图进行处理，重复水平定位的理念，找寻大于3分之2最大值的点所对应的横坐标的最大值和最小值，即为车牌的左右边界点，完成定位。为了之后字符识别的更好处理，在这里，本人根据找寻的边界点，对该灰度增强后图进行定位。如图4所示 图4 垂直投影图 3 字符分割 区域增长的基本思想是将具有相似性质的象素集合起来构成区域。首先在待分割的每个区域中选择一个种子点作为增长的起始点，然后在种子点的领域中搜索那些与种子点的相似特征度满足指定增长准则的象素 ，并与种子点所在区域合并。此时将新合并的象素作为新的种子点，继续以上搜索和合并过程，直到没有可以