汽车车牌识别系统的设计文献综述.doc

PAGE \* MERGEFORMAT 2 计算机图形学 课 程 设 计 题目名称： 汽车车牌识别系统的设计综述 班 级： 学 号： 学生姓名： 汽车车牌识别系统的设计综述 摘 要 车牌的自动识别是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一, 是实现交通管理智能化的重要环节, 主要包括车牌识别、字符预处理和特征提取三个关键环节。 车牌识别包括车牌定位、灰度（或彩色）图像二值化、字符切分及字符识别等。 图像预处理包括图像灰度变换、图像增强、图像二值化、梯度锐化、噪声去除、倾斜度调整、车牌边框去除、字符分割、尺寸标准归一化、紧缩重排。 特征提取本文采用逐象素特征提取法来对支付进行识别。 理论上，本系统可以对中国大陆普通汽车车牌的字符进行识别。 关键词：车牌识别，图像预处理，特征提取 引 言 1.1 问题概述 随着我国汽车产业的飞速发展，大量在公共场合的汽车需要得到监管，为了更好地进行管理，必须对车辆进行一种确认，而车牌识别就是其中最有效的确认方法，汽车车牌识别VLPR 是Vehicle License Plate Recognition 的简称，他是智能交通系统(Intelligent Transportation Systems，ITS)的一个重要组成部分。车牌识别技术的运用使得“大输入小输出”成为了可能——输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。车牌识别技术在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。 1.2 目的和意义 　　车牌识别LPR[1]是智能交通系统(ITS)的一个重要组成部分。在社会生活，治安管理等方面有很大的作用。车牌识别技术的运用使得“大输入小输出”成为了可能——输入一幅很大存储量的图像，输出时仅仅是很小存储量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。 由于光照、气候引起的车牌图像上字符光照不均，车牌本身污损造成的字符笔画不清和字符间粘连，汽车行驶速度较快，使拍摄出的车牌字符产生变形、模糊不清，因此图像需要增强。另外又由于拍摄角度及拍摄点的高度、路面的倾斜等情况造成了车牌图像的倾斜，从而需要对车牌进行校正。另外字符的识别也是一个重点问题。 1.3 思路和方法 　　借助数字图像处理和模式识别技术，我们对车牌图像依次进行以下处理：彩色的256 色的BMP 图进行灰度转换－图像增强－图像二值化－梯度锐化（Roberts 梯度算子）-离散点噪声去除-倾斜度调整-边框切除-字符切割-字符尺寸归一化-字符紧缩重排-神经网络的字符识别，最后得出车牌字符。 正 文 2.1 模式识别概述 2.1.1 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。 模式识别在数字图像处理和分析中占有非常重要的地位，识别所得到的结果往往接近于甚至就是整个数字图像处理和分析的最终结果。模式识别属于图像分析的范畴，它所得到的结果是一副由明确意义的数值或符号构成的图像或图形文件，而不再是一副具有随机分布性质的图像。模式识别的目的是对图像中的物体进行分类,或者可以说找出图像中有哪些物体。分类的依据是从原始图像中提取的不同物体的特征，包括光谱特征、空间纹理特征和时间特征等。因此，模式识别包括特征提取和分类两方面的内容[2]。 2.1.2 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[2]。 2.1.3 模式识别的应用 1.字符识别 2.生物特征提取 3.遥感应用 4.医学诊断[2] 2.2 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