数字图像处理之车牌提取.pdfVIP

车牌提取 本文介绍了车牌定位的各种算法及发展，并利用 matlab 软件对一幅车头照片进行了车 牌区域的定位。 一、前言 数字图像处理技术的发展十分迅速， 最初应用在空间探索及医学领域， 如今， 它已经成 为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学 习和研究的对象。同时， 随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的 研究变得十分迫切。 利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组 成部分。 要实现交通智能化， 首先要能获得道路交通状况和车辆情况的相关数据， 因此车辆牌照 的识别智能交通领域的一个重要研究课题之一， 是实现交通智能化的一个重要环节。 要想准 确识别出车牌的数字， 首先必须要能在含有车牌的图像中定位出车牌的位置， 才能进行进一 步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。 二、相关理论介绍 （一）车辆牌照的特点 现在我国车牌有 4 种类型： （1）小功率汽车使用的蓝底白字牌照； （2 ）大功率汽车使用的黄底黑字牌照； （3）军、警用的白底黑字、红字牌照； （4 ）国外驻华机构使用黑底白字牌照。 这些牌照的长度均为 45cm，宽为 15cm，共有字符 7 个。一般民用牌照第一个字符为汉 字，且是各省市的简称；第二个字符为大写英文字母，如“ E”；第三个字符是英文字母或阿 拉伯数字，第四至第七个字符为阿拉伯数字，如“沪 E 30265 ”就是最典型的车牌符号。车 牌的位置一般在汽车的下方。 （二）车牌定位算法的发展现状 车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。 图像预处理就是要获得有用的图像的边缘， 并将其二值化； 车牌搜索则是搜索整幅图像 以得到有可能包含车牌的若干感兴趣区域； 车牌定位则是根据车牌的特征对提取出的感兴趣 的区域进行鉴别和剔除假的车牌 , 从而提取到真正的车牌。 相较于车身其他位置， 车牌区域有其自身特点， 主要有车牌底色与车身颜色， 字符颜色 有较大差异； 车牌的矩形区域内存在较丰富的边缘， 呈现出规则的纹理特征； 车牌内字符之 间的间隔比较均匀， 字符和牌照底色在灰度上存在跳变； 图像中牌照长宽比的变化有一定范 围等。 这些都为车牌定位分割提供了先验知识。 但是， 摄像机获得的图像含有丰富的自然背 景及车身背景信息， 易受照明、 天气条件及运动失真和模糊的影响， 同时由于在野外环境下 使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。 目前较为成熟的车牌区域定位算法有自适应边界搜索法、 区域生长法、 灰度图像数学形 态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。 这些方法都有各自的优点， 但是在实际应用中也存在着一些不足之处。 例如， 对于基于 纹理的分割方法， 图像中很可能不止一个区域具有车牌区域类似的纹理特征， 难以准确找到 车牌位置。 这些方法对图像也有各种不同的条件限制， 如对车牌倾斜度的要求。 一旦条件发 生变化， 车牌定位效果明显下降。 应用边缘检测的分割方法时， 由于许多汽车前部散热器产 生的垂直边缘和某些牌照边框的扭曲或某些汽车牌照没