《本文用图像处理技术车牌定位技术车牌分割技术字符》由会员分享，可在线阅读，更多相关《本文用图像处理技术车牌定位技术车牌分割技术字符（16页珍藏版）》请在金锄头文库上搜索。
1、车牌识别本文应用图像处理技术、车牌定位技术、车牌分割技术、字符特征提取方法、神经网络识别技术等来解决车辆牌照识别问题，首先将图像进行灰度化、灰度拉伸、中值滤波的预处理方法，很好地消除了图像的噪音，强化了纵向纹理区；通过对车牌特征和定位技术的深入研究，提出了基于水平扫描和垂直投影法的车牌定位方法，能够很准确地搜索到车牌区域；基于车辆牌照的一些结构特点及先验知识，完成了基于投影直方图的车牌字符分割域；最后对神经网络的构成以及相关的理论进行了讨论，着重分析了神经网络的理论原理和在字符识别中的应用方法。例如车辆牌照中省份汉字的识别问题，1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在抽
2、取汉字特征的基础上进行的.根据汉字的投影直方图(Projection Histogram)，选取浮动阈值，抽取汉字在y方向的峰值，利用树形查表法进行汉字的粗分类；然后根据汉字在x方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别.车牌字符识别系统的字量小，包括50多个汉字，24个大写英文字母，10个数字，总共仅80多个字符。而且车牌的制作有国家统一的标准，字符的大小一致，字型统一。相对于普通的字符识别，难度降低了。但从实用的角度看，车辆牌照识别系统应该是一个全自动的、实时的系统，因此要求有较高的识别
3、速度和正确率。目前牌照自动识别技术尚未达到很完美的程度，但是在国外由于高速公路和收费停车场发展较早，己经成功地开发了一些类似的自动系统。虽然，国外汽车牌照识别系统的研究工作有一定进展，但并不尽合我国国情，这主要是因为以下五个方面的原因:(1)我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度;(2)国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色(例如韩国，其车牌底色为红色，车牌上的字符为白色)，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、白等若干种颜色:(3)其他国家的汽车牌照格式(如汽车牌
4、照的尺寸大小，牌照上的字符排列等)通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如分为军车、警车、普通车等);(4)我国汽车牌照的规范悬挂位置不唯一:(5)由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下，国外发达国家不允许上路，而在我国仍可上路行驶。由于我国汽车车牌识别的特殊性，采用任何一种单一识别技术均难以奏效。车牌识别系统包括车牌的定位与分割和车牌字符的识别。这两部分是相辅相成，缺一不可的。车牌定位与字符分割是为字符的识别做准备，是字符识别精确的前提保证，而字符的识别则是关系到最终输出的识别结果。具体实现方法是:2. 车辆牌照的定位(1)车牌定位与分割采用
5、直方图均衡化算法作灰度拉伸，进行二值化处理，设计一个特征函数，通过对原图片进行特征运算从而求出特征图片，对特征图片进行水平扫描和垂直投影从而确定牌照所在位置。(2)车牌字符分割根据车牌图像中单字符的先验知识和特征并根据垂直方向上的投影特征，对切割后的牌照进行单字符分割。3. 基于神经网络的车牌字符识别(1)字符预处理对字符进行归一化的处理。(2)特征的提取应用字符的外围轮廓法和投影浓度法对字符的特征进行提取。(3)分类器的选取应用神经网络的容错和自适应的特征，结合网孔法和扫描法对所识别的字符进行并行和串行的多识别融合方法识别字符，缩小识别字符集中字符的数量。对BP算法作了改进，使类间距离扩大，
6、类内距离缩小并以此提高识别的速度。1. 车牌图像预处理通过像机拍摄的车牌图像，由于周围环境不同，得到的图像效果也大不一样，而且天气的原因也会造成图像受到噪声干扰，以及引起较大的字符变形和笔划断裂，常常不能直接用于车牌定位等处理，因此在进行车牌定位之前要进行图像预处理，平滑图像、剔除噪声、弱化背景、增强字符区域。从摄像机获得的含车辆的图像一般是彩色图像，车牌识别系统处理的是灰度图像，因此应将图像转换为灰度图；其次，对于雨雾天气拍摄的图像需要进行去噪处理，减少噪声；对于夜间拍摄的图像，除去噪外，还要进行图像增强，凸现灰度值比较高的区域，弱化背景。1.1 图像的灰度化在RGB模型中，如果R=G=B，
7、则颜色表示一种灰度颜色，其中R=G=B的值叫做灰度值，我们用g来表示。由彩色转换为灰度的过程叫做灰度化处理。由于彩色图像的存储往往占用很大的空间，在对图像进行识别等处理中经常将彩色图像转换为灰度图像，以加快后续的处理速度。R、G、B的取值范围是0255，所以灰度的级别是256级。灰度化的处理方法主要有如下三种：a) 最大值法：使g的值等于三值中的最大的一个，即g =max(R,G,B)；b) 平均值法：使g的值等于三值和的平均值，即g = (R+G+B)/3；c) 加权平均值法：根据重要性或其他指标给R、G、B赋予不同的权值，并使g等于它们的值的加权平均值，即g = (WRR+WGG+WBB)
8、/3。其中WR,WG,WB分别为R、G、B的权值。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，所以我们取WR=0.9，WG=1.77，WB=0.33，即g =0.3R+0.59G+0.11B，这时能得到最合理的灰度图像。1.2 图像增强图像增强是数字图像处理过程中经常采用的一种方法。为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的改善方法或者加强特征的措施称为图像增强。获取和传输图像的过程往往会发生图像失真，所得到图像和原始图像有某种程度的差别。这种差异如果太大，就会影响人和机器对图像的理解。在许多情况下，人们不清楚引起图像降质的具体
9、物理过程及其数学模型，但却能根据经验估计出使图像降质的一些可能原因，针对这些原因采取简便有效的方法，改善图像质量。例如，图像信号变弱会使人们无法看清图像的细节，而采用增强对比度的方法可使图像清晰一些;图像的噪声干扰也容易使图像质量变差，运用平滑技术可以消减噪声;还有一些物理器件或系统工作原理可等效为一积分过程，信号经过这样的器件或系统后要变模糊，这时可使用微分运算突出边界或其他变化的部分，使图像增强。由于所拍摄的车辆图像的质量受天气、光照、观察点等的影响，车牌图像往往会产生对比度不足的弊端，使图像细节分辨不清，影响识别率。因此，需要将牌照图像进行图像灰度扩展，以便改善图像的观察质量，提高字符识
10、别率。可采用对比度增强和灰度均衡等技术。1.2.1 对比度增强基于点操作的增强方法也叫做灰度变换。使用灰度变换的主要目的就是提高图像的对比度，即增强原图像各部分的反差。假定原图像的灰度级范围是ia,b，为了将图像的灰度级拓展为iA,B，所需的线性变换是：为了突出图像中的某些灰度范围，同时又不牺牲其他灰度级上的细节，我们进行分段扩压变换，使需要的细节灰度级拉伸，增加对比度，而将不需要的灰度细节压缩。车牌位于车身的下部，属于低灰度级范围，而车头上部及背景中一些区域一般较亮，属于高灰度级范围。为了突出牌照的灰度细节，抑制高灰度区域，我们对图像进行灰度变换。灰度变换前后的灰度级范围都是0255，其变换
11、如下：式中|a|b-a|，|c-b|c-b|，c=c=255。此变换在坐标轴中的表示如图2-1所示。1.2.2 灰度均衡灰度均衡是把一己知灰度概率分布的图像，经过变换最终演变成具有均匀灰度概率分布的图像。自然图像的灰度直方图通常在低值灰度区间上频率较大，使得图像中较暗区域中的细节常常看不清楚，为了使图像清晰，可将图像的灰度范围拉开，并且让灰度频率较小的灰度级变大，既让灰度直方图在较大的动态范围内趋于一致。用图像f(x,y)的直方图代替灰度的分布密度函数Pr()，则直方图均化后的图像g为：对于数字图像，其灰度值为离散值，我们处理其概率与和，而不是概率密度函数与积分。一幅图像中灰度级rk出现的概率
12、近似为：其中，n是图像中像素的总和，nk是灰度级为rk的像素个数，L为图像中可能的灰度级总数。式(2.7)的离散形式为：1.2.3 图像滤波图像滤波是图像增强的一种手段。一般情况下，在各类图像系统中图像的传送和转换(如成像、复制、扫描、传输以及显示等)总是要造成图像的某些降质。例如，在摄像时，由于光学系统失真，相对运动，大气湍流等都会使图像模糊。再如传输过程中，噪声污染图像，使人观察起来不满意，或者使机器从中提取的信息减少甚至造成错误。因此必须对降质图像进行改善处理。改善的办法有两类：一类是不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，而衰减其不需要的特征，故改善后的图像不一定要逼
13、近原图像。这类图像改善方法统称为图像增强技术。另一类改善图像方法是针对图像降质原因，设法去补偿降质因素，从而使改善的图像尽可能地逼近原图像。这类图像改善方法统称为图像复原技术。图像处理的目的是为了将感兴趣的目标突出，因而要采用图像增强技术来提高图像的质量。图象增强技术有两类方法:空间域法和频率域法。空间域法主要是在空间域内对图象灰度值直接运算处理。其增强技术可用式(2.10)和图2-4来描述其原理过程。式中f(x,y)，g(x,y)分别为增强处理前后的图像，h(x,y)为空间运算函数。频率域法是在图象的某种变换域内，对图象的变换值进行运算。这是一种间理方法。可以用图2-5及式(2.8)描述图象
14、频率域增强技术的原理过程。式中F(u,v),G(u,v)分别为处理前后图像f(x,y),g(x,y)的傅立叶变换。H(u,v)式对应于修正方法的滤波函数。对车牌图像进行处理，通常采用空间域法对车牌图像滤波，目的是去除图像中的噪声，通常使用下面2种方法：线性滤波、中值滤波。线性滤波线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法对于给定的图像f(i,j)中的每个像点(m,n)，取其邻域S。设S含有M个像素，取其平均值作为处理后所得图像像点(m,n)处的灰度。用一像素邻域内各像素灰度平均值来代替该像素原来的灰度，即使用邻域
15、平均技术。邻域S的形状和大小根据图像特点确定。一般取的形状是正方形、矩形及十字形等，S的形状和大小可以在全图处理过程中保持不变，也可根据图像的局部统计特性而变化，点(m,n)一般位于S的中心。如S为33邻域，点(m,n)位于S中心，则：由公式(2.11)可知，经邻域平均后，噪声的均值不变，噪声方差变小，说明噪声强度减弱了，即抑制了噪声。同时，由公式(2.11)还可看出，邻域平均法也平滑了图像信号，特别是可能使图像目标区域的边界变得模糊。可以证明，对图像进行邻域平均处理相当于图像信号通过一低通滤波器。中值滤波中值滤波是空间域法中的一种非线性信号处理方法，它被用来抑制图像中的噪声。在一维的情况下，中值滤波器是一个滑动的窗口，它含有奇数个象元。对应窗口中心的象元灰度值用窗口中各灰度值的中间数值来代替。例如滑动窗对准的5个象元，它们的灰度值为70 90 180 110 120，中值滤波的意图是把窗口中心那个象元的灰度值用上述5个灰度值的中值，即110来代替。这时灰度值大小按下列排列，即70 90 110 110 120当180为噪声时中值滤波就把它抑制掉了。中值滤波器可以推广到二维，即对二维图像操作。二维中值滤波的窗口形状和尺寸对滤波效果影响较大。不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常用的窗口形状有线状、方形、圆形、十字形以及圆环
