《毕业设计基于数字图像处理的车牌定位与识别的设计与实现》由会员分享，可在线阅读，更多相关《毕业设计基于数字图像处理的车牌定位与识别的设计与实现（39页珍藏版）》请在金锄头文库上搜索。
1、 毕 业 设 计（论 文）题 目 基于数字图像处理的车牌定位与识别 基于数字图像处理的车牌定位与识别目 录摘 要10Abstract11第一章 绪论131.1 车牌定位技术的研究意义131.2车牌定位技术的国内外研究现状141.3车牌定位技术的难点151.4论文的研究内容以及章节安排151.5 本课题的研究内容16第二章 车牌定位系统的结构设计172.1车牌识别系统总体设计172.2系统硬件设计182.3 系统软件设计182.4 本章小结19第三章 车牌图像预处理213.1图像的灰度化223.2灰度拉伸233.3.图像去噪23第四章 车牌定位254.1牌照区域的定位254.2牌照区域的分割26
2、4.2.1候选区域的提取264.2.2车牌进一步处理264.3 倾斜校正284.4分割与归一化284.4.1字符分割304.4.2字符归一化30第五章：字符识别315.1模版匹配法原理简介315.2本文方法具体步骤345.3识别结果及对比35第六章 基于matlab的程序源代码36第一章 绪论1.1 车牌定位技术的研究意义随着我国经济的快速发展，人民生活水平的不断提高，私有车辆越来越多，交通需求量越来越大，现有的交通基础设施建设速度远远比不上机动车辆和其他交通工具的增长速度;传统的人工管理方式已经越来越不能满足实际工作的需要。由于违章造成的交通事故日益频繁，以及城市交通堵塞造成的运输效率低下，
3、严重地影响了我国城市经济的发展和人民的生活，在路桥收费、十字路口交通和停车场收费中实行车辆自动识别(Automatic Vehicle Identification, AVI)已成为管理部门的迫切要求。因此，为了解决这些问题，在继续加快交通基础设施建设的同时，应该充分利用卫星导航、视频监控和计算机调度管理等技术，发展智能交通系统(Intelligent Transportation System, ITS)来提高运输效率，保障交通安全，缓解交通拥挤和实现管理自动化。车辆自动识别是智能交通系统(ITS)实现的前提。近年来，车辆识别技术发展很快，主要有:射频识别(Radio Frequency I
4、dentification),条形码识别(Bar Code Based Identification)和车牌识别(LicensePlate Recognition, LPR)。其中，射频识别和条形码识别属于间接识别，难以核对车与车牌信息是否相符。而车牌识别属于直接识别，与射频识别和条形码识别相比，车牌识别不需要在汽车上安装专门的条形码或射频识别标志，可以对车辆图像进行检索、回放，升级和维护方便。因此，车牌识别系统具有更为广阔的应用前景。但是，目前国内现有的车牌识别系统对环境的依赖性较大，而且对外界的干扰比较敏感;国外的车牌识别系统对汉字的识别率较低，所以必须研究新的车牌识别方法。车牌识别系统主
5、要由车牌定位、字符分割和字符识别三部分组成。其中，车牌定位是字符分割和字符识别的基础，对整个系统的性能起着至关重要的作用，决定着系统的识别速度和识别精度。因此，车牌定位是车牌识别系统中的最为关键的技术之一。由于车辆图像采集于户外，图像背景复杂、噪声干扰严重。因此，车牌的自动定位一直都不是很理想，使得它一直是该领域的研究热点。车牌识别系统涉及计算机视觉、数字图像处理和模式识别等技术，对它的研究也会促进这些领域的发展。该系统是计算机视觉、数字图像处理和模式识别等技术在智能交通领域的重要应用。它能自动获取车辆图像，采集车辆信息和实现智能化管理，广泛应用于以下场合，如高速公路电子收费和流量监控、失窃车
6、辆查询、停车场车辆管理、监测黑车牌机动车辆和违章车辆等，大大提高了交通管理运行效率，节省了人力、物力，有利于交通管理的科学化、规范化和智能化。因此，对车牌识别中的首要问题一车牌定位技术研究，不仅具有重要的理论意义，而且具有重要的现实意义。1.2车牌定位技术的国内外研究现状 90年代，随着计算机视觉技术和图像处理技术的发展，开始出现车牌识别系统化研究，取得了显著的成效。运用计算机视觉技术和图像处理技术建立了车辆牌照自动识别系统。近年来，随着计算机技术和人工智能的发展，新兴技术的出现，很多国家开始探讨用人工神经网络技术和生物遗传技术等对车牌识别问题进行研究，并将研究重点转向彩色图像的车牌识别和一幅
7、图像多个牌照车牌识别问题上。国外的研究人员对于车牌识别的研究工作开展较早，究方向主要是分析车牌图像，提取车牌信息，确定车牌号。现如今，国外在车牌检测、识别方面的研究已取得一些令人瞩目的成绩，开发出了很多技术成熟的车牌识别产品。例如英国IPI公司研究开发的RTVNPR系统，它是一款便携式的设备，可以应用在道路收费站、交通检测口等场所;新加坡Optasia公司自行研发的车牌识别系统IMPS，可以在各种天气条件和光照环境下准确定位识别，给出和车牌一致的处理结果。另外，日本、加拿大、德国、意大利等各发达国家都有适合于本国车牌的识别系统。国外比较好的车牌定位算法有:J.Barroso等人提出的基于水平线
8、搜索的车牌定位方法(81; R.Parisi等人提出的基于DFT变换的频域分析的车牌定位方法Charl Coetzee提出的基于Niblack二值化算法以及自适应边界搜索算法的车牌定位方法fiol等 我国对车牌识别技术的研究工作开始于20世纪90年代，当前比较成熟的产品有:北京汉王公司采用DSP芯片作为识别算法的运行硬件平台的“汉王眼”;深圳吉通电子有限公司的“车牌通”;上海高德威智能交通系统有限公司的汽车牌照识别器;川大智胜软件股份有限公司的zTZ000车牌自动识别系统等等。这些产品都达到了较好的识别效果。除此之外，上海交通大学计算机科学和工程系、西安交通大学的图像处理和识别研究室、浙江大学
9、的自动化系、清华大学人工智能国家重点实验室等也都在进行类似的研究。国内常用的车牌定位技术有:基于彩色图像的定位算法;基于边缘检测的定位算法;基于灰度值变化的定位算法;基于神经网络的定位算法;基于遗传算法的定位算法;基于数学形态学的定位算法等。1.3车牌定位技术的难点车牌定位是车牌识别系统的关键技术，是字符分割和字符识别的基础，对系统的识别精度有着重要的影响。由于在图像的采集和传输过程中，车辆图像不可避免地要受各种因素的影响，如光线和噪声等影响，使得车牌难以准确定位。车牌定位的难点主要有:1.环境干扰不同光照条件的光线对车牌图像的亮度影响很大，尤其是在光照不均的情况下车牌区域可能会形成部分阴影，
10、从而改变了车牌的某些特征，影响车牌定位。2.背景复杂多变，类似区域干扰车牌识别系统一般应用在交叉路口、车库、小区入口、高速公路等地，图像背景复杂多变，背景中与车牌区域特征相似的区域也是车牌定位的干扰源，如背景中与车牌特征相似的广告语、指示牌等，此外，车牌附近的障碍物遮拦车牌，如保险杠等，这些也影响车牌的定位。3.车牌污损、模糊和褪色等由于各种原因(如灰尘、泥泞等)造成车牌污损;因噪声或运动等而使车牌模糊;因长期光照等原因而使车牌出现褪色，也会造成车牌定位困难。4.图像畸变由于各种原因造成的畸变，如拍摄时的角度不准造成车牌倾斜变形和摄像机透射畸变，还有车辆运动而造成的变形，在很大程度上也影响着车
11、牌定位。自动识别的难度，使得中国车辆牌照识别远远难于国外的车辆牌照识别。因而如何提高识别率和识别处理的实时性及实用性成了一个紧要的任务。1.4论文的研究内容以及章节安排 车牌识别系统可按顺序分为视频采集、图像预处理、车牌定位、车牌字符分割和车牌字符识别几部分，而车牌的定位部分是车牌识别系统中的关键技术，是字符分割和字符识别等后续工作的重要基础，对整个识别系统最终的识别精度和识别效率都有着重大的影响。 本文主要是通过数字图像处理技术对由摄像机获取到的彩色车牌的定位技术进行了研究，将整个车牌定位的过程分解为了图像预处理和定位两个部分。其中，预处理部分又分解为了图像增强、二值化两个处理过程;定位部分
12、被分解为边缘检测、粗定位、倾斜校正和细定位等四个处理过程。 通过对数字图像处理方面的技术作了深入的学习，本文对每一个处理过程做了详细的研究设计并完成编码实现。图像增强阶段中，采用了直方图均衡化算法实现了灰度图的对比度增强作用;二值化阶段中，分别实现了迭代最优闭值法和大津闭值分割法，并通过对比算法实现的效果，以及算法的效率和准确率，选取大津闭值分割法作为本定位系统的二值化方法;边缘检测阶段中，通过使用不同的算子实现边缘检测，考虑算法实现的优劣，以及结合本次车牌定位的需求，选取Sobel算子完成对二值化图像的边缘检测;粗定位基于边缘检测后的图像采用改进的投影法进行定位;倾斜校正通过求取车牌上各字符
13、的中心点，拟合直线来确定车牌的倾斜角;细定位对校正后的图像采用统计跳变次数和投影法结合的算法进行定位。 本论文的章节安排如下: 第一章:绪论。简要介绍课题的研究背景及意义，以及当今国内外在车牌识别上的一些现状，最后介绍本文的内容及章节安排。 第二章:车牌定位系统的结构设计。首先简要介绍了车牌识别系统的结构框架以及每一模块的具体工作，接着提出本文的车牌定位方案设计，包括预处理和定位两大模块。其中，预处理部分图像增强和图像二值化，定位部分包括边缘检测、粗定位、倾斜校正和细定位。 第三章:车牌图像预处理。首先介绍了和数字图像处理相关的理论以及计算原理，其次分别对图像预处理中涉及到的图像增强和图像二值
14、化等环节进行了介绍和实现。第四章:车牌粗定位。分析我国的车牌特征，介绍当前常用的定位方法，并提出包含边缘检测、车牌粗定位、倾斜校正、车牌细定位等在内的车牌定位方法。本章详细介绍粗定位算法。 第五章:研究车牌字符识别的问题，对模板匹配的方案进行研究、改进和试验。对模板匹配法中的特征提取采用新的划分方式进行划分，分别提取特征，提高了识别准确率。 第六章:主要是程序源代码。基于matlab的程序源代码。1.5 本课题的研究内容本文就车辆牌照自动识别技术进行了一系列的研究工作，在研究国内外各种典型的车牌识别方法的基础上，努力学习和创新，结合中国车牌的特点，对适合中国车牌的识别系统进行了研究。在课题研究
15、中作者的主要研究内容有：1）在广泛查阅国内外车牌识别系统算法的基础上，以 MATLAB 的 ImageAcquisition Toolbox、Image Processing Toolbox 以及 Neural Network Toolbox 工具箱为骨架，以 M 语言为主要编程语言，部分模块结合 C 语言开发了一套车牌识别系统，实现了车牌识别系统中车牌的定位、车牌字符的切分、以及车牌字符的识别的功能。提取的算法，结合形态学处理，采用初步定位去除伪车牌和精确定位相结合的算法实现车牌的准确定位。2）关于车牌字符切分的研究，这里主要针对二值化、倾斜校正、字符切分进行了研究。对二值化中采用的 Otsu 算法进行改进，重新划分二维直方图的区域，改进后的算法运行时间短、二值化效果好。第二章 车牌定位系统的结构设计2.1车牌识别系统总体设计 一个完整的车辆牌照识别系统是一个复杂的系统，应该包括图像采集、图像预处理、车牌定位、字符切分、字符识别以及图像编码、数码传输与更新等步骤，基本可以分为硬件部分和软件部分，硬件部分主要完成车辆图像的摄取采集，软件部分主要完成对采集到的车辆图像进行车辆牌
