《车牌识别数字图像处理》由会员分享，可在线阅读，更多相关《车牌识别数字图像处理（13页珍藏版）》请在金锄头文库上搜索。
1、-期末大作业报告课程名称： 数字图像处理 设计题目： 车牌识别 学 院： 信息工程与自动化学院 专 业： 计算机科学与技术 年 级： *x 学生： *x 学号 *x指导教师： * 日 期： 2012.6.10 教 务 处 制车牌识别摘要:数字图像处理技术是20世纪60年代开展起来的一门新兴学科，随着图像处理理论和方法的进一步完善，使得数字图像处理技术在各个领域得到了广泛应用，并显示出广阔的应用前景。MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的500多个数学和工程函数，工程技术人员
2、和科学工作者可以在它的集成环境互或编程以完成各自的计算。MATLAB中集成了功能强大的图像处理工具箱。由于MATLAB语言的语法特征与C语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式，而且这种语言可移植性好、可扩展性强，再加上其中有丰富的图像处理函数，所以MATLAB在图像处理的应用中具有很大的优势。车牌识别技术是智能交通系统的重要组成局部，在近年来得到了很大的开展。本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个局部,最后识别出汽车牌照。关键词:车牌识别、数字图像处理、MATLAB一、设计原理
3、车辆牌照识别系统的根本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进展预处理，再由检索模块对牌照进展搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进展二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出那么为车牌的数字。牌照自动识别是一项利用车辆的动态视频或静态图像进展牌照、牌照颜色自动识别的模式识别技术。其硬件根底一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整
4、的牌照识别系统应包括车辆检测、图像采集、牌照识别等几局部。当车辆检测局部检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进展处理，定位出牌照位置，再将牌照中的字符分割出来进展识别，然后组成牌照输出。二、设计步骤1. 提出总体设计方案:1车牌图像预处理方法因为车牌图像都是在室外拍摄的，所以不可防止地会受到光照、气候等因素的影响，而且拍摄者的手部抖动与车辆的移动会造成图像的模糊。要去除这些干扰就得先对车牌图像进展预处理。由于当前数码相机的像素较高，原始图像的数据一般比拟大，输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度。因此对图像进展识
5、别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。对图像进展灰度化处理后常用的方法是图像二值化、去除背景图像、增强处理、边缘检测、滤波等处理等。2车牌定位方法车牌定位在整个车牌识别系统中是非常关键的一局部，因为如果车牌无法定位或无法准确定位，就不可能进展后续的字符分割与字符识别工作。经过查阅文献，我发现车牌定位算法的种类非常多，但是至今没有一种通用的方法。考虑到本次课程大作业所用车牌的一些特点，可采用以下四种车牌定位的算法，下面具体介绍。1基于灰度边缘检测与形态学重构的方法。这种方法只要利用车牌区域局部比照度明显和有规律的纹理特征来定位，然后利用形态学方法将车牌区域与其它背景区域别离。2
6、基于直线检测的方法。这种方法主要Hough变换的方法来检测车牌周围边框直线，利用车牌形状特性来定位车牌。3根据车牌的固有长宽比进展定位的方法。因为中外车牌的长宽比都是固定的3.1：1，在预处理完成后对二值化的图像进展膨胀腐蚀，计算联通区域长宽比确定车牌位置。4基于彩色图像的车牌定位方法。现在的牌照有四种类型:第一种是最常见的小型汽车所用的蓝底白字牌照；第二种是大型汽车所用的黄底黑字牌照；第三种是军用或警用的白底黑字、红字牌照；第四种是国外驻华机构用的黑底白字、红字牌照。基于彩色图像的车牌定位方法主要利用车牌颜色与车身其他部位颜色具有明显不同的差异来分割与提取车牌。定位流程图:3字符分割方法字符
7、分割是指将车牌区域分割成单个的字符区域，分割越准确，识别效果越好。目前有许多种车牌字符分割算法，由于在车牌字符分割中存在噪声干扰，边框、铆钉影响，车牌旋转和光照不均等问题，造成分割不准确，甚至分割错误，目前很难找到普遍适用的分割方法。常用的字符分割法主要是基于投影分析字符的分割方法和基于连通域分析的字符分割方法。1投影分析常采用的是水平投影法，即沿水平方向计算每一列属于车牌字符的象素数目，在字符的间隙处取得局部最小值，分割位置应在其附近。先根据车牌水平投影的统计特征呈现出明显波峰波谷波峰，进展水平方向上的粗分割，假设字符出现合并和粘连现象，再采用递归回归方法进展二次字符分割。2投影法进展字符分
8、割实现起较为简单，但在预处理效果不好的情况下，较难获得满足条件的列。假设增加预处理，那么使处理后的图像不可防止地损失一局部有用信息，还可能导致额外误差。基于连通域聚类分析切分车牌字符的方法按照属于同一个字符的像素构成一个连通域的原那么，结合牌照字符的固定高度和间距比例关系等先验知识，较好地解决了汽车牌照在复杂背景条件下的字符切分问题，降低了对车牌定位准确度的要求，对不规的车牌识别也具有一定的适用性。4字符识别方法标准的车牌共有七个字符，如上图所示。其中第1位为汉字，第2、3位为大写英文字母，47位为阿拉伯数字。目前还有一定数量的个性化车牌，因为保有量较少，故可以忽略不计。所以总共需要识别的字符
9、约50个汉字，26个大写英文字母及10个阿拉伯数字。现在常用的字符识别主要是基于模版匹配和神经网络的方法。1模板匹配法是最简单的一种字符识别方法。将待识别字符经分割归一化成模板字体的大小，将它输入字符识别模块进展匹配。根据实际字符和模板图像之间匹配方差最小的原那么，判定车牌图像字符所属类别。这种方法对于标准、规的字符识别效果较好。但在复杂环境下的车牌字符会与理想模板字符不完全一致，这导致了识别结果存在较大误差。2模版匹配法简单、成熟，但其自适应不强。对于字符有断裂和粘连等情况容易造成误判。神经网络匹配法具有良好的容错性、自适应和学习能力，但样本的训练收敛速度慢，而大规模并行处理为此提供了解决途
10、径。其中一种方法是采用并行识别的BP网络，让汉字、英文、阿拉伯数字，阿拉伯数字分别送到各自的网络识别。还有学者结合小波变化的优点，提出基于小波和BP神经网络的车牌字符识别新方法，采用小波变换提取字符特征，神经网络实现字符识别，加快了算法的执行，提高了识别率。处理流程图：2. 各模块的实现此处仅为处理后的结果图，详细代码见附录1输入待处理的原始图像:原图：I=imread(car2.png);figure;subplot(321);imshow(I);title(原图);2图像的灰度化彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进展识别等处
11、理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处理。选择的标准是经过灰度变换后，像素的动态围增加，图像的比照度扩展，使图像变得更加清晰、细腻、容易识别。sx=-1 0 1;-2 0 2;-1 0 1; sy=1 2 1;0 0 0;-1 -2 -1; sox=imfilter(I1,sx); soy=imfilter(I1,sy);subplot(323);imshow(sox+soy);title(边缘检测后图像);se=1;1;1;%线型构造函数I3=imerode(sox+soy,se);subplot(324);imshow(I3);title(腐蚀
12、后的图像);se=strel(rectangle,25,25); %矩形构造元素I4=imclose(I3,se);%图像聚类、填充图像subplot(325);imshow(I4);title(填充后图像);I5=bwareaopen(I4,1500);%去除聚团灰度值小于2000的局部subplot(326);imshow(I5);title(形态滤波后图像);定位后7车牌字符分割确定车牌位置后下一步的任务就是进展字符切分别离出车牌的全部字符图像。考虑到基于投影分析字符的分割方法和基于连通域分析的字符分割方法实现起来比拟复杂，于是我就综合前人方法总结出自己的算法。车牌字符分割包括字符分割和
13、单个字符识别两个模块。考虑到获取的图像可能存在一定缺陷，因此在进展字符分割之前要先对定位后的车牌图像进展预处理，以方便后面的工作。车牌上共有7个字符，间距相等，设平均字宽为，还有一个分隔符占1/2字宽。通过之前的预处理，可以将分隔符用滤波器去掉。设是文字的二维点阵图形，有文字处为1，否那么为0。首先在处切割，假设两个文字相粘连时，其间隔处便不会出现，此时就要辅之以求平均字宽的方法。假设某个字宽，说明中含有一个以上的文字，需要继续分割。由于在字符识别中我准备采用模板匹配的方法，因此需要将已分割出来的字符进展归一化处理。因为我所采用的模板的尺寸为，因此需要将分割出的字符也归一化为的尺寸。首先对彩色
14、车牌进展二值化：对二值图像进展形态滤波：最后得到目标车牌区域：经过以上步骤得到分割后的图像：8车牌字符识别字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化,并将其尺寸缩放为字符数据库中模板的大小，然后与所有模板进展匹配，最后选取最正确匹配作为结果。建立数字库对该方法在车牌识别过程中很重要, 数字库准确才能保证检测出的数据正确。基于人工神经元网络的算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。在本程序中用基于人工神经元网络识别车牌字符。在车牌字
15、符识别局部, 字符集中包含约50个汉字, 26个大写英文字母及10个阿拉伯数字。总的字符样本并不太多。进展车牌识别前需要使用样本对神经网络进展训练，然后使用训练好的网络对车牌进展识别。其具体流程为:使用汉字、字母、字母数字、数字四个样本分别对四个子网络进展训练，得到相应的节点数和权值。对已经定位好的车牌进展图像预处理，逐个的特征提取，然后从相应的文件中读取相应的节点数和权值，把车牌字符分别送入相应的网络进展识别，输出识别结果。此处我们给出10个阿拉伯数字，8个字母作为样本：将样本进展归一化为50X20大小，再将图像按列转换成一个1000X1的行向量，将上述18个图像的样本排列在一起构成1000X18的矩阵样本，尽可能多的采集汽车图像提取车牌，局部切分出车牌字符，构造出更多1000X18的矩形样本，用构造好的样本库对神经网络进展训练。三、设计结果及分析通过匹配得到的结果图为：从上面结
