优秀毕业论文设计边缘检测技术在汽车牌照自动识别监控系统中的应用 精品文档格式.docx

优秀毕业论文设计边缘检测技术在汽车牌照自动识别监控系统中的应用 精品文档格式.docx

《优秀毕业论文设计边缘检测技术在汽车牌照自动识别监控系统中的应用 精品文档格式.docx》由会员分享，可在线阅读，更多相关《优秀毕业论文设计边缘检测技术在汽车牌照自动识别监控系统中的应用 精品文档格式.docx（39页珍藏版）》请在冰豆网上搜索。

车牌识别是智能交通中关键技术之一。

车牌识别系统一般包括车辆图像采集、车牌定位、字符分割和字符识别四个模块。

本文在简单介绍车牌识别的四个模块的基础上，主要对车牌边缘检测进行了讨论，分析了Roberts算子、Sobel算子、canny算子、拉普拉斯（Laplacian）算子和Marr边缘检测算子。

Roberts算子检测定位精度比较高，但对噪声敏感。

Sobel算子可以产生较好的边缘效果，但是对噪声具有平滑作用，减小了对噪声的敏感性。

但是，Sobel边缘检测算子也检测出了一些伪边缘，使得边缘比较粗，降低了检测定位精度。

canny算子能在噪声抑制和边缘检测之间取得较好的平衡，并能产生较细的边缘效果。

故本文采用canny算子对车牌的边缘进行了提取，仿真结果表明了该算子能较好的检测出图片的边缘信息。

关键词：

车牌识别，车牌定位，字符分割，边缘检测

ABSTRACT

Thecarlicenserecognitionisoneofkeytechnologiesintheintelligenttransportation.Thecarlicenserecognitionsystemincludesvehiclesimagegathering,thecarlicenselocalizationgenerally,thecharacterdivisionandthecharacterrecognitionfourmodules.

Thisarticleinthesimpleintroductioncarlicenserecognitionfourmodulefoundations,mainlyhascarriedonthediscussiontothecarlicenseedgeexamination,hasanalyzedtheRobertsoperator,theSobeloperator,thecannyoperator,theLaplacian（Laplacian）operatorandtheMarredgeexaminationoperator.TheRobertsoperatorexaminationpointingaccuracyquiteishigh,butissensitivetothenoise.TheSobeloperatormayproducethegoodedgeresults,buthasthesmoothingeffecttothenoise,reducedtothenoisesensitivity.But,theSobeledgeexaminationoperatoralsoexaminedsomefalseedges,causedtheedgequitetobethick,reducedtheexaminationpointingaccuracy.Thecannyoperatorcanobtainsthegoodbalancebetweenthenoiseabatementandtheedgeexamination,Itcanproducethethinedgeresults.Thereforethisarticleusedthecannyoperatortocarryontheextractiontothecarlicenseedge,thesimulationresulthasindicatedthisoperatortobeablethegoodexaminationpictureedgeinformation.

Keywords:

carlicenserecognition,carlicenselocalization,characterdivision,edgeexamination

第1章引言

1.1课题背景及研究意义

随着我国国民经济以及科学技术的高速发展，机动车数量不断增加，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统（IntelligenceTrafficSystem），简称ITS。

它已经成为当前交通管理的方向。

所谓智能交通系统是将先进的信息技术、数据通讯传输技术、电子控制技术及计算机处理技术等综合运用于整个交通运输管理体系，通过对交通信息的实时采集、传输和处理，借助各种科技手段和设备，对各种交通情况进行协调和处理，建立起一种实时、准确、高效的综合运输管理体系，从而使交通设施得以充分利用并能够提高交通效率和安全，最终使交通运输服务和管理智能化，实现交通运输的集约式发展[1]。

我国从70年代开始在传统的交通运输和管理中应用了电子信息技术，随着社会的发展与进步，我国道路在未来20年内仍然处于建设阶段，这期间正是智能交通系统在全世界进入全面实施的阶段，因此我国需要根据公路交通的实际需要探讨在我国公路网中应用智能交通系统来提高交通效率，保障安全和保护环境。

随着社会的发展，多学科多领域的融合发展成为技术发展的新趋势。

智能交通系统的发展趋势也从单一的运输模式的智能化向综合交通的多种运输模式协调配合的智能化方向发展。

目前，铁路、航空、水运业都在考虑利用智能运输系统的先进技术改造传统的运输方式，智能交通系统将起到越来越重要的作用。

车辆牌照的自动识别是计算机视觉与模式识别技术在智能交通领域结合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。

车牌识别系统（LicensePlateRecognition，简称LPR）具有广泛的应用范围，主要应用于：

高速公路收费、道路交通监控管理、交通事故现场勘察、违章管理；

小区、停车场管理；

车辆登录、验证；

车辆统计、安全管理[2]。

对提高这些场所交通系统的管理水平和自动化程度具有重要的意义和巨大的经济价值。

车辆牌照图像识别也是计算机智能化的关键技术之一，涉及到模式识别、图像处理、人工智能、信息论、计算机等多个学科，同时也与语言文字学和心理学等学科相关，是一门综合的技术，有着重要理论意义和实际应用价值。

1.2国内外研究现状

1.2.1汽车牌照识别国内外研究现状

从20世纪90年代初（1988年），国外的研究人员就己经开始了对车牌自动识别的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。

在车牌识别过程中，也出现了很多的技术方法，有人使用模糊数学理论，也有人用神经元网络的算法来识别车牌中的字符，但由于外界环境光线变化、光路中有灰尘、季节环境变化，以及车牌本身比较模糊等条件的限制和影响，使得LPR系统一直以来都是一个不能很好解决的问题，而且很多的方法都需要大量的数值计算，并没有考虑到实时处理的环境。

为了解决图像恶化的问题，目前国内外的研究机构或公司企业采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率。

国内外现有的一些类似产品主要有：

以色列HiTech公司的See/CarSystem系列产品，香港AsiaVisionTechnology公司的VECON产品，新加坡Optasia公司的VLPRS产品等，其中VECON和VLPRS产品主要适合于香港和新加坡的车牌，HiTech公司的See/CarSystem有多种的变形产品来分别适应某一个国家的车牌，See/CarChinese系统可以对中国大陆的车牌进行识别，但也有很大的缺陷，而且不能识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等各个西方发达国家都有适合于本国车牌的识别系统。

各个国家的产品虽然不同，但基本上都是基于车辆探测器的系统，设备投资较大，其中的车辆探测器主要有：

踏板式探测器、光探测器、微波雷达通过型探测器、压力探测器、声控探测器、红外探测器、电磁感应环探测器、测速雷达探测器、磁强探测器和压敏探测器等。

国内做得较好的产品主要有中科院自动化研究所汉王公司的“汉王眼”，北京信路威，昆明利普视觉，沈阳聚德。

除此之外国内的亚洲视觉科技有限公司、深圳市吉通电子有限公司、中国信息产业部下属的中智交通电子系统有限公司等也都有自己的产品。

另外西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等也都做过类似的研究。

通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其它的辅助设备如红外照明等，其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光的不可控制的影响，减小恶劣气候和汽车大小灯光的影响。

1.2.2边缘检测算法国内外研究现状

由于边缘是图像最基本的特征，边缘信息是一种图像的紧描述，所包含的往往是图像中最重要的信息。

对图像提取边缘能极大地降低我们要处理的数据量。

所以，本课题的一个重要方向就是边缘提取算法的研究及改进。

边缘检测技术的研究一直就是计算机视觉图像分析和检测领域的研究热点，经过几十年的研究已经形成了许多成熟的边缘检测技术，并取得了很好的应用，而随着一些新理论新方法的出现，也进一步推动了边缘检测技术的发展。

图像边缘检测方法主要包括以下几类：

（1）微分算子法：

这种方法主要从边缘点（通常对应于一阶微分幅度值大的点），同时也从二阶微分的零交叉点出发，设计一些一阶或二阶微分算子，求得其梯度或二阶导数过零点，再选择一定的阈值提取边界。

如Roberts算子、Sobel算子、canny算子、Prewitt算子、Laplacian算子等。

另外还有基于曲面拟合的各种边缘检测算法，它们的基本思想是用一个平滑的曲面和待测点周围某领域内像素的灰度值进行拟合，然后计算此曲线的一阶或二阶导数[3]。

（2）最优算子法：

这类方法的目的是根据信噪比求得检测边缘的最优滤波器。

Marr_Hildreth算子是Marr和Hildreth应用Gauss函数先对图像进行平滑，然后采用拉普拉斯算子根据二阶导数过零点来检测边缘，也被称之为LOG算子。

LOG算子和视觉生理中的数学模型相容，从而在计算机视觉和视觉生理研究之间建立了联系，在机器视觉研究领域得到了广泛的应用。

另一种方法是局部曲线最小二乘拟合法，其基本思想是：

根据最小二乘法把图像的局部区域近似表示为一组基函数的线性组合，从而达到消除噪声的效果。

Canny从边缘检测算子的信噪比准则、定位精度准则、单边缘响应准则出发，提出了Canny算子，它检测受高斯白噪声影响的阶跃型边缘有比较好的效果[4]。

（3）多尺度方法：

此方法是随着多分辨率和小波理论的出现而逐渐发展起来的。

窗口大小（或尺寸）参数的自动调整是很难的，而应用多个尺度可以对此问题给出一个比较满意的解决。

多尺度信号处理的目的不仅是为了辨识出信号中的重要特征，而且能以不同细节程度来构造对信号的描述，在高层次视觉处理的任务中多尺度方法有着重要的作用，是一种新兴的边缘检测方法[4]。

（4）基于自适应平滑滤波的边缘检测方法：

基于自适应平滑滤波的边缘检测方法的基本思想是利用一个通用算子对信号进行平滑，该算子能使其本身与信号的局部结构相适应。

利维等人提出的一种加权模板，其系数是根据窗口的中心点及其相邻点的灰度平均值来确定。

还有一种方法是选择具有与中心点