车牌识别算法Word格式.docx
《车牌识别算法Word格式.docx》由会员分享，可在线阅读，更多相关《车牌识别算法Word格式.docx（25页珍藏版）》请在冰豆网上搜索。
由于高速公路运输中传统的人工收费方法效率低下，而近几年不断增加的交通量，往往使得各式车辆在收费关卡处滞留形成“瓶颈〞，不能完全发挥出高速公路的优点，这个问题如得不到解决，势必影响交通运输线的畅通，甚至导致直接或间接的损失。
不停车自动收费系统是解决这一问题的有效方法之一，该系统的启用将大大提高收费站各通道的处理能力，减少车辆通过的时间。
目前，类似的自动收费系统在美国和欧洲一些兴旺国家已经得到广泛使用，据资料说明：
高速公路自动收费站车辆的平均通过速度为每小时1500辆，而装有自动收费系统的收费站为每小时650辆，人工收费那么最多为每小时350辆。
随着该系统的推广使用，收费站前的车辆堵塞和交通拥挤的情况得到缓解，可以过往车辆节约运营时间，这对于长
途旅客运输和货物运输业显得尤为重要。
另据统计，启用了不停车收费通道，在车流顶峰时段，使用不停车收费系统通道的车辆达75～80%。
另外，由于不停车收费系统自动化水平高、收费迅速而便捷、管理统一标准，对杜绝高速公路人为的“乱收费〞现象出具有特别重要的意义。
目前应用于不停车收费系统的车辆识别技术主要有红外线传感AVI〔AutomaticVechicleIdentification〕系统、电感AVI系统、射频微波AVI系统和图像识别AVI系统。
其中，红外线AVI系统利用了装在车辆车身处的一个类似条形码的代码标签，车辆信息由一系列宽度和颜色各不一样的线条来表示，当车辆经过红外线探测器时，标签上的信息被反射到读取单元并被抽取出来；
电感AVI系统利用电感耦合实现数据传送，安装在路边的线圈作为天线用于感应信号，并在系统与车辆之间传送信号；
射频微波AVI系统那么利用微波通讯技术实现数据的传送；
图像识别AVI系统将摄像机拍射的车辆输入计算机进展处理，抽取出用于识别车辆的有用信息〔如：
牌照、车型等〕。
非接触式IC卡自动收费系统是在近年来开展起来的一种先进的不停车自动收费系统，它是利用IC卡技术和射频通讯技术实现对车辆的自动识别和收费，具有可靠性高、响应速度快、收费标准统一、使用寿命长等优点，是未来不停车收费系统的开展方向。
目前，国内外有不少公司和研究机构从事这方面的研究和开发工作，已有技术较完善的产品投入使用，其中影响较大的是美国德克萨斯仪器公司的TIRIS〔TexasInstrumentsRecognitionandidentificationSystem〕AVI系统。
该系统已在法国巴黎的公共汽车系统和意大利罗马的地铁中得到使用。
在国内，XXXX市的交通部门率先采用了基于TRIS技术的自动收费系统，平均每小时能够处理2500辆车辆的交费，从而解决了高速公路收费站拥挤堵塞的问题。
然而，TRIS系统的技术含量高，属国外引进的高新
技术设备，价格昂贵、维修困难，在硬件上没有自主，而且也存在不适合我国公路现状的地方。
因此，我们是在引进硬件设备的根底上进展消化吸收，开发自己的AVI系统，该系统将射频IC卡通讯技术和基于图像处理的车辆牌照识别技术和车辆车型识别技术有机地结合为一个整体。
目前，在国内实用的高速收费系统中，这样较为完整地实现多项技术穿插综合运用的还未见诸报道，因此，我们开发的AVI系统具有较强的自身特点和首创性。
二、TIRISAVI系统简介
1、系统构造
作为不停车收费系统的一局部，TIRISAVI系统具有自动识别车辆，按车型计算通行费用，并通过射频天线与车辆的IC卡进展数据通讯的功能。
其硬件连线构造图如下：
系统主要是由TIRIS应答器〔Transponder〕、天线〔Antenna〕、接收传送器〔Transceiver〕、读控制卡〔ReadControlerCard〕、连接板〔JunctionBoard〕和写卡器〔Programmer〕构成。
TIRIS应答器是一种非接触式智能IC卡，亦称射频IC卡，可以与天线之间进展无线电通讯，它通常置于车辆前内侧，卡内的存储器中存有卡识别号、用户信息、发卡单位以及相关XX和费用余额等等；
天线系统通常安装在每个通道的上方或侧面，它可以接收应答器发回的信息；
读控制卡也是一个通道安装一个，可以安装在通道控制器内，也可以作为独立的单元封装并置于路边与天线不远的地方，通过连接板经光缆与天线系统连接，RCC卡主要用于对应答器进展检测，接收并响应应答器的回应信号，控制应答器与通道控制器、天线系统的信息传输。
该系统一般被配置成多通道模式，这种模式下系统可以区分不同的通道。
由
于收费站通常都有两个以上的车辆通道，每个通道通过不同类型的车辆，系统对该通道的识别是很重要的。
TIRISAVI系统可以同时监控三个通道，对于三个通道以上的收费站，可以将通道一和通道四视为一组，依次对各个分组进展检测，以确定车辆正在通过的通道。
2、工作原理
当行驶车辆经过AVI系统的读取单元时，车载IC卡被触发，发射出能唯一标识车辆的代码信息，读取单元经天线接收信息后传输到RCC卡，在此代码数据进展完整性检验后送入计算机系统进展处理和存储。
该系统具有双向通讯的能力，允许数据通过天线写回到车载IC
三、车辆牌照识别系统概述
由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统〔VehicleLicensePlateRecongnitionSystem〕应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。
它是不停车自动收费系统中与射频IC卡通讯技术同等重要的关键技术之一，是本文讨论的中心。
车辆牌照自动识别系统的研究开发工作早在八十年代就已经开场了，在国外这项技术已成就使用多年，然而在国内这技术仍牌新近开发应用的初始阶段。
目前，有一此单位、院校开展了这方面的研究工作，已有相关的技术报告和论文发
表[1]、[2]、[7]。
该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个局部组成，如图2所示。
其根本工作过程如下：
〔1〕当行驶的车辆驶入收费站入口时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；
一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、前方和侧面的CCD同时拍摄下车辆图像；
〔2〕由摄像机或CCD摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进展预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等；
〔3〕由检索模块进展牌照搜索与检测，定位并分割出包含牌照字符的矩形区域；
〔4〕对牌照字符进展二值化并分割出单个字符，
第二章图象分析与处理的根本方法
由于车辆牌照识别系统的处理对象是从实地拍摄的含有车辆牌照的图像，因此系统的关键技术几乎都是基于数字图象的处理和分析，在设计系统时会用到一些图象处理的具体方法，本章将对其中一些根本方法予以简要介绍。
图象处理主要包括图象变换、图象增强、图象压缩、图象复原、区域分割等方法，对于一个图象分析处理环节，其输入的是原始图象，输出的是经处理后的图象，该图象应满足下一步图象识别的要求。
在研究图象时，首先可对获得的图
象进展预处理以除去噪声干扰，提高信噪比，并对图象进展几何校正、色彩校正等处理。
当图象本身质量较差、有用信号微弱、无法辩识时，还得对其进展图象增强，图象增强的作用在于得到一幅满足一定要求的图象。
或是对图象进展变换，以满足进一步分析的需要。
为了从图象中寻找到需要识别的对象，可对图象进展区域定位、分割，区分出背景与对象物。
所谓图象复原就是将已经退化了的图象加以重建或恢复，以得到一个清晰的图象。
在实际处理中，由于图象的信息量非常大，输入图象文件所占据的内存空间多，因此在图象处理、存储和传输时，还对其压缩编码。
由此可见，图象处理的目的主要在于解决两个问题：
一是在一幅具有复杂的图象中，判断是否包含有用的信息，即是否有特定的对象物；
二是确定并且提取出这些有用的信息，以用于下面图象识别环节。
由于篇幅所限，这里只将在设计车辆牌照识别系统中用到的一些图象处理的根本方法，如，图象变换、图象增强、边缘检测等方法预以简要介绍。
一、图象变换
以傅里叶变换为例，用正交变换把原图象f（x,y）变到变换域F〔u,v〕，在变换域中对Ｆ〔u,v〕进展各种处理，即用某函数Ｈ〔u,v〕与之相乘，改变原Ｆ〔u,v〕为Ｇ〔u,v〕，再反变换到空域得到增强图象g（x,y）。
要想使细节模糊,而保持图象中物体的大的物体，选用的Ｈ〔u,v〕应使低频分量通过而抑制高频分量或使之减弱。
反之要使图象的细节及边缘清晰，那么选用的Ｈ〔u,v〕应使高频分量通过或放大而抑制低频分量或使之减弱。
这样经反变换到空域即可得加强边缘的效果。
经变换后再处理，称为频域处理，Ｈ（u,v）称为滤波函数。
类似地，可扩展到各
种变换，如Walsh变换、Cosine变换、K-L变换等。
1、离散Fourier变换〔DFT〕
类似一维的情况，对于大小为M×
N的数字图象的二维付里叶变换对可以定义为：
但，要在微机上实现二维离散付里叶变换，运算量大、运算时间太长，根本无法应用于实时处理的系统中，因此有必要利用其快速算法〔FFT〕。
FFT的思想是利用旋转因子
的周期性和对称性，将DFT运算过程中的大量重复计算简化，使得运算量大大减少。
另外，对于二维的图象信号，可以先对图象f（i,j）,的每一行做一维FFT得到N个值，将其排列在同一行的位置，再对由逐行变换得到的每一列做FFT变换，最后得到全图的变换图g（I,j）
2、Rapid变换
在用FFT进展变换时，FFT的根本运算单元为FFT的运算为蝶形运算，其根本关系式为，
其中，p,q分别为上下对偶节点的序号。
在此如果令旋转因子
对每一级的计算时均一样，且r=0时，即
那么，Fourier变换更简化为Rapid变换，它的根本运算关系式为
由于其中不再含有复数乘法，因而运算速更快，可以满足实时处理的要求。
3、离散的Karhunen-Lover变换
离散Karhunen-Lover变换，简称K-L变换，是图象变换中具有最正确性质的一种，常常作为标准来衡量其它变换性能的好坏。
它在图象压缩、图象目标旋转和分类特征的提取中都有很好的应用，尤其是用在特征提取和特征向量的降维中。
假设有一n维的特征向量组
，可求得其协方差矩阵和向量组均为，
由此求得协方差矩阵Cx的特征值λi和特征向量φi，并按照
从大到小的顺序排列后，相应的特征向量构成K-L变换矩阵，
故K-L变换可表示为
取Y的前m（m<
n）个分量就可以将特征向量由n维降到m维。
由于
具
有从大到小排列的方差，而方差越大其分类能力越强，因此，前m个分量就提取了具有较大分类能力的那些特征。
二、边缘检测
通常从一幅复杂背景中提取对象物的边缘都是以原始图象为根底，检测图中每一个象素点与其领域内的灰度变化，利用边缘邻近的一阶或二阶方向导数的变化规律来检测出边缘，以到达从背景中分割出对象的目的。
常用的边缘检测算子有：
梯度算子、Sobel算子、Laplacian算子、Kirsch算子，下面分别介绍。
1、梯度算子
对图象中的阶跃型的边缘，由于在边缘点处其一阶导数取极值，对数字图象f（i,j）中的每一个象素取其梯度值，
取适当的阈值Tg，假设G（i,j）Tg，那么G〔i,j〕点为阶跃状的边缘点，G（i,j）称为梯度
算子的边缘图象。
梯度算子有如下两种近似计算方法，
该式也被称为Roberts算子。
2、Sobel算子
对于数字图象）,（jif的每一个象素点，考察其上、下、左、右4邻点灰度值的加权差，与之接近的邻点的权大。
以此定义Sobel算子如下
取适当的阈值Ts,假设S〔i,j〕>
Ts,那么（i,j）点为阶跃状的边缘点，S（i,j）边缘图象。
3、Laplacian算子
对阶跃状边缘，二阶导数在边缘处为零，而在边缘点的两侧二阶导数取异号，因此，对数字图象f（i,j）的每一个象素取其关于横轴方向和纵轴方向的二阶差分之和，构成Laplacian算子如下。
Laplacian算子是一个与边缘方向无关的边缘检测算子。
4、Kirsch算子
对数字图象f（i,j）的每个象素〔i,j〕，考察其八个邻点的灰度变化，以其中三个相邻的相素点的加权和减去其余五个邻点的加权和。
让这三个邻点绕（i,j）依次移位，取其中差值最大的作为Kirsh算子的值。
式中，
取适当的阈值Tk，假设K（i,j）>
Tk，那么（i,j）点为阶跃状的边缘点，K（i,j）称为Kirsh算子的边缘图象。
第三章车辆牌照识别系统的设计实现
车辆牌照识别系统主要是由牌照图象预处理、牌照区域定位、字符分割与特征得取以及分类识别等环节组成，在本章中将详细论述系统的各个环节的设计思路与算法实现。
一、图象预处理
由CCD摄像机采集的图象可以BMP位图图象格式存于微机，为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的比照度和清晰可辩的牌照图象。
但由于该系统的摄像局部工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时CCD摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进展识别前的预处理。
1、图象的采集与转换
BMP格式的图象是以像素的形式记录图象的，它的每一个象素点〔pixel〕由红、绿、蓝三元色组成，每个色彩通道的颜色值都由一个八位的字节来表示。
然而，除了少数文献[2]、[3]提到可用色彩信息帮助对牌照的检测和分割外，考虑到图象文件的存储量和处理图象需占用大量机器资源，绝大多数牌照识别系统均采用不含彩色信息的灰度图象，即图象中每个象素仅由一个八位字节表示该象素的亮度值，因而灰度图象是具有256个灰度级的黑白图象，便于后续二值化处理，运算量大大减少。
一些系统的摄像局部采用单色CCD摄像头，那么可以直接得到灰度图象。
利用普通的彩色CCD摄像机拍摄的牌照图象都可以规整为宽度为256或512像素〔pixels〕点的位图文件格式，即彩色BMP图像文件。
BMP格式图象文件的构造分为：
文件头、调色板数据和图象数据三局部，其中文件头的长度固定为54
个字节，文件头中包含两种数据构造：
BITMAPFILE和BITMAPINFO，前者表示文件的类型、大小和打印格式等；
后者包含了文件的尺寸信息。
它们的数据构造定义如下，
TypedefstructtagBITMAPFILEHEADER
{unsignedintbfType;
unsignedlongbfSize;
unsignedintReserved1;
unsignedintReserved2;
unsignedintlongbfOffset;
}bitmapfileheader;
TypedefstructtagBITMAPINFOHEADER
{unsignedlongbiSize;
unsignedlongbiWidth;
unsignedlongbiHeight;
unsignedintbiPlanes;
unsignedintbiBitcount;
unsignedlongbipression;
unsignedlongbiSizeimage;
unsignedlongbiXpelsperMeter;
unsignedlongbiYpelsperMeter;
unsignedlongbiClrUsed;
unsignedlongbiClrImportant;
}bitmapinfoheader;
54个字节的头定义后是调色板数据和图象数据，对于单色图象〔biBitcount=0〕，调色板数据有二项，各占4个字节，那么图象数据从第62个字节开场；
对于16色图象〔biBitcount=4〕，调色板数据有16项，各占4个字节，那么图象数据从第118个字节开场；
对于256色图象〔biBitcount=8〕，调色板数据有256项，各占4个字节，那么图象数据从第1078个字节开场；
对24位的真色彩BMP图象文件，不需调色板，其文件头的长度固定为54个字节，即，图象数据从第54个字节以后开场，依次为蓝、绿、红三原色的各占一个字节的数据。
因此，在读取一幅图象的数据时，可以相隔依次读取三个分别表示蓝色、绿色和红色的数据，以数组的形式将图象数据流读进内存，如，PicB[i,j]、PicG[i,j]、PicR[i,j],称为色彩通道〔B通道、G通道、R通道〕。
考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字和黄底黑字这两种最常见的牌照，采用蓝色B通道时牌照区域为一亮的矩形，而牌
照字符在区域中并不呈现，如图4所示。
因为蓝色〔255，0，0〕与白色〔255，255，255〕在B通道中并无区分，而在G、R通道或是灰度图象中并无此便利，如图5所示。
同理对白底黑字的牌照可用R通道，绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置，便于后续处理。
同时，也可利用色彩信息对牌照进展初步的分类，识别出小车、大车、卡车、军车、的士、或其它特种牌照的车辆。
对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算，
为了保证图象文件处理的速度，到达实时的要求，图象压缩也是必要的预处理环节之一。
在字符识别的应用中，实验证明16×
16（pixels）的大小就已经足够用以保持输入字符的形状[4]，确保识别的正确性，因此，采集的实际图象可经过压缩得到无失真压缩图象再进展处理。
实际上，对图象进展压缩应选择适宜的压缩比，不能因压缩而丧失字符信息，造成识别错误。
2、图象增强
由于车辆牌照识别系统是全天候的工作性质，假设无理想的补充光照明，自然光照度的昼夜变化会引起牌照图象的比照度严重缺乏，使图象中牌照字符分辨不清，甚至根本无法定位和分割，更无法识别。
因此，人们提出各种有效各有效的增强图象比照度度的方法，如：
灰度线性变换、图象平滑处理和线性滤波器等。
文献[6]中采用了图象灰度拉伸的方法有效地增强了图象的比照度，增强后的图象中字符清晰、区域清楚，便于图象二值化和字符分割处理。
文献[3]中那么采用了一种简便有效的线性滤波器进展图象中字符的增强，得到一个亮度明显高于背景的牌照字符区域，经进一步的定位处理就很容易确定其具体位置。
可见，图象增强
处理无论对图象牌照的可辩认度的改善，还是简化后续的牌照字符定位和分割的难度都是很有必要的。
〔1〕灰度校正
由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。
如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于CCD摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光缺乏而使得图像的灰度变化范围很窄。
这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以到达增强图象的比照度和分辨率。
实验中我们发现车辆牌照图象的灰度取值范围大多局限在r=（50,150）之间，而且总体上灰度偏低，图象较暗。
根据图象处理系统的条件，最好将灰度范围展开到s=（0,255）之间，为此我们对灰度值作如下的变换，如图6所示，
使得
，其中，T为线性变换，
假设r（50,150）、s（0，255）那么：
〔2〕平滑处理
对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。
例如，某一象素点的邻域S有两种表示方法：
邻域平均值为，
其中，M为邻域中除中心象素点f（i,j）之外包括的其它象素总数，对于4邻域M=4，8邻域M=8。
然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等局部产生模糊作用。
为了克制这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保存原来的值，从而减少由于平均化引起的图象模糊。
3、图象水平校正
虽然在车辆牌照的拍摄时，可以调整CCD摄像机的俯仰角度、摄取方向和水平度，以保持牌照的横向边缘的倾斜度尽可能小，并且让牌照在整幅图象中处于相对居中的位置，即图象的视觉中心上。
但是，实际上CCD摄像机通常安装在路边或顶部，这将造成车辆牌照与CCD摄像头成像平面不平行，产生不同程度的牌照图象的倾斜与变形，影响牌照的检测和分割。
就图象的旋转倾斜的问题，文献[7]中提出了基于区域生长算法的牌照校正方法，较好地保证了牌照图象的水平。
文献[8]的作者在文中详细讨论了图象的水平校正，并给出了理论推导和具体的算法实现，该方法对解决其它字符识别系统的类似问题也是快速有效的。
类似地，在文献[2]和[6]中作者也不同程度地讨论了牌照图象的倾斜和变形对牌照的检测和提取以及之后的牌照字符分割所产生的不容无视的影响，并提出了相应的改善方法。
更多的情况下，图象的水平校正是放在牌照的二值化和分割，甚至是在牌照字符切分之后再进展，这样图象的运算量大减少。
然而，倾斜的牌照图象本身就极不利于牌照字符的切分，因此，将图象水平校正放在图象预处理过程中是切实可行的。
我们在实验中针对倾斜比拟严重的图象采用如下坐标变换的方法进展水平校正，
其中，θ
升级会员 