车牌自动识别系统的设计与研究40车牌定位与分割41毕业论文设计Word文档下载推荐.docx
《车牌自动识别系统的设计与研究40车牌定位与分割41毕业论文设计Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《车牌自动识别系统的设计与研究40车牌定位与分割41毕业论文设计Word文档下载推荐.docx（32页珍藏版）》请在冰豆网上搜索。
指导教师签名：
日 期：
使用授权说明
本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：
按照学校要求提交毕业设计（论文）的印刷本和电子版本；
学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；
学校可以采用影印、缩印、数字化或其它复制手段保存论文；
在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。
作者签名：
日 期：
学位论文原创性声明
本人郑重声明：
所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。
除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。
对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。
本人完全意识到本声明的法律后果由本人承担。
日期：
年月日
学位论文版权使用授权书
本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。
本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。
涉密论文按学校规定处理。
日期：
导师签名：
日期：
指导教师评阅书
指导教师评价：
一、撰写（设计）过程
1、学生在论文（设计）过程中的治学态度、工作精神
□优□良□中□及格□不及格
2、学生掌握专业知识、技能的扎实程度
3、学生综合运用所学知识和专业技能分析和解决问题的能力
4、研究方法的科学性；
技术线路的可行性；
设计方案的合理性
5、完成毕业论文（设计）期间的出勤情况
二、论文（设计）质量
1、论文（设计）的整体结构是否符合撰写规范？
2、是否完成指定的论文（设计）任务（包括装订及附件）？
三、论文（设计）水平
1、论文（设计）的理论意义或对解决实际问题的指导意义
2、论文的观念是否有新意？
设计是否有创意？
3、论文（设计说明书）所体现的整体水平
建议成绩：
（在所选等级前的□内画“√”）
指导教师：
（签名）单位：
（盖章）
年月日
评阅教师评阅书
评阅教师评价：
一、论文（设计）质量
二、论文（设计）水平
评阅教师：
教研室（或答辩小组）及教学系意见
教研室（或答辩小组）评价：
一、答辩过程
1、毕业论文（设计）的基本要点和见解的叙述情况
2、对答辩问题的反应、理解、表达情况
3、学生答辩过程中的精神状态
评定成绩：
教研室主任（或答辩小组组长）：
（签名）
教学系意见：
系主任：
摘要
随着信息化时代的到来，我们的生活变得更加便捷，汽车的数量也与日俱增，这就需要一个高效的方法来实现对汽车的管理。
智能交通系统在这种背景下应运而生，而智能交通系统的关键技术便是车牌识别系统。
本文就是对车牌识别系统（SystemofLicensePlateRecognition）中的车牌定位算法和车牌字符分割算法的研究。
车牌识别系统能够广泛用于高速公路车辆监测、十字路口车辆监测、小区车辆管理等。
有了车牌识别系统，我们便可以对车辆进行24小时的自动监控，这大大提高了效率，节省了人力和物力。
车牌识别系统主要由硬件和软件构成，车牌识别算法主要分为三个部分：
车牌定位、字符分割、字符识别。
本文主要介绍了车牌定位与字符分割算法。
论文首先介绍了汽车车牌识别技术课题开展的背景和意义，阐述了它在国内国外发展的概况，并且对车牌定位系统的组成进行了研究。
其次，论文对汽车车牌识别系统中的关键技术，车牌定位，字符分割分别进行了阐述，介绍了车牌定位中常用方法的比较，提出了基于数学形态学与边缘特征相结合的车牌定位技术。
最后，对设计的车牌自动识别技术系统中存在的不足做出总结，对系统的改进提出建议，指出论文的进一步研究工作展望与设想。
关键字：
车牌识别系统，车牌定位，字符分割
ABSTRACT
AlongwiththecomingoftheInformationage,ourlifebecomemoreandmoreconvenient,atthesametimethereismoreandmorevehicle.Soitisurgentforustostudyanefficientmethodtomanagethem.IntelligengtTransportationSystememergesinthiscondition,
andthekeytechnologyofthissystemisLicensePlateRecognitionSystem（LPRS）.Thisarticlestudiesthealgorithmoflicenseplatelocationandthealgorithmoflicenseplatecharactersegmentationindetails.LPRSiswidelyusedinthemonitoringofvehicleondistrict.Thesystemcanworkindayandnightefficiently,whichsaveslaborsandresources.
LPRSisconsistingoftechnology,expoundsthegeneralsituationofitsdevelopmentatsystemandstructureofthemaintechnologiesofLicensePlateidentification,charactersegmentationandidentification.
Conceivedthelicenseplatelocationtechnologywhichisbasedonmathematicalmorphologyandedgefeatures.
Lastly,itconcludesthedeficiencyofthecarindentificationtechnology,bringsoutsuggestiontoimprovethistechnology.
Keywords:
LicensePlateReconitionSystem,LicensePlateLocation,
CharacterSegmentatio
第一章绪论
1．1课题研究背景与意义
近年来，随着经济的快速发展，社会信息化程度同益提高，智能交通管理系
统已经逐渐成为21世纪道路交通的发展趋势。
同时高速公路的持续发展和车辆管理体制的不断完善，使图像场景同益简单化和标准化，也为以图像理解为基础的智能交通管理系统进入实际应用领域提供了契机。
车牌自动识别（LicensePlateRecognition，LPR）系统正是在这种应用背景下提出的能够自动、实时地检测车辆经过和识别汽车牌照的智能交通管理系统的重要组成部分。
车牌自动识别系统具有广泛的应用范围，主要应用于：
1．高速公路收费、监管管理；
2．小区、停车场的管理；
3．闯红灯等违章车辆监控；
4．车辆流量检测与控制；
5．车辆安全防盗、堵查指定车辆等。
车牌自动识别系统应用于这些地方，可以解决通缉车辆的自动稽查问题，可
以解决车辆高峰期因出入车流瓶颈造成的陆桥卡口、停车场交通堵塞问题，可以
解决因工作人员作弊造成的陆桥卡口、高速公路、停车场应收款流失的问题，还
可以最简单的方式完成交通部门的车辆信息联网，解决数据统计自动化、模糊查
询的问题。
1．2车牌定位与分割国内外发展
从20世纪80年代（1988年），国外的研究人员就开始了对车牌识别系统的
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，确定汽车的
车牌号。
在车牌识别的过程中，虽然运用了很多的技术方法，但由于外界环境光
线变化、光路中有灰尘、季节环境变化及车牌本身被污染而模糊等条件的影响，
使得车牌识别系统一直处于实验室阶段，得不到很好的应用；
而且，很多的方法
都需要大量的数值计算，不能很好地满足实时性要求。
为了解决图像恶化的问题，
目前国内外的研究机构和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。
虽然提高了识别率，但是，这同时也造成了系统的投资成本过大，应用领域变窄，不能普遍推广应用。
目前，国内外已开发出的一些产品有：
以色列Hi_Tech公司的SeeCarSystem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SeeCarSystem有多种的产品来分别使用于某一个国家的车牌，SeeCarChinese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本国的车牌识别系统。
各个国家的产品虽然不同，但基本上都足基于车辆探测器的系统，设备投资巨大。
国内做得好的产品有中科院自动化所汉王公司的“汉王眼”，除此之外国内的亚洲视觉科技有限公司，中科院沈阳自动化所的沈阳聚德公司，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预先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所，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。
关于车牌定位的研究，国外起步比较早，现在比较好的车牌定位方法主要有
J．Barroso等提出的基于水平搜寻的定为方法；
R．Parisi等提出的基于DFT变换的频域分析方法；
J．Bulas—Crue等人提出的基于扫描行车牌提取方法。
上述方法，尽管在一定的条件下能够定位出车牌，但车牌识别系统大多是利用摄像机室外拍摄车牌图像，存在许多外在的干扰，如天气、背景因素、车牌磨损、污染、图像中车牌倾斜等因素，因此定位并不十分理想。
车牌定位是解决图像分割、图像分析与理解的问题。
它的方法多种多样，它可以是对先前方法的改进，也可以是独辟蹊径的创新，也可以是新老方法的结合。
对一些复杂的图像应用某些数学工具不仅可以加快处理速度，而且可以改善和优化处理结果。
车牌定位是车牌识别的基础，车牌定位的结果直接影响着字符分割和字符识别的效果，所以有必要对车牌定位方法进行深入的研究。
车牌字符分割是把车牌的字符一个个分离出来，为车牌字符的识别做好准备
工作。
车牌字符分割属于印刷体字符分割的范畴。
印刷体字符分割的任务是从多
行或多字符图像中切割出单个字符。
对于字符分割的问题常常不被重视，但是字符的正确分割对字符的识别又很关键。
由于各种因素的影响，使得字符分割的复杂性大。
目前的字符分割的算法一直在不断完善。
针对车牌图像的字符分割，是字符分割的一个具体应用，目前人们根据车牌字符的特征已提出了一些算法，比如：
基于先验知识的分割算法，基于投影轮廓和拓扑结构的分割算法等。
但是考虑到车牌中字符可能存在的粘连、断裂情况，字符分割技术仍然需要进一步改进。
1．3主要研究内容
课题研究的主要内容是对数码相机拍摄的车牌，进行基于数字图像处理技术的车牌定位技术和车牌字符分割技术的研究与开发，涉及到图像预处理、车牌定位、倾斜校正、字符分割等方面的知识,总流程图如图1-1所示，其中车牌定位的流程图如图1-2所示，字符分割与归一化的流程图如图1-3所示。
图1-1系统总流程图
图1-2车牌定位的流程图
图1-3字符分割与归一化流程图
1．4论文章节安排
第一章为绪论。
介绍了选题的背景及意义,并对国内外车牌定位分割技术研究现状进行了综述。
同时还给出了本文研究的主要内容和论文的章节安排。
第二章为图像处理技术。
详细地阐述了车牌定位分割过程中涉及到的图像处理技术的基本理论,并结合课题程序进行探讨分析。
第三章为车牌图像的定位。
分析了车牌定位的基本原理和现有的定位方法,利用图像处理的技术,提出了基于数学形态学与边缘检测以及颜色相结合的车牌定位方法。
最后对车牌定位实验结果进行分析。
第四章为倾斜校正。
分析了倾斜校正的基本原理和一些倾斜校正方法,并对实验结果进行分析。
第五章为车牌字符分割。
分析了各种字符分割算法，然后对分割出的车牌图像进行灰度化、灰度拉伸、二值化、去边框处理等一系列预处理后，提出了一种
基于模板匹配与垂直投影相结合的字符分割方法。
最后对字符分割实验结果进行了分析。
第六章对所做的工作进行了总结和展望。
附录为程序代码。
第二章图像处理技术
2．1图像灰度化
数字图像包括彩色图像和灰度图像两种。
在RGB模型中，例如R=G=B，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。
灰度化处理就是由彩色转换为灰度。
由于彩色图像的存储大都占用很大的空间，在对图像进行切割处理时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0-255，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:
（1）最大值法:
使g的值等于三值中的最大的一个，见式（2-1）
（2-1）
（2）平均值法:
使g的值等于三值和的平均值，见式（2-2）
（2-2）
（3）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，见式（2-3）
（2-3）
其中
分别为R，G，B的权值。
由于人眼对绿色的敏感度最高,对红的
敏感度次之，对蓝色的敏感度最低，所以本实验取
。
本文根据加权平均值法进行灰度化。
原图、灰度图及其直方图结果见图2-1与图2-2，且彩色图像灰度化代码如下：
I=imread（'
D:
\MATLAB7\1.jpg'
）;
%读入彩色车牌图像
figure
（1）,imshow（I）;
title（'
原图'
I1=rgb2gray（I）;
%灰度化
figure
（2）,subplot（1,2,1）,imshow（I1）;
灰度图'
figure
（2）,subplot（1,2,2）,imhist（I1）;
灰度图直方图'
图2-1彩色车牌图像
图2-2车牌图像的灰度图及其直方图
下面图2-3到图2-5是对其他车牌图像进行灰度化和其直方图的显示结果。
从直方图中可以看出车牌图像的直方图中存在双峰或多峰的情况，这些给后期的车牌图像二值化过程中阈值的选择带来一定的影响。
图2-3车牌图像的灰度图及其直方图
图2-4车牌图像的灰度图及其直方图
图2-5车牌图像的灰度图及其直方图
2．2图像增强
图像在获取和传输过程中通常都会混入很多噪声，导致图像质量的下降，使图像的细节难以辨认、模糊、轮廓不清楚甚至畸变，不利于人和机器对图像的理解。
因此，在对原始图像分析之前，必须改善图像的质量。
图像增强是使用的比较多的一种方法，增强的目的是增强图像的视觉效果，提高图像的清晰度，使其更加便于人或者机器处理。
图像增强所使用的方法主要分为两大类，一类是空域增强法，主要包括直方图修正、图像平滑和图像锐化等；
另外一类则是频域增强法，主要有低通滤波、带通滤波和高通滤波等。
出于对实时性的考虑，在车牌识别系统中一般很少使用频域增强法。
造成图像对比度低的几个原因：
1.被摄像物的远近不同，使得图像中央区域和边缘区域的灰度失衡；
2.CCD摄像头扫描时各点的灵敏度有较大的差异而产生图像灰度失真；
3.成像时曝光不足或者过度而使得图像的灰度变化范围太窄；
4.自然光线的差异。
通过直方图发现车辆牌照图象的灰度取值范围大多局限在r=（50,200）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，为此对灰度值作如下的变换：
（2-4）
使得S∈[Smin,Smax],其中，T为线性变换，
（2-5）
图2-6灰度线性变换
图像增强代码和结果如下：
J=imadjust（I1,stretchlim（I1）,[]）;
%非线性变换
figure（3）,subplot（1,2,1）,imshow（J）;
灰度拉伸后的图'
figure（3）,subplot（1,2,2）,imhist（J）;
图2-7灰度拉伸后的图像及其直方图
程序中使用imadjust函数来实现图像的灰度拉伸。
它使图像的低灰度区得以扩展，而高灰度区得到压缩，使图像的灰度分布均匀，与人的视觉特性匹配。
从图2-7中可以看出原始车牌图像视觉效果一般，经过灰度拉伸后，图像感觉清晰了许多。
利用灰度拉伸对于图像中的高亮区和黑暗区具有保护细节的明显作用。
2．3车牌图像的二值化
灰度图像是有256个灰度级的单色图像，多级别的图像能够呈现出较为丰富的明暗度，但对于目标搜索来说，总是希望尽可能地减少背景像素的干扰，而保存或增强目标区的色素度。
图像的二值化可把像素的灰度级分成黑与白二级，即把原灰度图像转化为二值图像，在数字图像处理中，二值图像占有非常重要的地位。
这是因为，一方面，有些需要处理的如文字图像、指纹图像、工程图纸等图像本身是二值的;
另一方面，在某些情况下即使图像本身是有灰度的，我们也设法使它变成二值图像再进行处理（即灰度图像的二值化）。
这是考虑到在实际的图像处理系统中，要求处理的速度高、成本低、信息量大的浓淡图像处理的花销太大。
此外，二值化后的图像能够用几何学中的概念进行分析和特征描述，比灰度图像优势大的多。
如何将图像分成两级，关键看阈值的选取，要找到合适的阈值t来区分对象和背景。
设原灰度图像为f（x，y），二值化后的图像为g（x，y），二值化过程表示如下:
（2-6）
门限t的选择是关键，它可以表示为一个三元函数，即：
（2-7）
其中（x,y）是图像中像素位置，f（x,y）代表图像中（x,y）处的灰度值，N（x,y）为（x,y）周围邻域的灰度特征。
目前二值化有多种阈值选取方法。
依阈值的应用范围可分为全局阈值法、局部阈值法和动态阈值法等。
全局阈值法是指在二值化过程中只使用一个阈值，典型的全局阈值方法包括Ostu方法、最大熵方法等，优点在于算法简单，对于目标和背景明显分离、直方图分布呈双峰的图像效果良好，但对输入图像量化噪声或不均匀光照等情况抵抗能力差，应用受到极大限制;
局部阈值法则是由像素的灰度值和像素周围局部灰度特性来确定二值化的阈值，Bernsen算法是典型的局部阈值方法，局部阈值法的缺点和问题是实现速度慢、不能保证字符笔划连通性、以及容易出现伪影现象等;
动态阈值法的阈值确定不仅取决于该像素的灰度值及其周围像素的灰度值，而且与像素位置信息有关。
由于充分考虑了每个像素邻域的特征，能够更好的突出背景和目标的边界，使得相距很近的两条线不会产生粘连现象，二值化效果较好。
缺点是算法复杂，耗费资源较多。
尽管阈值选取的方法很多，但至今还没有找到一种对所有图像都可以有效分割的方法，一种阈值方法只能适用于某一类或几类图像。
蓝白车牌和黑白车牌车牌底色和字符颜色对比明显，而黄黑车牌的车牌底色和字符颜色对比不太明显。
本文采用了基于灰度直方图的全局阈值法的方法来处理蓝白车牌。
令T代表一副灰度图像的阈值，
为图像中实际像素的最高灰度值，
为相对最小灰度值，对于一幅灰度级为256级的灰度图像，从第l级开始，每16个灰度级分为一个灰度
升级会员 