车牌字符分割与数字识别算法研究毕业设计论文文档格式.docx
《车牌字符分割与数字识别算法研究毕业设计论文文档格式.docx》由会员分享，可在线阅读，更多相关《车牌字符分割与数字识别算法研究毕业设计论文文档格式.docx（59页珍藏版）》请在冰豆网上搜索。
主
要
内
容
车牌识别系统是智能交通不可或缺的一部分，可分为车牌定位、字符
分割与字符识别三个部分。
该题目要求完成该系统中的字符分割与车牌
字符自动识别算法研究，重点为车牌数字的自动识别，并对所研究算法
进行编程验证。
基
本
求
[1]通过学习相应书籍和查阅资料，熟悉并掌握数字图像处理的基本技术
[2]学习一种用于图像处理算法验证的软件工具。
[3]学习并研究字符分割与字符识别算法。
[4]编程验证算法的有效性。
参
考
资
料
[1]智能图像处理技术李弼程等编著电子工业出版社2004
[2]VisualC++/MATLAB图像处理与识别实用案例精选胡小峰，赵辉编
著人民邮电出版社2004
[3]用于验证所用算法的编程语言参考书（自选）
[4]IEEE，Elservier以及中国期刊网上的相关文章
周次
1—4周
5—8周
9—12周
13—16周
17—18周
应
完
成
的
收集资料
熟悉课题内容
查阅参考书确定设计思路
编程语言学习及设计中使用的算法的理解和熟悉
编制处理程序，并上机进行软件程序调试及优化
实验结果整理和总结
论文书写
课题总结
答辩
指导教师：
张涛
系级教单位审批：
说明：
如计算机输入，表题黑体小三号字，内容五号字。
本任务书一式二份，教师、学生各执一份。
摘要
随着高速公路逐渐普及，我国的公路交通事业发展迅速。
而相应的人工管理方式已不能满足实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。
目前典型地应用如告诉公路自动收费系统、违章车辆在自动记录系统和道路车辆数字图象采集系统等。
目前的车牌字符的分割与数字识别有许多方法，本文首先介绍了字符切分与数字识别的几种方法，并采用基于图像提取的方法实现了字符分割，应用数字字符轮廓结构特征和统计特征相结合的方法进行数字识别，完成了车牌识别的实时算法,实现了车牌识别的研究目标。
最后本文通过计算机试验对该方法进行了验证，试验证明该方法有效。
关键词字符分割；
字符识别；
字符轮廓；
轮廓的统计特征
Abstract
Withthewidelyapplicationofhighway,thehighwaytransportationbusinessrapidlydevelopsinourcountry.Duetotheshortageofcorrespondingartificialmanagement,theapplicationofthemicro-electronic,communicationandcomputertechnologyintransportationfieldgreatlyimprovesthemanagementefficiencyofit.Recently,manytypicalcases,suchasthehighwayautomaticchargesystem,automaticrecordingsystemofillegalvehicleandthepictureacquisitionofvehicleinroad,arewidelyused.
Currently,manynewmethodsareusedinvehiclenumberPartitionanddigitalidentification.Thispaperintroducesafewmethodsaboutcharactersliceanddigitalidentification.Charactersliceisfinishedbythemethodofpictureacquisition.Combineddigitalcharacteroutlinespecificationwithstatistics,vehiclenumberidentificationisrealizedbydigitalidentificationmethod,anditsreal-timealgorithmisdesigned.Atlast,thismethodistestedbycomputerexperiment,theresultshowsitsvalidity.
KeywordsCharacterlistpartitionsCharacterlistidentifiesCharacterlistonlineCovariancecharacteristicofoutline
第1章 绪论
1.1 课题背景
现代社会已进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。
在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。
目前指纹识别、视网膜识别技术已经到了实用阶段；
声音识别技术发展也是相当的快。
作为现代社会的主要交通工具之一的汽车，在人们的生产、生活的各个领域得到大量使用，对它的信息自动采集和管理对于交通车辆管理、园区车辆管理、停车场管理等方面有十分重要的意义，成为信息处理技术的一项重要课题。
随着城市道路监控技术和ITS智能交通技术的发展和融合，“电子警察”已经成为缓解交通紧张、降低交通事故和隐患体现科技强警的一项重要举措。
电子警察执法处罚具有高技术含量，可以对“超速、逆行、闯红灯、禁停、压黄线、抢占公交车道等一系列违章现象进行准确、稳定、自动、全天候的监控、执法和处罚。
电子警察的出现可以大大缓解因违章行为导致交通事故增加与警力少和警务人员劳动强度大的矛盾，有效抑制的由于人为违章引起的交通事故。
电子警察在国内一些大中城市经过近几年的广泛应用，技术已经很成熟，由早期单一的闯红灯抓拍演变为多项违章内容及车流量、排队长度、等待时间、车道占有率、平均速度等交通信息统计分析的监控系统。
汽车牌照识别技术是车辆检测系统中的一个重要环节，它在交通监视和控制中占有很重要的地位,有着多种应用[1]，例如自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制等等。
同时，汽车牌照识别的方法还可应用到其他检测和识别领域。
所以汽车牌照的识别问题已成为现代交通工程领域中研究的重点和热点问题之一。
1.2 汽车牌照自动识别技术的现状与发展
1.2.1 汽车牌照识别的主要应用技术
1.2.1.1IC卡识别技术IC卡是一种集微电子技术、通讯技术和计算机技术于一体的高科技产品，利用IC卡技术进行汽车牌照的识别，主要是指在每辆汽车上安装一个微型的电子信号接收和发射装置即IC卡，卡内存储了该车的车牌号码以及其他一些信息，当汽车通过设有车辆检测装置的路口时，IC卡系统将与路口的计算机系统进行对话，使之辨识出该汽车的车牌号码和其他有关内容，从而可以实现监督与管理。
然而，尽管IC卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业，且须要制定出全国统一的标准。
另外，无法核对车、卡是否相符，也是IC卡技术存在的缺点。
1.2.1.2 条形码识别技术[2] 条形码技术由于识别速度快、准确度高、可靠性强以及成本较低等优点，目前已广泛应用在商品销售、图书借阅管理、仓库进出货管理、邮政管理等众多领域。
而条形码用于汽车牌照的识别方面还是一种新方法，它可以通过在车辆的侧面印刷条形码。
其中包括地区、车型、车牌号码等基本信息，当条形码扫描器阅读出这些信息后，就可以完成识别的任务。
但是条形码识别技术对于扫描器要求很高，并且同IC卡技术一样，须在全国范围有统一的标准。
这给近期短时间内推广造成困难。
1.2.1.3 图像处理技术运用图象处理技术解决汽车牌照识别的研究国内外都有，最早出现于80年代，这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的图象处理技术来解决。
识别过程是使用工业电视摄像机（IndustrialTVCamera）拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。
例如车辆牌照中省份汉字的识别问题，1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的。
根据汉字的投影直方图（ProjectionHistogram），选取浮动阈值，抽取汉字在y方向的峰值，利用树形查表法进行汉字的粗分类；
然后根据汉字在x方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别。
1.2.1.4 传统模式识别技术 传统模式识别技术一般包括模板匹配法，统计特征法等.进入90年代，由于计算机视觉技术（ComputerVisionTechnique）的发展，开始出现汽车牌照识别的系统化研究。
1990年A.SJohnson等[3]运用计算机视觉技术和图象处理技术实现了车辆牌照的自动识别系统。
该系统分为图象分割（Imagesegment）、特征提取和模板构造（FeatureEx-tractionandTemplateFormation）、字符识别（CharacterRecognition）等三个部分。
利用不同阈值（Threshold）对应的直方图不同，经过大量统计实验确定出车牌位置的图象直方图的阈值范围，从而根据特定阈值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配（PatternMatching）识别出字符。
1990年R.A.Lotufo等[4]使用视觉字符识别技术（OpticalCharacterRecognitionTechniques）分析所获取的图象，首先在二值化图象中找到车牌，然后用边界跟踪技术提取字符特征，利用统计最邻近分类器（AStatisticalNearestNeighborClassifier）与字符库中的字符比较，得出一个或几个车牌号码，对这些号码做核实检查，看是否确实有该车牌号码，从而最终确定出一个实际存在的正确的号码。
总之，这个时期的应用在识别正确率方面有所突破，但还没有考虑到识别实时性的要求，识别的速度有待进一步提高。
1.2.1.5 人工神经网络技术近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌的自动识别问题.例如1994年M.M.M.FAHMY等就成功地运用了BAM（Bidirectionalassociativememories）神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构成的双向联想式单层网络，每一个字符模板对应着唯一一个BAM矩阵,通过与车牌上的字符比较，识别出正确的车牌号码。
这种采用BAM神经网络方法的缺点是无法解决识别系统存储容量和处理速度相矛盾的问题。
由于人工神经网络技术抛开了传统的计算结构和相应的算法，采用了生物神经网络的模型,因此它能较好地实现人类存储知识及处理信息的机能,使系统可以模拟人类思维,对需要处理和解决的问题进行记忆、联想、推理,从而较好地解决了车牌识别中所提出的因字符残缺不完整而无法识别的问题。
另外人工神经网络技术应用于车牌识别领域与传统方法相比,还可以避免繁重的数据分析和数学建模工作,可以将信息存储与处理并行起来,大大提高了运行速度,因此越来越受到人们的广泛关注。
1.2.2 我国汽车牌照识别的特殊性
如上所述，国外汽车牌照识别系统研究工作已有一定进展，但并不尽合我国国情，这主要是因为以下五个方面的原因：
（1）我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度；
（2）国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色（例如韩国,其车牌底色为红色，车牌上的字符为白色，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等若干种颜色；
（3）其他国家的汽车牌照格式（如汽车牌照的尺寸大小，牌照上字符的排列等）通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式（例如分为军车、警车、普通车等）；
（4）我国汽车牌照的规范悬挂位置不唯一；
（5）由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶。
由于我国汽车车牌识别的特殊性，采用任何一种单一识别技术均难以奏效。
目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉（ComputerVision）技术、图象处理技术、人工智能技术和人工神经网络技术等，是一个比较有发展前途的车牌识别系统。
1.2.3 无源型汽车牌照智能识别系统
1.2.3.1 系统特点该系统融合了多种先进技术，对由数字照相机或数字摄像机采集到的行使中汽车图象进行分析与处理，自动分割出汽车牌照并智能识别出汽车牌照号码。
所谓无源型汽车牌照智能识别系统是指在无任何专用于发送车牌信号的车载发射设备（如:
无线、微波、红外、可见光、超声波等）的情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别的系统。
与传统系统相比，这种系统节省了设备安置及大量资金,从而提高了经济效益。
另外，由于采用了最先进的计算机应用技术，所以可提高识别速度，较好地解决实时性问题。
1.2.3.2 系统关键技术 从大体上此系统的关键技术可分为以下两方面
（1）汽车车牌的提取 根据我国标准汽车车牌底色及字符是由固定的几种颜色（白色、蓝色、黄色、黑色、红色）组成，这些颜色信息可帮助牌照的定位，故可以利用人工神经网络技术先检验相关颜色，初步定出一个或几个可能存在车牌的区域，再在这些区域中寻找适当特征的图形，找到车牌位置，从而将完整的汽车车牌分割提取出来。
.
（2）汽车车牌字符的智能识别 考虑到部分汽车牌照会存在受污损，涂漆脱落，以及对行驶中的汽车进行图象采集时造成的图象扭曲、变形等情况，如果运用以往一些技术方法，可能造成识别错误，因此可以利用人工神经网络方法具有自适应性和记忆特性，对于不完整的汉字同样能够正确识别的特点，对汽车牌照上有限的汉字进行准确快速处理。
该系统设想采用人工神经网络技术建立省份简称汉字、英文字母以及阿拉伯数字的标准模板，与汽车车牌上的字符相匹配，自动智能地识别出汽车车牌号码。
1.3 汽车牌照识别技术的应用
车牌自动识别技术作为车辆识别的先进技术手段，在智能园区中可用于以下几个方面：
（1）车辆出、入园识别：
园区的业主入住时，将自己的汽车进行登记，其车牌信息将记录在计算机数据库中。
在园区大门处，设有车牌自动识别系统，对进出车辆自动识别，并根据数据库中的车牌数据判断是否是园区内的车辆，对园区内的车辆放行并自动记录其出入园时间，以便出现车辆被盗等情况时查询；
对园区外车辆，将要求其登记后方可进入。
（2）停车场管理：
在园区停车场出、入口处，设有车牌自动识别系统，对进出停车场的车辆自动识别，并根据数据库中的车牌数据判断是否是已买（或租）车位的车辆，对已买（或租）的车辆放行，并自动记录其出入停车场时间，以便出现车辆被盗等情况时查询，对进入停车场的已买（或租）车位的车辆自动将其车位处的挡车器打开，以便车辆停放；
对其它车辆，将自动记录其出入停车场的时间，以便计时收费，对进入停车场的其它车辆自动分配停车位并将其车位处的挡车器打开，以便车辆停放。
目前车牌自动识别技术大量应用智能园区的障碍是识别率的提高和经济成本的降低。
可以预言，用不了多久这种基于计算机数字识别技术的车牌自动识别产品将会大量使用于智能园区的车辆管理。
（3）用于高速公路收费管理：
一旦车牌自动识别技术到了实用阶段，它可以首先推广应用到高速公路收费管理。
它可以使高速公路行驶的车辆不必停车而实现收费管理。
（4）用于城市交通车辆管理：
车牌自动识别技术还可以将该车的外貌、颜色等参数结合起来使用，尤其可以使用于城市机动车辆的档案管理工作、特殊的交通管理工作。
1.4 本文结构
本文首先对汽车车牌数字识别技术的国内外现状与发展进行了比较全面的描述，然后介绍了当今汽车车牌识别技术的几种先进方法及其基本的特点，其次是本文研究此课题所用方法，实现了车牌识别的研究目标，并完成了车牌识别的实时算法。
最后对代码进行调试得出相关结论。
第2章目前汽车车牌识别技术的方法
文字是人类互相交流信息的重要工具。
与其他信息载体相比，他具有便于信息保存和传递的优点，使信息在时间和空间商得以迅速扩散。
并且用简单的几个字符可以表达大量的信息，且能方便地被人们接受和理解。
因此，文字地信息表达几乎渗透了人类活动地各个角落。
社会反战进入信息时代，人们已不再停留在用自己地耳朵和眼睛去直接获取这些信息，再用手指将信息记录在纸上，然后进行信息地分析处理。
而是使用计算机代替人的简单、重复劳动。
目前，文字识别与提取技术已经有了一定的进展，并且应用到了一些领域，比如交通、公共安全等领域。
我相信文字识别技术将来会得到进一步的发展，并且在日常生活的会有更广泛的应用。
下面介绍几种有关汽车牌照字符分割和数字识别的方法。
2.1 汽车车牌字符分割方法
2.1.1基于聚类分析的车牌字符分割方法
2.1.1.1 车牌特点 我国现行的拍照主要有四种类型：
蓝底白字、白底黑字或红字、黑底白字。
车牌共有七个字符和一个点符号。
一般第一字符是汉字，且是各省市的简称，如”湘”、”鄂”、”沪”等；
第二个字符是大写英文字，如”A”、”B”、”C”等；
接着是一个点”.”；
第三个字符可能是英文字母，也可能是阿拉伯数字；
第四至第七个字符均为阿拉伯数字，如”鄂A.X1234”，车牌的长度为45厘米，宽度为15厘米。
其中单个字符统一宽度为45毫米。
高90毫米，第二、三个字符为34毫米，其中字符间隔为12毫米。
2.1.1.2 字符分割 字符分割是指将车牌分割成单个字符区域。
如图2-1中包含字符的矩形黑框所示，图2-1中的碎细线段为残余的车牌边框。
需要强调的是，为了准确识别车牌上的汉字，英文和数字，每个字符区域必须是包括单个字符的最小巨型区。
切分越准确，则后面识别的效果越好，如果偏移了1-2行象素，尽管不大，但是由于车牌图象中字符很小，一般和高约10到20多的象素，这样对字符识别，尤其是汉字识别造成很大的困难。
目前常采用的方法是水平投影法，即沿水平方向，计算每列字符的象素数目。
这样，字符块在水平方向的投影会在字符的间隙处取得局部最小值，因此字符的正确分割位置应该在上诉局部最小值附近，由于第2，3个
字符的终止位置，再依次找出1、2、3、4、5、6、7的起始位置。
图2-1字符分割示例
但是再实际处理中，由于摄像机的性能，车牌的整洁程度、光照条件等因素的影响使拍照中字符可能出现严重的模糊、缺损或污迹干扰，如图2-2第一行。
同时，经过车牌定位而分割出的拍照区域并非完全是精确到拍照上的字符区域。
一般是含有拍照四条边框的残缺和拍照上两个铆钉干扰的区域，如图2-2第二、三行，有时更由于定位的不准确，定位车牌的长度过长，多了一段不属于车牌的区域，如图2-2第四行。
对于”沪”、”湘”等汉字，由于汉字部首与字并不连接，水平投影时也存在局部最小值，往往把部首当作背景切掉，如图2-2第五行。
这些因素都可能导致水平投影法字符切割的不准确，甚至失败。
最后由于有些车牌字符的不规范，如有的白牌黑底车牌字符多于7个，使水平投影无法使用。
因此，文中提出了一种基于聚类分析切分车牌字符的方法，按照属于同一个字符的象素构成一个连通的原则，再结合拍照字符的固定高度、间距的固定比例关系等先验知识，较好得解决了汽车拍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的要求。
同时如稍加改动，也适用于字符不为7个的不规范车牌。
2.1.1.3 切割方法 从图2-2中可看到到，在理想情况下，对于车牌的第2-7个字符，每个字符的象素（此时为黑色）构成了一个独立的连通。
于是只要得到每个连通域的行列的起始和终止位置，并由此构成一个矩形区，就得到了包含字符的最小矩形区，定义这样的矩形区为一个类。
而对第一个字符，由于汉字的不连通性，如”沪”，聚类分析时往往为多个连通区域。
假设得到了”沪和三个点共四个连通域，但通过简单比较类”户”的宽度与后6个已知类（字符）的宽度，就知道需要对第一个字符重新聚类。
这样根据后6个已知的字符的长度和宽度等先验知识，完全可以简单方便地得到第一个字符的起始和终止位置。
同样对于字符粘连，铆钉干扰也可通过聚类分析加以解决。
设车牌二值化后．背景象索为白色，用0表示，而字符象索为黑色，用1表示；
图象宽度为nWidth，高度为nHeight；
类为包含单独连通域的最小矩形区。
具体聚类分析方法如下：
（1）对车牌图象采用差分直方图法[5]二值化（二维熵阀值分割快速法效果好，但速度慢），如图2-3的第二列。
（2）以LI=nWidth／8为阀值对车牌图象按行进行扫描，如果有线段的长度大于L2认为是牌照的左右边框。
因此可除掉拍照边框部分，如图3的第二列。
（3）对处理后的图象从上到下按行逐象素扫描快速聚类[6]，如两象素闻距离d<
=d_const，就可认为两象素属于一类．即属于同一个字符。
其中d取两象素A（x1，y1），B（x2，y2）间的街区距离。
d（A,B）=[x1－x2]+[y1－y2]（2-1）
考虑到车牌的第一个字符一般为汉字，故对d_corsst采用浮动变化的方法。
即对车牌图象前nWidth/7部分用d_const=2或3聚类，这样能基本解决汉字的不连通问题；
对图象后（nWidth×
6）/7部分，取d_const=1。
此时可能出现两个字符连接或字符与铆钉连接等问题，将在后面的聚类分析中解决。
（4）比较聚类后的各类的高度。
对高度小于nHeight/2的类，可认为是噪声，因此可去掉。
一般情况剩下的类为7字符和左右边框的残余（在图象中表现为很细的线段。
由于”1”存在的可能性，此时不能简单依据类的宽度信息而分开）。
（5）如果找到的类的数目少于7个或某类的宽度大于其余类的宽度超过一定的阀值，则应为字符粘连问题。
于是分析由第4步得到的类的宽度信息。
找出宽度最大的类进行分裂处理。
分裂方法可采用前面的水平投影法，在类的中间2-3个象素范围内寻找局部极小点。
重复步骤5，直到满足条件。
（6）按各类的列起始位置从左到右排序。
（7）如果类数目等于7个。
转到步骤8。
否则，分析一下排序后最坏的情况：
设得到的聚类为（C1，C2，…．Ck-1,Ck}。
从左到右依次为：
左边框残余线段或噪声C1－Cm+7个字符类字符Cm+1－Cm-2,右边框残余线段或噪声Cm+g－Ck。
设每个类的水平方向的中心位置为c；
每个类中心与后一个类中心之间的距离为Mi＝Ci+1－C。
对于7个字符类，字符之间的距离是有规律的。
只有第2个与第3字符之间的距离为79毫米。
其余为57
升级会员 