车牌识别系统毕业设计Word格式.docx
《车牌识别系统毕业设计Word格式.docx》由会员分享,可在线阅读,更多相关《车牌识别系统毕业设计Word格式.docx(25页珍藏版)》请在冰豆网上搜索。
力强;
基十Hough变换求取倾斜角度,再采用两次变换的方法使得矫正后的图像失真较
小;
通过细化处理后,再采用模板匹配法可以快速准确地识别出车牌字符等。
关键词:
汽车牌照自动识别系统,二值化,细化,模板匹配法
TheStudyofSegmentationandRecognitionintheVehicleLicensePlateAutomaticSystem
xiaochunshuang
ABSTRACT
Withtheincrementofvehicleallovertheworld,thesituationofcitytrafficisattractedtherecognitionofpeople.Howtomanagethetrafficeffectivelyisbecomethefocusofpeoplemoreandmore.LicensePlateRecognitionSystemisthecomputervisionandoneoftheimportantsubjectsforresearchthatrecognitiontechnologyemployinthefieldofintellectualtrafficsystem,realizetheintelligentimportantlinksoftrafficadministration.
ThistopicisapartofLicensePlateRecognitionSystem,hasestablishedonecompletelythelicenseplatecharacterrecognitionsystemwhichrealizesbythesoftware.Thissystemwillinputthecarlicensecolorimagethroughrecognitionprocessing,thestringofcharacterwhichtheoutputmightedit.Theentiretreatingprocessesdivideintotheimagepretreatment,thelicenseplatecorrectionforgrade,thecharacterdivisionandthecharacterrecognitionfourparts.
Theimagepretreatmentstagemainlystudiestheimagegradationprocessing,denoisingprocessingandtheimagebinaryzationoperation.Inviewofbecausereasonsandsoonilluminationcreatestheimageblackandwhiteisnotdistinct,thispaperhasusedtheimprovementbinaryzationalgorithm,intheOSTUalgorithmfoundation,improvedtheimageprocessingeffect.Theinclinedcorrectionstagemainlyexaminesthattiltangleofcarlicenseimagebecauseofshootingangleandsoonquestions,first,thenusesthemethodwhichtwotimestransformtotheimagetocarryoncorrectionprocessing.Inthecharacterdivisionstage,thispapermainlyusesthewayguaranteedivisionsuccessratiowhichdividesfirstandsecond
confirms,thenwilldividethecharacterimagewillmakenormalizedprocessing,unifiedsize.Thefinalcharacterrecognitionpartfirstusesinmathematicsmorphologyrefinementextractionthecharacterskeleton,thenusetemplatematchmethodrecognition
Thispaperprovedthat,theimprovementbinaryzationalgorithmcanretainthegoodretentionimagedetail,eliminatethenoise,alsohasstronganti-chirpability;
BasedontheHoughtransformationseekingangleoftilt,afterusesthemethodwhichtwotimestransformtocausethedistortionofcorrectiontheimagetobesmall;
Afterrefinementprocessing,usesthetemplatematchmethodtobepossibledistinguishthecarlicensecharacterfastand
accuratelyandsoon.
Keywords:
LicensePlateRecognitionSystem,binaryzation,refinement,template
matchmethod
第一章绪论
1.1车牌识别项目系统概述
随着科学技术与经济的发展,人们对十交通状况的要求也越来越高,在交通硬件取
得了很大成就的同时,交通类软件的发展也引起了人们的广泛重视。
一些发达国家近年
来出现了很多这方面的理论研究成果和软件产品,我国在这方面的研究也具备了一定的
规模。
大量在公共场合的汽车需要得到监管,而目前在各大城市。
欠费违章车辆招摇过
市。
各种违章行为层出不穷;
车辆盗窃案件也时常发生。
涉及机动车的各种经济和刑事
案件屡禁不止。
给现代化的交通管理和公安刑侦等带来了众多问题。
为了更好地进行管
理,必须对车辆进行一种确认,而车牌识别就是其中最有效的确认方法,车牌识别LPR
是LicensePlateRecognition的简称,它是智能交通系统(IntelligentTransportation
Systems,ITS)的一个重要组成部分。
车牌识别技术在高速公路收费站、路口监测(电子
警察)、大型停车场等场所具有广阔的发展前景。
1.2车牌识别项目的意义
首先,车牌识别技术在提高高速公路收费站效率方面起着至关重要的作用。
由十高
速公路运输中传统的人工收取通行费方法效率低下,而近几年不断增大的交通流量,往
往使得各式车辆在收费管卡处滞留形成“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经济损失。
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
些发达国家已经得到使用推广,据资料表明:
高速公路自动收费站车辆的平均通过速度为每小时1500辆,而在装有自动收币机的收费站为每小时650辆,人工收费则最多为每小时350辆。
随着该系统的推广使用,收费站前的车辆赌塞和交通拥挤的情况得到缓解,可以为过往车辆节约运营时间,这对十长途旅客运输和商用货物运输也显得尤为重要。
此外,由于不停车收费系统的自动化水平高、收费迅速而便捷、管理统一规范,对杜绝高速公路人为的“乱收费”现象也具有特别重要的意义。
其次,机动车闯红灯是口常交通管理中常见的交通违法现象,不仅扰乱了正常的交
通秩序,也是造成机动车交通事故的主要原因之一。
因此采用现代化的先进技术,采用
智能化的交通控制和管理,为公安交通管理部门提供强有力的执法证据,对改善交通秩
序、保障交通安全、提高道路交叉口通行能力、减少交通事故、促进社会的进一步发展
都具有重大的社会意义。
所以,作为智能交通系统的一个重要分支,电子警察系统综合
利用网络、数字图像处理、小波、神经网络、通讯、数学形态学等先进技术对闯红灯这
种交通违法现象进行抓拍和处理,为公安交通部门提供强有力的执法证据,对改善交通
秩序、保障交通安全、提高道路交叉口通行能力、减少交通事故等都起到了重要作用。
此外,在大型停车场等系统的管理中,车牌识别也起着重要的作用。
1.3车牌识别项目研究现状
近几年来,汽车牌照智能识别的技术发展很快,就其识别基础,主要可分为间接
法和直接法两种:
间接法是基于IC卡(即无线电频率鉴别(REID)或基于条码的识别;
直接法是基于图像的汽车牌照识别。
间接法是指通过识别安装在汽车上的IC卡或条形码中所储存的车牌的信息来识别
车牌及相关信息。
IC卡技术识别准确度高,运行可靠,可以全天候作业,但是它整套装
置价格昂贵,所需硬件设备十分复杂,不适用于异地作业。
条形码技术具有识别速度快、
准确度高、可靠性强以及成本较低等特点,但是对十扫描器要求很高。
此外,二者都需
要制定出全国统一的标准,并目_无法核对车、日条形码是否相符,这也是技术上存在的
缺点,这就使得其在短时间内广泛应用变得非常困难。
基于图像的车牌识别技术属于直接法,是一种无源型汽车牌照智能识别方法,能够
在无任何专用发送车辆信号的车载发射设备情况下,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。
与间接法识别系统相比,首先,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;
其次,由十采用了先进的计算
机应用技术,所以可以提高识别速度,较好的解决了实时性问题;
再次,它是根据图像
进行识别,所以可以通过人的参与可以解决系统中的识别错误,而其它方法是难以与人
交互的。
所以,如何实现更快更好进行车牌识别,已经成为了一个各国关注的热点问题。
许多国家的公司和大学都对LPR技术进行了研究和开发工作,其中包括:
新加坡、美国、意大利、加拿大、英国、德国、香港和葡萄牙等。
有些识别系统已经投入到了实际运用当中去。
国外现在有一些公司在这方面有一些比较成功的产品系列:
以色列Hi_Tech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,Hi_Tech公司的See/CarSystem有多种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。
另外口本、加拿大、德国、意大利、英国等各个西方发达国家都有适合十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,因此设备投资巨大。
中国大陆做得较好的产品有中科院自动化研究所汉土公司的“汉土眼”,除此之外
国内的业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。
另外西安交大的图像处理与识别研究室、
上海交大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。
车牌字符识别是车牌识别系统的一个重要组成部分。
车牌字符识别可以认为属于印
刷体文字识别的范畴。
早在五十年代人们就已经认识到印刷体字符识别的意义,开始了
相应的研究,在以后的二十年中不断有一些不是很成熟的软件出现。
到了八十年代后期,
计算机硬件资源获得飞速的提高,使得印刷体文字的快速识别成为可能。
九十年代,大
量的OCR方面的论文和系统见诸于世,SPIE,IEEE在这一方面也曾举行过多次会议,大大推动了该方向的研究,所有这些研究为车牌字符的识别提供了理论上的指导,但目前的科学技术还不能揭示人的文字识别的机制,脑机能研究的进展会不断地揭示人的这种机制,一旦这一机制被我们所认识,建立在这个基础上的文字识别理论和技术将会产生质的飞跃。
1.4本文的研究内容
本文的主要研究内容是针对已经定位好的车牌进行一系列的图像处理,最终识别出车牌的字符。
具体研究内容包括对定位好的车牌进行相应的预处理,对车牌图像的倾斜校正,车牌图像的字符分割工作和字符识别工作等四大块内容,其中涉及了图像处理、数学形态学、模式识别等方面的知识,具体流程图如图1.1所示:
图1.1车牌字符识别系统流程图
主要研究内容如下:
1、针对车牌图像的预处理。
首先读取定位好的车牌图像,对图像进行灰度化、去
噪处理、二值化等一系列图像处理操作;
2、车牌的倾斜校正处理。
因为拍摄角度原因等,了能够正确分割字符,首先要校正车牌,拟采用Hough变换等方法取得二值化图像的倾斜角,再通过变换方法校正图像;
3、车牌字符的分割处理。
为了可以得到噪音较少的图像,首先根据车牌边框的性
质去除上下边框,然后根据车牌字符的特点,分割出单个的字符,最后通过字符高宽比
值确认字符图像。
4、字符识别的研究。
为了满足实时性,拟采用改进的模板匹配方法进行字符的识
别,即对十提取出的单个字符,先进行细化操作,得到字符的骨架,然后与模板进行第
一次粗比对,再根据字符细节特征进行细比对,最终识别出字符。
第二章图像预处理
车牌图像预处理是车牌字符识别系统中的第一个步骤,也是非常关键的一个步骤。
在完成对图像中的车牌区域定位之后,对字符进行识别之前,要完成一系列的准备工作,如车牌图像的预处理、车牌的倾斜校正、车牌字符分割等,尤其是车牌图像预处理结果的好坏对后续识别工作的影响非常大,预处理工作做得好,可以加快后续工作的速度,提高识别率,而预处理工作处理得不理想,不但提高了后续工作的难度,更会影响到最后的识别率和正确率,由此可见,在车牌自动识别系统中,预处理工作是非常重要的。
对图像的预处理包括对数字图像文件的读取,彩色图像灰度化,利用中值滤波对
图像进行去噪处理以及图像的二值化处理。
2.1BMP图像的读取与转换
在车牌图像定位后得到的图像是一幅BMP彩色图像,而我们进行图像处理的时候都是要对内存中的数据进行操作的,所以首先要把定位好的BMP图像读入到内存中。
BMP(BitMapPicture)文件格式是Windows系统交换图形、图像数据的一种标准格式。
BMP图像的数据由四部分组成。
第一部分是位图头文件BITMAPFILEHEADER,它是一个结构体,定义如下:
typedefstructtagBITMAPFILEHEADER{
WORDbfType;
DWORDbfSize;
WORDbfReservedl;
WORDbfReserved2;
DWORDbfOffBits;
}BITMAPFILEHEADER;
第一个bfType用于表示文件类型,如果它是bmp文件,那么它这个位置的值一定是“BM”也就是Ox4D42。
第二个bfSize表示整个文件的字节数。
第二第四个则保留,目前无意义,最后一个相当重要,表示,位图的数据信息离文件头的偏移量,以字节为单位。
第二部分为位图信息头BITMAPINFOHEADER,也是一个结构,其定义如下:
typedefstructtagBITMAPINFOHEADER{
DWORDbiSize;
LONGbiWidth;
LONGbiHeight;
LONGbiplanes;
WORDbiBitCount;
DWORDbiCompression;
DWORDbiSizeImage;
LONGbiXPelsPerMeter;
LONGbiYPelsPerMeter;
DWORDbiClrUsed;
DWORDbiClrImportant;
}BITMAPINFOHEADER;
其中biSize表示文件的长度,它的单位是像素;
而biWidth和biHeight分别表示图像的宽度和高度,单位是像素;
biplanes必须是1;
biCount表示图像在表示颜色时要用到的位数,常用的分别是1(黑白二色位图)、4<
16色位图)、8<
256色位图)、24(24位真彩图);
biCompression表示压缩类型;
biSizeImage表示实际的位图数据占用的字节数,它可以通过宽度biWidth与高度biHeight相乘得到;
biXPelsPerMeter和biYPelsPerMete:
分别表示水平分辨率和垂直分辨率,它们的单位是每米像素个数;
biClrUsed表示图像实际用到的颜色数,如果该值为零,则用到的颜色数为2的biBitCount次方;
biClrImportant表示图像中的重要的颜色数,如果该值为零,则认为所有的颜色都是重要的。
在这些变量中应该注意到biWidth这个值,在通常情况下,biWidth应该可以被4整除,否则的话,系统会自动将下一行的图像数据补上来,造成图像的扭曲甚至变形,所以在处理中如果要对图像进行裁剪的话,应该注意图像的宽度最好能被4整除,否则的话就应该根据相应的情况采用黑点或者白点进行填充,以免造成图像的变形,影响接下来的处理。
第三部分是调色板(Palette),这里的调色板主要是针对位图文件,例如16色位图,256色位图等,而真彩色图像是不需要调色板的。
调色板实际上是一个数组,一共有biClrUsed个兀素,如果biClrUsed为零,则有2的biBitCount次方个兀素。
数纲中的每一个兀素都有4个分量组成,分别表示R,G,B二个分量值和一个固定值O。
第四部分就是实际的图像数据。
对十那些用到调色板的位图,这里的图像数据只是一个指向调色板数据的指针,指针所指向的数据就是该点的颜色数据,而对十真彩色图像来说,图像数据就是实际的R,G,B值,对十24位真彩色图来说,每一个像素的颜色都要用3个变量来表示。
这些就是BMP图的实际存储数据,因为我们是对位图数据进行操作的,所以在处理图像之前有必要搞清楚图像的具体存储结构。
在处理图像的时候,首先从文件中读取图像文件头信息,然后再把图像数据的第四部分,也就是实际的图像数据读入内存,对其进行操作。
2.2彩色图像灰度化
我们之前读入的图像数据都是彩色图像数据,里面包含着大量的颜色信息,这样处
理起来,不但在存储上开销很大,而且在处理上也会降低系统地执行速度,由十这些信
息与识别没有太大的关系,并且不便于进一步的识别工作,因此在对图像进行识别之前
首先要将图像转变为灰度图像,以便十处理。
由彩色转换为灰度的过程就叫做灰度化处理。
灰度图像就是只有强度信息,而没有
颜色信息的图像,存储和处理灰度图像只需要一个数据矩阵,这样,就可以加快我们对
图像的处理速度,方便我们的存储了。
我们采用加权平均值法来进行灰度处理。
其中三个加权值分别为0.11、0.59和0.3。
由于我们之前得到的图像是24位真彩图,它的每一个像素由R,G,B二个分量构
成,我们通常采用下面的公式将其转换成为灰度图。
F(x,y)=0.11×
B(x,y)+0.59×
G(x,y)+0.3×
R(x,y)(式2.1)
其中,F(x,y)为(x,y)位置像素的灰度值,B,G,R分别为(x,y)位置像素的蓝、绿、红颜色对应的彩色信息值。
这一公式用损失色调和色饱和度的代价保留了亮度信息,而这正是我们所需要的,对图2.1灰度处理后的效果如图2.2所示:
图2.1彩色车牌图
图2.2灰度车牌图
2.3去噪处理
汽车牌照由于在行驶中被溅到污泥等关系,还有就是有两个固定点,造成了车牌图像中出现了各种不同程度、各种类型的噪声,为了便于后续的处理与识别,所以我们首先要对灰度化后的图像进行去噪处理。
为了去除噪音点,抑制噪声,我们通常选用低通滤波,但是由于边缘轮廓也包含大量的高频信息,所以低通滤波在过滤噪声的同时,也会使得边界变得模糊,反之,低通滤波后为了提升边缘轮廓,还需要使用高通滤波,这是存在的噪声也会被加强,所以,为了在过滤噪声的同时,还可以很好的保护到边缘轮廓信息,我们采用中值滤波方法来祛除噪声。
中值滤波原理
中值滤波就是用一个含有奇数点的滑动窗口,将窗口中的正中点的值用窗口内各点的中值来替代,意即假设窗口内有五个点,其灰度值分别为1,4,6,9,_5,那么这个窗口中的正中点即灰度值为6的点经过中值滤波处理后的值为(1+4+6+9+5)/5=5。
其算法描述为:
设有一个一维序列f1,f2,...,fx,取窗口长度为m(m为奇数),对此一维序列进行中值滤波,就是从输入序列中相继抽出m个数
,其中fi为窗口中心点值,v=(m-1)/2;
再将这m个点值按其数值大小排序,取其序号为正中间的那个数作为滤波输出。
用数学公式表示为:
二维中值滤波可由下式表示:
其中:
A为窗口;
{fij}为二维数据序列。
图像处理效果如下图:
图2.3中值滤波过滤后的图像
但是,中值滤波并不能非常完美的清除掉所有的噪音点,尤其是对于那些光线不是太好,
车牌上污泥太多的车牌图像,经过中值滤波处理后还是存在着很多的噪音点,并不容易
进行接下来的处理