模板比较的车牌识别算法的研究与实现.docx

模板比较的车牌识别算法的研究与实现.docx

《模板比较的车牌识别算法的研究与实现.docx》由会员分享，可在线阅读，更多相关《模板比较的车牌识别算法的研究与实现.docx（41页珍藏版）》请在冰豆网上搜索。

模板比较的车牌识别算法的研究与实现

本科毕业设计（论文）

题目基于模板比较的车牌识别算法的研究与实现

学院名称　信息学院

　　　　　专业班级　　　计科08-1

　　　　　学生姓名　　郝高祥

　　　　　导师姓名　姚进

二○一二年六月十一日

齐鲁工业大学本科毕业设计（论文）原创性声明

本人郑重声明：

所呈交的毕业设计（论文），是本人在指导教师的指导下独立研究、撰写的成果。

设计（论文）中引用他人的文献、数据、图件、资料，均已在设计（论文）中加以说明，除此之外，本设计（论文）不含任何其他个人或集体已经发表或撰写的成果作品。

对本文研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示了谢意。

本声明的法律结果由本人承担。

　　　　　　　　　　　　　　　毕业设计（论文）作者签名：

　　　　　　　　　　　　　　　　　　　　　　　　　　　年　　月　　日

齐鲁工业大学关于毕业设计（论文）使用授权的说明

本毕业设计（论文）作者完全了解学校有关保留、使用毕业设计（论文）的规定，即：

学校有权保留、送交设计（论文）的复印件，允许设计（论文）被查阅和借阅，学校可以公布设计（论文）的全部或部分内容，可以采用影印、扫描等复制手段保存本设计（论文）。

指导教师签名：

　　　　　　　　　　　毕业设计（论文）作者签名：

　　　　　　　年　　月　　日　　　　　　　　　　　　　年　　月　　日

目录

摘要III

ABSTRACTIV

第一章绪论1

1.1课题背景和意义1

1.2国内外研究现状1

1.3本文所做主要工作2

1.4章节安排3

第二章车牌识别算法和技术简介4

2.1图像的灰度化4

2.2图像的二值化和阈值处理4

2.3图像的倾斜矫正5

2.4字符识别技术5

2.4.1字符识别技术概念5

2.4.2常用字符识别技术简介6

2.5模板匹配算法7

2.5.1模板匹配算法原理7

2.5.2常用模板匹配算法简介8

第三章系统分析与设计9

3.1系统需求及功能分析9

3.2功能模块设计9

3.2.1图像预处理模块9

3.2.2车牌定位模块9

3.2.3字符分割模块10

3.2.4字符识别模块10

3.3系统流程设计10

3.4技术开发平台11

3.4.1MicrosoftVisualStudio2008简介11

第四章系统功能与实现12

4.1图像预处理模块12

4.1.1图像灰度化12

4.1.2图像的灰度均衡14

4.1.3图像的高斯滤波15

4.2车牌定位模块18

4.2.1Sobel边缘检测18

4.2.2车牌定位分割22

4.3字符分割模块24

4.3.1车牌人工矫正24

4.3.2车牌的灰度化和二值化28

4.3.3车牌字符的分割30

4.4字符识别模块32

4.5压缩模板匹配技术34

4.5.1样本集分类预处理34

4.5.2压缩模板生成34

4.5.3压缩模板集构造与扩展35

4.5.4基于压缩模板集的模板匹配35

4.6车牌识别系统的测试36

结束语37

参考文献38

致谢39

摘要

车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一，受到越来越多人们的关注。

车牌识别系统一般分为车牌定位、牌照上字符的分割和字符识别三个主要组成部分。

从车辆图像中准确的定位分割出车牌区域是车牌识别中最为关键的步骤之一。

图像分割是图像提取中的重要组成部分，只有有效地完成分割，才能进一步提取目标特征并识别目标。

本文对车牌图片的预处理主要包括车牌图像的二值化、倾斜校正、去除边框干扰、切割出最小范围等步骤。

本文通过投影分析和连通域分析，对车牌字符进行分割，并对分割后的字符进行规格化。

最后运用基于模板匹配的车牌字符识别算法对其进行字符识别。

课题设计实现一个基于模板对比算法的车牌识别系统，该管理系统主要分为四大模块：

图像预处理模块、车牌定位模块、字符分割模块、字符识别模块。

该系统的设计是由美国Microsoft公司开发的可视化开发工具MicrosoftVisualStudio2008进行，在代码方面主要是以C#为主的设计语言。

通过测试验证，本车牌识别系统具有一定的实用价值，可以实现特定车牌图像的字符识别。

关键词：

字符分割字符识别模板识别车牌识别

ABSTRACT

Thevehiclelicenseplateimage,weseparatethecharacterandnormalizethecharacter.Throughresearchingthetraditionaltemplatematchalgorithm,wesupplyAsoneofthefocalpointsandhotproblemsofstudyinginthefieldofmodemtrafficengineering,thelicenseplaterecognition（LPR）hasattractedmoreandmoreattention．Licenseplaterecognitionalgorithmconsistsofthreemodulesingeneral,thoseare：

licenseplatelocation,charactersegmentationandcharacterrecognition.

Animagefromthevehiclepositioningaccuratesegmentationoflicenseplateidentificationlicenseplateregionisthemostcriticaloneofthesteps.Imagesegmentationistheextractionofanimportantcomponentofthepartitiononlyeffectivelyinordertofurtherextractandidentifythecharacteristicsofthetargetgoal.Inthispaper,pre-treatmentplatesincludeimagesoflicenseplateimagelinearization,tiltcorrection,removalofborderinterference,suchascuttingouttheminimumsteps.Projection-domainanalysisandconnectivityanalysis,segmentationoflicenseplatecharacters,andafterthepartitionofstandardizedcharacters.Templatematchingbasedonthefinaluseofthelicenseplatecharacterrecognitionalgorithmforcharacterrecognition.

ProgramDesignandImplementationofanalgorithmbasedonthetemplatecontrastlicenseplaterecognitionsystem,themanagementsystemisdividedintofourmodules：

imagepreprocessingmodule,thelicenseplatelocatingmodule,charactersegmentationmodule,thecharacterrecognitionmodule.ThedesignofthesystemdevelopedbyMicrosoftCorporationUSA,visualdevelopmenttoolMicrosoftVisualStudio2008,languageinthecodeisC#.

Verificationtest,thelicenseplaterecognitionsystemhasacertainpracticalvalue,canachieveaspecificlicenseplateimagecharacterrecognition.

Keywords：

charactersegmentation;characterrecognition;patternrecognition;licenseplaterecognition

第一章绪论

1.1课题背景和意义

经济的迅速发展和人民生活水平的不断提高促进了汽车数量的急速增长，截至2011年底我国机动车保有量达到2.25亿辆，交通管理自动化越来越成为亟待解决的问题。

现代智能交通系统（IntelligentTransportationSystem，ITS）中，车辆牌照识别（LicensePlateRecognition，LPR）技术是计算机视觉与模式识别技术在交通领域应用的重要研究课题之一，是实现交通管理能够智能化的重要环节，其任务是分析、处理汽车图像，自动识别汽车牌号。

LPR系统可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管理等需要车牌认证的场合；尤其在高速公路收费系统中，实现不停车收费提高公路系统的运行效率，LPR系统更具有不可替代的作用因而从事LPR技术的研究具有极其重要的现实意义和巨大的经济价值。

LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。

关于车牌定位系统的研究，国内外学者已经做了大量的工作，但实际效果并不是很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。

为此，近年来不少学者针对车牌本身的特点、车辆拍摄的不良现象及背景复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法上都有了很大的改善。

然而现代化交通系统不断提高的快节奏，将对车牌定位的准确率和实时性提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。

车牌字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的过程，其中汉字识别是一个难点，许多国外的LPR系统也往往是因为汉字难识别而无法打入中国市场，因而探寻好的方法解决字符的识别也是至关重要的。

目前已有的方法很多，但其效果与实际的要求相差的很远，难以适应现代化交通系统的高速度、快节奏的要求，因而对字符识别的进一步研究也同样具有紧迫性和必要性。

车牌定位与识别方法，总体来说是图像处理技术与车牌本身特点的有机结合，当然也包括模式识别、神经网络、数学形态学、小波分析、模糊理论等知识的有效运用。

一个车牌定位与识别系统基本包括：

图像预处理、车牌搜索、车牌定位、车牌校正、车牌字符切分和字符识别结果的输出。

本文主要研究车牌字符识别的算法问题。

1.2国内外研究现状

车辆牌照识别技术自1988年以来，人们就对它进行了广泛的研究，目前国内外已经有众多的算法，一些实用的LPR技术已经开始用于车辆监控、出入控制、电子收费等场合。

如以色列的Hi．Tech公司，新加坡的Optasia公司，Zamir公司分别研制了名为See／Carsystem，VLPRS，Insignia的LPR系统，这三种产品所能识别的汽车图像均为单车牌灰度图像，即每一幅灰度图像只含有一个车牌的灰度图像。

See／Car系统只能识别字母和数字，不能识别汉字。

Insignia是针对欧洲和远东地区实际的车牌识别系统。

香港的AsiaVisionTechnologyLtd公司的产品慧光车牌号码自动识别系统，此系统能自动侦测、识别及验证行驶或停泊中车辆的车牌号码，并能辨认以文字和数字排列的车牌号码，如含有中、英及韩文的车牌。

该软件识别准确率达到95％，要求车牌的宽度至少占整个图像宽度的1／5，识别时间小于1秒。

欧洲的LPR产品大多只适合于该国的车牌格式的牌照，不能识别汉字。

最近深圳吉通电子有限公司也推出了基于车牌识别技术的系统，这个平台是基于二值特征和灰度特征相结合的识别算法，因此也只能处理灰度图像，此外还有深圳创兴达科技有限公司的车牌识别系统。

然而无论是LPR算法还是LPR产品都存在一定的局限性，都需要适应新的要求而不断完善。

虽然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、计算机视觉技术、图像处理技术、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。

1.3本文所做主要工作

车牌识别系统中，研究的重点和难点是软件算法的设计，本课题所做主要工作是深入研究了车牌识别系统中所需要的图像处理和模式识别的关键算法，基于VisualStudio2008环境，运用C#语言，设计并实现了一个完整的车牌识别系统。

本文阐述了图像预处理算法、字符分割算法和车牌识别算法；改进了图像预处理过程中图像灰度化过程，使图像更加细腻清晰，提高了图像的识别度；采用基于模板匹配的车牌字符识别算法来解决车辆牌照识别问题，针对现有的字符算法来对车牌识别技术的关键算法进行了改进，依据现行的车牌设计原则，采用了一种自适应分割方法，将车牌图像分割7个待识别字符，并对分割后的字符进行了归一化处理；对分割后的字符，通过模板匹配的车牌识别算法进行识别，然后输出最终识别结果。

1.4章节安排

第一章：

本章主要介绍了课题的研究背景，国内外研究现状，阐明了本文所做的工作。

第二章：

本章主要介绍了车牌识别设计的一些算法和相关技术的原理。

第三章：

本章主要对车牌识别系统进行了系统分析，平台技术简介。

第四章：

本章主要通过实例对系统各模块的原理和功能实现进行了分析。

第二章车牌识别算法和技术简介

2.1图像的灰度化

汽车图像样本目前大都是通过摄像机、数码相机等设备拍摄获取的，因而预处理前的图像都是彩色图像。

彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。

由彩色转换为灰度的过程叫做灰度化处理。

灰度图像就是只有强度信息而没有颜色信息的图像，存储灰度图像只需要一个数据矩阵，矩阵每个元素表示对应位置像素的灰度值。

彩色图像的像素色为RGB（R，G，B），灰度图像的像素色为RGB（r，r，r），R，G，B可由彩色图像的颜色分解获得。

而R，G，B的取值范围是0~255，所以灰度的级别只有256级。

从图像输入装置得到的图像数据，以浓淡表示，各个像素与某一灰度值相对应。

设原图像像素的灰度值D=ƒ（x，y），处理后图像像素的灰度值D´=g（χ，у），则灰度增强可表示为：

g（χ，у）=T[ƒ（χ，у）]或D´=T（D）公式（2-1）

要求D和D’都在图像的灰度范围之内。

函数T（D）称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。

一旦灰度变换函数确定，则确定了一个具体的灰度增强方法。

图像中每一点的运算就被完全确定下来。

灰度变换函数不同，即使是同一图像也会得到不同的结果。

选择灰度变换函数应该根据图像的性质和处理目的来决定。

选择的标准是经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。

2.2图像的二值化和阈值处理

二值图像是指整幅图像画面内仅黑、白二值的图像。

在数字图像处理中，二值图像占有非常重要的地位。

在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阈值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。

车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。

二值化的阈值选取有很多方法，主要分为3类：

全局阈值法、局部阈值法和动态阈值法。

全局阈值二值化方法是根据图像的直方图或灰度的空间分布确定一个阈值，并根据该阈值实现灰度图像到二值化图像的转化。

全局阈值方法的优点在于算法简单，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。

局部阈值法则是由象素灰度值和象素周围点局部灰度特性来确定象素的阈值的，Bernsen算法是典型的局部阈值方法，非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质，局部阈值法也存在缺点和问题，如实现速度慢、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7阈值法的阈值选择不仅取决于该象素灰度值以及它周围象素的灰度值，而且还和该象素的坐标位置有关，由于充分考虑了每个像素邻域的特征，能更好的突出背景和目标的边界，使相距很近的两条线不会产生粘连现象。

阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。

阈值化的变换函数表达式如下：

公式（2-2）

式中T为指定的阈值，比它大就是白，比它小就是黑。

2.3图像的倾斜矫正

由于拍摄时镜头与牌照的角度、车辆的运动及路面的状况等因素的影响，例如车牌在捕捉图像中的位置不固定，捕捉图像时车头或者镜头发生摆动以及车牌本身就挂歪了或路况较差，都可能使拍摄到的车牌图像有一定的倾斜度，为了正确识别需要进行倾斜度校正，否则将无法进行单个字符的正确分割，字符识别的误差率就会上升。

但是若以某个固定的经验值对所有牌照统一进行旋转处理，又会使原本正常的牌照倾斜，导致新的错误。

因此有必要针对特定的牌照图像提取其倾斜角度，再加以相应的旋转处理。

如何从牌照中自动提取其倾斜度是预处理过程中的一个难点，一般使用Hough变换检测图像中的直线来对图像的倾斜进行相应的矫正。

Hough变换具有明了的几何解析性，一定的抗干扰能力和易于实现并处理等优点：

但它存在着计算量大，需要巨大的储存空间等问题，所以不适合用在具有一定实时性要求的图像处理中。

针对这个问题，Radon变换可以满足一定实时图像处理的要求。

2.4字符识别技术

2.4.1字符识别技术概念

字符识别技术，就是对输入的带有字符信息的数据通过图像分析和模式识别技术，通过数学运算，输出对应的正确的附带在图像中的字符信息。

在智能交通系统中，图像预处理技术，车牌定位技术，字符分割技术都可以认为，是字符识别技术的前期预处理技术，都是为了更好的识别字符信息进行的优化处理。

因此，字符识别技术是整个系统最为核心的技术。

字符识别的基本思想也是匹配判别。

首先对分割出来的字符进行预处理，并抽取出代表未知字符模式本质的各种特征，然后将此表达形式和预先储存在机器中的标准字符模式特征逐个匹配，最后用一定的判别准则进行判别，找出最接近输入字符模式的特征的标准字符，该表达模式所对应的字符就是识别的结果。

2.4.2常用字符识别技术简介

交通系统发展到现在，随着模式识别技术的进步也在不断的发展和更新，目前字符识别技术常用的一些技术有如下一些：

1）利用字符的结构特征和变换（如Fuorier）进行特征提取。

这种方法对字符的倾斜变形有比较好的适应性，但是运算最大。

2）0cRcIpticalCharacterRecognition），OcR发展初期结构方法得到了广泛的研究，其基本思想是把字符图像分割为若干基元，如笔画，拓扑点，结构突变点等，与模板比较，看必要的基元是否存在，不可有的基元是否出现，从而判断所属的类别。

3）基于轮廓结构的方法

轮廓也可以反映字符图像的结构，由于存在内外轮廓和笔画宽度等因素的影响，轮廓提取方法简单，结果确定，因而它仍不失为一种好的结构信息源。

轮廓大致有两种描述方法，其一如骨架一样用结构点和弧线构成图的方法来描述，识别也与骨架相同；其二则用标准化后的轮廓的最远、最近点和最大、最小突变点得到一系列结构特征，构成识别规律。

轮廓相对于骨架，带入了更精确的位置，也节省了细化的运算量，但它易受到笔画宽度和断线的影响。

4）基于局部图像的结构方法

一些研究表明可以直接从图像中抽取结构特征，标准化后的图像中抽取具有拓扑意义的局部作为特征。

所取局部中有空洞、内外凸凹点，这正是人在速读时注意的。

用所得的局部图像与模板的对应像素作比较，根据匹配程度得到识别结果。

5）人工神经网络

人工神经网络是仿生学的产物，它通过网络结点间的连接来存储信息并完成分类计算。

ANN分类器通过学习，根据训练样本集来调整连接的权值，构造出相应的分类曲面。

ANN所具有的学习努力使其能够在复杂的分布中提取出人直观还不能理解的规律，在实际应用中，ANN表现出其优异的分类性能，并在一定程度上成为检验新特征性能的测试基。

6）模板匹配

模板匹配是最为直观的一种方法，就如字面所理解的，选用一些样本作为模板，当进行判断时，首先计算待测数据与模板之间的距离，例如它们之间的直线距离等。

找出距离最短的那个模板，这个模板的输出值就可以作为该数据对应的输出值。

模板匹配的最大优点就是实现简单而直观，但是作为实际应用还是有很多不足的，比如很容易过渡训练，选择合适的模板非常困难，加入一个新的模板可能把之前可以正确识别的样本误判；而且计算时间长，随着训练样本的增加，模板数量也会相应地增加到比较大的数量，而待测字符都要和每个模板进行比较，这对时间的消耗是非常巨大的。

2.5模板匹配算法

2.5.1模板匹配算法原理

模板匹配法是实现离散输入模式分类的有效途径之一，其实质是通过度量输入模式与模板之间的相似性，取相似性最大的作为输入模式所属类别。

此方法是由字符的直观形象抽取特征，用相关匹配原理确定的匹配函数进行判决，也就是将输入字符与标准模板字符在一个分类器中进行匹配。

下面以一维图像的处理为例，相关匹配算法描述如下：

设输入字符用输入函数f（x，y）表示，标准模板用函数F（x，y）表示，在相关器中比较后输出为T（x，y）。

随机变量用x1，x2表示，相关器输出为：

T（x1-x2，y1-