基于数字图像的车牌识别.docx

1、基于数字图像的车牌识别目 录第一部分：1.1 PCI总线.41.1.1 PCI总线的基本结构.41.1.2 PCI总线A/D卡的通用结构.51.2 A/D卡的采集、存储和显示程序.61.2.1 A/D卡的采集的基本原理.61.2.2 实验结果与分析.61.3.3设计程序.91.4结果分析.9第二部分：中文摘要 .10英文摘要 .111 引言 .121.1 车牌识别技术的研究背景.121.2 国内外研究现状.121.3 车牌识别系统研究目的及意义.131.4别系统的构成.131.5论文内容安排.142 车牌图像的预处理142.1 预处理技术概述.142.2 图像的灰度化.152.3 图像的二值化

2、.172.4 边缘检测.182.4.1 Canny算子.182.4.2 Roberts算子.192.5 本章小结.223 车牌定位 .223.1 常用的车牌定位算法.223.1.1 基于纹理特征的车牌定位223.1.2 基于数学形态的车牌定位243.2 本章小结.264 字符切割 .264.1 车牌字符切割方法.264.2 本章小结.285 字符识别 .285.1 字符识别概述.285.2 车牌字符识别特点.295.3 基于模板匹配的字符识别算法.305.4 实验分析.315.5 结果分析.326 设计评述32附录A 车牌识别程序34参考文献.471.1 PCI总线1.1.1 PCI总线的基本

3、结构： PCI，外设组件互连标准(Peripheral Component Interconnect) 一种由英特尔（Intel）公司1991年推出的用于定义局部总线的标准。此标准允许在计算机内安装多达10个遵从PCI标准的扩展卡。最早提出的PCI总线工作在33MHz频率之下，传输带宽达到133MB/s(33MHz * 32bit/s)，基本上满足了当时处理器的发展需要。随着对更高性能的要求，1993年又提出了64bit的PCI总线，后来又提出把PCI总线的频率提升到66MHz。目前广泛采用的是32-bit、33MHz的PCI 总线，64bit的PCI插槽更多是应用于服务器产品。从结构上看，P

4、CI是在CPU和原来的系统总线之间插入的一级总线，具体由一个桥接电路实现对这一层的管理，并实现上下之间的接口以协调数据的传送。管理器提供信号缓冲，能在高时钟频率下保持高性能，适合为显卡，声卡，网卡，MODEM等设备提供连接接口，工作频率为33MHz/66MHz。 PCI总线系统要求有一个PCI控制卡，它必须安装在一个PCI插槽内。这种插槽是目前主板带有最多数量的插槽类型，在当前流行的台式机主板上，ATX结构的主板一般带有56个PCI插槽，而小一点的MATX主板也都带有23个PCI插槽。根据实现方式不同，PCI控制器可以与CPU一次交换32位或64位数据，它允许智能PCI辅助适配器利用一种总线主

5、控技术与CPU并行地执行任务。PCI允许多路复用技术，即允许一个以上的电子信号同时存在于总线之上。 由于PCI 总线只有133MB/s的带宽，对声卡、网卡、视频卡等绝大多数输入/输出设备显得绰绰有余，但对性能日益强大的显卡则无法满足其需求。Intel在 2001年春季的IDF上，正式公布了旨在取代PCI总线的第三代I/O技术，该规范由Intel支持的AWG(Arapahoe Working Group)负责制定。2002年4月17日，AWG正式宣布3GIO1.0规范草稿制定完毕，并移交PCI-SIG（PCI特别兴趣小组，PCI- Special Interest Group）进行审核。开始的时

6、候大家都以为它会被命名为Serial PCI(受到串 行ATA的影响)，但最后却被正式命名为PCI Express，Express意思是高速、特别快的意思。 2002年7月23日，PCI-SIG 正式公布了PCI Express 1.0规范，并于2007年初推出2.0规范（Spec 2.0），将传输率由PCI Express 1.1的2.5GB/s提升到5GB/s；目前主流的显卡接口都支持PCI-E 2.0。1.1.2 PCI总线A/D卡的通用结构：图3.1PCI 总线控制器桥接电路 高速数据传输在PCI 总线和本地总线之间进行,设计者只需设计本地总线接口控制电路,外部设备可挂接在本地总线上,

7、即可实现与PCI 总线的高速数据传输。 本模块为PCI 数据采集模块,可对4 路单端输入的模拟信号并行采集,输入信号幅度为10 V ,AD 分辨率为12 b ,总采样率为400 k ;另外提供4 路脉冲信号的测量,信号输入幅度也是10 V ,输入信号频率5 MHz ,比较电平为1 V。根据要求设计的系统的原理框图如图3 所示,系统由PCI 接口电路、FPGA 逻辑控制电路、脉冲比较电路、A/ D 转换电路和信号调理电路几个部分组成。工作原理是模拟信号通过信号调理电路(前置电路) ,经过滤波放大处理后,送到A/ D 转换器,被A/ D 转换后的数字信号送入FPGA 进行缓存和处理,所得数据通过P

8、CI 总线接口电路传入上位机(计算机) 。为简化电路、提高集成度、增强系统的抗干扰能力,4 路模拟信号共用一片AD7864 。该芯片是高速率、低功耗、4 通道、12 位A/ D转换器,他可以同时对4 路模拟信号进行采样,通过内部的选择器以分时复用的方式将信号量化输出。在设计中,FPGA 主要负责与PCI9030 本地总线间的通讯以及A/ D 转换器的数据传输和系统各部分之间逻辑和时序的控制。这些控制是在Quartus 开发系统中进行设计的,采用VHDL 语言和原理图输入法相结合的方式完成。图3.2 数据采集系统原理框图1.2 A/D卡的采集、存储和显示程序1.2.1 A/D卡的采集的基本原理：

9、 运行时的数据并送给PC机，通过运行在PC机上的特定软件对这些数据进行分析，以此判断当前运行设备的状况，进而采取相应措施。当前常用的数据采集装置，在其系统软件设计中，多采用单任务顺序机制。这样就存在系统安全性差的问题。这对于稳定性、实时性要求很高的数据采集装置来说是不允许的，因此有必要引入嵌入式操作系统。下面以/为操作平台，基于系列处理器，对一种高性能的数据采集系统开发进行探索。1.2.2 实验结果与分析：1.3.3设计程序：load (D:whx.txt);x=whx (:,1);y=whx (:,2);plot(x,y);ylabel(y轴单位v);xlabel(x轴单位s);title(

10、王海馨);figure1.4结果分析:通过实验采集图像，数据与通过数据在MATLAB软件上得到的图像比较，两者是一样的，从而知道通过不同方式可以得到相同的结果。基于部分图像处理的车牌数字和字母的识别摘 要汽车车牌的识别在智能交通系统中占据重要地位，有着广阔的发展前景，基于图像处理的车牌识别是智能交通领域应用的重要课题之一，是实现交通管理智能化的重要环节。车牌自动识别系统主要包括预处理、车牌定位、字符切割、字符识别四个关键环节，本文主要研究的是在已经分割好的车牌的基础上，通过部分图像处理技术进行数字和字母的识别。在识别阶段，利用模板匹配的方法，通过AD算法来确定待测字符和模板字符中的相似程度，最

11、终从复杂背景图像中有效的识别车牌字符。文章中对90张相片进行了测试，结果表明，基于模板匹配的车牌识别方法的整体识别率为约60%，证明该方法是有效的，可行的。关键词：汽车牌照，图像处理 ，字符识别，模板匹配Number and Character Recognition of License Plate Based on the Part of Image ProcessingAbstractVehicle License Plate Recognition plays an important role in Automatic Recognition System, which has pr

12、omising future in the intelligent transportation systems. Vehicle License Plate Automatic Recgnition is one of important research subjects of Image Dealing and the important parts of the research on intelligence of transportation management and implementation. Vehicle License Plate Automatic Recogni

13、tion mostly includes four important parts. These are pre-process, Vehicle License Location, Character Segmentation and Character Recognition. This paper is about the recognition of the located Vehicle License Plate based on the part of image processing. We use the match template method,through AD al

14、gorithm to determine the similarity between the plate characters and template characters, to recognize plate license characters from the complex background image. 90 images were tested and the results show that the integral recognition rate is 60% and the method is accurate and fast. Key Words: Vehi

15、cle License, Charater Recognition, Image Processing, Match Template1 引言11 车牌识别技术的研究背景车牌是识别技术1是计算机视觉和模式识别技术在现代智能交通系统中的一项重要的研究课题，是实现交通管理智能化的重要环节。随着社会经济和高速公路的快速发展，以及汽车普及程度的日益提高，先进、高效、准确的交通智能管理系统日益受到们的重视，汽车牌照识别技术的应用为现代交通的智能管理打开了一扇大门。汽车识别技术在牌识别技术在车辆过路、过桥全自动不停车收费，交通流量控制指标的测量，车辆自动识别，高速公路上的事故自动测报，不停车检查，车辆定位

16、，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面显出了强劲的生命力。12 国内外研究现状车牌识别技术的研究2开始得很早，早在上世纪七十年代，就有不少研究人员和单位开始了这一技术的研究。由于在实际中存在光照、污损、缺损、无牌、格式多样等各种技术难题，这一技术一直都停留在实验室阶段，无法在实际工程中得到广泛应用。从20世纪90年代初，国外就已经开始了对汽车牌照自动识别的研究，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，确定汽车牌号。在各种应用中，有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符，但由于

17、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比较模糊等条件的影响，给车牌的识别带来较大的困难。字符的提取是复杂背景下目标提取问题，在复杂的背景中字符区域往往只占图像的小部分。由于背景的复杂性，背景纹理及颜色的复杂不确定性，这些问题给提取字符区域带来较大困难。并且字符区域的提取是整个系统过程的开始，是比较关键的一步。在一定情况下，还必须快速实时地完成。因此这部分工作具有一定的难度。目前国外的相关研究有： （1） Barros提出的基于扫描行高频分析的方法； （2） Lancaster提出的类字符分析方法等，为了解决图像恶化的问题； （3） Kat提出的基于颜色的提取方法。关于车牌定位系

18、统的研究，国内外学者已经作了大量的工作，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的复杂状况，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必要的。1.3车牌识别系统研究目的及意义车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符，LPR是利用车辆牌照的唯一性来识别和统

19、计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，LPR系统应该能够从一幅图像中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通管理工作的复杂度。14车牌识别系统的构成一个完整的汽车车牌识别系统的工作过程主要分为四个步骤：第一步预处理，由于摄像条件和客观因素的限制，如车辆牌照不整洁，光照条件不好，角度不适合，车速较快等原因，很容易对车牌识别系统的准确性造成干扰。第二步，车牌定位，即图像的精确定位算法的实现。用来确定车牌在整个图像中的相对位置，其输入是整个原始图像，输出是长方形车牌图

20、像；第三步车牌字符的分割。用来将上一步得到的长方形车牌图像，分割为几个只包含单个待识别车牌号码字符的图像；第四步车牌字符识别，它用来从上一步得到的只包含单个车牌字符的图像识别出车牌号码，输入是只包含单个车牌字符的图像，输出是车牌号码字符串。整个车牌识别系统的关键技术是3一是车牌的定位；二是车牌字符的识别。车牌识别系统的结构如图1.1所示。图1.1 车牌识别系统结构图15 论文内容安排本文共分为六章。第一章为引言，介绍了课题研究背景，国内外研究现状，车牌识别系统的结构图以及本文的工作安排；第二章为车牌图像的预处理，介绍了图像处理相关知识，并对车牌进行灰度化、二值化以及边缘检测；第三章为车牌定位，

21、简要介绍了基于纹理特征和数学形态特征的车牌定位方法，并给出定位结果；第四章为字符切割，根据车牌自身特征，采用一种对水平投影法进行改进的车牌字符分割的方法对车牌进行分割；第五章为字符识别，详细介绍了模板匹配的方法，建立了字符模板，以及用AD算法检测待测字符和模板字符中的相似程度，最终通过MATLAB实现了车牌数字与字母的识别；第六章为结论，总结了本文所做的主要工作，并分析了其中的不足之处，以待今后改进。在本文的安排过程中，第二章图像的预处理主要是介绍有关图像处理的相关知识，第三章车牌定位，第四章字符切割，主要是为第五章字符识别做前期准备。2 车牌图像的预处理21 预处理技术概述 在数字图像处理中

22、，图像的预处理过程是数字图像处理的重要组成部分。而对于车牌定位环节来说，车牌图像的预处理更是发挥着相当重要的作用。对于实际拍摄到的图片，由于天气、光照以及速度等外部因素的影响，往往使得这些图像并不能直接应用到车牌识别过程中，而必须先对图像进行前期的处理，以增强图像的质量。例如：一般情况下，车牌识别系统处理的都是灰度图像，因此要先将拍摄的彩色图像转换为灰度图像；在拍摄车牌照片时，照片的图像质量往往会受到光照，雨雾天气等因素的影响，因此要先对车牌图像进行降噪处理，尽量降低噪声对识别过程的影响；对于晚上或者在光线比较暗的情况下拍摄的图像，其对比度必然较低，因此我们还要对这些图像进行图像增强，增加其对

23、比度，凸显灰度值较高的图像部分，弱化背景，以利于后续工作的展开。上述所说的这些在展开识别过程以前，为了弱化、甚至消除对识别结果不利的因素，而采取的对车牌图像的前期处理工作，被称之为车牌图像的预处理过程。在车牌识别领域，图像的预处理过程主要包括的内容有图像的灰度化处理、图像二值化、边缘检测以及图像平滑等等。22 图像的灰度化现如今，在智能交通系统中拍摄到的车牌图像基本上都是真彩色图像。真彩色图像可以使用很多种颜色空间来进行表示，实际应用中使用最广泛的颜色空间是RGB颜色空间。在彩色颜色空间下，彩色图像包含了大量的颜色信息。例如，在RGB颜色空间下，彩色图像的每一个像素点均由R（红）、G（绿）、B

24、（蓝）三个颜色分量组成。也就是说，RGB空间下一幅图像的存储矩阵大小为，这样就使得在RGB空间下彩色图像所占用的存储空间很大3。同理，使用其他彩色颜色空间存储图像时也会产生同样的问题。这就导致在对彩色图像进行图像处理时，会占用更多的存储空间，并且会极大的降低系统的处理速度。其在速度上的影响对于车牌识别系统的实时性要求来说，是绝对不可容忍的。因此，在进行车牌识别过程时，有必要将彩色图像转换为灰度图像。灰度图像是只包含了图像的亮度信息而不包含图像的色彩信息的图像。灰度图像的亮度信息为256级4，即每一个灰度图像的像素点的取值为0255之间的整数值。灰度图像的存储矩阵大小为，其中矩阵中的每一个元素代表灰度图像中相应点的像素的亮度。由此我们可以很容易发现，处理灰度图像时程序的执行效率将远远高于执行同样的彩色图像时程序的执行效率。以RGB颜色空间为例，我们可以认为图像的灰度化过程就是使得彩色图像像素的R、G、B分量变得相等的过程。如在一幅RGB图像中，如果图像中每一个像素的R、G、B分量都相等，即R=G=B，则该图像将会表现出灰度图像的特征。因此，图像的灰度化问题就转化为如何调整彩色图像中像素的三个分量，使得R=G=B的问题。彩色图像的灰度化方法主要有如下三种（g代表灰度化后像素点的亮度值）：