汽车牌照自动识别算法研究.doc

《汽车牌照自动识别算法研究.doc》由会员分享，可在线阅读，更多相关《汽车牌照自动识别算法研究.doc（22页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流汽车牌照自动识别算法研究.精品文档.汽车牌照自动识别算法研究摘要：车牌识别系统是智能交通系统的核心组成部分，应用于各种交通管理中。本文对系统中汽车号码图像预处理、车牌定位、字符分割、字符识别进行了全面的论述及相关算法的研究，主要工作包括： (1)车牌定位算法的研究及其校正； (2)结合彩色图像灰度化、车辆图像边缘检测以及图像的二值化对汽车牌照进行预处理，并做了相关实验进行论述； (3)介绍了基于改进的扫描线算法确定字符串上下边界，利用全局分割和局部调整的技术实现了单个字符的分割，并对断裂部分进行了粘连处理； (4)介绍了一种四灰度加权相关函数

2、模板匹配集成方法来实现字符识别，使车牌字符识别的精度和实时性得到了改善。 实验结果表明，本课题研究的算法能比较准确地对车牌区域进行定位、分割车牌字符并进行字符识别，且性能良好。关键词：车牌定位；字符分割；字符识别；边缘检测Research of the Algorithm on Vehicle License Plate Automatic RecognitionAbstract: License plate recognition system is the core of intelligent transportation system components used in a vari

3、ety of traffic management. In this paper, image preprocessing system, license plate localization, character segmentation, character recognition to conduct a comprehensive research paper and related algorithms, the main activities include: (1)This paper is about the research of license plate localiza

4、tion algorithms ,and correction; (2)It is used gray scale and colored images, vehicle image edge detection and binary image to the pretreatment of vehicle license, and discuss the relevant experiments license plate location algorithm and its tilt correction; (3)It is introduced , based on an improve

5、d scan line algorithm ,and to determine the string up and down the border, using the local adjustment of the global fragmentation and individual technology character segmentation and its adhesion to do break processing; (4)It is introduced a correlation function of four gray-weighted template matchi

6、ng integrated approach to character recognition, and the license plate character recognition accuracy and timeliness has improved. The results are shown that the algorithm of this research can be more accurate positioning of the license plate, license plate character segmentation and the character r

7、ecognition, and good performance.Key words: License plate location; Character segmentation; Character recognition; Edge detection目 录1绪论11.1车辆牌照识别设计1 1.1.1车牌识别系统技术简介1 1.1.2车牌识别系统构成及工作原理11.2本论文研究思路22车牌图像定位32.1车牌图像定位方法32.2行列方向行素点灰度值累计和32.3定位剪切彩色车牌53图像预处理63.1彩色图像灰度化处理6 3.1.1彩色图像和灰度图像的基本概念及相互关系6 3.1.2彩色车

8、辆图像灰度化详细设计处理实验分析及结果63.2车辆图像的边缘检测93.3车辆图像的二值化114车牌字符分割154.1车牌字符特征与分割154.2 基于垂直投影及模板匹配的字符分割16 4.2.1 字符粗分割16 4.2.2字符精确分割175字符识别196总结及应用前景21参考文献23致 谢25 1绪论1.1车辆牌照识别设计1.1.1车牌识别系统技术简介 车牌识别系统技术(Vehicle License Plate Recognition，VLPR)是指能够检测到道路路面高速行驶的车辆并自动提取车辆牌照的信息(含汉字字符、英文字母、阿拉伯数字及号牌颜色)进行处理的技术1。车牌识别技术是现代智能交

9、通系统的重要组成部分，其应用十分广泛。它以计算机视觉处理、数字图像处理、模式识别等技术为基础，对摄像机所拍摄的车辆图像或者视频图像进行处理分析，得到每辆车的车牌号码，从而完成识别过程。通过一些后续处理技术，可以实现停车场出入口收费管理、盗抢车辆管理、高速公路超速自动化管理、闯红灯电子警察、公路收费管理等等功能。对于维护交通安全和城市治安，防止交通堵塞，实现交通全自动化管理有着现实的意义2。1.1.2车牌识别系统构成及工作原理 车牌自动识别系统由硬件系统和软件处理两部分组成。其中硬件系统包括汽车、摄像头、A/D 转换单元、图像采集卡。软件部分包括图像的预处理、车牌定位、字符分割、字符识别四部分。

10、当车辆到达图像采集单元时经过A/D化后传入计算机，经识别软件得到车牌字符信息3。由收费系统查询相应的数据库，进行收费、统计、查询以及通缉报警等操作。车牌识别系统示意图如图1所示：视频车辆检测图像采集 视频信号车 辆检测器拍照定位字符分割字符识别 结果输出 图1车牌识别系统示意图 当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。例如:当有车辆进入监测范围时，触发图像采集单元采集到图像（如图1），由牌照识别单元处理成为数字信号后经定位系统定位出拍照位置，并进行颜色识别，图1中为蓝

11、色，通过字符分割出牌照中的各个字符“鄂F90008” ，再经过字符识别识别出字符最后输出结果4。图像识别技术的含义很广，主要指通过计算机，采用数学技术方法，对一个系统前端获取的图像按照特定目的进行相应的处理。图像识别包括诸如条码识别、生物特征识别(人脸识别、指纹识别等)技术、智能交通中的动态对像识别、手写识别等。可以说，图像识别技术就是人类视觉认知的延伸，是人工智能的一个重要领域5。随着计算机技术及人工智能技术的发展，图像识别技术越来越成为人工智能的基础技术。它涉及的技术领域也越来越广泛，应用越来越深入。其基本分析方法也随着数学工具的不断进步而不断发展。现在，图像识别技术的应用范围已经远远突破

12、视觉的范围，而更多地体现为机器智能、数字技术的特点。1.2本论文研究思路 汽车牌照自动识别系统能够自动、实时地检测车辆经过和识别汽车牌照的一种智能交通管理系统6。 一个典型的汽车牌照识别系统包括汽车牌照图像的采集，车牌字符的提取和车牌字符识别三大部分。车牌字符提取是汽车牌照识别系统中的难点，本论文采用了多层次分割方法，有效地解决了复杂环境下的汽车牌照自动识别。用MATLAB软件编程实现对牌照号码的识别，同时分析牌照子图像定位与分割，及相应算法。2 车牌图像定位2.1 车牌图像定位方法 目前国内汽车牌照有六种类型：大型民用汽车所用的黄底黑字牌照；小型民用汽车所用的蓝底白字牌照；军用或武警专用汽车

13、的白底红字、黑字牌照；使、领馆外籍汽车的黑底白字牌照；试车和临时牌照是白底红字，且数字前分别标有“试”和“临时”字标志；汽车补用牌照是白底黑字。虽然，车牌照类型很多，但是，对于车前牌照，其尺寸均为44cm长，14cm宽，共有7个或8个字符。因此，车牌照固定的长、宽比将是我们进行车牌定位的重要依据。本文根据车牌的长、宽比，对形态学运算处理后的图像进行定位7。 车牌图像定位分为以下几个步骤：(1) 确定候选车牌区域。通过形态学运算后，汽车图像形成一个或多个连通区域。统计每个连通域高和宽，如果宽、高比在25（实际车牌宽高之比约为3，考虑噪声干扰，获得可能的候选车牌区域将宽高之比范围扩大到25）之间则

14、认为是候选车牌区域。(2) 对候选车牌区域进行取舍，确定车牌区域：W为图像的宽度，H为图像的高度，R为宽高之比，它们之间的关系如式2-1、2-2所示： 2-1 2-2 其中和是根据实际车牌的宽、高比确定的比例下限和上限。在车牌的宽、高满足合并条件时对候选车牌区域进行合并。合并条件为：高度相近，且基本上在同一水平条，合并后满足车牌宽、高之比。 （3）对车牌区域进行修整，去除边框上的毛刺，短线，伪边界等。去除边界干扰区域时，要根据车牌的高、宽和宽高之比等车牌图像固有的特征进行。 （4）最后得出车牌定位结果。2.2行列方向行素点灰度值累计和 程序运行结果如图2所示：图2 行列方向行素点灰度值累计和2

15、.3定位剪切彩色车牌 程序如下： PX1=1; while (X1(1,PX1)3)&(PX1x) PX1=PX1+1; end PX2=x; while (X1(1,PX2)PX1) PX2=PX2-1; end PX1=PX1-1; PX2=PX2+1; %分割出车牌图像%dw=I(PY1:PY2,PX1:PX2,:); subplot(3,2,3),imshow(dw),title(定位剪切后的彩色车牌图像) 程序运行结果如图3所示：图3 定位剪切彩色车牌 3图像预处理3.1彩色图像灰度化处理 将彩色图像转化成为灰度图像的过程称为图像的灰度化处理8。彩色图像中的每个像素的颜色有R、G、B

16、三个分量决定，而每个分量有255个中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样,仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征9。3.1.1彩色图像和灰度图像的基本概念及相互关系在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值10。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值）

17、，灰度范围为0-255。图像的灰度化处理，一般有以下三种设计方案： （1）加权平均法 根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，对RGB三分量进行加权平均能得到较合理的灰度图像。 （2）平均值法 求出每个像素点的R、G、B三个分量的平均值，然后将彩色图像中的这个平均值赋予给这个像素的三个分量。 （3）最大值法 将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。本课程设计分别采用了以上三种设计方案，即加权平均法、平均值法和最大值法。在MATLAB中，通过编程实现了彩色图像的灰度化处理。3.1.2彩色车辆图像灰度化详细设计处理实验分

18、析及结果 （1）详细设计 本设计采用的三种方法，都实现了对彩色图像的灰度化处理。下面分别对其作具体分析如下： 方法一：加权平均法根据重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均（如式3-1）。f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j) 3-1方法二：平均值法将彩色图像中的R、G、B三个分量的亮度求简单的平均值，将得到的均值（如式3-2）作为灰度值输出而得到灰度图。f(i,j)=(R(i,j)+G(i,j)+B(i,j) /3 3-2方法三：最大值法将彩色图像中的R、G、B三个分量中亮度的最大值（如式3-3）作为灰度图的灰度值。 f(i,j)

19、=max(R(i,j),G(i,j),B(i,j) 3-3 （2）实验运行结果 程序运行结果如下图2、图3、图4和图5：图2 原图片 图3 采用加权平均法的灰度图图4 采用均值法的灰度图图5 采用最大值法的灰度图3.2车辆图像的边缘检测 3.2.1边缘检测的常用的增强算子和算法 图像边缘是指其周围像素灰度有阶跃变换的那些像素的集含，它是图像分割所依赖的重要特征11。两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的结果，常用提取方法是边缘检测局部算子法12。检测器模板是一种基于梯度的滤波器，梯度是有方向的，和边缘的方向总是正交的。由于边缘检测在图像识别和计算机视觉中的重要地位，各

20、国学者对于边缘检测算法的研究也比较多，常用的边缘增强算子和算法有：Robert算子、Sobel算子、prewitt算子、Marr边缘检测算法、Canny边缘检测算法、Shen边缘检测算法等。边缘检测算子如图6所示：图 3（a）水平Sobel算子 图 3（b）垂直Sobel算子图 3（c）水平Prewitt算子 图3(d) 垂直Prewitt算子图 6 边缘检测算子梯度算子的边缘检测即用其模板对原灰度图像进行卷积，如Sobel算子中将卷积过程转换成数学表达式如式3-4： 3-4而梯度值大小可以通过式3-5得到： 3-5又因为计算平方和平方根需要大量计算，因此实际工业中经常使用的一种方法是用绝对值

21、对梯度（如式3-6）进行近似： 3-6梯度方向是灰度值变化最大的方向，计算式如式3-7： 3-73.2.2车辆图像的边缘检测实验及结果I=imread(d:car.jpg);J=edge(I,sobel);imshow(J)程序运行结果：图6 基于sobel 算法车辆图像原图片 图7 基于sobel算法车辆图像边缘处理3.3车辆图像的二值化3.3.1图像二值化定义图像经过h=1,0,-1算子处理后，仍然包括一些无用信息。为了进一步减小无用信息的影响，接下来图像进行二值化处理，其目的是进一步突出边缘，且二值化后的图像更适于计算机处理，利于提高图像处理的计算速度13。对图像进行二值化是绝大多数车牌

22、识别系统所必需的过程，二值化方法的好坏直接影响车牌识别系统的性能指标。图像的二值化可以根据下列阈值处理来进行14。设原灰度图像为f(x, y)，二值化后的图像为g(x,y)，便可得到数字二值化图像： 3-8二值化的关键是选取一个适当的灰度级阈值T，像素灰度大于T的重新分配以最大灰度，小于T的分配以最小灰度。这样，就可以组成一个新的二值图像，并成功的把对像从背景中区分出来。阈值的准确选择是很重要的，它直接影响图像描述的正确性。3.3.2图像二值化选取阈值的方法 选取一个适当的灰度级阈值T，其好坏直接影响着车牌的分割效果。二值化选取阈值可分为全局阈值方法和局部比较方法。全局阈值方法根据图像的直方图

23、或灰度的空间分布确定一个阈值，并根据此阈值实现灰度图像到二值化图像的转化。局部阈值法是根据图像的不同局部的直方图或空间灰度分布确定不同阈值的方法15。下面主要介绍目前常用的全局阈值方法： (1)根据直方图谷点确定阈值 如果图像所含的目标区域和背景区域相比足够大，且和背景区域在灰度上有一定的差值，那么该图像的灰度直方图呈现双峰一谷状，其中一个峰点对应于目标的中心灰度，另一个峰点对应于背景的中心灰度。由于目标边界点较少且灰度介于它们之间，所以双峰之间的谷点对应边界的灰度，可以将谷点的灰度作为分割门限。 确定直方图谷点位置的方法是：以解析函数拟合直方图双峰间的部分，然后再用微分法找出这个解析函数最小

24、值的位置。例如可用二次曲线去拟合双峰之间的直方图，则可作为分割门限。 需要指出的是，由于直方图是各灰度的像素统计，如果没有图像其它方面的知识，只靠直方图进行分割是不可靠的。直方图是典型的双峰一谷特性，这个图像也未必含有和背景有反差的目标。 (2)用最小误判概率准则确定最佳阈值 设图像含有目标和背景，目标的平均灰度高于背景的平均灰度，目标点出现的概率为，其概率分布密度函数为p(x)，背景点的灰度分布密度函数为q(x)。那么这幅图像的灰度分布密度函数如式3-9： 3-9 根据灰度阈值t进行分割，灰度小于t的像素点作为背景点，否则作为目标点。于是将目标点误判为背景点的概率如式3-10： 3-10把背

25、景点误判为目标点的概率如式3-11： 3-11选取的阈值t应使总的误判概率如式3-12： 3-12最后上式对t求导并令结果为零，有式3-13： 3-13知道了， p(x)，q(x)，原则上是可以求解最佳阈值t的。对于正态分布、瑞利分布、对数正态分布，最佳阈值t是容易求解的。在实际中，可设定目标点和背景点的灰度服从正态分布，利用该图像的灰度分布密度函数拟合图像直方图得到参数，和 ，然后求得最佳分割阈值。 （3）其它方法此外还有基于直方图的双峰阈值选择法、微分直方图法、最大类间差法、数学期望方法、公共矩阵法、大津（Otsus）法、像素均值中点等算法。3.3.3图像二值化实验及结果 程序运行结果：

26、图8 基于二值化原图片 图9 图像二值化实验4车牌字符分割4.1车牌字符特征与分割 我国目前实行的是一车一牌制度，车牌可以说是车辆的“身份证”，而且由国家统一发放，具有统一的大小和规格。 最常见的车牌格式为“”，车牌中水平排列7个字符，其中第一个为汉字，包括省，直辖市，自治区和天干地支，另外加上一个特殊的“警”，车牌字集中的汉字为54个；第二为英文字母，总共26个；第三个为字母或者是数字；最后四个是数字，一共l0个，普通车和军用车都属于这一种。 除此之外，还有两种特殊的车牌，均是警车车牌，包括武警和交警两种。交警的车牌为“警”，车牌中也是水平的排列着7个字符，最后一个是固定的“警”字；武警的车

27、牌的格式为“W.J”，车牌中水平排列着9个字符，第一、二个字符为“W”和“J”，第三、四个字符为数字，第五个字符为字母或数字，第六、七、八、九字符为数字。 由于车牌在设计和制作上都是由国家统一来进行的，这就使得车牌的规格都比较标准，例如车牌的装订位置(装订眼的位置)都是固定的，同一类的实际车牌在车牌大小和车牌中的字符的位置也都是固定的16。一个车牌上的所有的字符在字体和宽度上（除了1之外）都是相同的，从而使整个车牌在字符分布上出现了规律性。充分利用这些信息，不仅能减少分割的错误率，而且使得整个分割过程变得简单。 字符分割可以采用投影法。通过计算第X列上的黑色素(黑色为前景)的数目，就可以得到X

28、位置的垂直投影V(x)。在每个竖直笔画对应的位置，垂直投影都会产生个尖峰。显然，如果二值化图像质量很好，也就是说，字符不存在粘连和断裂现象，只需要垂直投影就可以很好地完成字符分割的任务。虽然大部分图像都不可能达到这种质量，垂直投影仍然是字符分割中的一个非常重要的特征。 对于牌照图像来说，牌照k的字符串具有几个特点： (1)牌照字符的字体和大小是有标准的，固定的。 (2)根据牌照的不同，有的牌照是有框的，不能直接进行投影分割。 (3)由于图像质量及二值化算法的不足，即使在预处理之后，仍然存在着断裂和粘连的字符。 其中特点(1)为字符分割带来了方便，特点(2)和(3)增加了分割的难度。边框的存在使

29、得无法直接采用投影法，必须在进行字符分割之前去掉边框，粘连和断裂字符要求有一些特别的处理。4.1.1字符分割算法 完成牌照区域的定位后，再将牌照区域分割为单个字符，一般采用垂直投影法17。由于字符在垂直方向上的投影必然在字符间或字符处取得局部最大值，并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利用垂直投影法实现复杂环境下汽车图像中的字符分割效果较好。通过分析计算字符的水平投影和垂直投影，可获得车牌的字符高度、字符顶行与尾行、字符宽度、每个字符的中心位置，以方便提取分割字符。然后计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度。最后计算车牌每个字符的中心位置和最大字符宽度

30、，提取分割字符，其算法流程如图10：计算字符上升点取网值求垂直投影的最小值求垂直投影的平均值输出分割字符找到字符中心位置计算机字符距离计算谷宽度 图10 车牌分割的MATLAB 算法流程4.2 基于垂直投影及模板匹配的字符分割4.2.1 字符粗分割 对车牌进行二值化处理，根据先验知识，标准的车辆牌照（军车、警车、教练车、领事馆车除外）上有7个字符，首位为省名缩写（汉字），次位为英文字母，再次位为英文字母或阿拉伯数字。字符区域总长度为m-Width， 则估算单一字符平均宽度为m-Width/7.5。考虑到第2和第3字符间距要比其它字符间距大，先从牌照图像右边界开始连续分割5个字符，对于光照不均匀

31、和二值化的因素，实际的二值化牌照图像中，字符宽度和间距与理论估算值有12 像素点的浮动18。4.2.2字符精确分割 根据粗分割的结果以及牌照字符的规律，引入分割模块。模块分为7块，每块的起始位置是 , 结束位置是 。采用车牌图像的垂直投影和分割模块匹配，这样可以精确地分割车牌字符。垂直投影和分割模块匹配的匹配程度可由字符间模块匹配度来确定。 4-1 式中p(j)是车牌图像的垂直投影，a、 b 分别为图片的字符左右边界， 越小，说明字符间隔模板匹配程度越高。 由于粗分割得到的字符间隔的左右边界是重合的，因此要先确定每个字符左右边界搜索范围，让b和a 分别开始从-i/4，0和0,i/4 的位置向中

32、间搜索。这里的i为一个字符宽度，然后在此范围内搜索最小，确定和作为最终的字符间隔位置。4.3断裂粘连字符处理 字符分割主要的难点在于断裂、粘连字符处理。断裂的字符需要合并，粘连的字符则需要再次分割19。 (1)断裂的字符合并处理 首先根据第一次分割的结果估出字符宽度。在宽度估计的过程中，根据牌照图像的大小和牌照的制作标准，可以得到字符块的先验宽度范围。求出属于字符块先验宽度范围内的字符块的平均宽度，作为牌照的标准字符块宽度Std_Width。 对于断裂的字符，一般有两种类型的合并方法，一种是在分割后根据估计的字符宽度和间隙宽度对字符块进行合并处理。另一种是根据字符识别的结果完成字符块的合并。

33、当字符块的宽度Width满足公式4-2，认为该字符为必须合并的块。 4-2 当字符块的宽度Width满足公式4-3，认为该字符为不需合并的块。 4-3 余下的块为可并可不并的块。合并按照以下的原则： 当必须合并的块左右邻都为不需合并的块时，此块不合并。 当必须合并的块左右邻都为必须合并块或可合并的块时，合并这两个块。 当必须合并的块左右邻都为必须合并块或可合并块时，则比较左右字符块的宽度，取较小宽度的块合并。 (2)粘连字符的分割处理 对于粘连字符的分割，有两个关键问题：第一，要能准确地判断出哪些字符块中含有粘连的字符；第二，要能找到粘连字符块的最佳分割点，解决粘连字符的分割方法分为两类。一类

34、是基于特征，一类是基于识别结果。 对于某一字符块，当宽度Width满足公式4-4，则此字符块可能是两字符粘连。 4-4 对于某一字符块，当其宽度Width满足公式4-5，则此字符块可能是三字符粘连。 4-5 如果某一字符块被判断为粘连字符块，可以采用平均分割的方法，即两个字符粘连就取两等分点为分割点，三个字符粘连就取三等分点为分割点。 比较特别的是最右边的字符，如果最右边的字符发生粘连，考虑到边框的存在，不能直接采用上述的方法，这时首先将字符的边框分割出来，在去掉上下边框后，右边的边框看起来很像阿拉伯数字“l”。切割时，从最右边开始计算每一列上最上面的黑色像素到最下面的黑色像素之间的距离。如果

35、在某一列出现了这个距离由小变大的情况，就认为这一列右边为边框，左边为字符，就可以把右边边框去掉。 5字符识别 经过处理后要进行车牌识别系统的字符识别，它也是整个系统最重要、最复杂、难度最大的环节，这一环节准确率性直接影响识别结果的正确性与否。目前方法有神经网络法、特征匹配法、支持向量机法（Support Vector Machine ，SVM）、模块匹配法等。根据中国普通汽车的车牌字符排列特点，汽车牌照分类少，只有50多个汉字，10个数字及24个英文字母（无I和O（公检法车牌打头字母除外），所以适合模块匹配法。5.1 模块匹配法 模块匹配识别法的基本思路是：首先将切割下来的字符进行归一化处理，

36、使之与模板在字符大小、灰度值等方面都有同一种属性；然后将归一化后的车牌字符与模板进行匹配，当匹配度达到最大值则认为字符识别成功20。相关匹配的算法如下： 设输入字符用输入函数表示，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)。用，表示随机变量，此时相关器输出如式5-1： 5-1当 时，有下面式5-2存在： 5-2 当 时，有下面式5-3存在： 5-3 在 处出现峰值，在其它标准字符处出现一些副峰。只要这些副峰不等于主峰，就可以用适当的阈值将其鉴别，从而判断并识别出被识字符。5.2 改进的模块匹配算法 车牌中的某些字符和数字非常相似，如Q，O和0，B与8，T与7等，很容易

37、识别错误，加上车牌字符的污染等情况，传统的模板匹配法识别率不是很高。所以提出改进的模板匹配法，本文主要采用基于字符特征模板匹配法。 改进的模板匹配算法如下：（） 将分割好的字符进行预处理（包括灰度化、二值化以及归一化）；（） 确定匹配模板库，并设定匹配阈值。设N为标准模式的匹配度大于给定匹配度阈值的个数，即为最佳个数；（） 当字符进行模板匹配时，如果N=1 说明匹配结果唯一，输出字符；如果N1，与未知结果的匹配不唯一，即未知结果可能存在相似字符，然后用字符特征模板法进行识别；如果N=0，即匹配的字符可能存在噪声或者出现严重的缺损的情况，则采用边缘提取模板匹配法进行识别。流程图如图11所示：车牌

38、字符输入 相似字符匹配成功传统模板图像预处理边缘模块匹配NN拒识匹配成功字符特征匹配Y YNY字符输出图11 车牌字符识别算法流程图6总结及应用前景6.1本文总结汽车牌照自动识别系统是制约道路交通智能化的重要因素，包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满足实际的需要，微电子、通信和计算机技术在交通

39、领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。6.2 应用前景 车牌识别技术作为交通自动化管理的重要手段，以及车辆检测系统的一个重要环节，并以计算机可处理的形式给出识别结果，从而使得车辆的电脑化监管成为现实，其在交通监视和控制中占有很重要的地位。总结车牌识别技术对于交通管制起到的作用可以分为四个方面。（） 车牌识别技术的使用将大大减少交通违章和恶性交通事故现象，也为各类交通事故以及人生和财产安全的事后处理提供有力的证据，对我国交通治安等方面都有着举足轻重的作用。不管采用何种触发方式，一套成熟的车牌识别系统可以有效实现对过往车辆进行实时监控、分析，获取车牌号码、车

40、牌颜色、车辆类型等各种信息，其为公安部门有效打击盗抢和黑名单机动车、查缉交通肇事逃逸车辆、分析交通状况、加强治安管理等提供强有力的支持。（） 基于车牌识别的智能交通系统能够适时防范机动车辆被盗窃、盗抢、假牌、套牌、走私、黑市交易等日益猖獗的犯罪活动。通过机动车安装登记的“电子车牌”信息，在监控中心有效遥控、掌握可疑车辆的图像、数字信息及行进方向，并随时将跟踪追查到的信息反馈回监测中心。公安部门可以根据这些信息及时了解、跟踪、掌控不法车辆交易、车辆盗抢等犯罪行为。对于假牌、套牌车辆，检测识别系统在检测过程中发现电子车牌号与外挂车牌不符时发出报警信息，以便公安部门进行追缉。（） 基于车牌识别的智能

41、交通管理系统能够为城市道路规划设计提供精确、详尽的分类车流统计数据，实现道路规划管理的最优化设计，减少交通阻塞黑洞。智能交通管理系统可以实现城市主要道路交叉口的车辆通行数据采样，并对车辆的类别(如公交车、货车、客车、轿车、出租车等)及流量进行数据分析，为道路规划设计提供车流量、车类别、高峰期及高峰值等精确数据，科学地指导道路规划。（） 采用基于车牌识别的智能交通管理系统能够更好地解决现行交通管理中面临的种种“老大难”问题。参考文献 1 Kim K.K,Kim K.I.Learning-based approach for license plate recognitionM.Neural Ne

42、tworks for Signal Processing X,2000.Proceedings of the 2000 IEEE Signal Processing Society Workshop,2000,2,614623.2凌彤辉. 车辆牌照自动识别系统的研究D. 四川大学电气信息学院,2005. 3胡小锋, 赵辉. Visual C+/MATLAB 图像处理与识别使用案例精选M. 北京:人民邮电出版社,2004. 4 TY an J-K,Neubauer C,Goganovic L.A character segmentation algorithm for recognition o

43、f vehicle license plateM.Mobile Robots XIV, Boston,2022 September 1999,1999,1221.5陈兆学,施鹏. 基于灰度图像的车牌快速定位和分割方法J. 计算机工程,2006.32(9): 172-177.6张炜,王庆等.汽车牌照的实时分割方法J.西北工业大学学报,2001.19(1):245249.7Nadeem A.Khan,Ron J.De,Hans A.Hegt.A License Plate Recognition SystemJ.Applications of digital image processing XXI,1998,1424.8Mi Xiaozhen,Yu Yichun.Researches on Vehicle License Plate Recognition TechnologyJ. International Conference on Power Electronics and Intelligent Transportation System,2010. 9黄新.汽车牌照自动识别系统中字符的分割和识别J.南京航空航天人学,2002,13(7):8992.10张丽芬,代君. 智能监控交通系统中车牌识别技术研究