汽车车牌识别系统的设计文献综述 .doc

《汽车车牌识别系统的设计文献综述 .doc》由会员分享，可在线阅读，更多相关《汽车车牌识别系统的设计文献综述 .doc（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 关于汽车车牌识别系统的进展 张文晓 河北科技师范学院欧美学院 机电科学与工程系 电气工程及其自动化1002 摘要：随着计算机和视频技术的发展，车牌自动识别LPR1系统己成为智能交通系统的重要组成部分，并已广泛应用于车辆追查和跟踪、车辆出入控制、公路收费监控等领域。一个车牌识别系统的组成主要有这几个各部分: 图像采集、图像预处理、车牌提取、字符分割、文字识别、结果优化处理。 目前国内外已有很多专业人员开展了车牌识别技术的研发和探索，并取得了一定的成果，在不同的处理阶段提出了很多新的技术和改进算法，不断推动着车牌自动识别技术的发展。一种车牌识别系统的优劣主要从识别速度、识别率和适应性等方面进行判

2、定。车牌识别技术的主要难度在于车身周围环境的不确定性; 车牌字迹的模糊、磨损; 车牌文字的特殊组成( 汉字，字母和数字) 等因素。因此车牌识别技术要符合实际环境的要求，在不断的实践运用中积累经验，改进和提高相关技术水平，以适应对车牌高速、准确的识别要求。关键词：车牌识别，图像预处理，特征提取正 文1.1 模式识别概述1.1.1 模式识别概述模式识别(Pattern Recognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪

3、60年代初迅速发展并成为一门新学科。模式识别包括特征提取和分类两方面的内容2。 1.1.2 模式识别的步骤1.特征提取对于待识别的事物，进行特征提取，这些特征可以应用一定的数学方法通过计算进行量化表示。特征提取过程产生一组特征，组合在一起就形成了特征向量，该特征向量所包含的信息与原始图像相比虽然有所减小，但它却包含了后续分类决策所必须的全部向量2。2.决策分类确定每个物体应该归属的预定义类别，即每个物体（模式）被识别为某一特定类型，这是通过一个分类过程加以实现的。1.1.3 模式识别的应用1.字符识别2.生物特征提取2.1数字图像及数字图像处理图像信息使人类认识世界的重要知识来源，国外学者曾做

4、过统计，人类所获得的外界信息70以上来自眼睛摄取的图像。在许多场合，没有其他形式比图像所传达的信息更为丰富和真确。而通常意思上的图像都是一些连续的图像，所产生的图像信号也都是模拟信号，由于模拟信号自身的原因和对模拟处理手段的限制，人们把研究对象从模拟领域延伸到数字领域，于是产生了数字图像的概念。本节将概述一下数字图像和数字图像处理3。2.1.1.数字图像的基本概念一般的图像都是模拟图像，即图像上的信息是连续变化的模拟量。如一幅黑白灰度照片上的物体是通过照片上各点的光的强度不同体现出来的，而照片上的光强是一个连续变化的量，也就是说，在一定的范围内，光强的任何值都可能体现。对于这种模拟图像只能采用

5、模拟的处理方式进行处理，例如按照光学原理用透镜将照片放大。计算机不能接受和处理模拟信号，只有将图像在空间和灰度上都离散化为数字信号后，或者说将模拟图像变换为数字图像方能接受4。2.1.2 数字图像的两种存储形式1. 位映射图像即位图图像2. 2.矢量图像指用包含颜色和位置属性的直线或曲线（即称为矢量）来描述的一种图像。2.1.3 数字图像处理的概念数字图像处理（Digital Image Processing）是一门关于如何使用计算机对图像进行处理的学科，就是对图像信息进行加工以满足人的视觉心理或者应用需求的行为。图像处理的手段有光学方法、电子学（数学）方法。后者正是要讨论数字图像处理，它是使

6、用计算机加工处理图像，通过各种算法来实现对图像内容处理。它通常有一个微型、小型、至大型计算机与图像处理机或有一个专用计算机来执行。2.1.3.2 数字图像处理的目的 1提高图像的视感质量，以达到赏心悦目的目的；2提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析；3. 对图像数据进行变换、编码和压缩，以便于图像的存储和传输。2.1.3.1 数字图像处理的主要内容1.图像获取、表示和表现；2.图像复原；3.图像增强；4.图像分割；5.图像分析6.图像重建；7.图像压缩编码。2.2 系统的流程2.2.1 系统的流程图l 系统总流程图图2.1 系统总流程图l 预处理部分流程图图2.2 图像预

7、处理流程图l 字符识别部分流程图图2.3 字符识别流程图2.2.2 图像采集（车牌定位）汽车牌照识别( Car License Plate Recognit ion,简称CLPR) 是实现智能交通系统的关键技术。其核心技术在近年来取得了飞速的发展。例如, 偷窃车辆的跟踪, 控制停车场车辆的进入, 地段通行的限制等等。 5但在识别正确率及系统稳定性方面仍有待提高, 仍然是一个研究热点。在CLPR 系统中, 主要分车牌定位、字符切分和字符识别三部分, 其中车牌定位是整个系统的关键所在, 定位正确率将大大影响整个系统的最终识别性能。目前, 国内外的车牌定位主要采用以下几种方法:史忠科, 左奇一6提出

8、了基于数学形态学的实时车牌图象分割方法; 李树广, 吴舟舟, 罗小伟7 提出基于边缘统计和颜色特征的车牌综合自动定位方法; 齐永奇, 王文凡, 赵岩, 赵耀8提出基于纹理特征和垂直投影的车牌定位算法研究等。这些方法对图像的清晰度要求较高。Rodolfo and Stefano 9设计了一种基于矢量量子化(VQ) 的方法。VQ 图像表现法是一种通过特殊的编码机制的方形树表现法, 它能够给系统提供一些图像区域满意度的信息, 这些信息推进了定位的执行。Park et al. .10 用神经网络来定位车牌。Zimic et al. 11 应用模糊逻辑学来解决车牌定位的问题。但是这些方法对于车牌的颜色和

9、亮度很敏感, 而且需要很长的处理时间。Zhu et al.andWei et al. 提出用颜色特征来定位车牌, 这些方法对于不同的环境没有较好的鲁棒性。汽车图像的边缘特征非常重要, 针对车牌的特有特征, 边缘密度可以很好的用于探测车牌位置。Ming etal.发展了一种改进边缘图像的方法, 通过消除图像中边缘密度最大和最小的部分来简化整幅图像。但是这种方法可能使车牌区域的部分特征丢失。2.2.3汽车牌照自动识别汽车牌照自动识别，关键技术包括车牌定位、灰度（或彩色）图像二值化、字符切分及字符识别等。首先要求正确的分割出车牌区域，为此提出了很多方法，如Hough变换以检测直线来提取车牌边界区域、

10、使用灰度分级及区域生长进行区域分割，或使用纹理特征分析技术等。Hough变换方法对车牌区域变形或图像被污染时，失效的可能会急剧增加，而灰度风格则比直线检测方法要稳定，但当图像中有许多预车牌灰度非常相似的区域时，该方法也无能为力了。纹理分割在遇到与车牌纹理特征的其他干扰时，车牌定位正确率也会受到影响。因此，单用一种方法难以达到实际应用的需要，本文利用车牌彩色信息的彩色分割方法，提高车牌区域定位与分割的正确率。图2.1 汽车图像图2.2蓝色像素点行方向统计图2.3 行方向的车牌区域 图2.4 列方向上的蓝色像素点统计 图2.5分割出的完整的车牌区域根据车牌底色的先验知识，采用彩色像素点统计的方法分

11、割出合理的车牌区域。下面以蓝底白字车牌区域为例说明彩色像素点统计分割方法。CCD摄像头拍摄的头像一般为RGB彩色图像（如图2.1），确定车牌底色（蓝色）RGB对应的各自灰度范围，然后行方向上统计此颜色范围内像素点数量如图2，设定合理阈值，确定车牌在行方向上的合理区域如图3。然后，在分割出的行区域内，统计列方向蓝色像素点的数量如图2.4，最终确定的完整车牌区域如图2.5。评价衡量车牌定位方法性能的主要指标是定位分割精确率和算法的灵活性。目前还没有哪种算法能满足各各种性能要求: 适用于不同拍摄地点、拍摄角度、不同环境气候和光照强度的汽车图像12 。不同环境气候和光照强度的汽车图像具有不同的特性。例

12、如, 白天场景的图像, 由于光照相对比较均匀, 整体亮度高, 因而颜色信息丰富; 而夜间场景的图像, 由于主要由车灯给光, 图像各区域的亮度分布极不均匀, 因而车体颜色失真很大。3 图像预处理1图像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。灰度化的处理方法主要有如下三种:分别为最大值法、平均值法和加权平均值法。2. 图像增强由于车辆牌照识别系统是全天候的，若没有理想的补充光照明，自然光照度的昼夜变化会引起牌照图像的对比度严重不足，使图像中牌照字符分辨不清，甚至根本无法定位和分割，更无法识别。采用图像灰度拉伸的方法可有效地增强图像对比度，增

13、强后的图像中字符清晰、区域分明，便于图像二值化和字符分割处理。3. 图像二值化15 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。4.梯度锐化由于需要处理的图像由拍摄而来，所以在很多情况下字符模糊，对识别造成了一定的困难，所以要对图像进行锐化处理使模糊的图像变的清晰，图像锐化的实质就是增强图像的边缘或轮廓，其锐化后的结果通过微分而使图像边缘突出、清晰。图像锐化的方法有两种:微分法和高通滤波法。5 去除离散的杂点噪声图像可能在扫描或者传输过程中夹带了噪声，去噪声是图像处理中常用的手法。通常去噪声用滤波的方法，比如中值滤波、均值滤波。但是那样的算法不适

14、合用在处理字符这样目标较长的图像中，因为在滤波的过程中很有可能会去掉字符本身的象素。结束语本文对车牌识别系统中的图像处理过程进行了研究，通过对图像依次进行灰度转换，去噪，以及二值化的处理，在处理过程中同时均衡采取不同原理，按照从简从优的思想，以获得清晰的车牌号码。仿真实验表明，本文的图像处理过程能满足车牌识别的要求，具有一定的实用性。 参考文献：附 录 1 陆福宏.车牌识别技术在智能交通系统中的应用 J.中国科技博览, 2010(12):3 02.2 霍宏涛.数字图像处理.北京：机械工程出版社，20033 高守传,姚领田.Visual C+实践与提高数字图像处理与工程应用北京：中国铁道出版社，

15、20064 四维科技，胡小锋，赵辉.VisualC+/MATLAB 图像处理与识别案例精选.北京：人民邮电出版社，20045 Gang Li , Ruili Zeng , and L ing Lin, Research on Vehicle License Plat e Locat ion Based on Neural Netw orks, Proceedings ofthe First Int ernational Conference on Innovat ive ComputingJ .In format ion and Control ( ICICIC 06 ) 0 - 7695-

16、2616 - 0/ 06$ 20. 00 (c) 2006.6 史忠科,左奇一. 一种基于数学形态学的实时车牌图象分割方法J .中国图象图形学报.2003,8( 3):281-285.7 李树广,吴舟舟,罗小伟.基于边缘统计和颜色特征的车牌综合自动定位方法J .山东大学学报:工学版,2005,35(3):44-49.8 齐永奇,王文凡,赵岩,赵耀.基于纹理特征和垂直投影的车牌定位算法研究J .现代电子技术.2007,17:184-186.9 Rodolfo and St efano,2000 Z.Rodolf o an d R.St ef ano,Vectorquant izat ion fo

17、r license plat e locat ion and image coding, IEEET ransJ .Indust rial Elect ron.47(2000)(1) , pp. 159-167.10 Park et al. ,1999 S.H.Park,K.I.Kim,K.Jung and H .J.Kim,Locat ing car license plat e us ing neural networksJ.Electron.Let t . 35 ( 1999) ( 17) , pp. 1475- 1477. Full Text viaC rossRef View Rec

18、ord in S copus | Cit ed By in Scopus (20) .11 Zimic et al.,1997 Zimic N. Ficz ko, J . ,Mraz, M. , Virant ,J. , 1997. The fuzzy logic approach to car number plat e locatingproblemJ . In: Proc. Int elligent Inf ormation Systems, pp.227- 230.12 智斌, 黎绍发, 余棉水. 车辆牌照定位算法研究J .微型电脑应用,2006, 27(21) : 4059- 4059.13 余章明. 数字图像增强中灰度变换方法研究J.电子质量,2009(6):18-20.14 黄涛.数字图像的增强J.肇庆学院学报,2004,25(2):23-24.15 冈萨雷斯.数字图像处理M.北京:机械工业出版社,16 杨淑莹. 图像模式识别:VC+技术实现M.北京:清华大学出版社,北京:北京交通大学出版社,2005 :5 - 7.17 冯源，邹继伟，陈卫 现代频率合成技术的发展与趋势J 电子对抗，2010( 3) : 45 4918 郭德淳，费元春 DDS 的杂散分析及频率扩展研究J 现代雷达， 19陶恂，杨敏。电气自动化2011 年第 33 卷 第 4 期