车牌识别系统中图像处理技术的研究-(正文).doc

《车牌识别系统中图像处理技术的研究-(正文).doc》由会员分享，可在线阅读，更多相关《车牌识别系统中图像处理技术的研究-(正文).doc（57页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、本科生毕业设计（论文）中文题目： 车牌识别系统中图像处理技术的研究 英文题目： THE RESEARCH OF IMAGE PROCESSING ON VEHIELE PLATES RECOGNITION SYSTEM 摘 要车辆牌照作为行驶车辆的唯一标志，在车辆的控制和管理方面有着无可替代的作用。以图像处理技术为基础的车辆牌照识别系统作为智能交通的一个重要的部分，在高速公路、城市道路、停车场等项目管理中起着重要的作用。本文着重于研究车牌识别系统中图像处理技术的应用，在对车辆牌照识别系统的研究中，综合运用了图像处理中灰度处理、图像去噪、梯度锐化、纹理分析、直方图统计、图像投影、图像特征提取、图

2、像二值化等技术对车辆图像进行分析、处理，提出了一种基于投影分析的牌照定位方法，对车辆图像进行梯度锐化处理，检测梯度锐化图像的突变点，利用牌照区域字符笔画宽度的信息，对突变点进行过滤，最后对图像进行投影，并结合牌照字符尺寸特征最终确定了牌照的位置，收到了较好的效果;根据牌照定位的结果，对牌照图像进行水平投影与垂直投影，去除牌照边框，分割字符，最后对字符进行归一化处理。关键词：图像处理 牌照定位 字符分割 字符识别 ABSTRACTVehicle license, as the only signs of vehicles traveling in the vehicle control and

3、management has an irreplaceable role. To image processing based intelligent vehicle license plate recognition system as an important part of the traffic in highways, urban roads, parking lots and other project management plays an important role. This paper focuses on research in image processing lic

4、ense plate recognition system technology, vehicle license plate recognition system in the study, the comprehensive use of the image processing gray processing, image denoising, sharpening gradient, texture analysis, histogram statistics, image projection, image feature extraction, image binarization

5、 vehicle technologies such as image analysis and processing, a texture based on regional changes in license plate location method, under license mapping results , on the license level of image projection and vertical projection, removing the license frame, segmentation, Finally, for character normal

6、ization; right after the license plate character segmentation.Keyword: Image Processing License Location Character recognition character segmentation目 录1 绪论12 图像知识52. 1图像与图形52. 2图像数字化和数字化图像52. 3图像的表示63 系统的方案设计113.1 系统的总体设计方案113.2 车辆牌照图像的预处理113.3 车辆牌照定位方案比较与选择163.4 牌照区域字符分割方案比较与选择193.5字符识别方案203.6 本章小

7、结214 车辆牌照定位224.1 Visual Studio软件开发环境224.2牌照定位预处理224.3 车牌定位244.4 本章小结325 字符分割与字符识别345.1 牌照区域二值化345.2 字符分割365.3 字符归一化365.4 基于BP神经网络的字符识别375.5 本章小结426 系统的软件设计与实现436.1 软件简介436.2 软件模块447 结论与展望497.1 论文总结497.2 改进措施49经济分析报告51致谢52参考文献53III1 绪论社会的发展使得人们的生活水平日益增高，机动车辆也已代替步行成为人们最主要的交通方式，伴随着机动车辆的数量急剧增加而来的是对交通控制，

8、安全管理的要求越来越高，自动化的监管系统已经成为智能交通管理发展的主要发展方向。随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。车辆牌照作为行驶车辆的唯一标志，在车辆的控制和管理方面有着无可替代的作用。车辆牌照识别技术作为智能交通的一个重要的部分，在高速公路、城市道路、停车场等项目管理中起着重要的作用。国内很多企业和研究机构进行了牌照识别及其相关技术的研究，目前己经有相当数量的产品用于实际的交通管理中，取得了非常好的效果。车辆牌照识别系统主要

9、进行的是图像的实时采集、处理分析，属于图像工程的范围，是一个综合的计算机视觉系统。图像处理技术一般包括以下六个方面:图像数字化、图像增强、图像变换、图像编码、图像重建、图像恢复。基于图像处理技术的车辆牌照识别系统就是利用图像处理技术以及模式识别技术对车辆牌照区域进行定位、字符分割、字符识别，从而提取牌照号码，为交通车辆管理提供依据。车牌自动识别系统在交通中的应用主要有以下几个方面:交通监控高速公路收费管理交通参数的获取对养路费缴纳、安全检查、运营管理实行不停车检查小区、停车场管理车牌自动识别系统可以解决通缉车辆的自动稽查问题，可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题

10、，可以解决因工作人员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以最简单的方式完成交通部门的车辆信息联网，解决数据统计自动化，模糊查询的问题。具体应用可概括为:（1）车辆的自动检测报警此项功能针对纳入“黑名单”的车辆，如冲关后或肇事后逃逸的车辆、被公安部门通缉或挂失的车辆、欠交费的车辆等。只要将其车牌资料输入应用系统中，系统就会处于自动检测状态，24小时不停地对所有经过车辆自动进行识别、比较、处理;一旦发现上述车辆经过，立刻给出控制信号，达到车辆自动稽查的目的。通常用于交通监控卡口、路桥收费卡口、停车场入口等。（2）车辆的自动放行此项功能针对“绿灯车辆”，如特种车辆(如军车、警车

11、)、预交费车辆(如办理月、年缴费卡)以及其他授权免费通行的车辆。系统处于自动检测状态的过程与上相同，所不同的是，一旦发现该类车辆经过，给出的控制信号是自动放行，达到车辆不停车过卡和减少工作人员工作量的目的。通常可用于路桥收费卡口专用车道、停车场的收费口以及单位对出入车辆的控制等。（3）车辆身份的后台集中识别在道路交通监测部门，每天有大量的违规车辆(如闯红灯、超速、抢道等)图片汇集，现在的人工识别车牌及输入方式，工作量很大，易引致疲劳误判。采用自动LPR系统能自动地对车辆牌照进行识别处理，可大量减少人力、减轻工作强度，大幅度提高处理速度和效率。（4）入口无人值守、车辆不停车进入主要是用于小区停车

12、场收费系统中，在入口安装了系统，利用其能够不停车自动识别汽车牌照和车型的特点，在车辆经过卡口的一瞬间，得到识别结果并通过通信网络将识别出的车辆信息及入口信息传送到各个出口，既不需要道口值班人员发放通行介质，又可保证车辆信息准确无误地送至出口，起到了替代道口值班员和节省通行介质的作用，可以节省这两项成本的开支。（5）自动确认车辆及入口、防止司机作弊这主要是针对高速公路中途互换入口卡的车辆，高速公路中途互换入口卡，可以将路费降到最低，给高速公路业主带来很大的经济损失。通过此项功能主要用于路桥卡口、停车场的内部管理和交通公安部部门的监控管理。通过联网，出入卡口的车辆数据实时在线，随时可用于统计流量和

13、进行模糊查询，找到某一辆车现在的具体位置。（6）实现自动扣费功能此项功能适用于预交费的情况，可实行对经过车辆自动扣款收费，一方面能实现不停车收费，解决卡口车流量瓶颈问题;另一方面又能杜绝人与现金的接触，解决与现金有关的种种问题。国内外牌照识别系统研究现状车辆牌照识别技术自20世纪80年代以后，人们就对它进行了广泛的研究。那个时候主要是对牌照识别里面的关键技术进行了一定的研究，很多国外的研究人员提出了牌照识别系统里面的关键技术:牌照定位和字符识别方面的很多很有价值的算法。其中牌照定位中比较好的算法有JBaror提出的基于水平线搜寻的定位方法;R.Parsii提出的基于DFT变换的频域分析方法;C

14、harZCoeztee提出的基于Nibalkc的二值化算法及自适应边界搜索算法;JBu.asl一Crus提出的基于扫描行的牌照定位方法。牌照识别的方法主要是识别牌照区域的字符，对于中国的牌照主要包括几十个汉字、26个英文字母以及10个阿拉伯数字的识别。基于汉字、字母以及数字的识别工作国外很早就开始了研究，目前很多相关的产品都已经问世，技术方面比较成熟。但是，牌照区域的字符识别不能简单的认同为印刷体字符的识别，在识别的时候要充分考虑字符的排列以及结构。日本、以色列、美国、英国、德国、意大利等发达国家都有适合本国车辆的牌照识别系统。国内在20世纪90年代开始对车辆牌照识别系统进行了相关的研究，上海

15、交通大学戚飞虎提出了基于彩色分割的牌照识别方法;华中科技大学黄心汉提出了基于模板匹配和神经网络的牌照识别方法;西安交通大学的郑南宁等人提出了多层次纹理分析的牌照识别方法。另外，清华大学的研究所也对车辆牌照识别系统进行了非常有价值的研究。牌照识别技术的研究促进了适合我国车辆牌照产品的问世，国内的牌照识别产品相继问世并且投入使用。其中的亚洲视觉生产的车辆牌照识别系统、成都西图科技有限公司生产的CIAS一T2003车牌识别稽查系统、上海高德威公司的汽车牌照识别系统以及北京汉王公司的嵌入式一体化车牌辨识仪等产品牌照识别率都达到了95%以上。课题的理论意义及应用价值图像信息是日常信息的重要来源，图像处理

16、技术对于自动化管理的发展有着重要的意义。本课题应用了图像阀值、图像二值化、图像增强、图像去噪、图像分割、图像变换、图像投影以及图像直方图等图像处理技术，研究了通过图像分析实现自动化管理的方法，因此，课题研究对于自动化管理的研究和发展具有一定的意义。由于车辆牌照是车辆的唯一标志，包含着车辆的重要信息。掌握车辆牌照号码，就可以对车辆进行管理、跟踪，从而提高交通管理的智能化、现代化水平。因此，课题的研究对于提高城市交通管理水平，加快交通管理现代化步伐具有一定的实际意义。主要研究内容车辆牌照识别系统是一个复杂的系统，包括图像的采集、图像的处理、图像的编码、数据的传输和更新。本论文只从事车辆牌照图像处理

17、方面的软件算法的研究，分析在车牌识别系统中图像处理的步骤以及作用。论文将给出软件部分牌照预处理、牌照定位、牌照区域字符分割，字符识别各个步骤的相关算法，并且用C+语言实现其算法，给出其具体的处理结果。在牌照定位中，充分考虑了牌照区域明显的纹理特征和颜色信息，提出了基于纹理特征的车辆图像粗定位和基于投影的精确定位的方法，取得了不错的定位效果。在字符分割中，考虑牌照区域中字符宽度、高度信息以及字符笔画和边框的宽度等信息，利用水平投影和垂直投影完成了字符分割。根据牌照区域字符的不同特征，介绍了识别上述字符的相关办法，因为条件有限，没有完成神经网络识别样本的制作，因此在本文中，处理完的字符图像只是运用

18、神经网络进行了一定的尝试。2 图像知识2. 1图像与图形 图像和图形同属于视觉信息，但发展历史、处理方法和用途都不同，因此这两个概念应该严格区分。图形(Graphics)从广义上说，是能够在人的视觉系统中形成视觉印象的客观对象。图形学着重于如何用计算机来生成图形，如何画出图形。图形处理的内容包括:几何变换，如平移、旋转、缩放、透视和投影等;建模或造型;隐线隐面的消除;阴暗处理;纹理产生;配色等。图形处理技术主要用于计算机辅助设计和制造、计算机艺术、计算机模拟、计算机动画和虚拟现实。图形处理技术可实现设计的全部数字化，可模拟和再现真实感和自然景物，也可预先演示和辅助预测物理、化学和自然现象等。

19、图像(Image)是指用各种观测系统以不同的形式和方法去感知客观世界而获得的，可以直接或间接作用于人的视觉系统的客观实体。图像处理是指对图像进行加工，可以使人看到肉眼看不到或者很难看到的波长上所测得的图像，如内部图像、立体图像和剖视图像，是人类视觉延伸的重要手段。2. 2图像数字化和数字化图像 因为计算机只能处理数字信号，图像在物理形式下不能直接用于计算机处理，所以必须先对图像进行数字化，将图像转换成数字形式。同普通A/D方式相同，先对图像进行量化。二维物理图像被栅格划分成小的区域，这些小的区域称为数据元素(Picture Element)，简称象素(Pixel)。对每个像素进行采样和量化，得

20、到相应的整数值。这个值代表像素的明暗程度和颜色深浅等信息。每个像素有两个属性:二维坐标位置和像素值。位置由行和列两格坐标决定。像素值反映该点的亮度、颜色等信息，其主要形式是灰度，反映明暗程度。灰度值一般是整数，其位数越长，像素值的取值范围就越大，量化后的图像灰度阶数就越多，也就是灰度分辨率越高，得到的图像灰度变化越接近原始图像。图像因为数字化会产生量化误差，这是无法避免的系统误差，会给图像引入噪声。 图像可以区分为二值图像、灰度图像、彩色图像。灰度图像只含亮度信息，不含色彩信息。灰度值用8位(Bit )表示，从0到255，一共256级，从黑(0)到白(255)。二值图像就只有代表黑白两色的两个

21、灰度值，归一化后灰度值是黑(0)到白(1)。彩色图像每个象素值都有三个分量，分别表示红色(R)，绿色(G)和蓝色(B)。每个分量又按各分量的灰度分为。到255共256级。根据RGB的不同组合就可以表示256x256x256种颜色，也就是常说的24位真彩色。整幅二维图像数字化以后，图像就被表示为一个二维矩阵。也就是在物理域内的图像被转换为数学域内的矩阵: (2.1)图像数字化以后，二元函数f(x,y)所形成的矩阵就表示图像。计算机处理运算时，一般简称成图像为f（x,y）函数进行处理运算结束后，有与数字化相反的模拟化D/A过程，把数字图像转换为物理图像的可视化输出。2. 3图像的表示2.3.1 J

22、PEG和BMP文件格式车牌识别系统中，一般经过数码相机拍摄到的是JPEG图像文件。它符合静态图像国际数字压缩标准，是目前图像中压缩比最高的。JPEG采用YCbCr色彩系统。DIB ( Device-Independent Bitmap)是标准Windows位图格式，与设备无关。它以BMP位图文件格式存储。文件由位图文件头，位图信息头，调色板和位图数据四部分组成。位图文件头包含文件类型、文件大小、存放位置等信息。结构定义如下:struct BitmapFileheader UNIT bfType;/文件类型，在windows系统中为BM，即0424D. DWORD bfSize;/文件大小 UN

23、IT bfReserved1; UNIT bfReserved2; DWORD bfoffBits; /从文件头到实际图形数据区的偏移量 位图信息头包含位图的大小、压缩类型、和颜色格式。结构定义如下:struct BitmapFileheader DWORD biSize; /本结构所需字节数，为40字节，28h LONG biWidth; /图像宽度 LONG biHeight; /图像高度 WORD biplanes;/常数值设为1 WORD biBitCount;/ 表示颜色用的位数，256色为8Bit DWORD biCompression;/压缩说明 DWORD biSizeImag

24、e;/图像大小，图像宽度必须归为4的倍数 LONG biXPelsPerMerer;/水平分辨率，像素/米 LONG biYPelsPerMerer;/垂直分辨率，像素/米 DWORD biClrUsed;/位图使用的颜色数目 DWORD biClrImportant;/重要颜色数目调色板包含颜色元素。24位真彩色时因表格太大而不使用调色板。struct RGBQuadBYTE rgbBlue;/指定蓝色强度BYTE rgbGreen;/指定绿色强度BYTE rgbRed;/指定红色强度BYTE rgbReserved;/保留，设为0彩色表后的是图像数据阵列。若使用了调色板，图像数据为调色板中

25、的索引值。注意图像阵列按行存储，与原图像相比，阵列行号上下相反，但每行左右顺序不变，每行字节数须为4的倍数。本文中要将JPEG格式的文件解压缩转换成BMP文件格式存放。2.3.2直方图直方图是数字图像处理中最为基础的工具，它是灰度级的函数，反映灰度级和该灰度级的像素概率之间的关系，横坐标是灰度级，纵坐标是属于该灰度的像素出现的概率。每个图像都对应唯一的直方图，但直方图并不唯一对应一个图像。可以将灰度级从0, 255变换到0,1区间，称直方图归一化。设变量r代表灰度级，归一化后，0r1, r=0表示黑色，r= 1表示白色。从概率论观点看，r可被看作是随机变量，即对一幅给定的图像，其每个像素所取r

26、值可被看作是随机的，其概率密度函数p(r)可用来表示图像的灰度分布。横坐标是灰度级r，纵坐标是概率密度函数p(r)，函数曲线就是概率分布密度函数曲线。如果所包围的面积大部分靠近p(r)轴，那么表明当r靠近0值时的p(r)值较大，也就是偏暗的像素点出现概率大，图像偏暗。反之，r靠近1值时p(r)值较大，即偏亮的像素点出现概率大，图像偏亮。离散化的直方图可以看作是对上述连续曲线进行采样。离散形式下，用表示离散灰度级，p()代表离散概率密度函数值， ，0r1, k=0,1,2.L-1 (L为量化后的灰度级数)总之，直方图反映的是整幅图像灰度分布的统计特征，是统计分析方法的直观表示，反映的是图像象素点

27、的灰度信息和统计信息。可以直接用直方图分析图像的灰度统计信息。需要注意的是直方图并不包含象素的位置信息，也就是说，从直方图上很难确定具有某一灰度级的象素的位置所在，利用直方图进行图像分析无法利用象素位置信息。 图2-2 一副灰度图像的直方图表达2.3.3模板与模板运算数字图像除了信息量大，处理时占用资源多，处理后受人的主观影响大等特点外，最主要的特点是各个像素间相关性很大。在同一幅图像上，相邻像素往往有着相同或者相近的灰度值。因此，对某一象素进行处理时，常常要考虑其邻近象素点的信息，对某一个像素点的运算通常是对邻域内所有点的运算组成。为便于体现邻域内象素的运算，论文引入模板运算。模板运算是邻域

28、运算的一种表现形式，有别于单个的点运算。设矩阵T=为33的模板，对图像,其中N3,存在模板运算其中，模板系数取不同值时，在图像f(x,y)内，模板T下对应的邻域(称子图s)内象素点作不同的运算R。因此，我们可以把复杂邻域内所有点的运算都抽象为模板运算R。编程时只须实现一个模板函数，定义不同矩阵T就可以实现不同的邻域运算。如模板运算也可写为下式: （2.2）， 其中m,n表示图像f长和宽的象素个数，k,l模板长和宽的象素个数上式相当于模板与图像作卷积运算，体现了图像的邻域化处理思想，充分利用了象素间的相关性。3 系统的方案设计3.1 系统的总体设计方案一个完整的车辆牌照识别系统是一个复杂的系统，

29、包括图像采集、图像预处理、车牌定位与分割、字符切分、字符识别以及图像编码、数据传输与更新等步骤，其中的图像牌照处理中的每一个步骤都是比较复杂的，尤其是牌照定位与分割、字符切分与识别的复杂性更大。因为采集到的图像受到环境、灯光以及牌照本身污损等情况的影响，造成采集的图像质量各不相同，有些图像质量很差，给图像处理造成一定的困难。因此对于牌照处理阶段的各个步骤很多人都进行了相关的研究，提出了许多比较好的算法，但是很多算法对于某一类图像质量的照片可能效果比较好，但是对于其它的车牌图像处理效果不见得就好。由于条件限制，论文只对牌照识别系统中的软件部分进行一定的研究，即车辆牌照图像处理的软件部分。具体的牌

30、照识别过程如下所示:车辆图像归一化图像预处理车牌定位字符分割字符识别图3-1 车牌图像处理流程图3.2 车辆牌照图像的预处理用摄像机采集到的车辆图像由于受到环境光线、摄像机拍摄以及车辆本身污损的影响，造成图像质量较差。因此，在进行牌照定位以及分割之前需要对车辆图像进行预处理，改善图像的质量，使其易于处理和识别。3.2.1灰度变换一幅24位的真彩图像的每个像素由三个字节表示,这样储存一幅640480的图像就需要占用6404803=921600字节,无论对于存储容量还是处理时间都是不太理想的,因此需要对图像进行压缩。一般采用的方法是将彩色图像转换为灰度图像,公式为：Y=R0.299+G0.587+

31、B0.114,其中Y被称为灰度值，这样就节省了大量的存储空间和处理时间。在本论文中,为灰度化后的图像R (x ,y)、G (x ,y)，B (x ,y)为输入彩色图像的R、G、B 3色分量。3.2.2车辆牌照图像的滤波图像滤波是图像增强的一种手段。一般情况下，在各类图像系统中图像的传送和转换(如成像、复制、扫描、传输以及显示等)总是要造成图像的某些降质，因此必须对降质的图像进行改善处理。改善的办法有两类:一类是不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，而衰减其不需要的特征，故改善后的图像不一定要逼近原图像。这类图像改善方法统称为图像增强技术。另一类改善图像方法是针对图像降质原因

32、，设法去补偿降质因素，从而使改善的图像尽可能地逼近原图像。这类图像改善方法统称为图像复原技术。由于牌照的灰度值与周围区域有明显的不同，因而在其边缘就会形成灰度突变的边界，这样就便于通过边缘检测来对灰度图像进行分割。边缘检测可借助空域微分算子通过卷积完成。本文采用的是拉普拉斯算子中的3 3算子，线性拉普拉斯算子是旋转不变算子，具有边缘突出的特性，其3x3算子有 ,本文采用的滤波算子为：以下是对经过灰度化后的图像进行滤波处理，其中为滤波后的图像3.2.3灰度图像的二值化灰度图像是有256个灰度级的单色图像，多级别的图像能够呈现出较为丰富的明暗度，但是对于目标搜索来说，总是希望尽可能地减少背景像素的

33、干扰，而保存或增强目标区的色素度。二值图像是指整幅图像画面内仅有黑、白二值的图像，在它们之间不存在其他灰度的变化。在数字图像处理中，二值化图像占有非常重要的地位。这是因为，一方面有些需要处理的文字图像、指纹图像、工程图纸等图像本身就是二值的；另一方面，在某些情况下即使图像本身是具有灰度的，我们也要设法把它转变为二值图像再对它进行处理，这是考虑到在实用的图像处理系统中，要求处理的速度高、成本低。此外二值化后的图像能够用几何学中的概念进行分析和特征描述，比灰度图的优势大得多。因而，二值图像处理目前成为了图像处理中的一个独立、重要的分支。二值化的方法很多，但是没有对任何对象都普遍适用的方法，必须根据

34、具体的处理对象确定。二值化的关键在于找到一个合适的阀值T来区分对象和背景。在二值化处理中应选择某一灰度值T作为阀值，凡是超过这个阀值的像素使之映射灰度为1,即为最强，低于T得像素映射为0，即最暗，设图像为f（x，y）,增强后为g(x,y)，则可用以下公式进行二值化处理。论文中阀值，为灰度均值、为均方差，为处的像素灰度值w，h分别为图像的跨度和高度，为经过二值化的图像。图3-2（a）原始图像 图3-2（b）灰度图像图3-2（c）二值化图像3.2.4直方图均衡化直方图表示数字图像中每一个灰度与其出现频度间的统计关系，直方图能够给出该幅图像的概貌性特征描述，例如图像的灰度范围、每个灰度级的频度和灰度

35、的分布、整幅图像的平均明暗和对比度等。采用直方图均衡化可以使图像的灰度间距拉开或者使灰度分布均匀，从而增大了反差，在车辆图像中可以使车牌区域细节清晰，达到图像增强的目的。设f(x,y)的灰度范围为和，将直方图正规化为，即其中L表示为图像灰度的范围。则灰度直方图表示为其中n为一幅图像总像素数目，表示灰度为的像素数目。灰度映射函数为，直方图均衡化时。由概率论的知识可得从而 在数字图像处理中，直方图均衡化的离散公式为: 图3-3 直方图均衡效果对比图3-3是直方图均衡化处理前后的效果对比图，处理前灰度分布比较均匀，反映在图像上面则是颜色变化平缓，经过直方图均衡化后图像对比度增强，可以看到牌照区域比较

36、清晰，整幅图像明暗对比增强，视觉效果变好。3.2.5中值滤波采集到的车辆图像由于噪声的影响，存在一些孤立点，俗称椒盐噪声，在进行牌照图像处理中要考虑抑制或者去除这种椒盐噪声。中值滤波是一种局部平滑技术，在抑制随机噪声的同时使边沿减少模糊。中值滤波对于一个滑动窗口内的诸像素灰度排序，用其中值代替中心像素原来的灰度。假设原图像的像素如下所0 0 0 0 0 0 00 0 0 0 0 0 00 0 1 1 1 0 00 0 1 6 1 0 00 0 1 1 1 0 00 0 0 0 0 0 0则处理过后的图像的像素变化为:0 0 0 0 0 0 00 0 0 0 0 0 00 0 1 1 1 0 0

37、0 0 1 1 1 0 00 0 1 1 1 0 00 0 0 0 0 0 0可以看出其中的“6”和周围的灰度相差很大，在实际的图像中很有可能就是一个噪声点，经过31窗口的中值滤波，可以看到中间的噪声点消除了。中值滤波的形式有很多种，有行滤波、列滤波以及行列方向的滤波。从上面的分析可以看出，中值滤波容易去除孤立的噪声点。图3-4中值滤波效果对比图3.4是中值滤波处理前后的效果对比图，可以发现处理前车辆图片中存有大量的泥泞，整个图像质量很不好，经过中值滤波以后，泥泞(噪声)得到了一定的抑制，同时牌照区域的边框也更加明显，有利于车辆图像后续的处理。3.3 车辆牌照定位方案比较与选择车辆牌照定位是整

38、个识别系统中比较关键的步骤，如果牌照定位的效果不好，后面的字符分割和识别根本不可能完成，如果定位的效果足够好的话，以后的分割和识别的工作就相对比较容易了。牌照定位率是牌照识别的一项重要的指标，它直接关系到整个系统的成败。目前，人们提出的车辆牌照定位的方法很多，其中对于灰度图像主要分为两大类:一类是利用梯度信息，先对图像信息进行边缘检测，再对边缘图像进行形态学运算，直到寻找到车牌区域，完成牌照的粗定位，然后用其它的算法实现牌照的精确定位;另外一种方法是利用图像的灰度信息，主要参考的是牌照区域的文字信息比较丰富，造成牌照区域的纹理变化比较有规律，利用牌照区域的纹理变化检测出几个候选牌照区域，然后去

39、除伪牌照区域，得到真实牌照区域。另外的还有一些方法主要是基于彩色车辆图像进行处理的，因为彩色图像的颜色信息比较丰富，牌照区域的颜色信息更加丰富，利用牌照区域丰富的颜色信息定位牌照区域。之所以可以将车辆牌照区域从整个车辆图像中定位分割出来，是因为牌照区域有区别于车辆其它部位的特征，包括纹理变化的特征以及颜色的特征等等，所有的牌照定位的依据都是基于这些特征来进行的。根据中华人民共和国公共安全行业标准GA36一92，汽车牌照的大小和颜色信息如下所示:表3-1，牌照大小和颜色信息表分类外廓尺寸（mm）颜色大型车440140黄底黑字黑框线小型车440140蓝底白字白框线使馆车辆440140黑底白字“使”

40、字白框线领馆车辆440140黑底白字“领”白框线境外车辆440140黑底白字白框线外籍车辆440140黑底白字白框线教练车辆440140黄底黑字黑框线试验车辆440140黄底黑字黑框线临时入境车辆300165白底红字黑“临时入境”字红临时行驶车440140白底黑字黑框线从上面的表格可以看出大多数的车辆牌照的大小还是固定的(临时入境车除外)，而且牌照区域字符和背景的颜色对比比较明显，整个牌照区域相对于车辆其它部位是一个规整的矩形。对于几何尺寸为440x140的车辆牌照的格式，牌照上的文字由7个字符和一个分隔符横向水平排列组成，字符高度为90mm，宽度为45mm，第二个和第三个字符之间有一个分隔符

41、，字符与字符之间以及字符与分割符之间的间距为12mm。车辆牌照的这种特征为车牌准确定位提供了依据。同济大学的宣国荣、寥金周利用车辆牌照区域丰富的纹理特征，提出了线性滤波器定位车辆牌照区域的方法，由于牌照区域形成了一种水平方向的规则纹理，根据字符笔画与牌照的交替出现频率与牌照中字符间的距离、字符的宽度等特征，文中提出了采用线性滤波器来定位牌照区域。通过这种滤波器将水平方向的梯度进行累加运算，经过运算字符串等区域边界密集的地方，梯度得到增强，F(i,j)为原图像数据，G(i,j)为经过线性滤波器运算后的图像数据，S、T为原图像相关的参数，W作为增大滤波器的响应。这样处理后可以使牌照区域比其它的区域

42、亮得多，然后采用二值化方法定位出牌照区域。此方法要求通过多次实验的方法确定其中的参数S、T、W，但是由于在现实环境下面采集到车辆图像由于光线和环境变化的缘故，要想确定这样的参数并不是一件容易的事情，在实时的牌照识别系统中这些参数一般来说都是动态变化的，确定难度更大。西北工业大学的左奇、史忠科提出了一种基于数学形态学的牌照定位方法，文中取最大车牌字符间距为a和字符高度4b作为形态滤波的参数。首先采用扫描差分二值化阀值迭代算法，经过迭代算法的图像运用数学形态学的算法，取长度为2a+1的一维结构元素对图像进行膨胀运算。膨胀运算后，在车牌区的横向扫描线上面，因为峰、谷、峰的纹理特征相互融合转变为具有一

43、定宽度的脉冲，对这些脉冲进行直线带通滤波，计算满足带通滤波规则的直线总数p，以及满足带通滤波规则的扫描线上的灰度跳变的总数g，检查是否满足评价函数f(p,g)，然后再进行数学形态学的线开运算，最后对于处理过后的车辆图像进行水平和垂直投影，定位出牌照区域。此方法虽然可以在一定的条件下定位牌照区域，但是此方法中评价函数的确定比较困难，如何确定鲁棒的评价函数是一个重要的难题，评价函数的好坏直接关系到车辆牌照定位的结果。浙江大学的潘云鹤和张引等人提出了彩色图像的识别方法，文中利用车辆图像具有横向纹理而车牌区域具有纵向纹理的特征，设计了彩色Prewitt边缘检测算子ColorPrewitt使牌照区域得到

44、增强，然后对于提取的牌照图像采用形态学膨胀技术生成连通区域图像，利用区域生长法来标记候选车牌，然后通过牌照的大小、长宽比例等几何特征或者水平和垂直投影等方法来分析候选车牌，去除伪车牌，定位车牌区域。其它还有一些常用的牌照定位方法，如基于边缘检测的牌照定位方法、基于小波算法的牌照定位、基于神经网络的车辆牌照定位方法等等。边缘检测的定位方法，对于车辆牌照边缘比较明显的车辆图像，边缘检测的效果比较理想，但是通常情况下有些车辆的牌照边缘不是很明显，这样的检测效果就要大打折扣，而且由于车辆中还有诸多的类似于矩形的区域，例如车前头灯部位，如何去处这些伪车牌区域难度也比较大。基于小波算法和神经网络的车牌定位

45、方法，应用数学领域最新的研究成果，对车辆牌照进行定位，但是由于车辆图像本身的极大变化性，上述方法的处理效果，对于某些车辆图像质量比较好，车牌特征比较明显的图像效果较好，而对于其它质量和牌照特征不好的车辆图像定位的效果就可能不是很好，甚至定位不出来。总之，这些定位的方法，各有优缺点，定位的效果也不同，它们大多对于某一特定的环境和光线以及特定的某一类车牌效果比较好，而环境和光线变化了，识别的效果就不是很理想了。充分考虑了上述牌照定位的方法后，本文提出了自己的牌照定位方法。因为采集到车辆图像受到各种环境因素以及车辆本身状况的影响，车辆图像以及牌照区域的图像质量参次不齐，但是牌照区域的长宽大小都是相对固定的，论文提出了基于车辆牌照纹理和颜色信息的定位方法，该定位方法适用性强，对于大多数车牌定位效果比较较好。定位由粗定位和细定位组成，粗定位完成车辆牌照的初步定位，其中可能存在伪车牌信息，细定位完成牌照的最终定位，去除可能的伪车牌区域。3.4 牌照区域字符分割方案比较与选择为了准备识别牌照上面的汉字、字母、数字，必须将单一字符从牌照区域中分割出来，字符分割是进行牌照字符识别的前提基础。牌照定位准确得话，字符的分割就显得相对的简单，但是由于牌照定位时可能的噪声以及车辆牌照边框的影响和字符粘连的原因，使字符的分割变得比较困难。为了进行字符的分割一些专家学者进行了