车牌定位算法研究及实现Word格式文档下载.docx
《车牌定位算法研究及实现Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《车牌定位算法研究及实现Word格式文档下载.docx（18页珍藏版）》请在冰点文库上搜索。
录
Abstract
第1章
绪论
1
1.1
课题研究背景及意义
1.2
课题研究目的
2
1.3
国内及国外研究现状
1.3.1
国内研究现状
1.3.2
国外研究现状
4
1.4
本文的工作及基本结构
第2章
图像处理技术基础
5
2.1
图像预处理
2.1.1
图像灰度化
2.1.2
图像二值化
6
2.1.3
图像小波变换
2.1.4
图像形态学处理
7
2.2
图像区域裁剪
9
第3章
基于MATLAB的车牌定位算法实现
10
3.1
MATLAB及其图像处理工具
3.2
我国车牌特点及识别难点
3.2.1
我国车辆牌照特点
3.2.2
我国车辆牌照定位难点
11
3.3
图像的采集
3.4
基于不同车牌特征的程序实现过程及结果图
13
3.4.1
基于车牌颜色特征的方法
3.4.2
基于数学形态学和边缘特征的方法
16
3.4.3
基于小波分析的方法
20
3.5
三种方法的结果比较
23
第4章结束语
26
参考文献
27
致谢
28
附录
29
第1章绪论
课题研究背景及意义
近年来，随着全球经济的发展，交通事业也快速发展起来，机动车辆的规模大幅度增加，整个社会对交通运输的需求也不断增大。
无论是发达国家还是发展中国家，都不同程度的受交通问题的困扰。
交通拥挤、事故、环境污染已成为最难消除的现代社会公害之一。
面对日益严重的交通问题，各国专家提出了多种解决办法，但这些办法或受到投资和资源的制约，或受到见效面狭窄、见效期长等限制，尤其是发达国家的公路网早已建成，不可能靠大量拆迁来增建和拓建交通设施。
同时，人们越来越多的从保护环境、节约能源和谋求社会可持续发展的角度来考虑问题。
因此，随着计算机处理能力的增强和数字图像处理技术、通讯技术、信息技术的飞速发展，将车辆、道路、使用者三者紧密集合起来，用系统的观点进行思考，把先进的技术运用于智能交通系统（IntelligentTransportationSystem简称ITS）的开发中来[1]。
ITS的总体功能是通过改进（通常是实时地）交通网络的管理者和其他用户的决策，从而改善整个运输系统的运行[2]，它是世界道路交通管理的发展趋势。
车牌识别系统（LicensePlateRecognitionSystem）是ITS中一个非常重要的方向，主要由图像采集、车牌定位、字符分割以及字符识别四部分组成，己经越来越受到人们的重视。
它具有良好的实际应用价值，目前主要应用于公路治安卡口、开放式收费站、车载移动查车、违章记录系统、门禁管理、停车场管理等场合[3]。
所谓车牌定位（LicensePlateLocation），就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。
它是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。
同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。
因此，不论在学术界还是在业界，人们都对车牌定位技术给予了高度的重视，研究与开发车牌定位的算法具有十分重要的实用意义[4]。
课题研究目的
通过对车牌定位算法的研究，进一步了解车牌识别系统（LicensePlateRecognitionSystem）中车牌定位的基本原理和实现过程，通过对MATLAB软件的学习，了解其功能丰富的图像处理工具，学习和掌握常用的图像处理技术，包括图像灰度化、边缘提取、颜色判定等，并学会利用MATLAB编写算法，通过仿真，使原始图像经过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。
国内及国外研究现状
目前最常用的车牌识别方法就是数字图像处理技术[5]，数字图象处理（DigitalImageProcessing）是指利用计算机对数字图像进行系列操作，从而获得某种预期的结果的技术，也称为计算机图象处理（ComputerImageProcessing）[6]。
现在DIP已经成为工程学、计算机科学、信息科学、生物学以及医学等各学科学习和研究的对象。
基于图像处理的车牌定位识别技术，是一种无源型车辆牌照定位识别技术，他通过对运动或静止车辆的车牌号码的无接触采集图像，利用图像处理技术、模式识别技术及神经网络技术等，进行车辆牌照的实时定位识别[2]。
国内研究现状
我国大城市交通拥堵问题己相当严重，道路基础设施远远不如发达国家，交通运输体系和结构也与发达国家不同，因此发展我国的ITS要结合中国的实际情况，总结发达国家交通发展的经验和教训，确立适合中国国情的发展战略[7]。
我国经过“九五”的准备期，在“十五”期间将ITS列为交通管理发展的主要研究方向。
在这种背景下，车牌识别系统作为ITS的重要前端设备，在交通调查、交通监管和车辆管理等方面发挥着举足轻重的作用，对这项课题的研究必将推动我国交通管理自动化的进程[1]。
国内常见的基于图像的车牌定位技术可分为以下几种[2]：
1.基于彩色图像的定位算法，定位准确，精度高。
但适应性差，对于偏色，以及背景颜色干扰等情况无法做出有效处理，因此很少单独使用。
近年来，在这一方面做出有益尝试的有上海交通大学的赵雪春等，他们提出了一种基于色彩分割的及多级混合集成分类器的车牌定位识别方法；
浙江大学的张引、潘云鹤也对基于彩色图像的牌照定位方法进行了研究，提出了彩色边缘检测算子ColorPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法ColorLP。
2.基于边缘检测的车牌定位算法，定位准确，速度慢，漏检率高，误检率高。
此类算法中最典型的如VarshaKamat等用Hough变换从车辆图像中检测到车牌边框，实现车牌定位。
3.基于灰度值变化的车牌定位算法，速度快，但因为只依据车牌尺寸及形状来确定目标，所以误检率很高。
4.基于神经网络的车牌定位方法，自适应能力强、准确率高，但计算量大，当牌照尺寸发生变化较大变化时，就必须对神经网络进行重新训练。
典型算法有Sirthinaphong等采用的四层神经网络实现车牌定位。
5.基于数学形态学的定位方法，对特定场景定位效果较好，且速度较慢。
比较典型的算法有Joe，实现定位。
6.遗传算法定位，在图像质量较差是对目标区域有很好的增强效果，在光线较弱的夜里也能有不错的效果，但其原理是通过不断地迭代优化运算来提高效能，所以，虽然其总有进一步优化的潜力，但运算速度慢却是其致命瓶颈。
国外研究现状
车牌定位的研究国外起步较早，世界各国都在进行适用于本国汽车牌照的自动跟踪识别，美、日、韩等国现在已经有了一些相应的系统（基于传感器）问世，并已获得较好的社会和经济效益。
目前的牌照识别系统已经达到了一定的识别率，但是，在天气条件差的情况下或夜晚时，识别率会明显下降，因此现有的识别系统要达到完全实用化仍然有很长的路要走。
现有的比较好的方法主要有J.Barroso等提出的基于水平线搜寻的定位方法；
R.Parisi等提出的基于DFT变换的频域分析方法；
CharlCoetzee提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法；
BarrosoJ.Buls-Cruz等人提出的基于扫描行的车牌提取算法等。
上述算法尽管能在一定条件下分割出车牌，但对于许多的客观干扰，如天气、背景、车牌磨损、图像倾斜等，特别是应用到中国，定位效果并不十分理想[2]。
而以色列的Hi-Tech公司、新加坡的Optasia公司、香港的AsaiVisionTechnology公司分别研制了名为See/CarSystem、VLPRS、VECON的汽车牌照识别系统性能较好，这三种产品所能识别的汽车图像均为单车牌的灰度图像，即每幅灰度图像中只能含有一个车牌，并未涉及多车牌的识别问题。
VLPRS、VECON分别适合于对新加坡格式和香港格式的车牌进行识别，H-Tech公司则研制出了多种See/CarSystem，每种See/CarSystem适合于某一国家的车牌识别，其中See/CarSystem型的车牌识别系统可对中国格式的车牌进行识别，但不能识别车牌中的汉字。
以色列Zamir开发的“All-in-One”产品LaneController，集成了图像传感器、近红外光LED照明、识别算法处理器和车辆检测器于一体，已在欧洲多个国家得到应用；
新加坡Optasia公司的IMPS系统，是一个综合的多通道系统，被马来西亚和新加坡用到识别移民的关卡中[9]。
我国目前还没有类似的系统问世，而引进国外这些系统不仅费用高而且由于各国车牌和实际的交通环境不同，引进的系统也无法满足我国城市化的需求[7]。
本文的工作及基本结构
经过研究大量的文献资料，本文基于现有的车牌定位算法，根据不同的原理，提出了三种车牌定位方法，分析三种算法的优缺点，最终找出定位效率最高的方法。
第2章主要介绍常用的图像处理技术，包括图像预处理，图像裁剪等。
第3章主要介绍MATLAB及其图像处理工具，我国车牌的特点及识别难点，主要讲解本文车牌定位算法的流程，以及各步骤的技术解决方案，并且给出测试结果和分析。
第4章对本文的三个算法进行总结，并讨论后续改进方向。
后附参考文献、致谢及程序代码。
第4章
结束语
由前面的论述可知，本文主要基于图像处理技术，研究车牌定位的基本原理，设计基于MATLAB仿真软件的车牌定位的算法。
其涉及的主要内容是掌握图像处理中的灰度化、边缘提取、形态学处理、颜色判定等技术，按照图像处理的基本流程，编写程序实现给出区域裁剪、截取车牌子图像，实现所采集图片中的车牌的定位。
通过仿真，使原始图像经过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。
整个算法的实现，采用的是由MathWorks公司开发的MATLAB软件，它功能强、效率高、简单易学，是当今最优秀的科技应用软件之一，具有强大的科学计算与可视化功能和开放式扩展环境。
通过这次毕业设计，巩固了对MATLAB软件的学习，掌握了其功能丰富的图像处理工具，学会运用数字图像处理技术编写MATLAB算法，实现车牌定位。
本文设计了三种车牌定位算法，三者都有自身的特点，但是也有不完美的地方，均不能实现所有车牌的定位。
分析其原因主要是因为车辆牌照图片有复杂的环境背景，容易受到外界因素的干扰。
比如方法一，适应性差，当车身的颜色和车牌的颜色都是蓝色时，不能定位出车牌区域，单独使用的话准确率比较低；
方法二，当车牌背景复杂，有其他类似于车牌的物体出现时，不能准确定位，容易误检；
综合前两者的优点，本文又提出了第三种方法，较前两者定位效率要高，适合有噪声的车牌图像，可以识别不同环境，不同颜色的车牌。
目前，对于任意背景、位置、光照下的汽车图像，各种性能都满足要求的算法还不存在，每种定位算法都有各自的优缺点，这也决定了最终的检测效果。
但是，在实际应用中，我们不能只考虑最终检测效果，还应该综合考虑算法运算复杂度的因素，因为它关系到应用的成本和应用能否满足实时性要求。
因此，综合多种算法进行定位分析，这也是我将来学习和研究的工作重点。
参考文献
[1]陈阳.车牌定位系统的研究与开发[D].山西:
中北大学,2007
[2]张晓.复杂背景下的车牌定位系统设计[D].西安:
西安电子科技大学,2009
[3]杨昊,刘玉德,林建龙,等.车牌定位算法的研究[J].北京工商大学学报（自然科学版）,2008,26（3）:
33~36
[4]张丽伟,张晶.基于图象处理的车牌定位方法的研究[J].长春工程学院学报（自然科学版）,2009,10
（2）:
100~103
[5]张旭光.常用车牌定位算法比较[J].今日科苑,2008,12（18）:
290
[6]龚声蓉,刘纯平,王强.数字图像处理与分析[M].北京:
清华大学出版社,2006.1~14
[7]丰晓芳.交通图像在智能交通系统中的应用[J].交通信息与安全,2009,27（S1）:
84~87
[8]应宏微,宋加涛,杨忠秀,等.车牌定位算法研究[J].电视技术,2007,31
（1）:
79~82
[9]杨超,杨鼎才.智能交通系统中车牌定位算法[J].电子测量技术,2007,30（12）:
52~56
[10]刘先莹,候德文.车牌定位常见方法介绍与分析[J].电脑知识与技术,2008,15（4）:
748~750
[11]陈虹,陈蕾,蒋毅.基于边缘检测及数学形态学的快速汽车车牌定位[J].交通与运输,2008,24（H12）:
78~81
[12]袁俊,吴巍.图像处理中自适应数学形态学的研究[J].武汉理工大学学报（信息与管理工程版）,2007,29（10）:
10~12
[13]仇成群.基于MATLAB图像处理的汽车牌照识别系统[J].机械工程师,2008,40（8）:
87~89
[14]赵丹,丁金华.基于MATLAB的车牌识别[J].大连工业大学学报,2009,28（4）:
303~304
[15]WenjingJia,HuaifengZhang,XiangjianHe.Region-basedlicenseplatedetection[J].JournalofNetworkandComputerApplications,2007,30（4）:
1324~1333
[16]VahidAbolghasemi,AlirezaAhmadyfard.Anedge-basedcolor-aidedmethodforlicenseplatedetection[J].ImageandVisionComputing,2009,27（8）:
1134~1142
[17]SherinM.Youssef,ShazaB.AbdelRahman.Asmartaccesscontrolusinganefficientlicenseplatelocationandrecognitionapproach[J].ExpertSystemswithApplications,2008,34
（1）:
256~265
[18]WenjingJia,HuaifengZhang,XiangjianHe.Region-basedlicenseplatedetection[J].JournalofNetworkandComputerApplications,2007,30（4）:
[19]LuisCarrera,MarcoMora,Jos´
eGonzalez,etal.LicensePlateDetectionUsingNeuralNetworks[A].In:
SigeruOmatu,MiguelP.Rocha,eds.LectureNotesinComputerScience[C].Berlin:
Springer-Verlag,2009.1248~1255
[20]HuaifengZhang,WenjingJia,XiangjianHe,etal.Real-TimeLicensePlateDetectionUnderVariousConditions[A].In:
JianhuaMa,HaiJin,eds.LectureNotesinComputerScience[C].Berlin:
Springer-Verlag,2006.192~199
车辆自动识别技术
（二）——车牌识别算法研究及实现
随着我国经济的快速发展，汽车拥有量的急剧增加，公路交通成为我国重要的交通运输途径，是国家大力发展的基础设施之一。
因此，交通管理的现代化和智能化就越来越显得重要和亟迫。
车牌识别系统作为智能交通的一个重要发展方向越来越受到重视。
车牌识别系统可以应用于停车场管理系统、高速公路超速管理系统、城市十字路口的“电子警察”、小区车辆管理系统等各个领域，对国家的安全发展有很大的作用。
本文首先对车牌识别系统的现状和已有的技术进行了深入的研究，在研究的基础上开发出一个基于Matlab的车牌识别系统，确定了整体设计方案，其中软件部分包括车牌定位、车牌字符分割及车牌字符识别三个模块。
车牌定位模块中提出了基于小波变换的车牌边缘提取的算法，以及车牌二次定位的算法，车牌的二值化采用了改进的算法，重新划分了其两维直方图的区域，对于各种类型的车牌都能达到较好的二值化效果；
车牌字符识别模块针对BP神经网络字符识别算法，采用有动量的梯度下降法训练网络，减小了神经网络学习过程的振荡趋势，使得BP网络能够较快的达到收敛，完成车牌字符的识别。
车牌识别；
Matlab；
二次定位；
BP神经网络
绪论
1.1课题研究背景
随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必然的趋势，交通管理自动化越来越成为亟待解决的问题。
现代智能交通系统中，车辆牌照识别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。
车牌识别系统（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，系统更具有不可替代的作用[1~2]。
关于车牌定位系统的研究，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复杂等状况，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。
本课题在对汽车图像进行细致分析的基础上，主要从实用的角度来研究车牌定位与识别的算法问题。
1.2国内外研究现状
20世纪90年代初（1988年），国外的研究人员就已经开始了对LPR系统的研究，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。
在车牌识别过程中，虽然运用了很多的技术方法，但由于外界环境光线变化、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，使得LPR系统一直得不到很好的应用，而且很多的方法都需要大量的数值计算，没有考虑到实时处理的要求。
为了解决图像恶化的问题，目前国内外的研究机构、公司、企业采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量，继而提高识别率，这样做的同时也造成了系统的投资成本过大，使得应用领域变小，不适合普通的推广。
从20世纪90年代初，国外的研究人员就已经开始了对汽车牌照识别的研究：
以色列Hi-Tech公司的See/CarSystem系列，香港AsiaVisionTechnology公司的VECON产品，新加坡Optasia公司的VLPRS系列都是比较成熟的产品[3]。
其中VECON和VLPRS产品主要适合于香港和新加坡的车牌，Hi-Tech公司的See/CarSystem有多种变形的产品来分别适应某一个国家的车牌，See/CarChinese系统可以对中国大陆的车牌进行识别，但都存在很大的缺陷，而且不能识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等各个西方发达国家都有适合本国车牌的识别系统。
各个国家的产品虽然不同，但基本上都是基于车辆探测器的系统，设备投资巨大。
国内在90年代也开始了车牌识别的研究，目前比较成熟的产品有中科院自动化研究所汉王公司的“汉王眼”，亚洲视觉科技有限公司、深圳吉通电子有限公司、中国信息产业部下属的中智交通电子有限公司等也有自己的产品，另外西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等也做过类似的研究，通常处理时为了提高系统的识别率，都采用了一些硬件的探测器和其他的辅助设备。
从LPR系统的关键技术（车牌定位、车牌字符分割、车牌字符识别）而言，关于车牌定位的研究，国外起步比较早，现有比较好的牌照定位方法主要有J.Barros等提出的基于水平搜寻的定位方法，R.Parisi等提出的基于DFT变换的频域分析方法，J.Bulas-Crue等人提出的基于扫描行的车牌提取方法等。
上述方法尽管在一定的条件下能够分割出车牌，但车牌识别系统大多是利用摄像机室外拍摄汽车图像，存在许多客观的干扰，如天气、背景、车牌磨损、图像倾斜等因素，因此定位并不十分理想。
90年代以来，由于交通现代化发展的需要，我国也开始对车牌定位进行了深入研究，并取得了一定的成就。
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，上海交通大学戚飞虎提出了基于彩色分割的牌照识别方法[4~5]；
华中科技大
升级会员 