复杂车辆图像中的车牌定位与字符分割方法作者：作者单位：刊名：英文刊名：年，卷(期：被引用次数：陈寅鹏，丁晓青清华大学,电子工程系,北
京,100084 红外与激光工程 INFRARED AND LASER ENGINEERING 2004，33(1 38次参考文献(6条 1.Kamat V.Ganesan S An efficient implementation of the Hough transform for detecting vehicle license plates using DSP'S 1995 2.Paolo Comelli.Paolo Ferragina.Mario Notturno Granieri Optical recognition of motor vehicle license plates 1995(04 3.Yu Zhong.Kalle Karu Locating text in complex color images 1995(10 4.Sang Kyoon Kim.Dae Wook Kim.Hang Joon Kim A recognition of vehicle license plate using a genetic algorithm based segmentation 1996 5.Lee E R.Kim P K.Kim H J Automatic recognition of a car license plate using color image processing 1994 6.Li C.Ding X.Wu Y Automatic text location in natural scene images 2001 相似文献(10条 1.学位论文张宇车牌识别系统中车牌定位与字符分割方法的研究 2009 车牌识别系统是智能交通系统的重要组成部分，可用于公路电子收费、出入控制和交通监控等众多场合。车牌识别系统主要包括车牌定位、字符分割和字符识别三火部分。其中，车牌定位和字符分割的结果对后续成功识别字符起决定性作用。本文在总结近年来国内外在车
牌定位和字符分割领域的最新研究成果的基础上，对车牌定位及字符分割的算法进行了深入的研究。在车牌定位时，首先对图像HSI空间的亮度分量均衡化，这样既提高了图像的亮度适用范围又不影响颜色信息。接着利用车牌图像中字符颜色和车牌底色具有固定颜色搭配这一规律，在HSI空间中根据颜色，搜寻符合字符颜色与车牌底色搭配规律的像素点作为颜色对特征点。然后使用动态算子进行数学形态学处理，根据车牌的形状特征，对逐行扫描得到的待定车牌区域进行分析，最后得到类车牌区域。在字符分割之前，需要对类车牌区域进行倾斜校正，本文提出了一种针对颜色对特征点区域进行主成分分析的车牌水平校正方法。该方法通过对车牌图像中颜色对特征点区域采样进行主成分分析，求出车牌水平方向的倾斜角度，在旋转校正时又加以填充处理，保证了图像的信息完整性。在字符分割阶段，首先通过特征点区域的形状特征精确定位车牌区域；接着通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域。二值化的过程中针对不同颜色的车牌选取了最适合的阈值算法。然后根据字符尺寸特征提出动态模板法进行字符分割，并将字符大小进行归一化处理。最后使用C语言构建了车牌定位与字符分割系统软件。该软件包含上述的车牌定位、校正和分割等所有步骤。通过大量的图片试验，特别是对存在大量干扰、光线不足及多车牌等图片的处理结果表明，本文所提出的车牌定位与字符分割算法，抗干扰能力强，实时性和稳定性好，为后续的字符识别创造了有利条件。 2.学位论文陈勇车牌定位和字符分割算法的研究与实现 2006 随着科学技术的发展，社会信息化程度的日益提高，交通管理智能化已成为发展的趋势。车辆牌照识别系统的研制与开发，是影响交通系统智能化、现代化的重要因素，而车牌定位和字符分割是车牌识别中最为关键的两项技术，对整个系统的性能起着至关重要的作用。本文在详细研究国内外各种代表性车牌定位算法的基础上，提出了一种三级定位算法。首先基于图像能量特征对车牌区域进行粗定位，得到一组候选区域。然后基于字符纹理特征分析对车牌候选区域进行筛选，得到车牌区域，并运用数学形态学方法对区域作二次定位。接着利用牌照的颜色信息对定位的结果作最后的修正。车牌倾斜、噪声、边框和铆钉以及光照不均等问题给车牌字符的分割带来了很大困难。本文提出了一种边缘自适应滤波的牌照图像增强算法，有效抑制了噪声对字符边缘信息的干扰。并对牌照图
像的二值化方法进行了比较研究。创新的提出了基于字符纹理区域边界检测的车牌倾斜校正算法，解决了长期以来车牌倾斜校正适应性差、精确度低的难题。对字符笔划的平滑处理进行了改进，有效提高了平滑的适应性。并对字符切分的算法进行了讨论。在研究的基础上，设计和实现了车牌定位和字符分割软件模块，并对车牌定位和字符分割算法进行了测试。车牌定位的准确率达到96.5﹪，错误率 1﹪，失败率2.5﹪；字符分割的车牌正确率达到93.45﹪，字符正确率达到98.25﹪。实验结果表明，本文的车牌定位和字符分割算法具有较好的实用性和鲁棒性，并已在实际的工程中得到了应用。 3.学位论文刘鹏复杂背景下车牌定位与字符分割算法研究 2007 随着我国公路交通事业的迅猛发展，智能交通系统已经成为人们关注的焦点问题。车牌识别技术是智能交通领域的重要课题之一，它主要包括车牌定位、字符分割、字符识别三个部分。其中，车牌定位与字符分割算法的处理效果对字符识别起着决定性的作用。虽然车牌识别技术的研究已经有一段时间，但现有的车牌定位算法环境适应性差，在复杂背景下存在着定位困难的问题；字符分割算法在图片噪声较大情况下分割效果也不理想，因此车牌定位和字符分割算法的研究仍有着很深的现实意义。本文在简要介绍国内外车牌识别技术研究现状的基础上，对车牌定位算法及字符分割算法进行了深入的研究，主要完成以下工作：车牌的定位算法设计阶段，本文提出了一种综合利用车牌多重特征的定位算法。该算法充分利用了车牌的纹理，色彩及车牌长宽比等特征。经过水平梯度化，二值化，滤波，区域连通、连通域标记筛选，色彩匹配等几个步骤，最终达到了复杂背景下汽车牌照的定位。在滤波阶段，本文设计了一种基于扫描线的多尺度模板滤波算法，收到了很好的效果。实验结果表明本文设计的定位算法在复杂的背景下定位速度快，准确率高。字符分割方法方面，根据车牌字符的排列规律和字符的几何特征，设计了一种混合字符分割算法，该方法综合了传统的几种分割算法。首先利用二、三字符间波谷长并且二三字符水平方向连通的特性，初步确定前三个字符的匹配模板，并利用最大类间方差的思想计算出车牌准确的分割模板，最终实现了车
牌字符的准确分割。 4.学位论文王晓健车牌定位与字符分割算法研究及实现2009 车牌识别LPR（License Plate Recognition）是指通过计算机视觉、图像处理与
模式识别等技术从车辆图像中提取车牌字符信息，从而确定车辆身份的技术。车牌识别系统是智能交通系统ITS（Intelligent Transportation System）的一个重要组成部分，在公共安全、交通管理、流量观测及电子收费等方面有着重要的应用价值。车牌识别主要包括车牌定位、字符分割和字符识别三大部分。本文就车牌定位和字符分割这两个问题进行了深入的研究。针对车牌定位问题，本文提出了一种基于窗口搜索的车牌定位算法。算法分为粗定位和细定位两个过程。粗定位利用了车牌区域垂直方向的点密集分布的特征，基于垂直方向跳变点图统计固定大小窗口内的特征点数目，以此来确定初步的车牌候选区域。细定位利用了车牌字符的排列信息，采用行扫描算法来度量车牌外侧区域与车牌区域间的间隔，以此来扩展候选区域，精确定位车牌边界。对于倾斜的车牌图像，文章研究了一种基于旋转图像水平投影的车牌倾斜检测方法，该方法具有检测角度准确、校正时间短的优点。字符分割是车牌识别的关键步骤，是字符识别的基础。本文根据车牌字符的先验几何知识以及排列规则，基于垂直投影进行字符分割，有效地提取出车牌字符的单个图像。同时，文章提出了一种基于类Haar特征的伪区域去除算法，能够有效地去除伪区域的干扰。本文算法对车牌在图像中的位置及车牌大小没有限制，对牌照的倾斜、变形，字符的污染、模糊有较强的抗干扰能力，能达到较好的车牌定位与字符分割效果，具有一定的鲁棒性和实时性。 5.学位论文黄骥汽车牌照识别系统中车牌定位与校正及字符分割的研究 2007 汽车牌照识别系统是智能交通系统的核心部分，可用于公路电子收费、出入控制和车流监控等众多场合，它主要包括车牌定位、校正、字符分割和识别四个部分。其中，车牌的定位、校正和分割对后续的字符识别有重要影响。本文在总结近年来国内外在车牌定位、校正和分割领域的最新研究进展的基础上，对车牌定位、校正及分割的算法进行了系统的研究。在车牌定位上，利用了车牌图像中字符和底色具有固定颜色搭配这一规律，首先在色度饱和度亮度空间（HSV空间）中判断颜色，搜寻符合车牌底色与字符颜色搭配规律的像素点作为颜色对特征点；然后利用数学形态学进行处理，根据车牌上字符的纹理特征，对每行上的连通线段进行分析和排除；接着对各行保留下的连通线段进行合并以确定车牌位置；最后通过车牌区域扩张得到完整的车牌图像。在车牌校正中，针对车牌边框对结果影响较大的问题，本文提出了一种
基于颜色对特征点主成分分析的车牌水平倾斜校正方法。该方法通过对车牌图像中的颜色对特征点进行主成分分析以求出车牌水平倾斜方向并予以校正。水平校正之后又完成了垂直校正并确定了车牌的上下和左右边界位置。在字符分割阶段，经过二值化、反色和滤波去噪等预处理之后再借助相关的投影信息和先验知识来确定每个字符的分割位置，并针对粘连字符进行了简单而有效的处理。最后，用VC++编程构建了车牌定位与校正及字符分割系统的软件平台。该平台包含了上述的车牌定位、校正和分割等所有步骤。对实际获取的车牌进行了大量实验，获得了令人满意的结果，为后续的字符识别创造了条件。 6.学位论文宋晨光车牌定位与字符分割算法研究 2005 本文较深入地研究了车辆牌照自动识别系统，该系统利用图像处理、数字形态学和模式识别等技术对多种情况下的车辆牌照图像进行识别，可用于很多需要对车辆进行管理的场所。车牌自动识别系统与传统的车辆管理方法相比，它大大地提高了工作效率，节省了人力、物力。实现了车辆的科学化、规范化管理，同时对交通治安起着一定的保障作用，因此有着广泛的应用前景。车牌自动识别系统由车牌图像的采集、车牌自动识别、数据库管理以及网络数据传输四个部分组成。车牌自动识别模块按功能划分，可分为图像预处理、车牌定位、字符分割、字符识别四个部分。本文主要对车牌自动识别模块中的车牌定位和字符分割算法进行了系统的研究。在车牌定位部分，本文在分析了现有比较典型的定位方法后，提出了改进的边缘检测投影法进行车牌的定位。在字符分割部分，在分析了现有的几种典型的分割方法后，提出了将连通区域法、投影法和固定边界法相结合的综合策略。经大量的实验证明，本文提出的车牌定位和字符分割的算法能够达到良好的效果。 7.学位论文吴波基于数字图像处理的车牌定位与字符分割 2008 随着我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统(ITS己成为当前交通管理发展的重要方向，而车辆牌照识别(LPR系统作为智能交通系统的一部分起着举足轻重的作用，它在高速公路、城市道路和停车场等项目管理中占有无可替代的重要地位，它的广泛应用必将有助于我国交通管理自动化的进程。车辆牌照识别(LPR作为一个综合的实时计算机视觉系统主要包括牌照定位、字符分割和字符识别三大部分。它的研究主要涉及到了模式识别、人工智
能、计算机视觉、数字图像处理等众多学科领域。车牌的定位与字符分割更是该系统的关键之一，由于图像场景的复杂性以及车牌位置和图像质量的不可预知性，牌照识别系统一直都未做到令人满意，所以牌照的定位分割算法一直是该领域的研究热点。本文通过对大量资料的搜集、整理，总结了近年来国内外在车牌定位分割领域的最新研究成果和最新进展，对车牌区域的固有特征和目前的车牌定位分割技术进行了系统的研究和探讨。着重研究了投影法定位与颜色法过滤相结合的车牌定位方法，实验结果表明该定位方法能够比较快速、准确、鲁棒地定位分割出车辆牌照。在此基础上利用上下边框的几何特征实现了车牌倾斜校正、利用定位过程中得到的投影信息和像素颜色信息实现了边框去除，确保了单个字符切分顺利进行。本文还对车牌图像的字符分割进行了研究，采用一种基于自适应阈值选取的垂直投影法实现了单个字符切分，较好解决了字符粘连、断裂和过切分等问题对字符分割效果的影响。在文章的最后对后续工作的前景进行了展望。 8.学位论文杨阳车牌定位与字符分割的研究与实现 2006 进入新世纪，随着我国公路交通事业的快速发展，对智能交通系统的需求又进入新的阶段。车辆本身的信息，如车牌号，车主，养路费的征收情况等是车辆自动化管理的操作对象，而车牌识别是车辆信息的获取的最主要的手段。由此可见，车牌识别系统在智能交通领域的重要作用。一个完整的车牌识别系统由车牌定位、字符分割和字符识别等单元组成，涉及面广。其中车牌定位和字符分割在整个系统中起着关键性作用，它们的处理结果直接影响整个系统的精确度，鉴于此本文研究的主要内容是车牌定位与字符分割的方法。本文中研究了两种车牌的定位方法：第一种是基于连通域分析的车牌定位方法。在选定的阈值范围内二值化图像，穷举其连通域轮廓，借助链码计算连通域的形状参数，筛选轮廓形状并以过滤后的轮廓中心线确定车牌位置；第二种方法基于图像的垂直边缘特征，使用垂直方向的Prewitt梯度算子提取图像的垂直边缘，逐点以边缘点密度为衡量标准来优化边缘特征图像，最后用给定矩形面积内的击中率来确定车牌的位置。本文在字符分割方面结合水平投影法和固定间距法，研究一种复合的分割方法，实验证明有较好地分割效果。文中还讨论了基于Hough变换的车牌矫正方法，运用Hough曲变换检测车牌在垂直和水平方向上的倾斜角，较好地矫正了旋转和变形车牌。 9.期刊论文黄文杰.王海涛.姬建
岗.HUANG Wen-jie.WANG Hai-tao.JI Jian-gang 基于公路收费系统的车牌定位与字符分割算法 -电视技术2006,""(2 针对收费站点环境的特殊性,在使用新的边缘检测与图像二值化方法的基础上,提出了仅基于车牌特征信息进行车牌定位与字符分割的算法.经过现场检测 ,该算法定位与分割准确率较好,且具有很好的鲁棒性,车牌定位准确率为98.7%,字符分割正确率为99%. 10.学位论文蒋传伟车牌识别系统中车牌定位与字符分割的研究 2006 随着我国国民经济的高速发展，国内高速公路、城市道路、停车场的建设越来越多，人们对交通控制、安全管理的要求也日益提高，智能交通系统 (ITS己成为当前交通管理发展的重要方向，而车辆牌照识别(LPR系统作为智能交通系统的一部分起着举足轻重的作用，它在高速公路、城市道路和停车场等项目管理占有无可替代的重要地位，它的广泛应用必将有助于我国交通管理自动化的进程。本文对车牌识别系统中的车牌定位和车牌字符分割这两个主要问题，开展了部分研究工作。针对车牌定位问题，提出了一种基于数学形态学的定位方法。首先对车牌进行预处理，确定候选区域队列，然后排除候选车牌区域中的干扰区域，最后来定位真正的车牌区域，并给出了相应的算法和程序实现。针对车牌字符分割问题，首先利用张量投票技术对获得的车牌图片进行预处理，然后引入基于连通域的字符分割方法进行分割，提出了相应的算法并程
序实现。本文算法对牌照在图像中的位置没有限制，对牌照的倾斜、变形、字符的污染、模糊有较强的抗干扰能力，对于外界光线强度和图像对比度的变化有较强的适应能力。引证文献(38条 1.张佐.黄振尧.李志恒.盛洁.姚丹亚.朱济基于多源数据车辆身份综合判定问题研究[期刊论文]-交通信息与安全 2009(3 2.张远夏.甘井中.蒙峭缘基于投影分布和形态学的车牌字符切分方法的研究[期刊论文]-玉林师范学院学报 2008(5 3.陈亮.杜宇人基于字符边缘检测和颜色特征的车牌定位方法[期刊论文]-扬州大学学报（自然科学版） 2008(3 4.夏培容.许晓飞基于混合智能算法的彩色图像模糊颜色聚类分割方法研究[期刊论文]-湖南工业大学学报 2008(4 5.杨述斌.张阳复杂车辆图像中的车牌快速形态定位算法[期刊论文]-计算机技术与发展2008(6 6.朱俊梅.陈少平基于改进的投影方法的车牌图像字符分割[期刊论文]-中南民族大学学报（自然科学版） 2007(4 7.邹永星.钱盛友.王润民基于图像特征的车牌字符分割方法研究[期刊论文]-湖南师范大学自然科学学报 2007(4 8.陈军波.舒振宇.
陈心浩基于SOPC技术的车牌识别系统设计[期刊论文]-微计算机信息 2007(35 9.赵永辉.刘长松香港车牌识别算法设计[期刊论文]-电视技术 2007(z1 10.徐国强基于颜色和纹理综合特征的车牌定位方法[期刊论文]-湘潭师范学院学报（自然科学版）2007(2 11.王锋.彭国华.赵强一种快速、高效的车牌定位方法[期刊论文]-计算机工程与应用 2007(11 12.张变莲.唐慧君.闫旻奇一种复杂车辆图像中的多车牌定位方法[期刊论文]-光子学报 2007(1 13.吴舟舟.李树广视频图像中的实时车牌识别[期刊论文]-微型电脑应用 2006(2 14.陈洁.万忠.张迎春.张晨希.张燕平.张铃无需二值化的彩色车牌峰谷分割算法[期刊论文]-计算机技术与发展 2006(5 15.刘明军.谢宏霖.孙雪松.由枫秋车牌字符分割算法的比较研究[期刊论文]-济南大学学报（自然科学版）2006(3 16.王润民.钱盛友.宋平.许慧燕基于神经网络和颜色特征的车牌字符分割方法[期刊论文]-计算机工程与应用 2006(26 17.郭天舒.苑玮琦基于结构特征的车牌定位算法研究[期刊论文]-红外 2006(6 18.王渊.付勇.盛翊智复杂图像中基于综合特征的车牌定位方法[期刊论文]-自动化技术与应用 2006(6 19.何铁军.张宁.黄卫车牌识别算法的研究与实现[期刊论文]-公路交通科技 2006(8 20.王宸昊.黄辉先.吴翼.汤红忠彩色汽车牌照的定位方法[期刊论文]-兵工自动化 2006(6 21.陈勇车牌定位和字符分割算法的研究与实现[学位论文]硕士 2006 22.高春敏多种特征的车牌定位方法研究[学位论文]硕士 2006 23.刘馨月复杂背景下车牌分割技术的研究[学位论文]硕士 2006 24.陆璐卷积神经网络的研究及其在车牌识别系统中的应用[学位论文]硕士2006 25.叶霆汽车牌照自动识别技术研究[学位论文]硕士 2006 26.李艳洪基于小波和神经网络的车牌识别技术的研究[学位论文]硕士 2006 27.劳丽聚类算法研究及在图像分割中的应用[学位论文]博士 2006 28.陈燕龙.肖南峰车牌与人脸识别系统的设计与实现[期刊论文]-交通与计算机 2005(4 29.燕鹏.刘长松.丁晓青.叶茂亮复杂背景下的汽车牌照自动识别系统[期刊论文]-电视技术 2005(6 30.叶茂亮.刘长松.丁晓青.燕鹏基于笔画分析和形态学的汽车牌照定位算法[期刊论文]-电视技术 2005(5 31.陈智君便携式万工显自动读数系统的设计研究[学位论文]硕士 2005 32.周祥轮胎胎号自动识别系统的研究与设计[学位论文]硕士 2005
33.管慧娟基于区域的图像分割方法[学位论文]硕士 2005 34.李清顺基于过渡区的图象分割[学位论文]硕士 2005 35.杨海廷基于纹理特征的车牌识别系统的研究
与实现[学位论文]硕士 2005 36.王琴车辆牌照提取与识别算法的研究[学位论文]硕士 2005 37.周春霞车牌识别技术应用[学位论文]硕士 2005 38.侯海滨.沈希忠车辆牌照识别技术的研究发展[期刊论文]-上海应用技术学院学报（自然科学版） 2009(3 本文链接：https://www.doczj.com/doc/ce4997160.html,/Periodical_hwyjggc200401008.aspx 授权使用：郭永健(wfxbgy，授权号：9f25798c-ca46-4715-9d77-9dc100b9503b 下载时间：2010年7月28日
专业综合实验报告----数字图像处理 专业：电子信息工程 班级： ： 学号： 指导教师：
2014年7月18日 车牌图像定位与识别 一、设计目的 利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 二、设计内容和要求 车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。 三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告 四、设计所需设备及软件 计算机一台；移动式存储器；MATLAB软件。 五、设计过程 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等
1.载入车牌图像： 原图 2.将彩图转换为灰度图并绘制直方图： 灰度图 灰度直方图 3.用roberts 算子进行边缘检测： 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是
车牌的定位与分割 实验报告 一实验目的 针对交通智能系统所拍摄的汽车图片，利用设定的算法流程，完成对汽车车牌部分的定位，分割车牌部分，并完成字符的分割，以便于系统的后续分析及处理。 二实验原理 详见《车牌的定位与字符分割》论文。 三概述 1一般流程 车牌自动识别技术大体可分为四个步骤：图像预处理、车牌定位与分割、车牌字符的分割和车牌字符识别。而这四个步骤又可归结为两大部分：车牌分割和车牌字符识别。 图1-1为车牌自动识别技术的一般流程图。 2本实验的流程 （1）图像预处理：图像去噪 （2）车牌的定位：垂直边缘检测（多次）形态学处理的粗定位
合并邻近区域结合车牌先验知识的精确定位 （3）车牌预处理：车牌直方图均衡化倾斜校正判定（蓝底白字或者黄底黑字）归一化、二值化 （4）字符的分割：垂直投影取分割阈值确定各个字符的左右界限（结合字符宽度、间隔等先验知识）分割字符 四实验过程 4.1图像预处理 4.1.1图像去噪 一般的去噪方法有：空间域上的均值滤波和中值滤波；频率域上的巴特沃斯滤波器。图4-1是各滤波器处理椒盐噪声的效果。 a．被椒盐噪声污染的图片 b.均值滤波的效果图 c.中值滤波的效果图 d.BLPF的效果图 图4-1 各滤波器处理椒盐噪声的仿真 可见，中值滤波对椒盐噪声的处理效果极好，而一般所拍摄的图片上最多的便是孤立的污点，所以此处以中值滤波为主进行去噪。图4-2是采用中值滤波处理实际汽车图片的效果。
a.原始图像 b.灰度图像 c.中值滤波后的图像 图4-2 中值滤波处理实际汽车图片的效果 很显然，经过中值滤波后去除了原图上的部分污点。 4.1.2图像复原 由于通常情况下都不知道点扩展函数，所以我们采用基于盲解卷积的图像复原策略。 图4-3~4-7图是函数进行盲解卷积的实验结果，其中图4-3是图像cameraman 的模糊图像。 图4-3 模糊图像 在盲解卷积处理中，选择适当大小的矩阵对恢复图像的效果很重要。PSF的大小比PSF的值更重要，所以首先指定一个有代表性的全1矩阵作为初始PSF。恢复的图像如图4-4所示，初始PSF如图4-5所示。
近年来，智能交通系统(ITS)越来越受到人们的重视在车牌识别中，车牌自动识别系统作为核心部分之一应用已经越来越普及。车牌识别系统主要分车牌定位、字符切分和字符识别三部分，而车牌定位又是系统中最重要的步骤，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。 文中利用MATLAB进行分析与仿真。MATLAB是一种简单，高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统分析与设计。 本文要讨论的是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测的预处理，之后进行区域提取来实现对车牌的初定位。借助MATLAB编程语言在仿真过程中分析现有算法并加以改进。 1 车牌定位中的基本理论与算法 1.1图像灰度化 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。 1.2图像二值化 二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。
在车牌自动识别系统中最重要的指标是字符的识别率，对字符识别的准确率直接影响了系统的性能。字符识别部分由车牌图像的二值化、滤波、字符分割、字符大小规一化、汉字、字母和数字识别等模块组成。这一周我主要学习了字符分割模块的有关内容。 车牌字符分割的任务就是把多行或多字符图像中的每个字符从整个图像中分割出来，使其成为单个字符图像，为下一步将标准的单个字符输入到字符识别模块做准备。字符分割是字符识别的基础，字符分割的质量直接影响到字符识别的效果。字符分割之前，首先要进行图像的二值化，然后再进行字符分割，从而分割出一个个具体的二值图表示的字符图像点阵，作为单字识别的输入数据。由于文本图像不但包括了组成文本的一个个字符，而且包含了字符行间距与字符间的空白，甚至还会带有各种标点符号，这就需要采用一定的处理技术将文本中的一个个字符切分出来，形成单个字符的点阵，以便进行字符识别。车牌字符分割的原理主要是利用车牌字符自身的一些特点如规则整齐的排列、字符之间有一定的间隔、字符的宽高比例固定等等，对车牌区域进行垂直方向的投影，利用字与字之间的空白间隙在图像行垂直投影上形成的空白间隙将单个汉字的图像切割开来。 4．2投影分割 投影分割方法的原理是首先将车牌图像转换为二值图像(设白色为1，黑色为0)，然后将车牌像素灰度值按垂直方向累加，即所谓的垂直投影。由于车牌中字符之间的灰度值通常为O，因此，投影图将会在字符之间形成谷底，或者说在字符处形成波峰(一种特殊的波峰)。通过寻找两个波峰之间的谷点，将其作为字符分割的位置，完成字符的分割。投影分割法的具体步骤如下： (1)先自下而上对图像进逐行扫描直至遇到第一个白色象素点。记录下来，然后再由上而下对图像进行逐行扫描直到找到第一个白色象素点，这样，就找到图像大致的高度范围。(2)在这个高度范围之内再自左向右逐行扫描，遇到第一个白色象素时认为是字符分割的起始位置，然后继续扫描，直至遇到没有白色象素的列，则认为是这个字符分割结束。然后继续按照上述的方法扫描，直至图像的最右端，就得到每个字符比较精确的宽度范围。(3)在已知的每个字符比较精确的宽度范围内，按照(1)的方法，分别进行自上而下和自下而上的逐行扫描来获得每个字符精确的高度范围。投影分割的方法比较常用，主要是针对在车牌定位、图像预处理后比较规则的车牌图像。它的优点是程序逻辑设计简单，循环执行功能单一，便于设计和操作，程序执行时间短。缺点是由于车牌图像通常会有噪声，产生字符的断裂和交叠等情况，在投影时字符之间的谷底会受到很大影响，造成谷底不明显，严重时谷底会消失，造成字符分割误差甚至错误，最终影响字符的识别。因此该方法对车牌字符的断裂和交叠问题，解决得不很理想。 4．3基于聚类分析的字符分割 基于聚类分析的字符分割原理是按照属于同一个字符的像素构成一个连通域的原则，再结合牌照字符的高度、间距的固定比例关系等先验知识，来分割车牌图像中的字符。其具体算法步骤为： (1) 以等于车牌图像宽度七分之一的阈值‘对车牌图像按行进行逐行扫描，如果有线段的长度大于‘就可以认为是牌照的上下边框，再以等于车牌图像高度五分之三的阈值Z：对车牌图像按列进行逐列扫描，如果有线段的长度大于厶，则认为是车牌的左右边框。因此可除去车牌边框部分。 (2)根据车牌字符的先验知识，在预处理好的车牌图像上预设7个类中心。设置类中心可以采用程序提示给定坐标值的方法，也可以采用给予固定坐标值的方法。 (3)自下向上对图像进行逐行扫描，每扫描到一个白色象素时，都要与上述每个类已获得的每个(白色)象素比较距离d，找到与该象素距离最近的已获得象素点，并认为这两个象素属于同一类，即属于同一字符。距离d取两个象素点：彳(x，Y)扫描得到的当前象素，曰O，)，)
毕业论文(设计) 学院: 计算机科学学院 专业: 软件工程年级: 题目:基于垂直投影法的车牌字符分割算法设计学生姓名: 学号: 指导教师姓名: 职称: 年月
XXXX大学本科毕业论文（设计）原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。本人完全意识到本声明的法律后果由本人承担。 作者签名：年月日 目录 摘要 (1)
Abstract (1) 第一章绪论 (1) 1.1车牌识别技术的背景 (1) 1.2 车牌识别系统的工作原理 (2) 1.3 国内外研究 (3) 1.4 本文主要内容 (3) 第二章基本理论介绍 (3) 2.1 数字图像处理技术 (3) 2.1.1 bmp位图 (4) 2.1.2 RGB编码方式 (4) 2.1.3二值图像 (4) 2.1.4 Otsu算法 (4) 2.1.5灰度图像 (5) 2.1.6 中值滤波 (5) 第三章车牌图像的预处理 (5) 3.1车牌图像的灰度化 (5) 3.2车牌图像的二值化 (5) 3.3 去噪处理 (6) 3.3.1去除车牌边框 (7) 3.3.2去除车牌图像中的圆点 (8) 第四章车牌字符分割算法 (8) 4.1传统垂直投影的车牌字符分割算法 (8) 4.2 改进的垂直投影的车牌字符分割算法 (9) 第五章系统实现 (10) 第六章总结与展望 (13) 6.1 总结 (13) 6.2 展望 (13) 致谢 (14) 参考文献 (15)
基于垂直投影法的车牌字符分割算法设计 摘要：车牌识别系统在现代社会有着广泛应用，而车牌字符分割是其中的一项关键技术。本文针对车牌字符分割算法做了较为深入的研究。首先，要想正确的分割车牌图像，必须得到质量较好的车牌二值化图像。所以，本文对车牌字符分割的预处理部分进行较为深入的研究，尤其是车牌图像二值化后的去噪处理。传统投影法对车牌图像要求比较高，容易受到噪声的影响，从而造成分割字符的粘连与断裂。针对传统投影法的不足，文章提出一种基于垂直投影法的改进的字符分割算法，该算法可以有效地识别车牌字符。该方法抗干扰能力较强，能有效的减少字符粘连与断裂，分割准确度较高。 关键词：车牌识别；二值化；字符分割；垂直投影法 Vertical projection-based license plate character segmentation algorithm design Abstract：License plate recognition system has a wide range of applications in modern society, the license plate character segmentation is a key technology. In this paper, the license plate character segmentation algorithm to do a more in-depth study. First of all, in order to correct segmentation of license plate image must be of good quality license plate binary image. So more in-depth study of the pre-processing part of the license plate character segmentation, especially after the license plate image binarization denoising. Traditional projection on the license plate image requires relatively high, easily affected by noise, resulting in a split character adhesion and fracture. For the lack of traditional projection method, the paper presents a segmentation algorithm based on the improvement of the vertical projection of the characters, the algorithm can effectively identify the license plate character. Strong anti-interference ability of the method, which can effectively reduce the character adhesion and fracture, split high degree of accuracy. Keywords License Plate Recognition; binarization ；Character segmentation; Vertical projection 第一章绪论 随着世界经济的快速发展，以及汽车制造技术的提高，使得汽车迅速成为人们日常生活中的一个必需品。这造成全球的汽车数量猛增，而随之也导致城市的交通压力越来越大，城市的交通状况也因此得到了更多的关注。如何有效地对交通进行管理，也成为各国政府和相关部门所关注的焦点和热点。针对这些问题，人们开始将计算机技术、通信技术、计算机网络技术和自动化信息处理等很多新的科学技术用于交通道路的监视和管理系统，以此提高车辆管理和运输的效率。它主要是通过对过往车辆实施检测，提取有关的交通数据来达到对交通的监控、管理和指挥。车牌自动识别技术[1]是指能够检测到受监控路面的车辆并自动提取车辆车牌信息（含汉字字符、英文字母、阿拉伯数字及号牌颜色）进行处理与识别的技术。它以计算机技术、图像处理技术、模糊识别技术为基础，建立运动车辆的特征模型，识别车辆特征，如号牌、车型、颜色等，并着重解决高速车辆图像的获取及清晰度问题。本文是在以往的车牌分割算法[2]的基础上介绍了车牌识别技术中的一种字符分割算法，该算法是针对一种已有的字符分割算法（投影法）的改进性研究。 1.1车牌识别技术的背景 随着21 世纪经济全球化和信息时代的到来，迅猛发展的计算机技术、通信技术和计算机网络技术，水平不断提高的自动化信息处理技术在人们社会活动和生活的各个领域得到广泛应用。同时，高速度、高效率的生活节奏，使汽车普及成为必然趋势。伴随着世界各国汽车数量的增加，城市的交通状况越来越受到人们的重视。如何有效地进行交通管理日益成为各国政府相关部门所关注的焦点。针对这一问题，
汽车车牌的号码识别 1.车牌号码识别的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单 个字符，得到输出结果。 2.车牌号码识别系统原理图各部分说明如下： （1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。 （2）车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。 （3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像。 （4）字符识别：对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。 3.源程序代码及图形 （1）I=imread('yuan.bmp'); figure; subplot(2,2,1); imshow(I);
title('原图'); I1=rgb2gray(I);%图像灰度化 subplot(2,2,2); imshow(I1); title('灰度化图'); m2=medfilt2(I1,[5,5]); subplot(2,2,3); imshow(m2); title('中值滤波'); w2=wiener2(I1,[5,5]);%维纳滤波subplot(2,2,4); imshow(w2); title('维纳滤波'); (2)图像二值化 fmax1=double(max(max(I1))); fmin1=double(min(min(I1))); level=(fmax1-(fmax1-fmin1)/3)/255; bw2=im2bw(I1,level); bw22=double(bw2);
车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识 别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。
1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。
本程序主要实现的是车牌的定位与检测 主要是利用申继龙论文里面的方法 1、采集得到的图像 2、把RGB图像转换成HSI彩色图像 3、利用设定的H、S阈值得到二值图像 4、对二值图像水平投影获得候选区域 5、对候选区域的HSI图像边缘检测 */ #include "stdafx.h" #include "opencv2/opencv.hpp" #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/nonfree/features2d.hpp" #include "opencv2/imgproc/imgproc_c.h" #include "opencv2/legacy/legacy.hpp" #include "opencv2/legacy/compat.hpp" #include
基于Matlab的车牌定位与分割 经典算法 I=imread('car.jpg'); %读取图像 figure(); subplot(3,2,1),imshow(I), title('原始图像'); I1=rgb2gray(I);%转化为灰度图像 subplot(3,2,2),imshow(I1),title('灰度图像'); I2=edge(I1,'robert',0.09,'both');%采用robert算子进行边缘检测subplot(3,2,3),imshow(I2),title('边缘检测后图像');
se=[1;1;1]; %线型结构元素 I3=imerode(I2,se); %腐蚀图像 subplot(3,2,4),imshow(I3),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); 矩形结构元素 I4=imclose(I3,se);%图像聚类、填充图像 subplot(3,2,5),imshow(I4),title('填充后图像');
I5=bwareaopen(I4,2000);%去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I5),title('形态滤波后图像'); [y,x,z]=size(I5); I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x
if(I6(i,j,1)==1) Y1(i,1)= Y1(i,1)+1; end end end [temp MaxY]=max(Y1); figure(); subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素'); %求的车牌的行起始位置和终止位置 PY1=MaxY; while ((Y1(PY1,1)>=50)&&(PY1>1)) PY1=PY1-1; end PY2=MaxY; while ((Y1(PY2,1)>=50)&&(PY2 摘要: 车牌定位是车牌自动识别技术中的一个关键问题，许多学者研究发展多种车牌定位算法。简要介绍和比较了目前比较常见的几种车牌定位方法进行了。 车牌识别LPR(License Plate RecognitiON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、基于边缘检测的方法、基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为 1 绪论 1.1 背景介绍 为了实现车牌字符识别，通常要经过车牌位置检测、车牌字符分割和字符识别三个关键步骤。车牌位置检测是根据车牌字符目标区域的特点，寻找出最符合车牌特征的区域。车牌字符分割就是在车牌图像中找出所有字符的上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割的效果对车牌字符识别正确率会产生很大的影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差异，进而影响图像分割的效果，因此车牌字符分割这一技术仍然具有很大的研究意义。在实际的监控场景中，车牌图像的透视失真通常是由于拍摄视角的变化或车辆位置的移动，相机光轴偏离车牌平面的法线方向造成的。由于车牌图像在整幅图像中占有较小的比例，所以车牌图像几何校正主要工作是校正车牌图像的旋转和剪切失真。 旋转投影法和直线拟合法是两种主要的偏斜校正方法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后统计垂直投影数值为0的点数，得到最大值对应的角度。这种方法受背景区域的干扰比较大。另一种方法是直线拟合车牌字符的左边界点从而获得垂直倾斜角，该方法为直线拟合法。该方法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出的直线通常不能真正用来代表车牌的垂直倾斜方向，检测出的角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因此找到一种更准确和迅速的车牌垂直倾斜矫正方法是十分重要的。 通过得到最小的字符投影点坐标方差，得到另一种车牌垂直矫正方法。首先将车牌字符图像进行水平校正，根据字符的区域的上下边界，将车牌字符进行粗分割。然后将剪切变换后的字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是确定垂直投影的倾斜角并对此进行校正。 投影法是目前最常用的车牌分割算法之一，其算法简单并且计算复杂度低。该方法的核心思想是将车牌图像进行水平投影和垂直投影，利用峰谷特征来定位车牌字符的上下左右边界。但是车牌的噪声、边框等因素容易影响到投影的峰谷位置，并且对于存在较严重质量退化的图像处理困难。为了进一步改善字符分割效果，通常将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。Anagnostopoulos等人提出用 图像处理技术 目录一．引言 (1) 二．目的和意义 (1) 三．设计原理 (1) 四.字符分割程序 (2) 五.结果 (4) 六.测试代码 (5) 七.系统的不足 (5) 八.总结 (5) 九.心得体会 (5) 十.致谢 (6) 十一.参考文献 (6) 一．引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。车牌识别系统能够自动、实时地检测车辆、识别汽车车牌，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。本系统为基于蓝色车牌的车牌识别系统，它能够识别非蓝色车辆的蓝底白字车牌。该系统通过车牌提取、车牌定位、预处理、字符分割、字符识别五个模块组成车牌识别系统。 二．目的和意义 通过对车牌识别系统的研究，自己开发小型车牌识别系统，虽有一定的局限性与不完整性，但可以使自己更加的熟悉MATLAB语言，激发对研究的兴趣，拓宽知识面，为自己以后的研究打下基础。在提升自身科研能力的同时，还能提高团队合作精神，清楚团队成员的分工，协调成员间的工作，为今后的团队合作研究积累经验。 三.设计原理 字符分割在此系统中有着承前启后的作用。它在前期车牌定位的基础上进行字符的分割，然后利用分割的结果进行字符的识别。字符识别的算法很多，应为车牌字符间间隔较大，不会出现字符粘连的情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为组成该块有两个字符，需要分割。一般分割出来的字符要进行进 《多媒体通信技术》课程报告 专业通信与信息系统 学号 姓名 任课教师 基于matlab的车牌字符分割 摘要：本文利用投影分割的方法对车牌字符进行分割，并利用模板匹配的方法进行字符识别，在图像进行预处理后的基础上，利用对车牌图像分块扫描的方法对车牌图像去边框处理，在去边框的基础上对每个字符进行分割，得到单个字符。关键字：字符；预处理；分割 1、引言 智能交通系统(intelligent transportation system，ITS)的发展现今对社会生活、国民经济和城市建设产生积极而深远的影响，我国已经将其列为优先发展的高技术产业化重点领域[1]。车牌识别系统(1icense plate recognition，IJR)是目前交通部门十分重要的科研课题之一，它主要包括车牌定位、字符分割和字符识别三部分，字符分割和字符识别是最后的关键环节。本文主要通过运用投影分割的方法对车牌进行字符分割并利用模板匹配的方法对车牌字符进行识别。2、图像预处理 图像预处理是对输入的图像进行一系列变换处理，使之成为符合字符识别模块要求的图像。图像预处理环节对于最终识别的正确率有很大影响，由于图像本身受到各种自然因素或设备因素的影响，图像的清晰度往往不是很理想，有时还会带有较明显的图像噪声。若不对图像进行预处理，这些噪声将给后续的识别模块带来严重影响，最终可能造成识别错误。因此，预处理的好坏一定程度上影响到字符识别的正确率。图像预处理首先需要将待识别的字符从输入的灰度图中分离出来。最常用的方法就是图像二值化。 2.1图像的灰度化 就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图像的亮度信息，去除了色彩信息，就像我们平时看到的黑白照片，它的亮度由暗到明，而且亮度变化是连续的。图像灰度化后可以使处理运算量大大减少，这样处理过程就变得更加简单和省时。在灰度图像中，通常将亮度划分成0到255共256个级别，0最暗，255最亮。 图2-1 灰度化的图像 2.2 图像的阈值化处理 所谓图像二值化就是指将灰度图转化为只含有两种灰度值的图像，一种为背景，另一种为待识别的字符，本文采用动态阈值法将图像二值化：如果输入图像较暗或者车牌较脏，如果采用固定的阈值将图像进行二值化，生成的二值图会非常黑或者有很多噪声。二值化有很多方法，主要为P片法或者峰谷法。本文采用的是P片法，阈值的大小的设定基于以下假设：由于现有车牌绝大部分为蓝底白字或者黄底黑字车牌，设理想的车牌平均包含大约60％的蓝／黄色像素和40％的白／黑色像素。首先，将图像二值化，计算出黑色和白色像素的比例，将它和期望值进行比较。从而算出新的阈值，直到近似等于期望值为止[2]。图1为理想状态下车牌原图片和的阈值化图片。 图2-2-1 阈值化的图像 图像经过上述步骤处理后，已经从带有噪声的灰度图像转变为符合识别要求的图像。该图像为只包含两种灰度值的二值图像，并且具有统一尺寸。而且在预处理环节中，已最大限度地去除了输入图像中的噪声，在保持字符原本信息不丢失的前提下，把待识别的字符从背景中成功地分离出来。 3 车牌的去边框处理 基于MATLAB 的车牌定位及提取 算法与实现 1.车牌定位的基本理论与算法 1.1彩色图像灰度化 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。 1.2灰度拉伸 车牌图像定位是个难点，抓拍图像受环境因素影响很大，尤其当外界光照条件过强或过弱时，容易使得整幅图像偏亮或偏暗，这种情况成为低对比度。为了提高对比度，把感兴趣的灰度范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，就要对图像进行灰度拉伸，使图像上的边缘更加凸显，这样牌照区的笔画特征就会更加明显，更有益于下一步的处理。 灰度拉伸变换原理图如图10.3所示，函数表达式为 ???? ????? >---≤≤+---<=b x b x b d b x a c a x a b c d a x x a d x f ),(255255,)()( （10.5） 式（10.5）中（a,c)和（b,d)是图10.3中的两个转折点的坐标。 设图像为mxn 像素，其直方图为h(i),a 取满足10 )(0mn i h a i ≥∑=的最小整数，b 取满足 mn i h a i 10 9 )(0≤ ∑=的最大整数，c 和d 分别可以在程序中动态设定，也可以根据经验自行设定。在图10.4中取2 3,9.0b d a c == 1.3边缘检测 图像的边缘是图像的最基本特征。所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体和背景之间、物体和物体之间、基元和基元之间。因此，它是图像分割所依赖的重要特征。常用的边缘检测方法有Sobel 边缘算子、Prewitt 边缘算子、Kirseh 边缘算子、高斯--拉普拉斯算子等等。 该文采用的是Canny 边缘检测的方法。该方法为最优的阶梯型边缘检测算法。 1.4开闭操作图像滤波 形态学的数学基础和所用语言是集合论，其基本运算有四种：膨胀、腐蚀、开启和闭合。基于这些基本运算，还可以推导和组合成各种数学形态学实用算法。对图像做了开运算和闭运算，闭运算可以使图像的轮廓线更为光滑，它通常用来消掉狭窄的间断和长细的鸿沟，消除小的孔洞，并弥补轮廓线中的断裂。 1.5 区域标记 对二值图像进行区域提取时，首先需要对对图像每个区域进行标记，其中应用到了连通对象进行标注函数bwlabel 主要对二维二值图像中各个分离部分进行标注，其用法如下： [L,num] = bwlabel(BW,n) 其中，L 表示返回和BW 相同大小的数组，而且包含了连通对象的标注。参数n 为4或8，分别对应4邻域和8邻域，默认值为8。Num 为返回连通数。 然后，需要得到图像区域属性。计算每个区域的图像特征参数：区域中心位置、最小包含矩形、面积。这里给出在Matlab 图像处理工具箱中非常重要的一个图像分析函数：regionprops 。它的用途是get the properties of region ，即用来度量图像区域属性的函数。其用法如下： 北京联合大学毕业设计（论文）任务书 题目：基于MATLAB的车牌定位算法设计 专业：电子工程系指导教师：章学静 学院：信息学院学号： 2009080403104 班级： 20090804031 姓名：林本存 一、课题的任务与目的 自从2010年以来，北京的交通拥堵问题成为社会普遍关注和谈论的话题。而其他交通问题也呈现增长趋势。由于车辆牌照是我们标定车辆的唯一ID，因此，车牌的定位识别对于处理突发的交通事件就显得尤为重要。车牌定位识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要课题之一。所谓车牌定位(License Plate Location)，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，研究与开发车牌定位的算法具有十分重要的实用意义。例如，在公安执法系统、高速公路自动收费系统、城市道路监控系统、智能停车场管理系统等诸多智能交通系统中都有应用。车牌定位的目的是对摄像头获取的汽车图像进行预处理，确定车牌位置。 此次设计的任务就是在MATLAB中对采集到车辆图像进行色彩直方图分析，匹配车牌背景颜色的峰值从而实现车牌在图像位置中的定位。然后将此算法移植到DSP中，在DSP中验证移植的算法正确性。 二、调研资料情况 目前国外车牌定位识别系统已经有很多成熟的产品，以色列Hi—Tech公司的See/CarSystem系列，新加坡optasia公司的IMPS系列都是比较成熟的产品。但是，这些产品基本上只适合于自己国内的状况。而我国的情况与国外有很大的不同，比如车牌的形状，颜色，字符的颜色以及我国车牌中包含着汉字等。同时，目前的牌照识别系统具有一定的识别率，在天气条件差的情况下或夜晚时，识别率会明显下降，此外，也受到其他许多客观干扰的影响，例如天气、背景、车牌磨损、图像倾斜等。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。现有的比较好的车牌定位方法主要有J.Barroso等提出的基于水平线搜寻的定位 附录A %主函数 function [d]=main(jpg) close all clc I=imread('car1.jpg'); figure(1),imshow(I);title('原图') I1=rgb2gray(I); %将RGB图形或色图矩阵转换成灰度图 figure(2),subplot(1,2,1),imshow(I1);title('灰度图'); figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图'); I2=edge(I1,'robert',0.15,'both');%提取I1的边缘，利用robert算子 figure(3),imshow(I2);title('robert算子边缘检测') se=[1;1;1]; %结构矩阵，用于图像的腐蚀 I3=imerode(I2,se);%以图像I2和结构元素SE为参数调用imerode函数进行腐蚀操作 figure(4),imshow(I3);title('腐蚀后图像'); se=strel('rectangle',[25,25]); I4=imclose(I3,se); %形态学中的闭运算，se为结构元素 figure(5),imshow(I4);title('平滑图像的轮廓'); I5=bwareaopen(I4,2000); figure(6),imshow(I5);title('从对象中移除小对象'); [y,x,z]=size(I5); %读取I5的大小，行列页 myI=double(I5); %将I5元素转为double型 tic %计时开始 Blue_y=zeros(y,1); %给蓝色像素个数赋初始值0 for i=1:y for j=1:x % 这两行是循环，先行，再列 if(myI(i,j,1)==1) % 如果I5第一页中的元素为1的话，则是蓝色像素 Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end end end车牌定位方法
车牌字符分割算法研究
车牌识别(字符切割)大作业
基于matlab的车牌字符分割
车牌定位与提取
基于MATLAB的车牌定位算法设计
车牌定位分割识别程序
相关主题
文本预览