车牌照识别系统设计与实现毕业设计论文.docx
- 文档编号:16300057
- 上传时间:2023-07-12
- 格式:DOCX
- 页数:57
- 大小:453.95KB
车牌照识别系统设计与实现毕业设计论文.docx
《车牌照识别系统设计与实现毕业设计论文.docx》由会员分享,可在线阅读,更多相关《车牌照识别系统设计与实现毕业设计论文.docx(57页珍藏版)》请在冰点文库上搜索。
车牌照识别系统设计与实现毕业设计论文
车牌照识别系统设计与实现
DesignandImplementationofCarLicensePlateRecognitionSystem
毕业论文(设计)原创性声明
本人所呈交的毕业论文(设计)是我在导师的指导下进行的研究工作及取得的研究成果。
据我所知,除文中已经注明引用的内容外,本论文(设计)不包含其他个人已经发表或撰写过的研究成果。
对本论文(设计)的研究做出重要贡献的个人和集体,均已在文中作了明确说明并表示谢意。
作者签名:
日期:
毕业论文(设计)授权使用说明
本论文(设计)作者完全了解**学院有关保留、使用毕业论文(设计)的规定,学校有权保留论文(设计)并向相关部门送交论文(设计)的电子版和纸质版。
有权将论文(设计)用于非赢利目的的少量复制并允许论文(设计)进入学校图书馆被查阅。
学校可以公布论文(设计)的全部或部分内容。
保密的论文(设计)在解密后适用本规定。
作者签名:
指导教师签名:
日期:
日期:
注意事项
1.设计(论文)的内容包括:
1)封面(按教务处制定的标准封面格式制作)
2)原创性声明
3)中文摘要(300字左右)、关键词
4)外文摘要、关键词
5)目次页(附件不统一编入)
6)论文主体部分:
引言(或绪论)、正文、结论
7)参考文献
8)致谢
9)附录(对论文支持必要时)
2.论文字数要求:
理工类设计(论文)正文字数不少于1万字(不包括图纸、程序清单等),文科类论文正文字数不少于1.2万字。
3.附件包括:
任务书、开题报告、外文译文、译文原文(复印件)。
4.文字、图表要求:
1)文字通顺,语言流畅,书写字迹工整,打印字体及大小符合要求,无错别字,不准请他人代写
2)工程设计类题目的图纸,要求部分用尺规绘制,部分用计算机绘制,所有图纸应符合国家技术标准规范。
图表整洁,布局合理,文字注释必须使用工程字书写,不准用徒手画
3)毕业论文须用A4单面打印,论文50页以上的双面打印
4)图表应绘制于无格子的页面上
5)软件工程类课题应有程序清单,并提供电子文档
5.装订顺序
1)设计(论文)
2)附件:
按照任务书、开题报告、外文译文、译文原文(复印件)次序装订
3)其它
摘 要
汽车牌照自动识别系统是智能交通系统的重要组成部分,是高科技的公路交通监控管理系统的主要功能模块之一,汽车牌照识别技术的研究有重要的现实应用意义。
本文针对汽车牌照自动识别系统进行了系统的研究和分析,设计了一种汽车牌照的自动识别方法,包括图像的预处理、车牌定位与提取、字符分隔和提取。
汽车图像预处理部分完成对原始汽车图像进行必要的灰度化、去噪声、图像增强处理,车牌定位与提取部分利用边缘检测方法对图像进行定位与提取,然后利用水平投影的方法对提取的图像进行字符分割,最后利用字符宽高将分割字符提取。
关键字:
汽车牌照识别 边缘检测 定位与提取 字符分割
Abstract
Carlicenseplatesrecognitionsystemisanimportantpartofintelligenttransportationsystem.It’sthemainfunctionmoduleoftrafficmonitoringmanagementsystem.Thecarlicenseplaterecognitiontechnologyresearchhasimportantpracticalapplicationmeanings.
Thispaperforautomobilelicenseplatesrecognitionsystemforthesystemofresearchandanalysis,designacarlicenceautomaticidentificationmethod,includingthepretreatmentoftheimage,licenseplatelocationandextraction,characters,spaceandextraction.Carimagepreprocessingpartlycompletedcarimageoftheoriginaltothegray,tonoise,imageenhancementprocessing.Licenseplatelocalizationandextractoftheuseoftheimageedgedetectionmethodforpositioningandextraction,andbyusingthemethodoflevelumbriferousextractedfromtheimagesegmentation,finally,usingthecharactercharacterwidehighwillbesplitcharacterextraction.
Keyword:
Licenseplaterecognition edgedetection LocalizationandExtraction Charactersegmentation
目 录
第1章绪 论
1.1 研究背景及意义
汽车牌照自动识别系统是智能交通系统的重要组成部分,是高科技的公路交通监控管理系统的主要功能模块之一。
它在传统的交通监控技术的基础上,引入了数字摄像技术和计算机信息管理技术,采用先进的图像处理、模式识别和人工智能技术,通过对车辆图像的采集和处理,获得车辆的数字化信息,从而达到更高的智能化管理水平,车牌自动识别技术在车辆过路、过桥全自动不停车收费,交通流量控制指标的测量,车辆自动识别,高速公路上的事故自动测报,不停车检查,车辆定位,汽车防盗,稽查和追踪车辆违规、违法行为,维护交通安全和城市治安,防止交通堵塞,提高收费路桥的服务速度,缓解交通紧张状况等方面有重要作用,因此对汽车牌照识别技术的研究有重要的现实应用意义[1]。
其发展对社会生活、国民经济和城市建设将产生积极而深远的影响,在作毕业设计的过程中,要确保所学知识得到疏理和运用,它既是一次检阅,又是一次锻炼。
对课题进行深刻的认识,综合性地运用几年内所学知识去分析、解决问题[2]。
1.2 国内外发展现状
伴随着世界各国汽车数量的增加,城市交通状况日益受到人们的重视,如何有效地进行交通管理,越来越成为各国政府和有关部门所关注的焦点,针对此问题,人们运用先进的科学技术,相继研制开发出了各种交通道路监视、管理系统,这些系统一般都包括车辆检测装置,通过这些装置对过往车辆实施检测,提取有关交通数据,以达到监控、管理和指挥交通的目的[3]。
汽车牌照识别技术是车辆检测系统中的一个重要环节,它在交通监视和控制中占有很重要的地位,有着多种应用,例如自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制等等。
同时,汽车牌照识别的方法还可应用到其他检测和识别领域,所以汽车牌照的识别问题已成为现代交通工程领域中研究的重点和热点问题之一,运用图像处理技术解决汽车牌照识别的研究国内外都有(最早出现于01年代(这个阶段是采用简单的图像处理技术来解决)识别过程是使用工业电视摄像机拍下汽车的正前方图像(然后交给计算机进行简单处理(并且最终仍需要人工干预)[4]。
国外汽车牌照识别系统研究工作已有一定进展;但并不尽合我国国情;由于我国汽车车牌识别的特殊性;采用任何一种单一识别技术均难以奏效!
目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉技术、图像处理技术、人工智能技术和人工神经网络技术等;是一个比较有发展前途的车牌识别系统。
1.3 车牌识别系统的组成
1.3.1 硬件和软件
识别系统中要用到的硬件主要有摄像头、感应器和计算机。
车牌识别系统的软件部分主要分为四大块,预处理、车牌定位、车牌字符的分割和字符识别[5]。
车牌定位
字符识别
字符分割
边缘提取
图像预处理
图1-1系统流程图
原始图像:
由停车场固定彩色摄像机、数码相机或其它扫描装置拍摄到的图像
图像预处理:
对动态采集到的图像进行滤波,边界增强等处理以克服图像干扰
边缘提取:
通过微分运算,2值化处理,得到图像的边缘
车牌定位:
计算边缘图像的投影面积,寻找峰谷点,大致确定车牌位置,再计算此连通域内的宽高比,剔除不在域值范围内的连通域。
最后得到的便为车牌区域。
字符分割:
利用投影检测的字符定位分割方法得到单个的字符
字符识别:
利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符,得到最后的汽车牌照,包括英文字母和数字。
1.3.2 车牌自动识别系统原理
当车辆通过时,车辆检测装置受到触发,启动图像采集设备获取车辆的正面或反面图像,并将图像传至计算机,由车牌定位模块提取车辆的牌照,字符分割模块对车牌上的字符进行切分,最后由字符识别模块进行字符识别并将结果输出[6]。
1.4 本论文主要研究内容
本文针对汽车牌照自动识别系统进行了系统的研究和分析,设计了一种汽车牌照的自动识别方法,包括图像的预处理、车牌定位与提取、字符分隔和提取。
汽车图像预处理部分完成对原始汽车图像进行必要的灰度化、去噪声、图像增强处理,车牌定位与提取部分利用边缘检测方法对图像进行定位与提取,然后利用水平投影的方法对提取的图像进行字符分割,最后利用字符宽高将分割字符提取。
第2章 识别系统的相关技术简介
2.1 图像的灰度化
彩色图像包含着过多的颜色信息,因此在对图像进行识别等处理中经常将彩色图像灰度化处理,转变为灰度图像,以加快处理速度。
灰度图像就是只有强度信息而没有颜色信息的图像,存储灰度图像只要一个数据矩阵,矩阵中每个元素表示对应位置像素的灰度值。
彩色图像的像素色为RGB(R,G,B),灰度图像的像素色为RGB(r,r,r),R,G,B可由彩色图像的颜色分解获得。
而R,G,B的取值范围是0~255,所以灰度的级别只有256级[7]。
从图像输入装置得到的图像数据,以浓淡表示,各个像素与某一灰度值相对应。
设原图像像素的灰度值D=ƒ(x,y),处理后图像像素的灰度值D´=g(χ,у),则灰度增强可表示为:
]或
(2-1)
要求D和D’都在图像的灰度范围之内。
函数T(D)称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。
一旦灰度变换函数确定,则确定了一个具体的灰度增强方法。
图像中每一点的运算就被完全确定下来。
灰度变换函数不同,即使是同一图像也会得到不同的结果[8]。
选择灰度变换函数应该根据图像的性质和处理目的来决定。
选择的标准是经过灰度变换后,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。
2.2 图像的二数值化和阈值处理
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。
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。
二值化的阈值选取有很多方法,主要分为3类:
全局阈值法、局部阈值法和动态阈值法。
全局阈值法是根据图像的直方图或灰度的空间分布确定一个阈值,并根据该阈值实现灰度图像到二值化图像的转化。
全局阈值方法的优点在于算法简单,对于目标和背景明显分离、直方图分布呈双峰的图像效果良好,但对输入图像量化噪声或不均匀光照等情况抵抗能力差,应用受到极大限制。
局部阈值法则是由象素灰度值和象素周围点局部灰度特性来确定象素的阈值的,Bernsen算法是典型的局部阈值方法,非均匀光照条件等情况虽然影响整体图像的灰度分布却不影响局部的图像性质,局部阈值法也存在缺点和问题,如实现速度慢、不能保证字符笔划连通性、以及容易出现伪影现象等。
动态阀7阈值法的阈值选择不仅取决于该象素灰度值以及它周围象素的灰度值,而且还和该象素的坐标位置有关,由于充分考虑了每个像素邻域的特征,能更好的突出背景和目标的边界,使相距很近的两条线不会产生粘连现象。
阈值处理的操作过程是先由用户指定或通过算法生成一个阈值,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[9]。
阈值化的变换函数表达式如下:
(2-2)
式中T为指定的阈值。
比它大就是白,比它小就是黑。
2.3 图像的梯度锐化
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,所以要对图像进行锐化处理使模糊的图像变的清晰便于识别,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:
梯度锐化法和高通滤波法[10]。
2.4 图像的去噪
图像可能在拍摄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。
通常去噪用滤波的方法,比如中值滤波、均值滤波。
为了抑制噪声,通常我们会采用低通滤波,但由于边缘轮廓也包含大量的高频信息,所以低通滤波在过滤噪声的同时,也使得边界变模糊,反之,低通滤波后为了提高边缘轮廓,还需要使用高通滤波,这时存在的噪声也得到了增强,然而中值滤波在过滤噪声的同时也很好的保护到了边缘轮廓,因此常用中值滤波的方法来去噪[11]。
2.5 灰度拉伸
若有一幅图,由于拍摄光照不足,使得整幅图偏暗(例如,灰度范围从0-55),或者拍摄时光照过强,使得整幅图偏亮(灰度范围从200-255),这些情况都是属于低对比度,即灰度都挤在一起,没有拉开。
灰度拉伸的意思就是把感兴趣的灰度范围拉开,使得该范围内的像素,亮的更亮,暗的更暗,从而达到了增强对比度的目的。
2.6 图像的倾斜矫正
由于拍摄时镜头与牌照的角度、车辆的运动及路面的状况等因素的影响,例如车牌在捕捉图像中的位置不固定,捕捉图像时车头或者镜头发生摆动以及车牌本身就挂歪了或路况较差,都可能使拍摄到的车牌图像有一定的倾斜度,为了正确识别需要进行倾斜度校正,否则将无法进行单个字符的正确分割,字符识别的误差率就会上升。
但是若以某个固定的经验值对所有牌照统一进行旋转处理,又会使原本正常的牌照倾斜,导致新的错误。
因此有必要针对特定的牌照图像提取其倾斜角度,再加以相应的旋转处理。
如何从牌照中自动提取其倾斜度是预处理过程中的一个难点,一般使用Hough变换检测图像中的直线来对图像的倾斜进行相应的矫正[12]。
Hough变换具有明了的几何解析性,一定的抗干扰能力和易于实现并处理等优点:
但它存在着计算量大,需要巨大的储存空间等问题,所以不适合用在具有一定实时性要求的图像处理中。
针对这个问题,Radon变换可以满足一定实时图像处理的要求。
2.7 车牌字符分割
经过上面一系列预处理后,得到的是一条上下边缘紧贴字符的水平二值图像,其中,车牌的背景像素为白色,用1表示;车牌的字符像素为黑色,用0表示。
在识别时系统只能根据每个字符的特征来进行判断,为了最终能准确识别牌照上的汉字、英文字母及数字,必须将单个字符从矫正的牌照中逐个提取分离出来。
2.8 字符识别
进行车牌识别前需要使用样本对神经网络进行训练,然后使用训练好的网络对车牌进行识别。
其具体流程为:
使用汉字、字母、字母数字、数字四个样本分别对四个子网络进行训练,得到相应的节点数和权值。
对已经定位好的车牌进行图像预处理,逐个的特征提取,然后从相应的文件中读取相应的节点数和权值,把车牌字符分别送入相应的网络进行识别,输出识别结果。
第3章车牌照提取与定位
3.1 算法设计流程
图3-1算法设计总流程
3.2 汽车图像预处理
图像在形成、传输或变换过程中,受多种因素的影响,如:
光学系统失真、系统噪声、暴光不足或过量、相对运动等,往往会与原始景物之间或图像与原始图像之间产生了某种差异。
因此在图像处理之前必须进行预处理,包括去除噪音,边界增强,增加亮度等等。
首先应该把256色彩色图像转换为灰度图像。
平滑是图像预处理的主要环节,平滑的好坏直接影响二值化的质量。
滤波的方式有两种,一种是空间域滤波,一种是频率域,在空间域,常见的滤波方式有两种方式,均值滤波和中值滤波。
采用中值滤波对图像进行平滑处理。
中值滤波在一定条件下可以克服线性滤波器如最小均方滤波、均值滤波等带来的图像细节模糊,而且对滤波脉冲干扰及图像扫描噪声最为有效,同时还可以保护字的边界信息。
Matlab实现
%装入待处理图像并显示原始图像如图3-2:
clear;
closeall;
Scolor=imread(‘原始图像’);
figure,imshow(Scolor),title('原始彩色图像');
图3-2 原始图像
%显示灰度化后的图像
i=rgb2gray(Scolor);
figure,imshow(i);title('灰度图像');
图3-3 灰度化后的图像
3.3 中值滤波
中值滤波是一种非线性滤波处理技术,能有效地抑制图像中的某些噪声,它基于图像这样一种特性:
噪声往往以孤立点的形式出现,这些点对应的像素数很少,而图像是由许多像素数较多、面积较大的小块组成。
在一维情况下,中值滤波器是一个含有奇数个像素的窗口。
处理之后,用窗口内各像素灰度值的中值来代替位于窗口正中的像素的灰度值。
中值滤波不影响阶跃函数和斜坡函数,因而对图像边缘有保护作用:
但是,对于持续期小于窗宽一半的脉冲信号将进行抑制,因而可能会损坏图像的某些细节。
中值滤波很容易推广到二维情况。
二维窗口形状可以是正方形、近似圆形或十字形。
现有的牌照有四种类型,分别是:
1、蓝底白字牌照为小功率汽车使用;2、黄底黑字牌照为大功率汽车使用;3、白底黑字或红字牌照为军用或警用;4,黑底白字牌照为国外驻华机构使用。
这四种牌照的长度均为45cm,宽15cm,共8个字符。
民用牌照第1个字符是汉字,且是各省市的简称,如“京”、“苏”、“鄂”等。
第2个字符是大写英文字母,是颁发证照及监督机关的代号。
第3个字符是一个“·”,第4~8个字符均为阿拉伯数字或英文大写字母。
如“贵A·12345”就是最典型的车牌号码。
下文将对其算法做详细介绍。
3.4 阈值化技术
基于阈值的车牌定位分割方法是图像分割中十分古老而又简单有效的常用方法。
关于这方面的文献很多。
所谓阈值的方法实质是利用图像的灰度直方图信息得到用于分割的阈值。
基于阈值的分割方法可以分为全局阈值的方法和局部阈值的方法。
所谓全局阈值的方法就是利用整幅图像的灰度信息,从整个图像中得到用于分割的阈值,并且根据该阈值对图像进行分割;而局部阈值的方法是根据图像中不同区域获得对应不同区域的几个阈值,利用这些得到的阈值对图像进行分割,也就是一个阈值对应图像中的一个子区域。
在使用阈值法进行分割技术时,阈值的选取成为能否正确分割的关键,若将所有灰度值大于或等于某阈值的像素都被判属于物体,则将所有灰度值小于该阈值的像素被排除在物体之外,如果阈值选取的过高,则过多的目标区域将被划分为背景,相反如果阈值的选取的过低,则过多的背景将被划分到目标区。
因此,边界就由这样一些内部点的集合组成,这些点都至少有一个邻点不属于该物体。
由于物体和背景以及不同物体之间的灰度级有明显的差别,因此,在图像的灰度级直方图中会呈现明显的峰值。
当图像灰一种简单而广泛应用的方法。
因此,阈值的选取就成了车牌定位分割的重点。
度直方图峰型分布明显时,常以谷底作为门限候选值。
3.5 边缘检测
两个具有不同灰度值的相邻区域之间总存在边缘,边缘就是灰度值不连续的结果,是图像分割、纹理特征提取和形状特征提取等图像分析的基础。
一阶导数可以用于检测图像中一个点是否是边缘点,二阶导数的符号可以用于判断边缘像素是在边缘亮的一边还是暗的一边。
为了对有意义的边缘点进行分类,与这个点相联系的灰度级必须比在这一点的背景上变换更有效,我们通过门限方法来决定一个值是否有效。
经过一阶的导数的边缘检测,所求的一阶导数高于某个阈值,则确定该点为边缘点,这样会导致检测的边缘点太多。
可以通过求梯度局部最大值对应的点,并认定为边缘点,去除非局部最大值,可以检测出精确的边缘。
一阶导数的局部最大值对应二阶导数的零交叉点,这样通过找图像强度的二阶导数饿的零交叉点就能找到精确边缘点。
下面简单介绍几种常用算子:
Roberts算子是一种利用局部差分算子寻找边缘的算子,Roberts算子对具有陡峭的低噪声图像效果较好。
(2)Sobel算子对灰度渐变和噪声较多的图像处理的较好。
(3)Prewitt和Sobel算子是在实践中计算数字梯度时最常用的,Prewitt模板实现起来比Sobel模板更为简单,此外,该算子没有将重心放在接近模板中心的像素点上。
Prewitt算子也产生一幅边缘幅度的图像,也是对灰度渐变和噪声较多的图像处理效果较好。
(4)LOG算子(拉普拉斯算子)是图像首先与高斯滤波器进行卷积,这一步即平滑了图像又降低了噪声,孤立的噪声点和较小的结构组织将被滤除。
由于平滑会导致边缘的扩展,用拉普拉斯算子找到图像中的陡峭边缘即只考虑那些具有局部梯度最大值的点,这一点可以用二阶导数的零交叉点来实现。
拉普拉斯算子是一个线性的、移不变的算子,它的传输函数在频域空间的点是零,因此拉普拉斯算子滤波过的图像具有零平均灰度。
最后用二值化产生闭合的连通的轮廓,消除所有内部点。
(5)Canny算子检测边缘的方式是寻找图像梯度的局部极大值。
梯度是用高斯滤波器的导数计算的。
Canny算子使用两个阈值来分别检测强边缘和弱边缘,而且仅当弱边缘与强边缘相连时,弱边缘才会包含在输出中,因此,此方法不容易受噪声的干扰,能够检测到真正的弱边缘。
对比分析可知Canny算子对车牌处理效果最好。
这种方法不仅在车牌边缘的提取上用到,在处理汽车图像也很有用。
3.6 车牌定位
目前,已经提出了很多车牌定位的方法这些方法都具有一个共同的出发点即通过牌照区域的特征来判断牌照。
本文中所用方法是基于图像的特征来做的,计算了类车牌区域的特征值,面积、宽和高,在根据先验知识的宽高比来定位车牌。
(1)对原始图像进行开操作得到图像背景图像,如图3-4所示:
s=strel('disk',10);
bg=imopen(i,s);
figure,imshow(bg);
图3-4 背景图像
(2)原始图像与背景图像作减法,对图像进行增强处理,如图3-5所示
bw=imsubtract(i,bg);
figure,imshow(bw);
图3-5 增强黑白图
(3)参考《数字图象处理与分析》介绍的图像二值化最佳阀值计算方法:
Level=fmax-(fmax-fmin)/3
式中Level为最佳阀值,fmax为最大灰度,fmin为最小灰度。
将图像二值化,如图3-6:
[m,n]=size(i);
fmax1=double(max(max(bw)));
fmin1=double(min(min(bw)));
level=(fmax1-(fmax1-fmin1)/3)/255;
bw2=im2bw(bw,level);
figure,imshow(bw2);
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 车牌 识别 系统 设计 实现 毕业设计 论文