随着汽车数量的增加，城市交通状况日益受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。
针对此问题，人们运用新的科学技术，相继研制开发出了各种交通道路监视、 管理系统。这些系统通过车辆检测装置对过往的车辆实施检测，提取有关交通数据，达到监控、 管理和指挥交通的目的。因此，智能交通系统 I TS( i ntelli gent traf f i c system )已成为世界交通领域研究的重要课题。
车牌识别系统 LPR ( l icense plate recogni t i on)作为智能交通系统的一个重要组成部分，已在高速公路、 城市交通和停车场等项目的管理中占有无可取代的重要地位。它在不影响汽车状态的情况下, 由计算机自动完成车牌的识别， 从而降低交通管理工作的复杂度。本文应用图像处理技术、 车牌定位技术、 车牌字符分隔、 字符识别技术等解决了识别问题。
1 车牌识别的原理和方法
通常，车牌识别过程分为图像预处理、 车牌定位、车牌校正、 车牌分割和车牌识别五个部分。
图像预处理: 在整个车牌识别系统中，由于采集进来的图像为真彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质量并不高，其背景和噪声会影响字符的正确分割和识别，所以在进行车牌分割和识别处理之前，需要先对车牌图像进行图像预处理操作。
车牌定位: 首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。
车牌校正: 由于捕捉图片的摄像头与车身的角度问题，得到的车牌图片不是水平的。为了顺利进行后续的分割和识别，必须对车牌进行角度校正。在此，使用了 Ra don变换来对车牌进行校正。
车牌分割: 首先对车牌进行水平投影，去除水平边框；再对车牌进行垂直投影。通过对车牌进行投影分析可知，与最大值峰中心对应的为车牌中第二个字符和第三个字符的间隔，与第二大峰中心距离对应的即为车牌字符的宽度，并以此为依据对车牌进行分割。
字符识别: 本文采用模板匹配方法来对车牌进行识别。识别过程中，首先建立标准字库，再
将分割所得到的字符进行归一化，将归一化处理后的字符与标准字库里的字符逐一比较，最后把误差最小的字符作为结果显示出来。本文采用成熟的数字图像处理技术和 Matlab仿真工具,使得文中所提出的算法得以实现。
2 图像预处理
2.1图像的灰度化
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24 位真彩图像。彩图像包含着大量的颜信息，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，而且大多数图像处理技术都是针对 256级灰度图的，因此在对图像进行识别等处理中经常将彩图像转变为灰度图像，以加快处理速度。由彩转换为灰度的过程叫做灰度化处理。
将彩图像转换成灰度图，一方面提高了图像的处理速度，另一方面更统一了多种颜的，因此，图像灰度化是做图像处理最根本的一步。灰度图中的灰度和彩图中的 RGB 颜对应转换关系为：灰度值=0.30R+0.59G+0.11B。在 M atla b中, 实现灰度化的程序语句如下:
i= i m read( &che . j pg&); / /读入原始图像
j= rgb2gray ( i); / /灰度化
fi gure , i m show ( i); title( & 原始图像&);
fi gure , i m show ( j); title( & 灰度图像&);
2.2 图像增强
由于所拍摄的车辆图像质量受天气、 光照和观察点等的影响, 车牌图像往往会产生对比度不足的弊端,使图像细节分辨不清, 影响识别率。因此, 需要将牌照图像进行图像灰度扩展, 以便改善图像的观察质量, 提高字符识别率。但若对光照条件不好的暗图像采用HE的方法将灰度级扩展到 256级的全局范围, 则会造成过度拉伸, 图像失真较大。
采用灰度信息与背景信息相结合的局部灰度修正增强方法, 其基本原理是将原图像的灰度和背景图像区域相减, 实现图像的增强。
2.3二值化
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。
2.4 边缘检测
边缘是指图像局部亮度变化最显著的部分。边缘主要存在于目标与目标、 目标与背景、 区域与区域(包括不同彩 )之间, 是图像分割、 纹理特征提取和形状特征提取等图像分析的重要基础, 图像分析和理解的第一步常常是边缘检测。为得到较好的边缘检测性能, 采用 Canny算子对图像进行边缘提取。Canny边缘检测是一种比较新的边缘检测算子, 它利用高斯函数的一阶微分, 能在噪声抑制和边缘检测之间取得很好的平衡。
2.5滤波
对图像进行滤波主要是为了消除图像中存在的噪声。滤波是信号处理的一种最基本而极为重要的技术，利用滤波可以从复杂的信号中提取出所需要的信号，抑制不需要的信号。在图像处理中滤波常用来修改或增强图像，以提高图像的信息量。
3 汽车牌照的定位
车牌定位的主要工作是从摄入的汽车图像中到汽车牌照所在的位置，并把车牌从该区域中准确地分割出来，供字符分割使用。为提高定位的准确性，首先需要对图像进行预处理，提高图像质量具体方法为，利用加权平均值法将彩图像转化为灰度图像并进行中值滤波去噪声，对去噪后的灰度图进行灰度拉伸，以增强图像的对比度，然后对图像进行二值化处理，将汽车图像变为只有黑白两种像素的图像。
3.1 汽车牌照的粗定位
首先对车牌进行粗定位：利用扫描行跳变点数确定出水平候选区，再根据车牌区域垂直投影图的统计规律对水平区域筛选、定位。从图像的底部开始向顶部逐行扫描，如果满足在一定距离内灰度值跳变 14 次，且相邻两跳变的距离在一定的范围内，就记录下跳变在该行的起点和终点位置，本文称该起点和终点的连线为行扫描线，如果有连续 10 行以上的行扫描线，且相邻上下行的扫描位置相邻，就认为是车牌候选区域。
3.2 汽车牌照的精确定位
车牌图像经过粗定位后，大多数的车辆区域能被唯一的定位出来，但是由于部分车牌图像中，车身部分存在着干扰区域，这些干扰区域包括车灯，车身部分广告等等。可进一步对车牌进行精确定位：在车牌粗定位的基础上，对定位得到的候选区域进行再一次定位，定位的依据是车牌区域的车牌底与字符颜有固定的搭配 需要对车牌底与字符的颜进行判定，在 RGB 颜模型中，很难对这种颜特征进行直接判定，而用另一种颜模型 HSV 却能很快的做到，因此需要对采集到的彩图像进行一次颜模型的转化。
（1）将候选区域内的各像素点由 RGB 汽车牌照颜模型转换成 HSV 模型，然后对这些点的强度（Value）、度（Hue）、饱和度（Saturation）进行直方图的统计分析 。
（2）统计 H S V3 个变量并求出直方图。
（3）出 HS V3 个变量直方图的最大值和次大值。
（4）最大值代表车牌底，次大值代表车牌的字符颜，将字符的颜与车牌底进行搭配，判断底与字符颜的搭配是否满足标准车牌的固定颜搭配。
4 车牌字符分隔
对定位后的车牌图像进行预处理，字符切分，送入字符识别系统。采用一种寻最优分割点的改进的垂直投影法进行字符的分割。
在理想情况下，灰度图像的车牌字符之间的间隔是没有黑像素点的，其分割阈值应该为零。但是通常情况下车牌字符的灰度投影图像并不都像理想情况下那样，字符和字符之间的空隙经常粘连在一起，用零作为阈值就没法把他们分开。对于垂直投投影法，由于不同车牌字符的粘连程度不一样，很难确定一个比较理想的阈值把他们分割开来。因此，本文提出了一种改进的垂直投影法来对车牌字符进行分割，将分割出来每部分图像成为车牌子图像，长度最大的子图像称为 Lmax，对 Lmax 用投影的方法到分割的阈值点，然后再以这个点位分割点把字符分成两部分，即两个子图像。车牌图像经过六次迭代被分割成 7 个子图像，其中每次迭代都是一个寻最优分割点的过程。
5 字符识别
经字符分割后得到的单个字符送入车牌字符识别模块进行字符识别。字符识别的难点在于模糊 断裂的字符识别，且车牌由汉字 字母和数字组成，而汉字笔画繁多，增加了识别的难度。
为了达到更高的识别率和更快的识别速度，我们必须研究车牌字符的特性，这样才能针对其特点采用最优的识别算法。车牌中的字符都是印刷体，并且字库较小，车牌上的字符分为 3 种：汉字 字母和数字，包括大约 40 个汉字 26 个英文字母(大写)和 10 个数字，总共不超过100 个字符。可以把它们分别放在四个字库里：汉字库，约有40个字符；字母库，有 26 个字符；字母和数字混合库，有 36 个字符；数字库，有10 个字符 在车牌上，字符的排列顺序是：第一位为汉字，第二位为字母，第三位为字母或数字，第四 五 六 七位为数字，因此，可以把字符识别系统分成三个子系统：汉字识别子系统 字母识别子系统和数字识别子系统。
（1）汉字识别：采用一种基于 KPCA 准则及 LS-SVM 分类器的识别方法进行车牌汉字的识别。该方法首先利用 KPCA 准则进行非线性特征提取，然后送入 LS-SVM 分类器进行识别。
（2）字母和数字的识别：字母和数字的识别不同于汉字，由于字母和数字结构清晰笔画简单，因此采用线性特征和轮廓特征法进行特征提取，对提取后的特征采用模板法进行匹配 同时对于相似字符，采用特征点法进行区分。
随着社会的发展，数字图像处理技术在各个方面得到了应用，给人类的发展带来很大的帮助，
在交通系统中也发挥非常重要的作用。用电子眼代替人眼，更加准确的监视了交通情况，保障交通规则的执行，是人们自觉遵守交通法规，从而保障人们的安全。
数字图像处理在车牌识别中的应用
班级：电信072
姓名：程强
学号：0703091063
发布评论