毕业设计(论文)-基于数字图像处理在车牌识别中的应用.doc
《毕业设计(论文)-基于数字图像处理在车牌识别中的应用.doc》由会员分享,可在线阅读,更多相关《毕业设计(论文)-基于数字图像处理在车牌识别中的应用.doc(34页珍藏版)》请在三一文库上搜索。
1、目录目录 摘摘 要要 I ABSTRACT .II 第一章第一章 绪论绪论3 1.1 论文的背景及意义.3 1.2 数字图像处理技术.3 1.3 基于图像处理的车牌识别技术的研究现状.4 1.4 车牌识别存在的主要特点及难点.5 1.5 本文主要工作.5 第二章第二章 图像预处理图像预处理6 2.1 图像灰度化.6 2.2 图像灰度拉伸8 2.3 图像滤波处理.9 2.4 水平和垂直彩色边缘检测结合旋转投影校正方法.13 第三章第三章 车牌定位车牌定位16 3.1 各种车牌定位技术16 3.2 本章提出的车牌定位方法19 第四章第四章 车牌字符分割及识别车牌字符分割及识别22 4.1 常用字符
2、分割方法22 4.2 车牌字符识别23 4.3 基于神经元网络.24 结论结论 30 参考文献参考文献31 致谢致谢 32 I 数字图像处理技术在车牌识别中的应用 摘 要 随着城市化步伐加快,机动车日益普及,目前许多国家都存在交通事故频发、交 通拥堵情况严重等问题。如何高效的进行交通管理,已经成为世界各国关注的焦点。 在这种大的背景下,伴随着计算机技术、通信技术、信息技术的飞速发展,智能交通 系统(ITS,Intellingence Traffic System)也随之诞生,并且已经成为当前交通管理 发展的主要方向。车辆牌照识别(LPR)系统作为智能交通系统的核心,起着非常关键的 作用。目前,
3、图像处理技术在车牌识别中的应用研究已经成为科学界的一个重要研究 领域。 本文在分析图像处理技术理论的基础上,以车辆牌照为研究对象,主要研究如何 通过图像的预处理、车牌的定位、车牌字符分割和字符识别等一系列过程,以完成汽 车牌照的识别。 关键词:数字图像处理; 图像预处理;车牌定位;车牌字符分割和字符识别 II The Application Of Digital Images Processing In Licenese Plate Recognition ABSTRACT With the acceleration of urbanization and increasing popular
4、ity of motor vehicles, now in many countries there are frequent traffic accidents and jams .How to manage the traffic efficently has become the focus of attenton around the world. In this environment, along with the rapid development of computer technology, communications technology and information
5、technology, the intelligent transportation system (ITS) has become the main development directon of the current traffic management. As the core of ITS, the License Plate Recognition (LPR) System plays a very important role. This dissertation base on analysis the theory of image proeessing and the ve
6、hicle license as the research object.the main research how the image preprocessing, number plate, positioning, license plate character segmentation and character recognition and a series of processes in order to complete the vehicle license identification. KEYWORDS: Digital image processing; image p
7、re-processing; plate positioning; license plate character segmentation and character recognition 3 数字图像处理技术在车牌识别中的应用数字图像处理技术在车牌识别中的应用 电子信息工程 2 班, 200795024067 ,安鹏飞 指导老师:张昭 第一章第一章 绪论绪论 1.11.1 论文的背景及意义论文的背景及意义 交通的发展是社会发展和人民生活水平提高的基本条件,随着我国经济的快速发展, 交通拥挤、交通事故、环境污染等问题日益突出,保持经济可持续发展,以提高现有道 路、公路网络的运输能力和运输效
8、率的智能交通系统 Intelligent Transportation System (ITS)成为解决交通运输问题的一个重要途径。 车辆牌照识别(LPR)系统作为智能交通系统的核心功能部分,在以对行驶车辆的牌 照进行自动识别基础上提供高速公路自动收费,电子警察抓拍系统,重要交通节点的 管理控制,无人停车场自动管理,小区智能车辆管理,违章车辆的追踪以及失窃车辆 的调查等功能,以此来提供交通系统的利用率,节省人力与资金,目前,伴随着计算 机科学技术等一系列相关科技的发展与完善、车辆牌照自动识别系统也逐渐从研究阶 段转化到了实用推广阶段。 1.21.2 数字图像处理技术数字图像处理技术 “图”是物
9、体透射光或反射光的分布, “像”是人的视觉系统对图的接收在大脑中 形成的印象或认识。前者是客观存在的,而后者为人的感觉,图像应是两者的结合。 所谓图像处理,就是对图像信息进行加工处理,以满足人的视觉心理和实际应用 的要求。人类获取外界信息有视觉、听觉、触觉、嗅觉、味觉等多种方法,但绝大部 分(约 80%)是来自视觉所接收的图像信息,即所谓“百闻不如一见” 。由此可见视觉信 息对人类的重要性,而图像正是人类获取视觉信息的主要途径。图像处理的手段有光 学方法和电子学(数学)方法。前者己经有很长的发展历史,从简单的光学滤波到现在 的激光全息技术,光学处理理论已经日趋完善,而且处理速度快,信息容量大,
10、分辨 率高,又很经济。但是光学处理图像精度不够高,稳定性差,操作不便。从 20 世纪 60 年代起,随着电子技术和计算机技术的不断提高和普及,数字图像处理进入高速发展 时期。 数字图像处理的英文名称是“DigitalImageProeessing” 。所谓数字图像处理就是 利用数字计算机或者其他数字硬件,对从图像信息转换而得到的电信号进行某些数字 运算,以提高图像的实用性。通常所说的数字图像处理是指用计算机进行的处理,因 此也称为计算机图像处理(Computer Inage Processing)。 4 数字图像处理技术起源于 20 世纪 20 年代,目前,随着信息高速公路,数字化地 球概念的
11、提出以及因特网的飞速发展,数字图像以其信息量大、传输速度快、作用距 离远等一系列优点已成为人类获取信息的重要来源。而数字图像处理则因为其处理精 度高、处理内容丰富、可进行复杂的非线性处理以及良好的变通能力取得了飞速的发 展。 1.31.3 基于图像处理的车牌识别技术的研究现状基于图像处理的车牌识别技术的研究现状 基于图像处理的车牌识别技术的研究在国外起步比较早,在美国、意大利、德国、 以色列、新加坡等国家,现在都已经有比较成熟的产品投入使用,比如美国的 (AUTOSCOF)2003 系统、以色列的 Hi-Tech 公司研制的 See/Car System、德国西门子 公司的 ARTEM7SXI
12、 系统、新加坡的 Optasia 公司研制的 VLPRS 等车牌识别系统,但因 为我国车牌样式的多样性、车牌颜色的多样性以及包含汉字等特点,这些车牌识别系 统部适合我国国情。 近几年,国内也有许多公司以及科研机构进行这方面的研究,并且有一些实用化 的产品,这些产品的车牌识别率都在 90%以上,但对环境要求较高,在全天候的条件下, 都存在识别精度不高、识别时间长凳缺点,车牌识别技术还存在很大的发展空间。目 前,这一领域的研究很活跃。 基于图像处理的车牌识别技术主要包括车牌定位、车牌分割、字符识别等方面的 技术。 关于车牌定位方面,主要理由车牌的边缘、形状、颜色等特征,再结合数字图像 处理、形态学
13、、小波变换、人工神经网络等技术对车牌进行定位。 基于特征的车牌定位的方法有 C.J.Setchel 提出的基于字符边缘检测的车牌定位 方法,通过图像中的字符边缘和水平扫描之间相交的边缘之间的距离分布规律,确定 可行的车牌区域,通过对区域的进一步分析来确定真是的车牌区域。 M.M.Mfahmy 提出一种基于迭代阈值的车牌定位方法,根据车牌上文字变化特点快 速、准确地从复杂背景中分割车牌。车辆图像经阈值的反复迭代得到一满意的阈值时, 字符将和背景分离,再将图像进行二值化来定位。这种方法迭代阈值的时间长,而且 对噪声比较敏感,需要大量的去噪计算工作。 完全基于形态学的算法有运用数学形态学的闭运算获得
14、车牌的候选区,然后采用 投影的方法剔除假车牌,定位针车牌。 基于 神经元网络的方法有基于 BP 网络的牌照定位方法,在该算法中,使用一个 滑动窗口作为采样窗口,在灰度图像上依次移动,将窗口覆盖下的图像块作为神经网 络的输入,当输出接近 0.5 时,表示滑动窗口下的图像块属于车牌区域,当输出近-0.5 时,表示滑动窗口下的图像属于背景区域。人工神经网络算法抗干扰性好,但是由于 图像中的车牌区域通常只占 2%3%的面积,特征值难以提取,算法也比较复杂。 基于彩色的车牌定位方法有采用多层感知器网络对输入彩色图像进行彩色分割及 5 多级混合集成分类器的车牌自动识别方法。这种方法的主要思想是通过三层 M
15、LPN 网络 将具体均匀色度的彩色图像进行色彩分割,再利用投影法分割出潜在的各种底色的车 牌区域。该方法识别正确率高、鲁棒性好,车牌定位正确率达到 98.6%。 还有根据彩色边缘检测算子 ColorPrewitt 和彩色边缘检测与区域生长相结合的牌 照定位算法。这种方法的主要思想是通过边缘检测算子 ColorPrewitt 和彩色边缘检测, 增强牌照区域,并借助数学形态学膨胀技术实现区域的连通,采用区域生长方法标记 候选区域,最后利用车牌的先验知识,剔除虚假车牌区域,确定真正的车牌区域。 1.41.4 车牌识别存在的主要特点及难点车牌识别存在的主要特点及难点 从目前一些车牌识别产品的性能指标可
16、以看出,LPR 系统的识别率和识别速度有 待提高。特别是在车牌定位方面,还没有一种通用的方法,研究高速、准确的定位与 识别算法依然是当前需要解决的一个研究方向,车牌定位和识别,特别对我国车牌识 别技术,存在以下的难点: 汉字识别率问题。目前无论哪个车牌识别系统,当图像的分辨率降到一定程度 时,汉字识别率都急剧下降。如何抽取汉字的有效特征使识别率提高,是目前研究的 主要问题之一。 自然环境问题。监控系统摄取的车牌图像含有丰富的自然背景及车身背景信息, 易受照明条件、天气因素及运动失真和模糊的影响,因此所获取的图像质量一般都不 高。 车牌种类的多样性问题。国外许多国家汽车牌照的底色和字符通常只有对
17、比度 较强的两种颜色,而我国汽车牌照仅底色就有蓝、黄、黑、白等多中颜色,字符也有 黑、红、白等若干种颜色;同时根据不同车辆、车型、用途,规定了多种牌照格式 (例如分为军车、警车、普通车等) 。 其他因素。如车牌悬挂位置不规范,车牌受到严重污染等也严重影响了车牌的 识别率。 1.51.5 本文主要工作本文主要工作 本文以车牌照为研究对象,运用图像处理和模式识别技术来实现车牌照的检测与 识别,其中对车牌照的定位与分割和车牌照字符的分割与识别提取进行了深入研究;主 要研究了如何通过图像的预处理、车牌的定位、车牌字符切分和字符识别等一系列过 程完成汽车牌照的识别。本文主要工作如下: 1、通过阅读大量的
18、文献,对车牌自动识别技术的应用背景和研究意义、车牌识别 系统的技术难点以及车牌自动识别技术的发展和研究现状进行了系统的阐述。 2、针对采集得来的车牌图像质量低、噪声大等缺点,在对车牌识别前得进行一系 列的预处理,如灰度化、灰度拉伸、二值化、滤波等操作,并在此基础上提出一些改 进的方法和技术。 6 3、车牌识别精确度的高低主要取决于车牌定位精确度的高低,车牌定位在车牌识 别中占据很重要的地方,本问对现有的定位技术进行简单的分析,然后提出一种快速 且鲁棒性强的车牌定位算法。 4、车牌字符分割和识别同样是车牌识别的关键,文章对多中分割技术进行分析 的同时指出其优点和缺点;采用神经元网络识别技术对车牌
19、的字符进行识别,详尽介 绍了 BP 网络实现识别的步骤和原理。 最后,对本文的工作进行了总结,并对后续的研究工作进行了一些探讨。 7 第二章第二章 图像预处理图像预处理 在汽车成像的过程中,受多种因素的影响,图像质量会有所下降,这种图像质量下 降的过程称为图像的退化。由于自然光照度的变化、车辆自身的运动,采集图像设备 本身的因素等的影响,会引起汽车图像的退化,从而干扰对车牌信息的提取。为了改 善退化的牌照图像,必须对图像进行预处理。对图像进行预处理,主要包括图像的二 值化、灰度拉伸和增强等方法。 2.12.1 图像灰度化图像灰度化 目前,采集到的车牌原始图像大都是通过摄像机、数码相机等设备来拍
20、摄获取的。 一般情况下,得到的都是彩色图像。彩色图像包含大量的颜色信息,它的每个像素都 具有三个不同的颜色分量 R、G、B,其需要占用的存储空间很大,对其进行处理时会浪 费较多的系统资源,降低系统的执行速度。灰度图像是只含亮度信息不含色彩信息的 图像,其中亮度值量化为 256 级。灰度图进行算法处理相对简便,首先 RGB 值一样, 且图像数据就是调色板索引值,也就是实际的 RGB 亮度值,又因调色板是 256 色的, 所以图像数据中一个字节代表一个像素。如果是彩色的 256 色,则经过图像算法处理 后,可能产生不属于这 256 种颜色的新颜色,而真彩色 RGB 图像必须用三个与图像尺 寸相同的
21、矩阵来存储,这样计算代价过大。所以,在实验室中一般采用 256 级灰度图 来进行处理。 本论文中用到的图像,是用摄像机获得的 24 位彩色位图文件格式。位图格式 (BMP 格式)的图像由文件头、位图信息头、图像数据等部分组成。文件头和信息头包 含文件类型、大小等信息。BMP 图像以像素为单位记录图像数据。24 位 BMP 格式文件 的每个像素点均用 3 个字节(24 位)来表示像素值,3 个字节分别存储红、绿、蓝 3 原色的值。 彩色位图格式包含图像的原始信息,所含信息丰富。但是彩色位图图像的原始数 据量庞大,存储空间大,处理速度慢。文中的车牌算法是基于灰度图像实现的,因此 需要先对整个图像灰
22、度化。这样做可以同时提高处理速度与去掉无用的信息。颜色的 三个分量分别用 R,G,B 表示,像素点的灰度值为 Grey,图像灰度化可采用下面方法 实现: Gray (x ,y )=0.299R (x ,y )+0.587G (x, y )+0.114B( x ,y)(2-1)(2-1) Gray (x, y)是转换后灰度图像在点(x,y)的灰度值,R (x ,y)、G (x, y)、B( x, y) 分别为转换前点(x,y)的 R、G、B 分量。 如图 2-1 所示为 24 位真彩图车辆图像及灰度图: 8 图 2-1 2.2 图像灰度拉伸图像灰度拉伸 许多拍摄的图像中,灰度级集中在很小的区域内
23、,对比度不良,影响人机器对图 像的理解。此时可以利用灰度的线性拉伸将灰度范围拓展到 0- 255 的度范围。灰度拉 伸和灰度的线性变换有点类似,都用到了灰度的线性变换。不同之拉伸不是完全的线 性变换,而是分段进行线性变换,它的拉伸范围和拓展程度是可以自由选择的。灰度 9 拉伸的函数表达式如下: (2-2 ) 1 1 21 11 21 2 22 2 ( )() 255 () 255 y x x yy f xxxy xx y xxy x 式中(,)和(,)是图 2-2 的两个转折点的坐标。 1 x 1 y 2 x 2 y 灰度拉伸可以更加灵活的控制输出灰度直方图的分布,它可以有改善输出图像。 图
24、2-2 所示的变换函数的运算结果是将原图在和之间的灰度拉伸到和之间。 1 x 2 x 1 y 2 y 图 2-2 如果一幅图像灰度集中在较暗的区域而导致图像偏暗,可以用灰度拉伸功能来拓 展(斜率1)物体灰度区间以改善图像;同样如果图像灰度集中在较亮的区域而导致图像 偏亮,也可以用灰度拉伸功能来压缩(斜率1)物体灰度区间以改善图像质量。 现在关键的问题是如何选取适当的、和、,使得对比度增强明显,拉伸 1 x 2 x 1 y 2 y 10 效果更理想。, 、的选取有多种方法,总的原则选取灰度最为集中的一段的左右端 1 x 2 x 点。可以利用灰度直方图, 、分别选取为直方图的最大波峰两侧波谷所对应
- 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:
- 毕业设计 论文 基于 数字图像 处理 车牌 识别 中的 应用
链接地址:https://www.31doc.com/p-3284110.html