基于数字图像处理的车牌识别系统设计Word文档下载推荐.docx
- 文档编号:17532238
- 上传时间:2022-12-07
- 格式:DOCX
- 页数:21
- 大小:395.79KB
基于数字图像处理的车牌识别系统设计Word文档下载推荐.docx
《基于数字图像处理的车牌识别系统设计Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《基于数字图像处理的车牌识别系统设计Word文档下载推荐.docx(21页珍藏版)》请在冰豆网上搜索。
processing
Abstract
Thenumberofcarsisincreasingdaybyday.Atpresent,peoplepaygreatattentiontothetrafficsituationofthecity.Howtocarryouteffectivetrafficmanagementhasbecomethefocusofpeople'
sattention.Inresponsetothisproblem,peoplehavemadecontinuouseffortstodevelopvarioustrafficroadmonitoringandmanagementsystemsbyusingnewscienceandtechnology.Thesesystems,throughtheuseofvehicledetectiondevicestodetectthepassingvehicles,extracttherelevanttrafficdata,inordertoachievethepurposeofmonitoring,managementandcommandoftraffic.Licenseplaterecognitionsystemnowhasanirreplaceablepositioninexpressway,urbancrosstrafficintersectionandparkinglotprojects.
Thisdesignusesdigitalimageprocessingmethodtosolvetheproblemoflicenseplaterecognition.Throughthedigitalimageprocessingtechnology,theoriginalvehicleimageisprocessed.Throughtheimagepreprocessing,licenseplatepositioning,charactersegmentationandcharacterrecognition,thecharactersoflicenseplaterecognitionarefinallyobtained.Theimagepreprocessingofthisdesignistotransformtheautomobileimageintotheimagewhichiseasytolocatethroughtheoperationofgrayscale,binarization,edgedetection,etc.;
thelicenseplatelocationistousetheedgedetectionandmorphologicalprocessingtoprelocatethelicenseplate,thenuseRadontransformtotiltandcorrectthelicenseplate,andfinallycarryouttheaccuratelocationandcuttingofthelicenseplate;
thecharactersegmentationistocutthecharactersthroughtheprojectionmethodThen,thebilinearinterpolationalgorithmisusedtonormalizethecharacters.Characterrecognitionistocomparethenormalizedcharacterswiththeestablishedtemplatecharacterlibraryonebyone,andtomatchthecharactersbyfindingthedifference.Thealgorithmofthisdesignissimulatedandtestedonmatlab2017b,whichcanrecognizethelicenseplatenumberbetter.
Keywords:
Imageprocessing,licenseplaterecognition,edgedetection,MATLAB
1.3本文研究内容与结构安排4
1绪论
1.1研究背景及意义
近些年,私家车的需求数量迅速上升,城市交通设施的快速发展无法跟上车辆的增加,而大规模交通设施的大力发展也解决不了现有的交通拥挤问题,由于被限制的城市空间和政策资金的有限,道路基础设施的建设,受到了严重的制约,所以发展现代智能交通系统,是一个迫切的问题。
发展现代智能交通系统是为了缓解交通堵塞,减少交通事故的发生,提高运行便利度为。
利用定位系统和智能分析系统,实现实时智能控制和线路优化等功能的系统总称,车牌识别系统在现代智能交通系统中扮演着重要的角色,它可以从一张车辆的照片中,自动识别出汽车车牌的图像,对车牌的字符进行逐一分割,并识别出车牌的单个字符。
车牌是车辆身份的标志,车牌识别技术在智能交通系统中起着重要的作用,此技术的应用范围十分广泛,特别是在城市道路和停车场停车收费,所以车牌识别系统的研究和开发具有重要意义。
1.2车牌识别系统现状
1.2.1国内外研究现状
利用车牌识别系统,设计有效的车牌识别软件模块是目前需要解决的主要技术问题,因此,能够快速识别车牌号是世界各国需要解决的关键问题。
目前国内外众多研究人员,对车牌识别软件模块投入了大量的资源,并提出了许多解决方案。
LPR技术,目前许多国家的研究机构都在研究,国外的公司成功开发产品,并投入市场,例如以色列的Hi_Tech开发了See/Car系统、新加坡的欧塔西亚开发了VLPR产品。
在我国,对车牌技术的研究起步相对较晚。
而在20世纪80年代,国外就开始对车牌识别进行了研究,在当时,车牌识别技术还相对比较落后,只有一些简单的图像处理。
它们基本只适用于某一领域,并不具有普遍的适用性。
在20世纪90年代,车牌识别技术开始迅速的发展,在实际应用中,与下一代产品相比,采用自动牌照识别技术设计的产品已经达到了系统化和集成化[1]。
主要是由于当时计算机技术的快速发展,提高了图像处理和模式识别技术。
我国汽车牌照的种类和样式与其他国家的牌照有很大的不同,中国不仅有英文和中文,还有汉字,并且我国车牌拥有各种各样的种类,如民用型的、警用型的、军用型等车型,这也是一些国外的实用产品,无法进入中国的原因。
在90年代初期,我国汽车车牌识别技术逐步发展,现在我国最好的车牌识别系统,是中国科学院自动化研究所开发的“汉王眼”。
相对成熟的车牌识别系统产品还有“慧光”。
同时,国内各大学也进行了相关的研究,如清华大学人工智能国家重点实验室、上海交通大学计算机科学与工程系、西安交通大学图象处理与识别实验室等[2]。
随着现代社会和交通的不断发展,车牌识别系统的识别速度和识别率的性能需要进一步提高。
并且车牌号码的识别率受外部环境的影响较大,因此需要不断优化车牌识别系统,提高系统抗干扰能力。
随着图像识别技术的快速发展,计算机技术也迅速发展,为车牌识别系统提供技术支持,可以促进车牌识别技术的发展[3]。
1.2.2车牌识别技术的难点
在车牌识别系统研究中,第一步是提取车辆的照片,照片的获取往往是由专业的摄像装置来完成的,因为这一过程主要在室外完成,所有系统会受自然环境的光和天气等因素影响,同时,这些因素没有规律可循,对系统的实现会带来很大的困难,主要影响因素如下:
1)车牌格式的多样性。
我国根据不同的车型规定了不同的号码牌,例如民用型车,警用型车,军用型车等。
不同用途的车由于车牌结构的差异,车牌的定义方式也有一定的不同,因此,车牌识别系统需要针对不同车型进行车辆牌照的识别。
2)车牌颜色的多样性。
我国的汽车牌照颜色由蓝、黄、白等多种颜色构成,字符颜色有白、黑、红等多种颜色,颜色的差异,单一的算法无法正确的识别,必须根据不同颜色的车牌进行相应的识别。
3)车牌图片的清晰度不高。
由于受光照强度不足、天气条件等多种因素的影响,前端设备采集到的车牌图像照片不清晰,存在图像失真等问题,导致车牌信息辨别错误甚至难以辨别。
4)我国汽车的车牌由字母、汉字和数字组成,汉字的识别方式相比字母较难,所以增加了车牌识别的难度。
5)目前,我国汽车的车牌号按车型分为多种形式,不同类型的车牌命名方式不同,且存在着这样的难题,导致我国的车牌识别技术面临着巨大困难,比其他国家的车辆标识照片更难识别,因此,有效提高车牌识别的准确率和实时性是提高中国智能交通系统可靠性的重要难题。
1.3本课题研究内容与结构安排
本设计利用数字图像处理技术对车牌识别问题进行处理。
通过数字图像处理技术,对前端采集到的汽车图像进行处理,得到车牌号码。
本设计在总结了一些车牌识别算法的基础上,并提出了自己的车牌定位,分割和识别的算法,拟设计一个由图像输入到系统处理得到车牌字符输出的车牌识别系统。
并取得了理想的实验结果,其研究内容具体如下:
第一章:
绪论。
主要介绍了车牌识别系统的研究背景和意义,以及基于数字图像处理的车牌识别系统的相关国内外研究现状,并介绍了我国车牌的主要特征和现阶段的识别技术难点。
第二章:
车牌识别系统设计。
详细的介绍了车牌识别系统的整个设计过程,对所用到的算法进行详细的介绍,并对识别结果进行整理分析。
第三章:
车牌识别系统开发与性能检验。
对系统开发软件MATLAB2017b进行简单介绍,使用MATLAB2017b软件自带的GUI功能设计出图形用户界面。
通过实验对各项系统功能进行了测试与识别,本文的最后对这次的毕设进行了总结和致谢。
2车牌识别系统设计
通过以上对于车牌识别系统基本介绍,本文设计的车牌识别系统主要由四个模块来实现的,接下来我将分别对组成系统的四个基本模块设计和系统整体设计进行详细的介绍。
2.1图像预处理
车辆的图像拍摄一般处于各种复杂的环境中,图像的质量会受到天气的影响,光照的情况、拍摄的镜头、车牌的干净程度、车辆进入到摄像机的位置等多种因素而进行改变。
图片的质量会对车牌识别的准确率产生很大的影响,为了得到清晰的图像,首先我们要对图像进行预处理,预处理是利用数字图像处理技术来对车牌图像进行处理,消除图像中的干扰信息,这一步骤有利于后续图像的定位和分割,主要的流程是将图像处理成灰度图,并强化图像的有效特征,增强对有用信息的检测性,消除影响图像照片区域特征的噪点,使图像特征更加的清晰,更易于识别,为图像定位和分割打下基础。
2.1.1图像灰度化
灰度是指所有从黑色到纯白色的过渡颜色,并按照一定的方法进行分级。
这些被分为不同级别的颜色,称之为灰度,通常被分为256个级别。
灰度图指的是只记录单个像素点的灰度值的图像,每个像素需要8位存储空间,然而车牌上的原始图片均为彩色信息图片,在彩色图像中,所有像素的信息按照不同的层次由红(R)、绿(G)和蓝(B)组成,也称为RGB图像;
彩色图像将R、G、B的颜色信息分别分成256个等级,三种颜色共有
种不同的信息,而每个像素需要24位的存储空间,数据量大于灰度图,数据量过大,不仅处理时间长,而且程序运行速度慢,存储设备也要求高。
为了加快对牌照的识别速度,我们可以丢弃不必要的颜色信息,首先将RGB图像更改为灰度图像,从而数据量可以显著减少。
灰度化是根据一定的方法将R、G、B值转换成灰度值的过程,像素点的灰度越大,颜色越接近白色,否则接近黑色,这个过程称为图像灰度化。
常见的图像灰度化的方法主要有以下几种:
1、分量法:
使图像中每个点的三个分量值R、G和B,使其中一个等于转换后该像素点的灰度值,即:
𝐺
𝑟
𝑎
𝑦
=𝑅
𝑜
𝐺
𝐵
(2.1)
2、平均值法:
将图像的每个像素点的R、G和B值,取其算术平均值,转化为像素点的灰度值,即:
Gray=(𝑅
+𝐺
+𝐵
)/3(2.2)
3、加权平均值法:
首先对图像中每个像素点的R、G和B值,按不同的权值进行加权,然后计算算术平均值,并将算术平均值转换为像素点的灰度值。
即:
Gray=(𝑊
𝑅
+𝑊
𝐵
)/3(2.3)
其中𝑊
、W𝐺
、W𝐵
分别是R、G、B值的权,选择不同的R、G、B加权后,然后取算术的平均值将图像进行灰度化,获得不同的灰度图。
因为人们的眼睛对于不同的颜色感知是不同的,所以当权值为𝑊
>
𝑊
时,获得的灰度图像比较理想。
本设计是利用加权平均值法得到的灰度图像,原始图像、灰度图和灰度直方图如图2.1和图2.2所示。
图2.1原始彩色图像
图2.2灰度图像和灰度直方图
2.1.2二值化
在本设计中,多次使用了灰度图像的二值化算法,例如图像增强阶段、车牌预定位阶段、精确定位后的字符分割阶段等。
二值图像是指任意像素点的灰度值均为0或255(分别代表的是黑色和白色),没有其他的灰度值。
图像二值化算法是利用目标与背景之间的灰度差来算出阈值,然后将图像中每个点的灰度值与该阈值的大小进行对比,最后将大于阈值的像素归为一类,并使用“1”表示;
小于阈值的像素则为另外一类,用‘0’表示[4]。
二值化算法分为两个步骤:
一、阈值的计算;
二、先进行对比然后再取值。
阈值的确定非常重要,合理的选取阈值可以有效地去除图像中的噪声,并能够分离出目标和背景,从而显著减少信息量,提高图像的处理速度。
二值化前后图像如下图所示:
图2.3原始车牌图像
图2.4二值化图像
2.1.3中值滤波
在实际情况中,车牌图像会受到噪声的干扰,如果我们不对噪声进行处理,后面的字符分割将会受到很大的影响。
中值滤波是指将一个邻域中各点的中值被该像素点的值所代替,为了消除孤立像素点。
中值滤波处理的目的是降低噪声对车辆图像的影响,并消除干扰噪声,也加强了灰度图像的边缘信息。
2.1.4边缘检测
车牌识别系统中的边缘指的是在图像梯度方向发生变化或者是灰度值发生空间上的突变所有像素的集合。
图像的边缘检测可以缩小检测目标的范围,可以加快对后续车牌和字符区域判定的处理。
边缘检测能够很大程度的降低图像中的干扰噪声,也可以很好的分离牌照和车身,并保存完整的车牌字符信息,从而提高识别的准确率。
常用到的图像边缘检测算子有以下三种:
(1)Sobel算子:
其具有方向性,在垂直和水平方向上会产生明显的边缘。
Sobel算子能够很好的检测出图像的边缘点,而且也能够抵制噪声的影响,Sobel算子在数学上已经证明了当像素的分布满足正态分布时,检测出的边缘是最优的。
(2)Roberts算子:
此算法比较准确,但是容易受到图像中噪声的干扰,去除噪声的能力比较差,其适用于噪声较小且边缘明显的图像。
(3)Prewitt算子:
此算法对噪声较多的图像和灰度渐变处理的效果较好,但是并不能够全部排除检测结果出现的虚假边缘。
本设计是用Roberts算子实现边缘检测的,实际处理过程中边缘检测结果如图2.5
所示。
图2.5Roberts算子边缘检测图像
2.1.5数学形态学处理
在车牌识别系统中,运用形态学的知识,有利于去除直观的干扰因子,能够快速准确定位车牌的位置。
其原理是:
一、找到有一定形态的结构元素,二、利用形态学算法,对车牌图像中的相关形状进行量度和提取,从而实现对车牌图像的分析和识别的功能[5]。
数学形态学处理可以简化图像的数据,保留图像中有用的信息,删除无用的信息,车牌识别常用的形态学算子是腐蚀运算、膨胀运算和二者相组合而成的闭运算和开运算等。
(1)腐蚀运算
腐蚀运算的基本原理是在结构元素的制约下,删减物体的边界点和边界上的突出部分,使其向内收缩。
其主要应用于消除分割图像时产生的微小且无意义的点[6]。
(2)膨胀运算
膨胀运算的基本原理是将与物体接触的部分背景点合并到物体中[7]。
通过图像膨胀处理,图像的边界会变大,元素的面积也会相应的增加,并且图像膨胀能够填充图像当中的连接和空隙断续的点,成为可以连通的区域。
(3)开运算
开运算指的是对图像进行膨胀、腐蚀的操作过程。
其作用是在不改变物体面积的情况下,去掉图像中的较小孤立点和毛刺以及去掉两个区域之间的连接点,大致平滑图像的轮廓,并且不改变图像的整体位置和形状。
(4)闭运算
闭运算指的是先进行膨胀运算,然后进行腐蚀运算。
此运算的作用是可以在不影响图像的亮度前提下删除比较暗的部分。
通过闭运算后可填充图像中的小空隙部分,从而可以把图像中临近的物体进行连通,使图像的边界更加的平滑。
本设计中利用数学形态学算法对图像进行处理,首先利用腐蚀运算,去除车牌照片中不连续的边界点,然后再利用闭运算,对照片中的小块区域进行连通,最后删除图像中干扰因子,对车牌进行预定位。
确定车牌区域的流程图如图2.6所示:
腐蚀运算
闭运算
删除干扰因子
图2.6确定车牌区域的流程图
图像预处理,我们主要讨论了图像灰度化、二值化、中值滤波、边缘检测、形态学等比较经典的算法。
这些算法不是只能在展开车牌识别算法之前使用,虽然我们把这些算法都归结到图像预处理这一部分,但是它们在接下来的车牌定位、字符分割以及字符识别中也会经常用到,所以应该说,这些算法是车牌识别系统算法中非常重要的一部分。
2.2车牌定位
车牌定位指是在车辆照片中找出车牌部分的轮廓,并准确地确定车牌轮廓,然后将车牌部分进行裁剪。
车牌图像的定位需要准确,否则会影响识别的准确率,甚至完全无法进行识别。
2.2.1车牌预定位
为了确保牌照与车身分割的准确性,首先预定位车牌,对车牌的区域进行大概切分,除去非车牌部分,再根据车牌的边缘特征信息,再次进行准确的切分。
预定位时,首先利用Roberts边缘检测算法,提取车牌边缘,在对图像进行边缘检测后获得的图像中,除了获取到车牌的边缘,还可以获取到很多背景的边缘,因此要先尽可能的去除非车牌部分的边缘信息,非车牌部分的边缘信息大部分都显示出细微且杂乱的分布,为了去除这些细微而杂乱的分布,我们利用数学形态学算法处理得到的图像,经过初步提取的车牌如图2.7所示。
图2.7初步提取的车牌
通过上述分析,确定车牌区域的轮廓步骤如图2.8所示。
图2.8确定车牌区域流程图
2.2.2车牌倾斜矫正
在车辆照片拍摄过程中,由于摄像机安装倾斜、车辆号码牌倾斜悬挂、车身不水平等影响,会导致采集到的照片是倾斜的,如果车辆照片是倾斜的,车牌部分的图像也会产生倾斜以及车牌字符和字符间距也是倾斜的,在这种情况下,后续字符分割出来的字符噪声会明显增加,从而降低了字符识别的准确率,倾斜较大的照片可能无法分割字符,所以我们需要矫正倾斜的车牌图像。
水平方向的倾斜最为常见,矫正方法主要有Houg变换法和Radon变换法,Radon变换相对Houg变换计算简单,本设计采用radon变换法对倾斜车辆图像进行矫正处理。
Radon变换是利用图像在给定角度的斜线上像素之和来进行变换的方法[8]。
如果照片发生倾斜,最多数量的像素点是从该对应角度的斜向摄像上获得的。
f(𝑥
𝑦
)是图像矩阵,投影可以表示为:
方向𝜃
的射线上的某像素点的投影值,𝜃
角指射线与𝑥
轴所形成的夹角[9]。
二维函数f(𝑥
)的Radon变换是平行于𝑦
轴的线积分:
(2.5)
(2.6)
由Radon变换的基本性质
可知:
在𝜃
+
时,函数R在−𝑥
处可以求得极大值
(𝑥
),其中𝜃
的范围:
≤𝜃
≤
。
车牌倾斜校正的步骤如下:
1、首先调用Matalb中的edge函数,将图像转换为二值图像。
2、然后调用radon函数,对转换后的二值图像进行Radon变换。
3、其次调用max函数,从得到的Radon变化值中寻找
)的局部最大值,就可以确定
)局部最大值对应的𝜃
和𝑥
4、最后依据确定的θ值,调用imrotate函数,对二值图像进行(
−𝜃
)旋转,即可对车牌进行倾斜校正。
根据以上步骤,对车牌进行倾斜矫正,车牌矫正后的图像如图2.9所示:
图2.9倾斜矫正后的图像
2.2.3车牌精确定位及剪切
经过前面的处理后,去除了非车牌的区域,并对倾斜的车牌进行了矫正,接下来需要精确定位车牌,采用投影法对车牌部分和背景来进行切分。
在车牌识别系统中,投影法是定位当中最常用的方法之一。
在现有车牌定位算法中计算特征参数之后通过投影的方法切分车牌部分和背景部分。
在车牌定位中,使用投影法的步骤为:
一、将图像转换为二值图像,二、对二值图像进行水平投影,找出车牌的上下位置以及高度,三、将预定位照片进行垂直投影,寻找出照片中有数字部分总宽度进行切分。
对投影定位之后的图像进行剪切,得到图像如图2.10所示:
图2.10定位剪切后的图像
2.3字符分割
为了识别出牌照的字符信息,我们必须识别出每一个字符。
我们需独立分析牌照上的所有字符,所以,我们需要对牌照字符进行分割处理,字符的分割为字符识别提供了前提条件。
2.3.1传统车牌字符分割算法
字符分割是依照字符的各类特征进行分割的,如:
字符的边缘、字符与车牌背景之间色差、字符的高宽比、字符之间固定的间隔等。
依据不同的分割原理,分类出各种不同的方法,常用的字符分割法主要有以下几种算法:
1、基于先验知识的分割算法
车辆牌照的汉字、英文字母、阿拉伯数字的高宽比、字符间距都是严格按照国家规定的标准来制定的,这种先于经验的
- 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:
- 基于 数字图像 处理 车牌 识别 系统 设计