【原创】基于数字图像处理的车牌识别技术研究报告.doc

基于数字图像处理的车牌识别技术研究报告随着计算机和视频技术的发展，车牌自动识别系统己成为智能交通系统的重要组成部分，并已广泛应用于车辆追查和跟踪、车辆出入控制、公路收费监控等领域。完整的车牌自动识别系统由图像釆集、图像处理、模糊识别等模块组成，其中对一幅已知车辆数字图像进行预处理、车牌定位、二值转换、车牌分类、车牌分割、字符识别、结果优化的过程简称车牌模糊识别。目前国内已有众多单位开展了车牌识别技术研发，虽然各家都取得一定的成功，但车牌识别技术本身毕竟要符合实战要求，为此笔者综观各家实际车牌识别系统后提出了车牌识别系统的几点不足之处和改进方法，供该领域的专业人士和领导参考。一、图像预处理根据三基色原理，世界上任何色彩都可以由红绿蓝(RGB)三色不同比例的混合来表示，如果红绿蓝(RGB)三个信号分别由一个字节表示，则该图像颜色位数就达到二十四位真彩，也就是说在二十四位真彩的数字图像中每个像素点由三个字节来表示，根据数字图像水平和垂直方向像素点数(即图像分辨率)可计算出一幅图像实际位图大小。事实上，在车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位图的格式存放在系统内存中。这时的车辆数字图像虽然没有被人为损伤过，但在实际道路上行驶的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，如外界光线对车牌的不均匀反射、极强阳光形成的车牌处阴影、摄像机快门值设置过大而引起的车辆图像拖影、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、由于视频传输线而引起的图像质量下降、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆行驶变形等等。这些都给车牌的模糊识别增加了难度，在现有的技术条件下任何优秀、先进的车牌识别软件也是无法达到百分之百车牌正确识别率。但我们可以对车辆图像根据不同应用特点进行识别前的预处理，尽最大可能提高车牌正确识别率，这些图像预处理包括图像平滑、倾斜校正、灰度修正等。其中图像平滑的目的是为了减少图像中的噪声，一般情况下在空间域内采用领域平均法来减少噪声，在频率域内由于噪声频谱多在高频段，因此釆用各种形式的低通滤波方法来减少噪声。空间域是指对图像像素灰度值直接运算后取代，频率域是对图像的像素值进行变换运算后反变换取代，如傅立叶变换等。实际常用的方法是通过一个像素点和周围像素点的平均运算来去除突然变化的像素点，从而滤掉一定的噪声，当然如果釆用不合适的图像平滑算法，则会带来图像模糊。在道路实际行驶的车辆中，车牌在图像中往往存在不水平情况，如摄像机不在车道正中央、挂放的车牌不水平或车辆突然变道行驶等都会使采集的车牌图像需要进行车牌倾斜校正。由于车牌的上下沿是两条明显的平行线，所以一般釆用HOUGH变换，检测出这两条直线的倾斜角，或者利用特征投影法来检测车牌的倾斜角，然后对车牌图像进行水平校正。灰度修正也是图像增强行之有效的方法，通常采用直方图修正法使图像具有期望的灰度分布.水平方向为像素灰度值，垂直方向为该像素值出现的数量，根据灰色图像直方图调整图像像素值的分布范围，确保图像亮度值均匀和平滑，同时如果直方图中存在多个峰值，则按直方图峰值计算出限定阀值，然后进行分段图像处理，由此分离出背景和噪声。当然，这种车辆图像预处理过程需要有一定的运算时间，而对于实时车牌识别系统来说，图像预处理的时间不可能太长，否则会加重内存负担，并可能丢失其它车辆图像数据。二、车牌定位我们知道车牌定位对车牌识别系统来说至关重要，在车辆图像中往往存在许多类似车牌的区域，如养路费牌、广告牌、车灯区等都容易干扰车牌的定位。常用的车牌定位算法有(1)自适应边界搜索法利用倒L型、水平直线、垂直直线这些结构元素搜索、定位字符，然后找出符合一定格式的字符群，即认为是车牌；(2)区域生长法是对边缘图像进行均匀性区域生长，以获得潜在的车牌区域，然后利用车牌的几何特征以及车牌区域内的边缘灰度直方图统计特征删除伪车牌，即得真实车牌；(3)灰度图像数学形态学运算法则利用车牌形状特征、字符排列格式特征，对预处理后的灰度图像进行一系列的形态学运算，得到直线与一定数目的字符相邻的区域即认为是车牌；(4)基于字符串特征增强的分割方法釆用一种线性滤波器突出牌照区域的纹理，再釆用取阈值的方法来分割牌照区域；(5)模糊聚类法则利用模糊逻辑系统，根据一些分类参量判别由粗分割得到的图像中不确定部分是隶属于背景还是目标，从而分割出车牌；(6)基于灰度图的车牌定位和分割法首先选取适当的阈值用迭代法得到二值图，再根据车牌中文字笔画的垂直边缘特征做车牌定位；(7)DFT变换法是先对图像逐行做DFT变换，然后把频率系数逐行累加平均并根据这些平均值做出频谱曲线，根据频谱曲线中的“峰”的起始点位置确定车牌水平位置，对这一水平区域逐行做DFT变换可确定车牌竖直位置。虽然上述车牌定