车牌识别检测报告.docx

车牌识别检测报告数字图像处理在车牌识别中的应用摘要随着汽车数量在我国大面积的增加,城市交通状况逐渐受到人们的重视,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。因此,智能交通系统已成为世界交通领域研究的重要课题。车牌识别系统作为智能交通系统的核心,起着非常关键的作用。目前,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。本文旨在粗浅的运用所学基本原理和知识分析数字图像处理技术在友好环境下的应用。以车牌为研究对象,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,完成车牌的识别。 : 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XX系统、以色列的Hi-Tech公司研制的See/CarSystem、德国西门子公司的ARTEM7SXI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,这些车牌识别系统不适合我国国情。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、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提出的基于字符边缘检测的车牌定位方法,提出一种基于迭代阈值的车牌定位方法。完全基于形态学的算法有运用数学形态学的闭运算获得车牌的候选区,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,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多级混合集成分类器的车牌自动识别方法。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车牌定位算法。原理及方法通常,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。。 :在整个车牌识别系统中,由于采集进来的图像为彩图,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。 :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。 :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。 :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。图1牌照识别系统原理图 ,牌照的整洁程度,拍摄条件都会出现图像模糊,车牌字符边界模糊不清,细节不清歪斜,粗细不均等现象,从而影响车牌区域的进一步处理工作,所以识别之前要进行预处理。图像预处理及边缘提取简易流程图2预处理及边缘提取流程图预处理: ,椒盐噪声, ,所以应进行图像增强,可以采用灰度拉伸,直方图均衡等。通过以上处理,提高了图像的质量,强化了图像提取区域。边缘检测采用Sobel算子经行边缘检测该算子包含两组3*3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像,其公式如下: ??10?1???1?2?1????00?Gx???20?2]?*AandGy??0?*A ????10?1????1?2?1?? 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合,来计算梯度的大小。 G?Gx?Gy22 然后可用以下公式计算梯度方向。??arctan???Gy ?Gx???? 在以上例子中,如果以上的角度?等于零,即代表图像该处拥有纵向边缘,左方较右方暗。 ,并将包含牌照字符的一块子图象从整个图象中分割出来,供字符识别子系统识别之用,分割的准确与否直接关系