毕业论文
新加坡Potasia公司推出的IMPS(Integrated Multi-Pass)以色列Hi-Tech公司推出的See/Car system。这些产品在一定的条件下能够分割出车牌，但车牌识别系统大多是利用摄像机室外拍摄汽车图像，存在许多客观的干扰，如天气、背景、车牌磨损、牌照倾斜等因素，因此定位并不十分理想,对于其它国家的车牌并不能很好地识别，特别是我国的车牌，由十汉字的特殊性，往往会产生误识的现象。
九十年代以来，由于交通现代化发展的需要，我国也开始对车牌识别技术进行深入地研究，并取得了一定的成效。定位算法方面，由于国外的起步比较早，所以很多的文献都提出了不同的比较好的算法:J.Barroso等提出的基于水平线搜寻的定位方法R.Parisi等提出的基于DFT变换的频域分析方法,提出的基于Niblack二进化算法及自适应边界搜索算法的定位方法J.Bulas-Cruz等人提出的基于扫描行的车牌提取方法「to。国内比较好的算法有:基于车牌文字变化特点的自动扫描识别算法;基于特征的车辆牌照定位算法;基于变换函数提取车牌的算法;基于视觉的车辆牌照检测算法;同济大学的廖金周、宣国荣提出的基于字符串的车辆牌照分割方法,飞虎等提出基于属性开运算的汽车牌照区域定位算法戴青云等提出的基于波与形态学的车牌图像分割方法;万国红等提出一种基于BP人工神经网络的车牌定位算法。此外，由于汽车牌照颜色不同的特点，上海交通大学的赵雪春等人提出了一种采用色彩分割及多级混合集成分类器的车牌自动识别方法,浙江大学的张引、潘云鹤也对彩色汽车图像牌照定位方法进行了研究「州。但是由十车牌识别是一项综合的多学科技术，需要识别的图片在不同情况下也是及其复杂多变的，所以，这些算法都存在一定的缺陷，不利十推广。尽管难度很大，近年来我国在车牌识别领域仍取得很大的成就，拥有了相对成熟的产品，开始进入应用阶段。国内生产车牌识别系统的主要有:北京汉土科技有限公司，利普视觉，智慧光科技(深圳)有限公司，深圳市科安信实业有限公司，沈阳聚德视频技术有限公司，北京兰亭二和科技公司等十来家公司。它们宣传产品的整牌识别率都在90%以上，但要在光照充足，车牌干净等前提下才能达到。Ifu对十车牌图形对比度低，车牌模糊污损的情况下识别率明显下降，因此，车牌识别技术仍有进一步提高的必要性。
6
毕业论文
第四章 车牌定位以及相关问题的研究
4.1车牌定位问题的研究
车牌定位是车牌识别系统完成图像采集后对图像处理的第一步，它的好坏直接关系到整个系统识别率的高低，并且对识别速度也有很大的影响。车牌定位通常也是车牌部分从图像中分割出来的过程，一般应包括图像预处理、车牌搜索、车牌定位与分割三个部分。如图3.1所示。
图4.1车牌定位的过程
本节先对车牌定位的方法进行了综述，然后对4种车牌定位的方法进行了研究，最后提出了一种综合了几种算法优点的算法，这种方法在实际应用中取得了很好的效果。
4.2车牌定位方法综述
目前车牌定位的方法很多，但总的来说可以分为两大类，一类是基于灰度图像的车牌定位方法，另一类是基于彩色图像的车牌定位方法，当然也可以将两种方法合在一起用。
4.2.1基于灰度图像的车牌定位方法
灰度图像对于人的视觉来说，是以灰度等级来体现图像的深浅度。号牌识别系统绝大多数安装在室外，因此，车辆图像一般是在室外拍摄的，其背景往往很复杂，可能包括自然场景中的人、其它车辆、树木、建筑物等；拍摄时的光照条件也因拍摄时间、地点、天气等条件不同而不同。然而车辆牌照却又具有不因外部条件变化而改变的特征，即车牌内有多个基本成水平排列的字符，字符和牌照底在灰度值上存在跳变，因而车牌这个矩形区域(包括边缘)内有丰富的边缘存在，呈现出规则的纹理特征。下面介绍一些基于灰度图像进行车牌定位的方法和文献。
在国外，人们对这个问题进行了大量的研究。R.Mollut等的提出了三种针对车牌和集装箱号码的定位算法，这三种算法中有两种是基于特征的定位算法。西门子研究中心的Yantao等提出了一种利用牌照纹理特征和两幅连续图像进行车牌定位的方法。Masataka研究出了一种利用车牌边角特征进行车牌定位的方法，为提高运算速度该系统采用了并行处理方法，其定位精度据称达到99％。另外还有许多其它算法在这里就不再列举了。
在国内，清华大学的Da shan Gao等研究了复杂环境下的车牌定位的问题，提出了一种有效的车牌定位方法。南京理工大学冯国进等提出了一种基于自适应投影方法的快速车牌定位技术，重分利用了车牌的几何特征,并可以在一定范围内适应车牌大小的变化。南京航空航天大学刘效静，成瑜提出了基于车牌文字变化特点的自动扫描识别算法，这种方法是利用汽车牌照中文字笔划变化频率比较稳定的特点，即笔划间隔的像素是稳定在某一
7
毕业论文
个范围内，笔划数也存在下限的特点。设定阈值，通过扫描确定上下边界位置和左右边界位置，再在已缩小的范围内用上述方法进行递归检测，直到牌照位置比较稳定为止。这种方法在拍摄角度、距离、光线都有很大调整的情况下，能够快速准确定位、分割车牌。北京工业大学的牛欣，沈兰荪提出了基于特征的车辆牌照定位算法，这种方法是利用一阶微分算子对原始图像的边缘进行预处理，并在此基础上运用数学形态学的闭运算获得车牌的后选区，然后采用投影的方法剔除假车牌，定位真车牌。这种方法的算法复杂度低，减少了噪声的干扰，能够满足实
时定位的要求。中国科学院刘志勇、刘迎建针对车牌特点，设计了一个变换函数突出其特点从而进行车牌的提取，这种方法采用最大方差法来进行二值化阈值的选取，并对二值化后的图像进行水平扫描，找出相对小的而且扫描线变化剧烈的区域作为候选区域，再以适当的变化率确定车牌的位置。同济大学廖金周，宣国荣提出了基于字符串的车辆牌照分割方法，针对牌照字符串沿水平方向排列的规则纹理，采用了一种线形滤波器，来初定车牌区域；采取平均值的办法选取阈值，进行二值化,然后利用投影的方法进行精确定位。这种方法能够在对牌照的字符、牌照位置及其大小，颜色和车辆的背景等做最小限定的条件下，对牌照中字符串进行增强，实现复杂背景中车辆牌照的自动分割。西北工业大学张玉姣等提出了一种基于模糊边缘检测和纹理特征的牌照提取方法。
在图像处理中，对一些复杂图像应用某些数学工具不仅可以加快处理速度,而且可以改善和优化处理结果。车牌识别的核心问题在于识别牌照上的文字目标，而其关键又在于文字目标所在区域的定位。巳有的区域定位算法比较完善的，有在收费站应用的一些车牌识别系统使用的一种基于局部阈值二值化与自适应形态滤波的算法。此算法对于文字区域水平且其周围干扰区域较少的情况下定位比较准确，在二值化所得结果中各种尺寸的干扰区域都保留下来，对于倾斜度的正确估计十分不利。文献[120][121]利用牌照边框为一灰度值高出背景灰度的平行四边形，通过边缘提取，再利用Hough变换检测出平行造成参数空间峰值的点扩散、甚至消失，这些都影响直线识别的准确性。经检验，它只在文字区域集中于某一范围且水平时比较准确，使用范围狭窄。另外，一些传统的定位技术在复杂背景、图像变形，噪声污损严重的情况下，也无法有效的识别。为此，一些学者们从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对传统定位方法进行了改进。
合肥工业大学的江萍等利用基于形态学Top-Hat变换找出一种车牌的快速搜索与定位的方法。数学形态学的基础是腐蚀和膨胀以及由此产生的开、闭运算。传统灰度图像中的开、闭运算具有“削蜂添谷”的功能，可以将目标区域显示出来，但同时也将大量非目标区域显示出来。上海交通大学的晏建华、赵正校提出了基于属性开运算的汽车牌照区域定位算法通过对灰度图像采用属性开运算，削去满足特定属性的峰部，确定出目标以及少量非目标区域，然后计算出图像的倾斜角及目标区域所在范围。这种算法考虑了车牌的倾斜角度，能够有效确定文字区域。华南理工大学的戴青云和广东工业大学的余英林提出了基于小波与形态学的车牌图像分割方法这种方法通过小波多尺度分解提取出纹理清晰，具有不同分辨率、不同方向的边缘子图像。其水平方向低频、垂直方向高频的这一分量，主要代表车牌的目标区域。然后，用数学形态学方法对小波分解后的细节图像进行一系列的形态运算，进一步消除无用信息和噪音，以找准车牌位置。这种方法定位效果好，分割精度高，适于对有噪音的车牌图像进行分割定位。廖翔云等将Hough变换和BP算法用于车牌识别系统中，取得了成功。
车辆牌照的提取实际上是一个在一幅复杂图像中寻找最符合牌照特征的区域的过程，从本质上讲，就是一个在参数空间里寻找最优定位参量的问题。而寻找参量空间的全局最优解恰恰是遗传算法最为擅长的。南京理工大学的史湘全等人从这一点出发，提出了利用遗传算法对图像进行优化搜索，结合区域特征矢量构造的适应度函数，寻找到牌照区域的最佳定位参量。这种方法对于车辆与摄像机距离以及车牌位置作某些限定的条件下，定位
8
毕业论文
准确，且同样具有抗噪声的能力。
车牌定位是图像处理中的实际问题，方法多种多样，它可以是以前方法的改进，也可以是独辟蹊径的创新，或是新老方法的结合。J Bulas-Cruz等人提出基于扫描行的车牌提取方法，指出扫描行经过车牌区域会产生有规律的起伏。在此结论的启发下，东南大学的富煜清等人提出了利用扫描行离差数据，有效谷峰点特征及先验知识来初步定位车牌区域，并提出了利用边缘检测和Hough变换进行子倾斜车牌校正的算法以及车牌上下界精确定位算法。郁梅等人通过对以往车牌识别系统的定位方法进行分析、总结，提出了一种基于线模板的二值图像角检测算法。将包含车牌的彩色图像转化为二值图像，再经过形态滤波器滤波后，利用快速角检测法寻找图像各角点，最后定出车牌位置。这种算法简单、快捷、稳健，且具有一定的鲁棒性。武汉理工大学的刘泉,谢鸣等提出利用灰色理论的改良种子算法在车牌定位中应用，取得了一定的成绩。R.Parisi等提出了一种利用1维DFT的车牌识别算法，算法中利用了神经网络的原理，据报道效果不错。Opas Chutatape利用模糊熵的原理开发出一套车牌识别系统，其识别率达到93％以上。
4.2.2基于彩色图像的车牌定位
长期以来，人们致力于灰度图像的研究，使图像处理方法日趋成熟。车牌定位方法也因此而得到不断的完善。人类视觉系统对彩色非常敏感，能够很好地区分出上万种不同的颜色，而且彩色图像不仅令人在视觉感受上比灰度图像舒服，更重要的是它能够提供更多的视觉信息。由于车辆牌照具有与牌号、车身，背景不同的底色，因此考虑用颜色来进行车牌的定位方法应该说是车牌识别领域的一种新思路。Eun Ryung Lee等利用韩国车牌的特点，在颜色空间中进行定位，据称效果不错。文献采用back-propagation神经网络把图像中各个像素归类为绿、红、白和其它四种色彩，再对绿、白、红做水平和垂直的直方图，以确定牌照在图像中的位置。但该方法无法在牌照倾斜和变形的情况下准确确定出牌照的位置。近年来，国内在这方面做出尝试的有山西的郭大波等提出的一种基于车牌底色识别的车牌定位方法。上海交通大学的赵雪春等提出了一种彩色分割及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MLPN网络将具有均匀色度空间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。其过程是通过预处理将RGB三原色模式彩色图像转化为HSI模式彩色图像，在这个过程之前要进行图像的抽稀，以减少计算量，过程之后要进行彩色饱和度的处理，以减少光照条件对图像分割产生的影响。系统经过学习与训练，并利用投影法及先验知识，能够很好地分割颜色，得出合理的车牌区域。不过这种方法在车牌区域颜色与附近颜色非常相似时，车牌的定位错误会有所增加。浙江大学的张引等人也对彩色汽车图像牌照定位方法进行研究。赵海燕等提出了一种先利用颜色加强，再利用车牌颜色进行定位的方法。
4.2.3车牌定位综述小结
本节在分析国内车牌特点的基础上，对近年来国内外出现的车牌定位方法进行了的综述。车牌定位是车牌识别中最关键，最难解决的一步。通过上面的分析可知，由于车牌背景的复杂性与车牌特征的多样性，迄今为止，仍没有一个完全通用的智能化车牌定位方法。大多数定位方法局限于某个侧面问题的解决，如牌照的倾斜、光照的干扰、噪声的影响等，离实际应用尚有一定的距离，并且每一种方法都无法解决全部的问题。如果将上述各种方法加以融合，集各家所长，就完全有可能获得一个更为实用的车牌定位方法。下面我们先研究一下几种常用的车牌定位算法
9
毕业论文
第五章 定位的方法
5.1几种快速牌照定位算法
车牌定位目前主要有基于彩色的方法、基于搜索车牌边框的方法、基于灰度梯度的方法、基于频域或其他变换域的方法等几大类，结合这些基本方法与各种优化算法又派生出许多其他定位算法。所有这些算法的共同缺点是不能对车牌大小在较大范围内自适应，而是将车牌大小作为一个必要的先验知识加以利用，此外每种方法也存在各自不同的局限性，例如：基于彩色的分割对于无法得到彩色图像的情况显然完全失效；基于搜索车牌边框的方法在光照不均，有强光干扰时失效，对车牌边框不明显的图像效果差；基于灰度梯度的方法在复杂背景下，对干扰比较敏感；基于经典变换域的方法也有上述类似问题存在。牌照定位算法最重要的是快速性，其实有很多很优秀的纹理算法如Gabor变换，但是由于计算速度的问题，无法在实际当中使用。
5.2利用车牌的纹理的几何变化的定位方法
对车牌区域检测需要运用车牌区域所特有的属性。按照模式识别原理，应找到车牌区域图像固有的且与图像其它区域不易混淆的属性，并且所使用的属性在各种环境下摄取的图像具有稳定性。通过分析可知，在各种条件下车牌所在的图像区域稳定可靠的信息是它具有丰富的边缘，因此设计了对边缘纹理信息分析为基础的算法。
一般来讲这类算法的流程可以分为三个步骤：1.预处理，将彩色图像转换成灰度图并进行图像边界增强；2.利用根据牌照特点设计的变换公式进行变换；3.对变换后的图像进行分析，利用牌照的几何特点进行定位。
车牌背景和字符之间的对比度比较明显，而且在车牌中几个字符连续出现，在水平方向上形成一系列明暗交替的模式，利用这一特征就可以在图像中对车牌所在的区域进行粗定位。为了提取这种特征，设计了一个水平方向的一维梯度算子：
（5.1）
式中R，d的选取与图像中车牌的大小有关，T为一阈值，用于对所选图像对比度的控制。R，d，T的选取可以根据输入图像的实际情况进行调整，只要保证R／2+d大于车牌中字符笔画的宽度可起到加强车牌区域边缘特征的作用。而根据车牌字符色与底色的对比度，T值一般可在30－50间选取。
另外下式也是一种算法：
（5.2）
10