信息检索论文-车牌识别.docVIP

车牌识别 摘要：在当代自动交通管理中，自动化的工具日益获得广泛应用。车牌识别技术也在突飞猛进的发展。数字图像处理识别技术的发展更是关键推动力之一。数字图像处理识别技术自动化等领域有着光明的前景，车牌识别主要包括：图像预处理、车牌定位、车牌分割、识别等。 关键词：图像预处理、车牌定位、分割、车牌识别技术 车牌识别是从特定的图像中，对其中的车牌区域定性自动定位、提取，然后自动分割车牌字符，并且自动识别出各个字符，从而确定车辆的信息。其研究及实现将会对现代交通车辆管理、道路管理、车流检测等走向智能自动化做出保证。车牌识别技术主要应用于智能管理系统, 我国以车牌识别为中心的智能交通系统刚刚起步，它的推广对加强道路管理，减少交通事故，增强车辆安全，保证社会稳定等将产生重大而深远的影响。 车牌识别系统要达到相应的应用价值，必须满足健壮性、实时性、准确性三方面要求。车牌识别系统包括硬件系统和软件系统。硬件系统由感应器、摄像设备和计算机组成。软件系统主要完成整个系统的控制，包括采集图片、图像预处理、车牌定位、车牌提取、字符分割和字符识别,系统结构流程图如下图所示。 其中关键在于车牌定位、字符分割和字符识别。 （一）图片的采集： 由于CCD摄像机及辅助照明装置组成。获取图像质量的好坏直接影响到后端处理和识别的效果。 要获得比较清晰的图像， 需要考虑许多影响图像质量的因素， 主要包括: 摄像头和图像卡的选取， 摄像机的位置标定， 汽车的车速， 出入单位的汽车车队之间的距离， 天气、光线等情况对摄像机所摄图像曝光量的影响。所以采用图像差值法来判断监测区是否有目标进入，即首先将视频图像灰度化，然后比较两幅图像对应像素点的灰度值，看是否有变化以及变化有多少。图像差分只能测定监测区中是否有物体经过，但它是否交通车辆，尚未可知。鉴于图像差分所产生的噪声、行人、自行车比汽车所占区域小得多，设计尺度滤波器将尺度较小的物体及噪声滤掉。所以采集到好的图片也是很重要的。 （二）车牌定位及预处理： 定位：在车牌识别中，定位的成功与否以及定位的准???程度将会直接决定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。自然环境下，由于光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关有哪些信誉好的足球投注网站，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。预处理后如图所示： 预处理：完成基本的车牌定位后，还需要对车牌进行一些基本的预处理。包括倾斜矫 正与铆钉和边框的去除。 I、车牌字符的倾斜矫正 车牌字符分割的难点在有些车牌是倾的，直接分割效果不好，需要做校正。首先求出车牌的倾斜率，根据此斜率对车牌做旋转校正。 II、车牌边框和铆钉的去除 先验知识：对于标准车牌，字符间间距为12mm，第2、3个字符间间距为34mm，其中，中间小圆点l0mm宽，小圆点与第2、3个字符间间距分别为12mm。在车牌边框线的内侧，通常有四个铆钉，他们不同程度地与第2个字符或第6个字符粘连，如果不去除铆钉，将给第2和第6在字符的识别造成困难。 将车牌图像进行二值化后，图像仅黑、白二值。白色像素点(灰度值255)取1，黑色像素点(灰度值0)取0，这里采用的是白底黑字模式。如图为经过旋转角度和二值化后的图 （三）车牌分割： ? 　完成牌照区域的定位、预处理后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。 在定位出上下边界后，再对特征图像进行垂直投影 , 得到投影图后，对投影图进行处理，重复水平定位的理念，找寻大于3分之2最大值的点所对应的横坐标的最大值和最小值，即为车牌的左右边界点，完成定位。为了之后字符识别的更好处理，在这里，根据找寻的边界点，对该灰度增强后图再进行定位。 （四）车牌识别： 字符识别是车牌识别系统的最后一个处理过程，也是车牌识别的关键点，对字符识别的研究也是车牌识别研究的重点，车牌字符识别方法基于模式识别理论，主要包括统计识别、结构识别、基于神经网络的字符识别、基于模板匹配的字符识别。在实际应用中主要的车牌识别方法是： (1) 基于神经网络的字符