作者：西安西北工大自動控制系（710072）
閻建國 高亮 盧京潮 來源：《電子技術(shù)應(yīng)用》
圖象處理技術(shù)在車牌識別中的應(yīng)用
摘 要：
利用數(shù)字圖象處理技術(shù)研究開發(fā)汽車牌照自動識別系統(tǒng)。從汽車圖象中確定車牌位置，提取車牌字符的微結(jié)構(gòu)特征，通過與所建的專用字典庫中的字符標(biāo)準(zhǔn)模板匹配比較，獲得車牌號碼。試驗結(jié)果表明該方案是有效的。
關(guān)鍵詞： 數(shù)字圖象處理 字符識別 車牌識別
分類匹配
車牌自動識別系統(tǒng)能將輸入的汽車圖象通過處理識別，輸出為幾個字節(jié)大小的車牌字符串，無論在存儲空間的占用上還是與管理數(shù)據(jù)庫相連方面都有無可比擬的優(yōu)越性。在大型停車場，交通部門的違章監(jiān)測（電子警察）、高速公路及橋梁的收費站管理等方面，有著廣泛的應(yīng)用前景。
１ 車牌定位及預(yù)處理
將汽車圖象文件以raw格式文件輸入計算機后，計算機將車牌部分從整幅圖象中抽取出來，實現(xiàn)車牌定位。設(shè)定門限值為127，設(shè)定檢測閾值為16。然后對圖象自上而下逐行掃描，若某一行的0→1和1→0變化次數(shù)大于該閾值則假設(shè)其為待測車牌最低點，繼續(xù)逐行掃描直至0→1和1→0變化次數(shù)小于８的情況出現(xiàn)。將該值假設(shè)為待測車牌最高點。若最高點與最低點之差大于１５則認(rèn)為目標(biāo)已檢測到，否則繼續(xù)進行掃描。如果未檢測到符合上述條件的目標(biāo)，則自動調(diào)整門限值重復(fù)以上的操作。直到找到目標(biāo)為止。
利用二值圖象在豎直方向上的投影作為特征，從左至右尋找目標(biāo)的中心點坐標(biāo)�？疾煲郧八玫哪繕�(biāo)高度作為邊長的方形窗口內(nèi)的豎直方向投影之和（即所包含的象素值為１的象素點的個數(shù)），若該值小于經(jīng)驗閾值（經(jīng)多次試驗該閾值取為150）則視為無文字信息的背景部分，若該值首次大于閾值則視為待識車牌的左邊界部分；之后，若當(dāng)投影和首次由大變小時跳出循環(huán)，則取該窗口的中點橫坐標(biāo)為目標(biāo)中心點。以目標(biāo)中心點為基準(zhǔn)向右，以高度為所得目標(biāo)高度、寬度為30的窗口再次統(tǒng)計象素值為1的象素點個數(shù)，若該值首次小于經(jīng)驗閾值16則視為已到目標(biāo)右邊界，并取該點坐標(biāo)為目標(biāo)最右點的坐標(biāo)。對目標(biāo)最左點坐標(biāo)的確定同理可得。
由于車牌的高寬比固定，將之作為一種目標(biāo)評定標(biāo)準(zhǔn)，考慮變形因素，若高寬比不處于區(qū)間（0.2～0.6)之內(nèi)則視為無效目標(biāo)，修正門限值后開始循環(huán)，最終達到邊界。
目標(biāo)圖象預(yù)處理包括圖象平滑、字符與背景的分離、范圍調(diào)整和傾斜修正等。
根據(jù)實際情況，圖象的平滑采用八鄰域平均法。所用的掩模為：
實現(xiàn)字符與背景分離所采用的門限化算法是：在有２５６個元素的一維整型數(shù)數(shù)組元素a[i]中存放目標(biāo)圖象中所有灰度值為i的象素點個數(shù)。比較得到在目標(biāo)圖象中具有最大概率的灰度值a
。研究發(fā)現(xiàn)有以下兩種不同的情況，分別如圖1和圖2所示。
對情況一，圖象信息主要位于灰度區(qū)間（0～a）之間，此時再找出灰度區(qū)間（0～b），使該區(qū)間內(nèi)象素點個數(shù)占目標(biāo)圖象總象素點個數(shù)的30%。取b為門限值，使灰度值大于該門限值的象素點取值為0，其他情況的象素點取值為1。對情況二同理處理。從左至右用與目標(biāo)圖象等高且寬度為30的檢測窗口掃描目標(biāo)圖象�？疾炱湎笏孛芏�，當(dāng)值為1的象素點個數(shù)小于50%時停止掃描。取此時檢測窗口的左坐標(biāo)為目標(biāo)的左邊界。目標(biāo)的右邊界同理可得。根據(jù)所得車牌圖象的范圍信息，在有必要的情況下，用旋轉(zhuǎn)變換進行傾斜修正。
２
自動單字符列切分
列切分是把定位后提取出的牌照圖象，切分成單個的字符圖象。字符塊在垂直方向上的投影必然在正確的分割位置上（即字符或字符內(nèi)的間隙處）取得了局部最小值，且這個位置應(yīng)該
作者：西安西北工大自動控制系（710072）
閻建國 高亮 盧京潮 來源：《電子技術(shù)應(yīng)用》
圖象處理技術(shù)在車牌識別中的應(yīng)用
摘 要：
利用數(shù)字圖象處理技術(shù)研究開發(fā)汽車牌照自動識別系統(tǒng)。從汽車圖象中確定車牌位置，提取車牌字符的微結(jié)構(gòu)特征，通過與所建的專用字典庫中的字符標(biāo)準(zhǔn)模板匹配比較，獲得車牌號碼。試驗結(jié)果表明該方案是有效的。
關(guān)鍵詞： 數(shù)字圖象處理 字符識別 車牌識別
分類匹配
車牌自動識別系統(tǒng)能將輸入的汽車圖象通過處理識別，輸出為幾個字節(jié)大小的車牌字符串，無論在存儲空間的占用上還是與管理數(shù)據(jù)庫相連方面都有無可比擬的優(yōu)越性。在大型停車場，交通部門的違章監(jiān)測（電子警察）、高速公路及橋梁的收費站管理等方面，有著廣泛的應(yīng)用前景。
１ 車牌定位及預(yù)處理
將汽車圖象文件以raw格式文件輸入計算機后，計算機將車牌部分從整幅圖象中抽取出來，實現(xiàn)車牌定位。設(shè)定門限值為127，設(shè)定檢測閾值為16。然后對圖象自上而下逐行掃描，若某一行的0→1和1→0變化次數(shù)大于該閾值則假設(shè)其為待測車牌最低點，繼續(xù)逐行掃描直至0→1和1→0變化次數(shù)小于８的情況出現(xiàn)。將該值假設(shè)為待測車牌最高點。若最高點與最低點之差大于１５則認(rèn)為目標(biāo)已檢測到，否則繼續(xù)進行掃描。如果未檢測到符合上述條件的目標(biāo)，則自動調(diào)整門限值重復(fù)以上的操作。直到找到目標(biāo)為止。
利用二值圖象在豎直方向上的投影作為特征，從左至右尋找目標(biāo)的中心點坐標(biāo)。考察以前所得的目標(biāo)高度作為邊長的方形窗口內(nèi)的豎直方向投影之和（即所包含的象素值為１的象素點的個數(shù)），若該值小于經(jīng)驗閾值（經(jīng)多次試驗該閾值取為150）則視為無文字信息的背景部分，若該值首次大于閾值則視為待識車牌的左邊界部分；之后，若當(dāng)投影和首次由大變小時跳出循環(huán)，則取該窗口的中點橫坐標(biāo)為目標(biāo)中心點。以目標(biāo)中心點為基準(zhǔn)向右，以高度為所得目標(biāo)高度、寬度為30的窗口再次統(tǒng)計象素值為1的象素點個數(shù)，若該值首次小于經(jīng)驗閾值16則視為已到目標(biāo)右邊界，并取該點坐標(biāo)為目標(biāo)最右點的坐標(biāo)。對目標(biāo)最左點坐標(biāo)的確定同理可得。
由于車牌的高寬比固定，將之作為一種目標(biāo)評定標(biāo)準(zhǔn)，考慮變形因素，若高寬比不處于區(qū)間（0.2～0.6)之內(nèi)則視為無效目標(biāo)，修正門限值后開始循環(huán)，最終達到邊界。
目標(biāo)圖象預(yù)處理包括圖象平滑、字符與背景的分離、范圍調(diào)整和傾斜修正等。
根據(jù)實際情況，圖象的平滑采用八鄰域平均法。所用的掩模為：
實現(xiàn)字符與背景分離所采用的門限化算法是：在有２５６個元素的一維整型數(shù)數(shù)組元素a[i]中存放目標(biāo)圖象中所有灰度值為i的象素點個數(shù)。比較得到在目標(biāo)圖象中具有最大概率的灰度值a
。研究發(fā)現(xiàn)有以下兩種不同的情況，分別如圖1和圖2所示。
對情況一，圖象信息主要位于灰度區(qū)間（0～a）之間，此時再找出灰度區(qū)間（0～b），使該區(qū)間內(nèi)象素點個數(shù)占目標(biāo)圖象總象素點個數(shù)的30%。取b為門限值，使灰度值大于該門限值的象素點取值為0，其他情況的象素點取值為1。對情況二同理處理。從左至右用與目標(biāo)圖象等高且寬度為30的檢測窗口掃描目標(biāo)圖象�？疾炱湎笏孛芏龋�(dāng)值為1的象素點個數(shù)小于50%時停止掃描。取此時檢測窗口的左坐標(biāo)為目標(biāo)的左邊界。目標(biāo)的右邊界同理可得。根據(jù)所得車牌圖象的范圍信息，在有必要的情況下，用旋轉(zhuǎn)變換進行傾斜修正。
２
自動單字符列切分
列切分是把定位后提取出的牌照圖象，切分成單個的字符圖象。字符塊在垂直方向上的投影必然在正確的分割位置上（即字符或字符內(nèi)的間隙處）取得了局部最小值，且這個位置應(yīng)該
熱門點擊
推薦技術(shù)資料
|
|
|
|
公網(wǎng)安備44030402000607
