logo资料库

毕设论文，基于模板匹配的车牌字符识别算法研究与实现.doc

发布时间：2022-05-30 发布人：admin 分类：说明书 资料大小：1.39M 资料格式：doc 举报 版权申诉
第1页 / 共33页
第2页 / 共33页
第3页 / 共33页
第4页 / 共33页
第5页 / 共33页
第6页 / 共33页
第7页 / 共33页
第8页 / 共33页
资料共33页，剩余部分请下载后查看
    1绪论
    1.1课题背景和意义
    1.2课题的国内外研究现状
    1.3本文主要工作
    2相关知识、理论和技术
    2.1模版匹配识别算法的原理
    2.2应用系统开发工具
    2.2.1 Visual C++概述
    2.2.2 Visual C++6.0的集成开发环境
    2.2.3SkinMagic Toolkit美化界面vc++技术
    3字符识别算法研究
    3.2常用字符识别技术简介
    3.3 压缩模板匹配技术
    3.3.1样本集分类预处理
    3.3.2压缩模板匹配算法
    4系统功能及模块
    4.1车牌定位
    4.2分步切割处理
    结论
    参考文献
    致谢
    华北电力大学本科毕业设计（论文） 基于模版匹配的车牌字符识别算法研究 摘要 车牌识别问题作为现代交通工程领域中研究的重点和热点问题之一，受到越来越 多人们的关注。车牌识别算法一般可以分为车牌定位、牌照上字符的分割和字符识别 三个主要组成部分。 从车辆图像中准确的定位分割出车牌区域是车牌识别中最为关键的步骤之一。图 像分割是图像提取中的重要组成部分，只有有效地完成分割，才能进一步提取目标特 征并识别目标。本文对车牌图片的预处理主要包括车牌图像的二值化、倾斜校正、去 除边框干扰、切割出最小范围等步骤。本文通过投影分析和连通域分析，对车牌字符 进行分割，并对分割后的字符进行规格化。最后运用基于模版匹配的车牌字符识别算 法对其进行字符识别。 通过对传统模板匹配算法的研究，本文采用一种基于像素压缩的快速模板匹配算 法，该算法根据图像灰度和结构特征提取基于像素压缩的模板，然后利用压缩模板进 行匹配识别，通过有效提取特征，大大缩小模板的运算量，极大地提高模版匹配的速 度。实验表明，该算法对字母和数字识别效果非常好，字母和数字识别准确率达到96％， 但是对汉字的识别效果不佳，只有79％左右，尚需改进，单个车牌识别平均时间5ms。 在理论研究的基础上，本文采用Matlab 对车牌识别的相应算法进行了系统建模求解和 编程实现。 关键词：字符分割；字符识别；模式识别；
    华北电力大学本科毕业设计（论文） Template matching based on the license plate character recognition algorithm Abstract the vehicle license plate image，we separate the character and normalize the character. Through researching the traditional template match algorithm, we supply As one of the focal points and hot problems of studying in the field of modem traffic engineering，the license plate recognition (LPR) has attracted more and more attention ．License plate recognition algorithm consists of three modules in general，those are：license plate location，character segmentation and character recognition． An image from the vehicle positioning accurate segmentation of license plate identification license plate region is the most critical one of the steps. Image segmentation is the extraction of an important component of the partition only effectively in order to further extract and identify the characteristics of the target goal. In this paper, pre-treatment plates include images of license plate image linearization, tilt correction, removal of border interference, such as cutting out the minimum steps. Projection-domain analysis and connectivity analysis, segmentation of license plate characters, and after the partition of standardized characters. Template matching based on the final use of the license plate character recognition algorithm for character recognition. By me analysis of me projection and connected domain of a quick template match algorithm based on compressing the image pixel , This algorithm Pick-u a new template which is based on pixel compressed according the feature of the image gray and structure . We use the compressed template to match and recognize the data. By effectively picking up the feature, the algorithm reduces the operation times, and accelerates the speed of template matching, In the experiment, the correct recognition rate of the letter and number achieves 96%, but the correct recognition rate of the character only achieves 79%. The average recognition time of a vehicle license plate is only 5ms. Keyword: character segmentation；character recognition; pattern recognition
    华北电力大学本科毕业设计（论文） 目 录 1 绪论..............................................................................................................................................4 1.1 课题背景和意义.......................................................................................................................4 1.2 课题的国内外研究现状...........................................................................................................4 1.3 本文主要工作...........................................................................................................................7 2 相关知识、理论和技术..............................................................................................................8 2.1 模版匹配识别算法的原理.......................................................................................................8 2.2 应用系统开发工具...................................................................................................................8 2.2.1 Visual C++概述..................................................................................................................... 8 2.2.2 Visual C++6.0 的集成开发环境......................................................................................... 10 2.2.3SkinMagic Toolkit 美化界面 vc++技术.............................................................................. 16 3 字符识别算法研究....................................................................................................................18 3.2 常用字符识别技术简介.........................................................................................................18 3.3 压缩模板匹配技术................................................................................................................20 3.3.1 样本集分类预处理..............................................................................................................20 3.3.2 压缩模板匹配算法..............................................................................................................21 4 系统功能及模块........................................................................................................................27 4.1 车牌定位.................................................................................................................................27 4.2 分步切割处理.........................................................................................................................28 结论...............................................................................................................................................30 参考文献.......................................................................................................................................31 致谢...............................................................................................................................................33
    华北电力大学本科毕业设计（论文） 1 绪论 1.1 课题背景和意义 随着21世纪经济全球化的到来，高速度、高效率的生活节奏，使车辆普及成为必 然的趋势，交通管理自动化越来越成为亟待解决的问题。现代智能交通系统 (Intelligent Transportation System，ITS)中，车辆牌照识别( License Plate Recognition，LPR)技术是 计算机视觉与模式识别技术在交通领域应用的重要研究课题之一，是实现交通管理能 够智能化的重要环节，其任务是分析、处理汽车图像，自动识别汽车牌号。LPR系统 可以广泛应用于电子收费、出入控制、公路流量监控、失窃车辆查询和停车场车辆管 理等需要车牌认证的场合；尤其在高速公路收费系统中，实现不停车收费提高公路系 统的运行效率，LPR系统更具有不可替代的作用因而从事LPR技术的研究具有极其重要 的现实意义和巨大的经济价值。 LPR系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。 关于车牌定位系统的研究，国内外学者已经做了大量的工作，但实际效果并不是 很理想，比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位 准确度的潜在因素。为此，近年来不少学者针对车牌本身的特点、车辆拍摄的不良现 象及背景复杂状况，先后提出了许多有针对性的定位方法，使车牌定位在技术和方法 上都有了很大的改善。然而现代化交通系统不断提高的快节奏，将对车牌定位的准确 率和实时性提出更高的要求，因而进一步加深车牌定位的研究是非常有必要的。车牌 字符识别是在车牌准确定位的基础上，对车牌上的汉字、字母、数字进行有效确认的 过程，其中汉字识别是一个难点，许多国外的LPR系统也往往是因为汉字难识别而无 法打入中国市场，因而探寻好的方法解决字符的识别也是至关重要的。目前已有的方 法很多，但其效果与实际的要求相差的很远，难以适应现代化交通系统的高速度、快 节奏的要求，因而对字符识别的进一步研究也同样具有紧迫性和必要性。车牌定位与 识别方法，总体来说是图像处理技术与车牌本身特点的有机结合，当然也包括模式识 别、神经网络、数学形态学、小波分析、模糊理论等知识的有效运用。一个车牌定位 与识别系统基本包括：图像预处理、车牌搜索、车牌定位、车牌校正、车牌字符切分 和字符识别结果的输出。本文主要研究车牌字符识别的算法问题。 1.2 课题的国内外研究现状 1.2.1 国内外研究现状 车辆牌照识别技术自 1988 年以来，人们就对它进行了广泛的研究，目前国内外已 经有众多的算法，一些实用的 LPR 技术已经开始用于车辆监控、出入控制、电子收费 等场合。如以色列的 Hi．Tech 公司，新加坡的 Optasia 公司，Zamir 公司分别研制了名 为 See／Car system，VLPRS，Insignia 的 LPR 系统，这三种产品所能识别的汽车图像
    华北电力大学本科毕业设计（论文） 均为单车牌灰度图像，即每一幅灰度图像只含有一个车牌的灰度图像。See／Car 系统 只能识别字母和数字，不能识别汉字。Insignia 是针对欧洲和远东地区实际的车牌识别 系统。香港的 Asia VisionTechnology Ltd 公司的产品慧光车牌号码自动识别系统，此系 统能自动侦测、识别及验证行驶或停泊中车辆的车牌号码，并能辨认以文字和数字排 列的车牌号码，如含有中、英及韩文的车牌。该软件识别准确率达到 95％，要求车牌 的 宽度至少占整个图像宽度的 1／5，识别时间小于 1 秒。欧洲的 LPR 产品大多只适 合于该国的车牌格式的牌照，不能识别汉字。最近深圳吉通电子有限公司也推出了基 于车牌识别技术的系统，这个平台是基于二值特征和灰度特征相结合的识别算法，因 此也只能处理灰度图像，此外还有深圳创兴达科技有限公司的车牌识别系统。然而无 论是 LPR 算法还是 LPR 产品都存在一定的局限性，都需要适应新的要求而不断完善。 因此，国内外一直都有大批学者参与 LPR 系统的研究，研究情况大致如下： (1) 常见的车牌定位算法有以下 4 种： 1)基于边缘信息的定位方法上 上海交通大学的李树广提出一种基于车牌字符边缘统计和颜色特征的综合定位方 法，通过对垂直边缘的统计分析将邻近的边缘点进行连接，结合颜色特征对连接形成 的块状区域进行筛选以提取车牌区域。华中科技大学的罗帆提出一种基于边缘图像频 率变换特征的车牌定位算法。清华大学的汪志兵提出一种基于纹理特征抽取的车牌定 位预处理方法，利用改进的算子提取车牌区域 45。和 135。方向的边缘纹理，以突出 车牌区域的纹理特征。中科院自动化研究所的 Bai Hongliangtl41 提出一种基于边缘统 计 信息和数学形态学的车牌定位方法，其特点是充分利用垂直边缘的统计信息，由 此得到几个候选矩形区域，再用分层分析和数学形态学相结合的方法确定最终的定位 图。 2)基于数学形态学的定位方法 西北工业大学的左奇提出一种基于数学形态学的车牌图像分割方法，其特点是基 于数学形态学处理的点运算转化为仅有几十条直线的线运算，以提高运算速度和抗干 扰能力。澳门科技大学的 Cheokman、Wu 提出一套适用于澳门车牌的识别方案，其中 车牌定位的方法是对输入的灰度图像进行开运算，然后用原图与其相减，得到去除背 景的预处理图，再使用投影法确定车牌区域。印度的 P．V．Suryanarayanaf 提出一种 基于数学形态学的车牌定位方法，根据字符特征如长宽、间距设计合理的形态学结构 元。 3) 基于颜色信息的定位方法 浙江大学的张引 f18J 提出了一种运用彩色图像边缘检测算子 Color Prewitt 和彩色 边缘检测与区域生长相结合的车牌定位算法。西北大学的王夏黎利用车牌区域在 HSV
    华北电力大学本科毕业设计（论文） 颜色空间中的经验值对输入的彩色图像直接进行二值化，再结合空间聚类方法和投影 法提取车牌。中山大学的张树波也是利用 HSV 颜色模型进行分析，对输入的彩色图像 进行颜色分类，每一类颜色对应一个灰度级，处理后生成级灰度图，再结合数学形态 学、 字频统计方法判断车牌位置。中国科技大学的王卫贝,则是利用 HSI 颜色模型计算 输入图像的色彩距离图谱，然后通过自适应熵阈值的选取确定车牌候选区域，再根据 车牌纹理特征对候选区域进行筛选以得到精确位置。赵雪春提出基于 HSI 和多级混合 集成分类器的车牌定位方法，采用多层感知器网络对输入彩色图像进行彩色分割，再 通过投影分割出车牌区域。 4) 其他综合多种算法的定位方法 清华大学的陈寅鹏矧提出一种综合多种特征的车牌定位算法，引入字符分割结果 的识别可信度去除伪车牌，以解决背景复杂的彩色图像中车牌定位问题。泰国的 Premnath Dubcy 提出一种利用密度累加的车牌定位预处理方法，首先计算输入图像的 垂直边缘图，然后用连线方式将符合要求的象素连接在一起，以突出象素密集区域， 最后从这些区域中确定车牌位置。奥地利的 Wenjing Jia 提出一种基于区域特征的车牌 定位算法，其特点是首先采用均值移位法从彩色图片中选出候选区域，然后计算区域 特征，再用 Mahalanobis 分类器进行分类得到定位结果。 （2）常见的字符识别方法： 1)模板匹配方法 中科院自动化研究所的童剑军陋 l 对相似字进行深入的分析，提 出了一种“子区域权值模板"车牌字符精判别方法，将归一化后的字符分为 6 个子区域， 不同的相似字赋予不同的权，并对相似字做进一步的判别，以提高整体识别率。韩国 的 Me-Ae Ko 对车牌字符识别做了深入的研究，在 2003 年的文章鲫里介绍了加权模板 匹配的字符识别方法。 2) 基于神经网络的字符识别方法中国科学技术大学的黄戈祥提出了删神经网络 在 LPR 系统中的应用，利用 Zemike 矩提取字符旋转不变特征，并以 ART2 神经网络 作为分类器实现字符识别。华东交通大学的胡晓燕对 BP 神经网络和 ART 自组织网络 两种字符识别算法进行综合实验和比较。西安电子科技大学的赵先军对 BP 神经网络的 车牌字符识别进行了深入研究。 3)基于 SVM 的字符识别方法北京理工大学的高珊采用 SVM 方法识别车牌字符， 根据车牌字符特征将子分类器分为 4 组以提高识别率，该校的王晓光提出一种基于 SVM 的车牌汉字识别方法，实验结果显示，在小样本的情况下，SVM 的识别率优于 BP 神经网络，并避免神经网络的局部极值问题。 4)其他方法荷兰的 Hans A．Hegt 提出一套车牌定位和字符识别的方法，其中字符 识别使用 Hotelling 变换提取特征向量，然后结合距离比分类器进行识别。韩国的 Me —Ae Ko 在 2004 年的文章 m1 罩提出一种基于特征的字符
    华北电力大学本科毕业设计（论文） 识别方法，提取字符的仿射不变参数和仿射不变特征作为分类器的参数。台湾的 Shen—zheng Wangt 针对字符旋转问题，提出一种实用的字符识别方法。以色列的 Vladimar Shapiro 提出一种适用于多国车牌的车牌字符识别方法，该方法能够排除字符 断裂、倾斜变形对识别的影响，具有较好的鲁棒性。 1.2.2 我国汽车牌照的特殊性 目前牌照自动识别技术尚未达到很完美的程度，但是在国外由于高速公路和收费 停车场发展较早，已经成功地开发了一些类似的自动系统。虽然，国外汽车牌照识别 系统的研究工作有一定进展，但并不尽合我国国情，这主要是因为以下五个方面的原 因： 1)我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母 和数字的识别有很大的不同，从而增加了识别的难度； 2)国外许多国家汽车牌照底色和字符颜色通常只有对比度较强的两种颜色(例如韩 国，其车牌底色为红色，车牌上的字符为白色，而我国汽车牌照仅底色就有蓝、黄、 黑、白等多种颜色，字符颜色也有黑、白等若干种颜色； 3-)其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上的字符排列等)通常 只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式(例如分为军车、 警车、普通车等)；钔我国汽车牌照的规范悬挂位置不唯一； 5)由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下，国外发达国 家不允许上路，而在我国仍可上路行驶。 由于我国汽车车牌识别的特殊性，更须对识别算法加以更为深入的研究与创新。 1.3 本文主要工作 本文基于模版匹配的车牌字符识别算法来解决车辆牌照识别问题；针对现有的字 符算法来对车牌识别技术的关键算法进行了深入研究，包括字符分割和车牌字符的识 别二部分。它们是相辅相成，缺一不可的。前部分字符分割是为字符的识别作准备， 是字符识别精确的前提保证，而字符的识别则是关系到最终输出的识别结果。具体实 现方法是： (1)车牌字符分割本文依据现行的车牌设计原则，提出了一种对水平投影法进行改 进的车牌字符分割方法，将车牌图像分割7个待识别字符，并对分割后的字符进行了归 一化处理。 (2) 对分割字符，通过模版匹配的车牌识别算法进行识别，然后输出最终识别结果
    华北电力大学本科毕业设计（论文） 2 相关知识、理论和技术 2.1 模版匹配识别算法的原理 模板匹配法是实现离散输入模式分类的有效途径之一, 其实质是通过度量输 入模式与模板之间的相似性, 取相似性最大的作为输入模式所属类别。此方法是 由字符的直观形象抽取特征, 用相关匹配原理确定的匹配函数进行判决, 也就是 将输入字符与标准模板字符在一个分类器中进行匹配。下面以一维图像的处理为 例, 相关匹配算法描述如下: 设输入字符用输入函数f(x, y)表示, 标准模板用函数F(x, y)表示,在相关器中 比较后输出为T(x, y)。随机变量用x1, x2 表示, 相关器输出为: T(x1- x2, y1- y2)=!!f(x, y)F(x+(x1- x2), y+(y1- y2))dxdy 当x1=x2, y1=y2, 且f(x, y)=F(x, y)时, T(0, 0)=!!f2(x, y)dxdy, 即为输入字符的 自相关函数, 且有T(0, 0)≥T(x, y)成立。T(x, y)会在T(0, 0)处出现主峰, 而在其它 标准字符处出现一些副峰, 只要这些副峰和主峰不相等, 就可通过选用适当的阈 值进行鉴别, 从而判断并识别出待识别的车牌字符。 模板匹配法根据建模时所取特征的不同, 有图形匹配、笔划分析、几何特征 抽取等几种形式。其中图形匹配法在建模和匹配比较时, 都是基于字符的图形块 本身进行匹配的, 再根据其相似度得出识别结果。用图形匹配原理进行字符识别 时, 一般都是采用二值化字符: 0 表示黑(背景), 1 表示白(字符)。其基本思想是为 每个字符均建立一个标准模板Ti, 待识别的图像用Y 表示, 它们的大小均为M× N。将未知的模式逐个与模板匹配, 由下式求出相似度Si: 其中, “Y×Ti”是指矩阵中对应象素相乘。上式也可以表述为待识图像上对 应点均为“1”的数目与标准模板上“1”点的数目之比。若max Si>λ, 则判定Y ∈Ti, 否则拒绝识别。在这里λ为拒识阈值(一般由实验分析得出)。从理论上讲, 这种判别法在一定条件下, 错误概率和拒识概率最小。 2.2 应用系统开发工具 2.2.1 Visual C++概述 Visual C++是一个功能强大的可视化软件开发工具。自 1993 年 Microsoft 公 司推出 Visual C++1.0 后，随着其新版本的不断问世，Visual C++已成为专业程序 员进行软件开发的首选工具。 虽然微软公司推出了 Visual C++.NET(Visual C++7.0)，但它的应用的很大的 局限性，只适用于 Windows 2000,Windows XP 和 Windows NT4.0。所以实际中， 更多的是以 Visual C++6.0 为平台。 Visual C++6.0 不仅是一个 C++编译器，而且是一个基于 Windows 操作系统 的可视化集成开发环境（integrated development environment,IDE）。Visual C++6.0
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料