logo资料库

车牌识别图像预处理.doc

发布时间：2022-06-10 发布人：admin 分类：说明书 资料大小：12.36M 资料格式：doc 举报 版权申诉
第1页 / 共11页
第2页 / 共11页
第3页 / 共11页
第4页 / 共11页
第5页 / 共11页
第6页 / 共11页
第7页 / 共11页
第8页 / 共11页
资料共11页，剩余部分请下载后查看
    目录
    一、车牌识别系统的国内外现状
    二、图像预处理技术
    三、结论
    参考文献
    车牌识别图像预处理技术研究 摘要：随着数字图像处理技术的发展，图像识别的应用范围也越来越广，涉及到生 活的方方面面。高速公路快速交通网的快速发展，使得各国的交通问题急剧增加，高速 公路通行车辆的规模也急速增加，智能交通管理系统已成为了人们关注的焦点问题。车 辆牌照识别系统作为智能交通管理系统的一部分，在现实生活中有着广泛的应用。 在车牌自动识别系统中，由天气、背景或拍摄等原因造成车牌图像模糊、光照不均 等情况，影响车牌识工作。针对这些问题，本文提出了相应的图像预处理方法，能有效 地改善图像质量，便于后续的车牌识别工作。 关键词：图像预处理；车牌识别；图像识别
    Research on Image Preprocessing Technology of License Plate Recognition ABSTRACT： With the development of digital image processing technology, the application of image recognition is more and more extensive, involving all aspects of life. With the rapid development of expressway rapid traffic network, the traffic problems in various countries have increased rapidly, and the scale of expressway traffic vehicles has also increased rapidly. Intelligent traffic management system has become the focus of attention. As a part of intelligent traffic management system, vehicle license identification system is widely used in real life. In the automatic license plate recognition system, the blurring and uneven illumination of the license plate image caused by weather, background or shooting affect the license plate recognition work. Aiming at these problems, this paper proposes the corresponding image preprocessing method, which can effectively improve the image quality and facilitate the subsequent license plate recognition work. Key words:Image preprocessing; License plate recognition; Image recognition
    目录 一、车牌识别系统的国内外现状............................................................................ 1 二、图像预处理技术................................................................................................ 2 三、结论.....................................................................................................................6 参考文献.....................................................................................................................7
    一、车牌识别系统的国内外现状 车牌自动识别技术的研究国外起步地较早。早在 20 世纪 80 年代，便有一些零零散散 的图像处理方法用于车牌自动识别的某些具体应用。在这个阶段，车牌自动识别技术的研 究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具体问题，并且 最终结果通常需要人工干预。进入 20 世纪 90 年代后，车牌自动识别的系统化研究开始起 步。典型的如 A.S.Johnson 等提出车辆牌照的自动识别系统分图像分割、特征提取和模板 构造、字符识别等三个部分，完成车牌的自动识别。R.A.Lotufo 使用视觉字符识别技术分 析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再 利用统计最邻近分类器与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些 号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。 这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别 速度有待进一步提高。由于我国的车牌格式和国外有较大的差异，所以对于国外的车牌识 别系统的研究技术，我们只能进行参考，不能进行直接应用。虽然我国车牌的识别需要识 别汉字，但是对于英文字母数字的识别，我们可以借鉴国外的研究技术。 从 80 年代中期开始，ARGUS 英国 Alphatech 公司就开始了名为 RAUS 的车牌自动识别 系统的研制。ARGUS 的车牌识别系统的识别时间约为 100 毫秒，通过 ARGUS 的车速可高达 每小时 100 英里。还有 Hi-Tech 公司的 See/Car system,新加坡 Optasia 公司的 VLPRS 等。 另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统。国内在 90 年代也开 始了自己的车牌识别系统的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的 汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。另外西安交通大学的 图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重 点实验室、浙江大学自动化系等都做过类似的研究。虽然这些车牌识别系统的识别率大多 都比较高，如 95%，甚至 97%、98%，但是这些车牌识别系统的识别检测结果大多数是在简 单受限制的场景下取得的，在实际的交通场合以及更加复杂的背景环境的情况下，这些车 牌识别系统的识别率一般都达不到 90%，甚至更低。 1
    二、图像预处理技术 计算机系统想要理解图像信息一般要经过图像采集、预处理、特征采集、匹 配分析等步骤。原始图像因为受到各种条件限制和随机信号干扰产生噪声，导致 图像不能直接使用，所以需要对原始图像进行灰度校正、图像增强、图像滤波等 预处理操作，从而减少干扰，获取对我们有用的信息[12]。图像预处理的目的是针 对给定的应用场合抑制不感兴趣特征，增强某些感兴趣特征，为后续处理做准备。 （一）灰度化 由于中国大部分的车牌是第一个是汉字，第二个到第七个是字母或数字，这就可以将 车牌图像识别过程分成两部分处理，第一部分是识别汉字的过程，第二部分是识别字母和 数字的过程，由于汉字笔画较多，同字母或数字的处理过程有所不同。所以我这里就先处 理字母或数字的过程。 除汉字外，在第一个字母和第二个数字的中间有个一点，所以在字符分割的时候要考 虑去掉中间的点。车牌图像总体来说比较清晰，大型民用车，牌照为黄底黑字，小型民用 车，牌照为蓝底白字 ，由于字符与背景颜色对比比较明显，所以将车牌分割开来比较容 易。由于有些车牌的上面和下面也有螺丝之类的东西将车牌固定，所以在将车牌分割的时 候，通过水平扫描跳跃点的方法，可以去除掉，以便最后将车牌进行分割，去除这些干扰。 在 RGB 模型中，如果 R=G=B 时，则彩色表示一种灰度颜色，其中 R=G=B 的值叫灰度值， 因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为 0-255。一般有四种方法对彩色图像进行灰度化。 1.分量法。就是将每个分量上的颜色值即 RGB3 种颜色提取出来。即：将彩色图像中的 三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。 f1(i,j)=R(i,j) f2(i,j)=G(i,j) f3(i,j)=B(i,j)其中 fk(i,j)(k=1,2,3)为转换后的 灰度图像在（i,j）处的灰度值。 2.最大值法。选取彩色图像中的三分量中（RGB）的颜色的最大值作为灰度图的灰度值。 即：f(i,j)=max(R(i,j)，G（i,j）,B(i,j))。 3.平均值法。 将彩色图像中的三分量亮度求平均得到一个灰度图 f(i,j)=(R(i,j)+G(i,j)+B(i,j))/3。 2
    4.加权平均法。根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由 于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对 RGB 三分量进行加权平均能 得到较合理的灰度图像。f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))。 以下是原图像及灰度化图像： （二）图像增强 1、图像滤波 图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像 预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性 和可靠性。 消除图像中的噪声成分叫作图像的平滑化或滤波操作。信号或图像的能量大部分集中 在幅度谱的低频和中频段是很常见的，而在较高频段，感兴趣的信息经常被噪声淹没。因 此一个能降低高频成分幅度的滤波器就能够减弱噪声的影响。 图像滤波的目的有两个:一是抽出对象的特征作为图像识别的特征模式;另一个是为适 应图像处理的要求，消除图像数字化时所混入的噪声 3
    2、图像锐化 在数字图像技术中，图像在提取、传输等过程中有很多原因会造成图像模糊，降低图 像质量，特别是图像在进行算术运算或积分运算时更容易造成图像模糊，所以对模糊图像 进行逆运算可以使模糊图像清晰化,这种消弱图像模糊方法称为图像锐化。 进行锐化处理操作的图像要求有较高的信噪比，不然锐化后的图像信噪比反而会更低， 降低了图像的质量，因此图像一般是先进行处理降噪，后再进行锐化处理。常用的微分锐 化方法是拉普拉斯锐化。 设 为拉普拉斯算子 ，对于离散数学图 f (i, j)像，其一阶偏 导数为： 则二阶偏导数为： 所以拉布拉斯算子 为： 扩散现象引起的图像模糊，用式 2-8 来进行锐化处理： k 是系数，与扩散效果有关，k 的取值要合理。 k 过大，则图像轮廓边缘会发生过冲现象， 反之 k 如果过小，则锐化效果就不理想。 （三）二值化处理 二值化处理即将 BMP 图像进行黑白处理，使背景与字符区分开。由于灰度化后的图像 是 0-255 之间的颜色值。而进行二值化处理的过程就是将此图像的颜色分成黑色值 0 和白 色值 255 两种颜色。为了将背景与车牌字符分开，要设定一个阈值。设定阈值是关键。如 果选取的二值化的阈值不当则就有可能不能将车牌图像中的背景与文字进行明显分开，所 以这时二值化的阈值选取就显得非常重要。根据试验，我设定的阈值为 4
    125。二值化后的效果如下： （四）二值化处理 二值化后的车牌图像还存在许多干扰区域，若直接进行车牌定位，很容易出现误定位 或增加了车牌定位的计算量，因此可以利用数学形态学算子，简化图像数据，保持图像的 基本形状特征，去除不相干的结构。数学形态学的基本运算有四个:膨胀(或扩张)、腐蚀(或 侵蚀)、开运算和闭运算，其基本思想是利用结构元作为探针收集图像的信息，当探针在图 像中不断移动时，即可根据图像各部分的相互关系来了解图像的结构特征。因此，利用形 态学算子来处理图像时，结构元的设置非常重要。 由于二值化后的图像已形成多个空间位置濒临字符边缘的像素分布，这有利于构成牌 照连通区域。由于牌照内字符间距随图片中牌照的几何尺寸不同而有所变化;且牌照位置附 近可能存在干扰纹理的影响，因此，为防止连通区域断裂和尽可能减少与背景纹理的粘连， 需要仔细确定结构元。 5
    分享到：
    赞 收藏

    相关推荐

    资料库

    音视频

    共收录313份资料，累计4个分类，关注成员有19位，主要包括：图像识别,直播技术,编解码,图像处理

    热门标签

    图像识别 直播技术 编解码 图像处理

    最新资料