车牌识别系统.doc

车牌识别系统车牌的自动识别在交通的智能监视和管理中有着极其重要的应用。尽管车牌的先验知识比较丰富,但是在复杂的背景下,车牌的自动识别仍然比较困难。目前的车牌识别系统大多是针对简单场景,单一车辆。本论文提出了一种复杂背景下的多车牌图象分割和识别方法,首先采用统计和特征匹配相结合的方法进行背景提取,将可能存在车辆的区域提取出来;然后分别对可能的车辆区域进行局部边缘检测,并使用车辆的先验知识确定车牌的位置和单个字符分割,包括车辆倾斜时的字符分割;最后使用PCA和神经网络相结合的方法精确识别车牌。:、监控与管理方面有着广泛的应用。目前的车牌识别方法主要是针对车辆自动注册和收费、停车场管理等场合,所监视的区域一般只有单一车辆,背景比较简单。在许多应用场合,监视区域比较复杂,现有的方法无法直接应用,比如高速公路的监视与监控,城市要道的监视与监控,所监控的区域一般同时会出现多辆汽车,背景也比较复杂,有广告牌、树木、建筑物、斑马线以及各种背景文字等。首先采用统计和匹配相结合的方法进行背景提取,将可能存在车辆的区域提取出来;然后分别对可能的车辆区域进行局部边缘检测,并使用车牌的先验知识确定车牌的位置和单个字符分割,包括车牌倾斜时字符分割;最后使用PCA和神经网络相结合的方法精确识别车牌。PCA的摄像部分工作于开放的户外环境,拍照时的光线,摄像机与牌照的距离和角度等都会造成采集图像的模糊、歪斜等,严重影响车牌的分割识别。所以在进入车牌识别模块之前,首先要对采集到的车牌图像进行预处理。目前,适应于各种应用环境的,较为通用的图像预处理方法还不是很成熟,论文在现有车牌预处理算法的基础上,针对车牌图像提出了改进的预处理方案。具体过程是在现有的中值滤波、灰度化及二值化的常规处理后,又提出了对二值图像进行二次中值滤波来对二值图像降噪,并将通常用于实现车牌定位的锐化边缘算法运用到预处理中,为去除车牌图像背景,提取车牌字符做好了准备中值滤波对于消除孤立点,即椒盐噪声和线段干扰十分有用,特别是对于二进制的椒盐噪声尤为有效,S仿真测试表明,中值滤波后的车牌二值图像,清晰度得到了显著提高(如图1所示),为车牌字符分割打好了基础。在车牌识别系统中通常采用锐化边缘的方法实现车牌定位,论文将其用于预处理,采用Roberts算子,利用局部差分算子寻找边缘,对车牌二值图像进行了边缘锐化(如图2所示),为去除车牌背景提取字符做好了准备,同时经过边缘锐化提取了车牌边框及字符的外部轮廓信息,相对整个车牌信息,后续处理的数据量大大减少了,从而提高了系统的处理速度。车牌字符分割是在车牌定位后把车牌的整体区域分割成单字符区域。字符分割主要有自顶向下分割、边缘检测分割、迭代像素聚类和区域生长法等。论文结合车牌自身的特点,提出了先去车牌背景提取字符,再进行字符分割的改进的车牌分割方案。在得到一个或几个车牌区域后,要先将其分割为单个的字符,然后才能进行下一步的单个字符的识别。传统的方法是使用投影的方法进行切割。先统计定位出来的车牌区域的直方图,然后将统计值等于零的几列中的一列作为分割的界限。这种分割方法实现起来比较简单,但是适应性很差,在预处理效果不好的情况下,很难有满足条件的列。而为了获取满足传统方法的条件,只有加强预处理的条件,因此处理完后的图像不可避免的损失一部分有用信息,给进一步的处理造成不必要的困难,并可能引入额外误差。并且,在车牌倾斜的角度比较大或是拍摄的车牌上的字符为密集的时候,投影的方法从本质上就失去了意义。为了避免上述两种弊端,本文提出一种新方法来分割单个字符,该方法既从一定程度上避免了预处理效果不好带来的影响,又可以从根本上解决了倾斜车牌分割的问题。背景对车牌字符的正确分割和识别有很大的影响,为了提高识别效率,论文在车牌分割之前,充分利用定位车牌两铆钉中间部分无铆钉干扰,且字符与车牌边框的粘连度较小的特点,首先采用改进的局部投影法去除了车牌图像的背景(边框、铆钉以及噪音),准确提取出车牌图像的纯字符区(如图4(b)所示)。首先,截取车牌二值图像的中间部分(通常为车牌长度的1/3到2/3部分)进行局部水平投影,通过从中间向两边扫描投影值(0或255)的大小寻找字符区域的上下边界,再根据车牌各字符字体高度相等的特点,即可去除车牌的上下边框和铆钉。同理,对去除水平背景的二值图像进行垂直投影并从左到右扫描投影值,便可找到并去除车牌图像的左右边框,彻底提出车牌中的字符图像经过对车牌图象的定位和分割处理,得到的车牌图象已经是较为单纯的灰度图象。但是车牌中字符的分割(即切分)还有很大困难,如光照条件和车牌表面光洁度不同,就会增加字符切分的难度。字符的切分是字符识别的基础,它决定孤立字符的状况。字符的切分通常采用以下几种方法。(1)