毕业论文正文：车牌识别算法调研.doc

前 言 随着交通问题的日益严重，智能交通系统应运而生。从20世纪90年代起，我国也逐渐展开了智能交通系统的研究和开发，探讨在现有的交通运输网的基础上，提高运输效率，保障运输安全。我国加强智能交通系统（ITS）的研究与开发势在必行，特别是考虑到我国的国情和我国经济的快速发展，社会信息化程度日益提高，交通管理智能化成为发展的趋势。 汽车牌照自动识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。 车牌识别的目的是对摄像头获取的汽车图像进行预处理,确定车牌位置,提取车牌上的字符串，并对这些字符进行识别处理,用文本的形式显示出来。车牌自动识别技术在智能交通系统中具有重要的应用价值。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次论文主要对车牌的定位做了比较详细的研究。 车牌自动识别系统（LARS）作为一种交通信息的获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要的应用价值，受到业内人士的普遍关注。车牌自动识别的处理有三部分组成，其中车牌定位作为最关键的技术，成为重点研究的对象。输入图像数据库字符识别系统车牌定位系统图像预处理系统 车牌定位的成功与否以及定位的准确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。 车牌定位的方法有很多种，目前比较经典的定位方法大都在基于灰度图像的基础上，针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中不同区域的灰度分布，车牌定位可以首先将彩色车牌进行灰度化然后再进行车牌定位。第一章 绪论1.1机器视觉概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器，包括智能机器人，是这种机器撮理想的形式，也是人类科学研究中所面临的最大挑战之一。智能机器是指这样一种系统，它能模拟人类的功能，能感知外部世界并有效地解决人所能解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80的信息是由视觉获取的。因此，对于智能机器来说，赋予机器以人类视觉功能对发展智能机器是极其重要的，也由此形成了一门新的学科一机器视觉(也称计算机视觉或图像分析与理解等)。机器视觉的发展不仅将大大推动智能系统的发展，也将拓宽计算机与各种智能机器的研究范围和应用领域。 机器视觉是研究用计算机来模拟生物外显或宏观视觉功能的科学和技术。机器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认知现实世界。机器视觉系统获取的场景图像般是灰度图像，即三维场景在二维平面上的投影。此时，场景三维信息只能通过灰度图像或灰度图像序列来恢复处理，这种恢复需要进行多点对一点的映射逆变换。在信息恢复过程中，还需要有关的场景知识和投影几何知识。机器视觉是一个相当新且发展十分迅速的研究领域。可以说，对机器视觉的全球性研究热潮是从20世纪80年代开始的，到了80年代中期，机器视觉获得了蓬勃发展，新概念、新方法、新理论不断涌现。比如，基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等等。机器视觉的应用主要包括以下一些方面：（1）零件识别与定位（2）产品检验（3）移动机器人导航（4）遥感图像分析（5）医学图像分析（6）安全鉴别、监视与跟踪（7）国防系统（8）其它12智能交通系统及车牌识别系统在其中的应用 智能交通系统(Intelligent Transportation System，ITS)就是以缓和道路堵塞和减少交通事故，提高交通利用者的方便、舒适为目的，利用交通信息系统、通讯网络、定位系统和智能化分析与选线的交通系统的总称。它通过传播实时的交通信息使出行者对即将面对的交通环境有足够的了解，并据此做出正确的选择；通过消除道路堵塞等交通隐患，建设良好的交通管制系统，减轻对环境的污染：通过对智能交叉路口和自动驾驶技术的开发，提高行车安全，减少行驶时间。 智能交通系统已成为被普遍认可的改善交通状况的最为有效的途径。目前世界各国都在大力发展，其中的代表是美国。1995年3月美国交通部首次正式出版了国家智能交通系统项目规划，明确规定了智能交通系统的7大领域和29个用户服务功能此后进入新世纪第一年，又与美国ITS协会(ITS America)联合编制了ITS十年发展规划。其中7大领域包括：出行和交通管理系统、出行需求管理系统、公共交通运营系统、商用车辆运营系统、电子收费系统、应急管理系统、先进的车辆控制和安全系统。 车牌识别系统(License Plate Recognition System，LPR)是智能交通系统的一个重要组成部分，该系统能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别。 车辆牌照识别技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽车牌号，并进行相关智能化数据库管理。车牌识别系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查、监测黑牌机动车、监控违章车辆的电子警察等需要车牌认证的重要场合，尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率，车牌识别系统更具有不可替代的作用，因而对车牌识别技术的研究和应用系统开发具有重要的现实意义。1.3课题研究背景 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。 随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车辆牌照识别系统（vehicle license plate recognition system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。 车辆牌照识别系统（vehicle license plate recognition system，简称LPR）是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。在车辆牌照识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。1.4车牌的特征 车牌的本身具有许多固有特征，这些特征对不同的国家是不同的，我国现在使用的车牌主要根据中华人民共和国机动车牌号GA36-92标准，具有以下五个特征： （1）形状特征：标准的车牌外轮廓尺寸440*140，字符高90，宽45，字符间距12，间隔符宽10。整个字符的高宽比例近似为3:1，车牌的边缘是线段围成的有规则的矩形。主要用在车牌的定位分割。 （2）颜色特征：现有的字符颜色与车牌底色搭配有四种类型，蓝底白字，黄底黑字，白底黑字，黑底白字。这部分特征主要用在对彩色图像进行车牌的定位。 （3）字符的特征：标准的车牌上有7个字符，呈水平排列，待识别的字符模板可以分为一下三类，汉字，英文字母，阿拉伯数字，主要用于对字符匹配识别方面。 （4）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)。 （5）我国汽车牌照的规范悬挂位置不唯一。 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。 车牌与汽车的其它区域相比，还有一下主要特征： （1）车牌区域中的垂直边缘比水平边缘密集，而车身其它部分的水平边缘明显，垂直边缘较少。 （2）灰度变化特征：车牌的底色、边缘颜色，车辆外部的颜色都是不同的，表现在图像中就是灰度级互不相同，这就在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在灰度上的表现是一种屋脊状边缘。在车牌区域内部，字符和车牌底的灰度较均匀的呈现波峰波谷。 （3）有相对集中和规则的纹理特征。 由于我国汽车车牌识别的特殊性，这就导致了采用任何单一识别技术都是难以奏效的。1.5国内外车辆牌照识别技术现状 一个典型的车牌识别系统由车辆检测、车牌定位、字符分割、字符识别部分组成，对于其中的每一个部分，人们都提出了很多不同的算法。由于在识别时进行字符特征提取和识别的对象都是在车牌区域内，所以从自然背景中分割出车牌区域的车牌定位技术，和J下确识别出矩形区域内字符的字符识别技术是提高汽车自动识别系统识别率的关键。 车牌自动识别是交通监控中比较热门的研究课题，许多科技工作者为此做出了不懈的努力。许多发达的工业国家和地区，早在80年代初期就着手研制汽车牌照识别系统。英国一个研究小组在1982年研制了一种用于刑侦的汽车牌照识别系统，该系统架设在公路上，对被盗车辆或失效牌照进行搜索，一经发现，即可通过普通电话通知警方进行拦截，但该系统的正确识别率仅达50左右。1983年，R本一家公司曾研究过用来检查超速行驶的汽车牌照识别系统，该系统通过对A、B两点间所摄取牌照的匹配，确定出汽车在A、B两点间行驶的平均车速，但因识别率低，难以投入实用。目前，国内外有大量关于车牌识别方面的研究报道。发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，如Yuntao Cui提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。Eun Ryung 等利用图像中的颜色分量，对车辆照进行定位识别，其中提到了三种方法：以Hough 变换为基础的边缘检测定位识别；以灰度值变换为基础的识别算法；以HLS 彩色模式为基础的车牌识别系统，识别率分别为81.25%、85%、91.2%。 日本对车牌图像的获取也做了大量的研究，并为系统产业化做了大量工作。Luis开发系统应用于公路收费站，全天识别率达到了90%以上，即使在天气不好的情况下也达到了70%。国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种类单一，规范程度较高，易于定位识别。目前，已经实现了产品化，并在实际的交通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。从车牌识别系统进入中国以来，国内有大量的学者在从事这方面的研究，提出了很多新颖快速的算法。中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180 的样本集中，车牌定位准确率为99。42%，切分准确率为94。52%，这套系统后来应用于汉王公司的车牌识别系统，取得了不错的效果。南京大学的熊军等提出了基于字符纹理特征的定位算法，准确率达95%。华中科技大学的陈振学等学者提出了一种新的车牌图像字符分割与识别算法，使用一维循环清零法，通过对垂直投影图进行一次扫描，有效的清除了杂点和间隔符，正确分割率达到了96。8%。浙江大学的张引、潘云鹤等提出了彩色边缘算子Color Prewitt 和彩色边缘检测与区域生长相结合的牌照定位算法，算法简单，且全面作用在颜色空间的三个分量上，检测出的牌照区域易于与背景剥离。但是计算量和存储量都比较大，难以满足实时性的要求。此外，当车辆区域的颜色和附近颜色相近时，定位失误率会增加。国内还有许多学者都在进行这方面的研究，并且取得了大量的研究成果。1.6车牌识别技术的应用情况 车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌图像，经过字符切分和识别后实现车辆牌照的自动识别，从而为以上应用提供信息和基础功能。 目前车牌识别系统主要应用于以下领域： （1）停车场管理系统。利用车牌识别技术对出入车辆的号牌进行识别和匹配，与停车卡结合实现自动计时、计费的车辆收费管理系统。 （2）高速公路超速自动化管理系统。以车牌自动识别技术为基础，与其他高科技手段结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的复发生率，确保交通顺畅。 （3）公路布控。采用车牌识别技术实现对重点车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。 （4）城市十字交通路口的“电子警察”。可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。 （5）小区车辆管理系统。社区保安系统将出入社区的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管。1.7车牌识别技术的发展趋势 车牌识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已经得到了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种不足。 对于未来车牌识别产品的技术发展趋势，汉王科技智能交通部总经理乔炬认为：首先，由于市场需求不同，对识别产品的需求也有差异，因此就要求研发针对不同细分市场的车牌识别产品。其次，随着算法的不断改进，基于视频触发技术的车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。第三，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护是一个让人头疼的问题。随着技术不断进步，以往多个设备实现的功能可能由一个设备实现。 目前，车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来的技术发展空间还会非常大。例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强，画质改善技术的提高等等。1.8车牌定位的意义 现在社会已经进入信息时代，随着计算机技术、通信技术和计算机网络技术的法杖，自动化的信息处理能力和水平不算提高，并在人们社会活动和生活的各个领域得到广泛应用。在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的的重视。作为现代社会的主要交通工具之一的汽车，在人们的生产、生活的各个领域得到大量使用，对它的信息自动采集和管理在交通车辆管理、园区车辆管理、停车场管理等方面有十分重要的意义，成为信息处理技术的一项重要课题。1.9本文的主要内容及工作 车牌识别(License Plate Recognition，LPR)技术自提出以来，人们对其进行了广泛的研究，目前已有众多的算法，一然实用的识别系统也开始应用于车流监控、出入控制、电子收费等场合。然而，无论是LPR算法还是LPR产品都存在一些有待解决的问题。在车牌识别过程中，车牌定位、字符分割和字符识别都是很重要的环节，人们应用图像处理技术和模式识别技术对其提出了多种解决方法，但是这些方法通用性较差，无法在实际中实现车牌号码的正确和准确的识别。本论文系统的介绍了车牌识别系统的工作流程、所用的技本及其原理，其中，重点对图像处理以及模式识别等技术在车牌识别中的应用研究做了详细阐述。将各种方法与实际图像相结合，并比较优劣，考虑系统实时性对算法时间与空间复杂度的要求，提出了自己的车牌定位、字符分割与识别方法，设计并实现了一个车牌识别系统，在实验中取得了较为满意的结果。(1)车牌定位 提出了一种基于车牌字符连接特征(字符纹理之间的关联性)的车牌定位方法，并通过区域增长的方法进行矩形搜索，以获取候选牌照的区域。该算法对车辆所处背景的依存度低，可以对一幅图像中多个车牌进行定位，最多可在一幅图像中考察254个候选区域。(2)字符分割 根据提取出的车牌图像和车牌字符大小的先验知识，利用投影法和回扫法进行字符分割。(3)字符识别 根据车牌字符的分布情况，同时为了提高识别速度，才用两次识别的方法。第一步采用投影法和上下边距比值进行粗分类，第二步采用模版匹配识别字符。考虑到由于受前面步骤的影响，用于字符识别的单个字符图像可能会有变形或者缺损，造成某些误识别，还要针对其识别结果做出进一步的分析，从而保证得到较高的识别率。第二章 车牌定位技术研究现状2.1车牌定位技术研究现状 车牌定位的研究因外起步比较早，现有比较好的牌照定位方法主要有Barroso J等提出的基于水平线搜寻的定位方法， Parisi R等提出的基于DFT变换的频域分析方法fml，Coetzee C等提出的基于Niblack二值化算法及自适应边屏搜索算法的定位方法，Ulas J等人曾提出基于扫描行的车牌提取方法。上述方法，尽管在一定的条件下能够分割出车牌，但车牌识别系统大多是利用摄像机室外拍摄汽车图案，存在许多客观的干扰，如天气、背景、车牌磨损、图像倾斜等因素。因此定位并不十分理想，而且对于其它国家的车牌并不能很好地识别，甚至产生拒识或误识现象。 90年代以来，由于交通现代化发展的需要，我国也开始对车牌定位进行深入研究，并取得了一定成效。国内比较好的定位算法有基于车牌文字变化特征的自动扫描识别算法；基于特征的车辆牌照定位算法：基于变换函数提取车牌的算法：基于视觉的车辆牌照检测；基于小波与形态学的定位算法。这些算法都是基于车牌的特征来研究车牌的定位与识别，因而具有一定的针对性和局限性。车牌定位的方法多种多样，它可以是先前方法的改进，也可以是独辟蹊径的创新，也可以是新老方法的结合。2.2车牌字符识别技术研究现状 车牌字符识别实际上是依附在车牌上的印刷体文字的识别，能否正确识别不仅是文字识别技术的问题，还要考虑其载体一车牌区域的影响。车牌字符识别技术是文字识别技术与车牌图像自身因素协调兼顾的综合性技术。由于摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度及车辆运动等因素的影响使牌照中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰，这些都给字符识别带来了难度。 目前较为实用的车牌字符识别方法主要有基于字符结构”“的识别方法、基于模板匹配“”的识别方法等。此外近年不少学者提出了一些新的方法。 基于神经网络的车牌识别“”方法，对于解析度较高和图像比较清晰的车牌，这些方法能有效识别车牌中的字符，但对于较低解析度和较为模糊的车牌无能为力，因为这些方法只有在车牌中的每个字符被独立分割出来的前提下刊能完成识别工作。而独立分割车牌取得字符，对较低解析度和较为模糊的车牌来说是非常困难的。 近年来不少学者已尝试着将隐马尔可夫模型方法应用于字符识别，但目前的研究几乎都集中在一维隐马尔可夫模型上言而国内的车牌字符由汉字、英文字符及数字组成。鉴于汉字的二维空间拓扑结构特性，汉字的识别要使用二维马尔可夫模型，但是这种方法计算复杂，训练和识别很耗时恻。 还有学者提出利用分形理论“”来对车牌矩形区域内的字符进行识别，为该模式识别问题寻找新的技术途径。但是实验表明有些字符的分数维相差极小，导致阀值难以选取。 技术虽然多种多样，但是都是针对某些特定的环境和场合才会有较好的效果，每种方法都各有优缺点。表1Ol列出了几种较为成熟的产品。有些方法速度快，但是容易受到字符大小、字符倾斜的影响；而适应性好、识别率高的方法往往运算量较大，难以满足实时性的要求。总的看来，在各种车辆自动识别技术中，目前真正能够实际使用的还不多，需要用某种折衷的方法来加以解决。以下是几种较为成熟静LPR产品 公司 产品 识别率 识别速度 Hi-Teeh (以色列) See Car 93 500ms Optasia (新加坡) VLPRS 99。7 4002000ms AsiaViSiOn Technology （中国香港） VECON 96 1000ms2.3研究中的关键点 在车牌识别中，首先要获取车牌的图像，这通常由专门的摄像装置来完成。当探测剥车辆出现在菜一区域内时，存入此时的车辆图像用来进行识别。当一个车牌翻动检测与识剐系统工1乍在自然环境下时，由于受到各种因素的影响且没有一种可循的规律，给系统的研究带来很大困难。主要的影响因素有： (1)车辆处于运动状态以及污损等原因，车牌碱面往往不够清晰，难以从中摄取需要的信息。 (2)环境光照不均匀。这包据：白天与夜间的光照强度相差极大：在强光的照射下，牌照表面的各处反光不均匀乃至造成牌照的变色；夜间汽车前灯的影响，造成汽车牌照部分图像亮度和对比度的降低。 (3)中国牌照出汉字、字母和数字组成。由于汉字的笔划繁多，相对于由字母和数字组成的牌照，图像要具有更高的分辨率。 (4)系统要具有很高的采集和处理速度，要达到实时处理。这要求采用的算法简洁、实用、有较高的效率。第三章 车牌识别系统的基本原理3.1现行机动车牌照规格 根据现行的管理制度，在我国境内道路上行驶的所有机动车都必须经有关机构办理登记，领取相关证件并安装、悬挂相应的机动车号牌。目前国内使用的车牌主要是1992式民用号牌及2004式军用号牌，相应的标准规定了各种号牌的尺寸、颜色、适应范围等要求，部分常见车辆类型的号牌规格如下：常见1992式民用及2004式军用号牌规格 序号 分类 外廓尺寸(mm) 颜色 面数 l 大型汽车 前：440140 黄底黑字黑框线 2 后：440*220 2 小型汽车 440*140 蓝底白字白框线 2 3 使、领馆汽车 440*140 黑底白字红 白框线 使”、“领”字 2 4 外籍汽车 440*140 黑底自字白框线 2 5 境外汽车 440*140 黑底自字白框线 2 6 教练汽车 440*140 黄底黑字黑 “学”字黑框线 2 7 试验汽车 440*140 黄底黑字黑 “试”字黑框线 2 8 挂车 440*140 黄底黑字黑 “挂”字黑框线 l 9 警车 440*140 白底黑字红 “警”字黑框线 2 10 军车 440*140 白底黑字红 1、2位字黑框线 2 11 临时行驶车 220*140 白底(蓝色暗纹) 黑字黑框线 l 12 临时入境汽车 300*165 白底红字黑“临时入境”字 (字有金色廓线)红框线 l 常见号牌的前车牌尺寸大都为440mm×140mm。号牌中的机动车登记编号共有7位字符。编号第1位汉字，民用号牌其表示省、自治区、直辖市简称，军用号牌其表示所属单位简称；第2位英文字母表示发牌机关代号；第3位至第7位为车辆注册编号，用英文字母(I、0不可用)及阿报伯数字表示，未位可用汉字表示。其中普通民用号牌及军用号牌第2位与第3位之间有间隔符，为号牌产生标记，警用号牌的间隔符在第1位与第2位之问：间隔符前牌照为圆点，后牌照为短横杠。 机动车登记编号部分的设计总宽度为409mm，其中每个字符宽45mm，高90rnm，间隔符直径10mm，相邻字符之间(包括字符与分隔符之间)的水平距离为12mm。3.2车牌识别系统的基本原理 车牌识别系统主要由车牌定位、字符分割、字符识别三个部分构成，而字符分割与字符识别通常是合而为一进行的。车牌识别系统主要由两大类，基于彩色空间的与基于灰度空间的系统。前者的优点在于其包含的信息更加丰富，识别率更高：而后者则由于图像的简洁而计算更加迅速，实时性更高。在整个车牌识别系统中，车牌的定位是其中的重点与难点，直接关系到后面字符分割与识别的成败。 车牌定位属于数字图像处理领域中的模式识别问题，其核心是根据牌照图像的某些特，运用适当的图像处理技术、数学逻辑运算使车牌部分在整个图像中凸现，而无关的背景则消隐，然后通过相应的技术手段获得凸显部分的坐标范围，从而确定牌照区域的位置。因此，可以认为车牌定位技术包含三项基本的要素：（1）图像特征的考察；（2）特征的量化与处理；（3）特征区域的提取与筛选。3.3 车牌图像的主要特征 概括来说，牌照区域所具有的图像特征主要包括以下几个方面：(1) 颜色 车牌的背景颜色及字符颜色是一种独特的组合。以现行号牌规格为例，如果用彩色表示，则背景颜色有蓝、黄、黑、白，而字符(前景)颜色则有白、黑、红，两方面可能的组合包括蓝底白字、黄底黑字、白底黑字、白底红字、黑底红字、黑底白字等。如果用灰度表示，则牌照区域的颜色组合有两种可能：深色底浅色字和浅色底深色字。(2) 几何形状 不同车牌个体的物理大小是统一的，反映在图像上通常是一个近似矩形或者平行四边形的区域。由于拍摄角度、检测方法和基准等因素的影响，车牌图像的实际形状特征值(如矩形拟合度、长宽比等)一般与标准值不同，而是以标准值为中心在一定范围内波动。(3) 位置范围 车牌的安装位置通常有特定的位置，尤其是前车牌。相应的，如果图像采集的方法规范、要求一致、摄像机的位置相同，则牌照区域在采集到的图像中的位置也具有一定的规律。(4) 纹理 从图像处理的角度来看，以字符为主的车牌图像存在明显的纹理一一牌照区域中的像素颜色在理想情况下只有两三种值，而不同颜色的像素分布服从特定的规律。(5) 文字内容 牌照编号是一串具有唯一性的字符串，其字符位数、编排格式等都有以法规形式固定下来的一定标准，明显区别于厂商徽标、内部编号、车辆型号等可能出现在车辆上的其它符号。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将他们结合起来可以唯一的确定牌照区域。在这些特征中，颜色、形状、位置特征最为直观，易于特征的提取。纹理特征比较抽象，必须经过一定的处理或者转换其他特征才能得到相应的可供使用的特征指标：文字内容特征通常至少需要经过字符分割或识别后才可能成为可资利用的特征，一般只是用来判断车牌识别正确与否。3.4特征的量化与处理 车牌图像的各种概念性特征必须转换、表示成可以度量的相应指标，才能用于实际的考察、运算和判别。一项特征可能有不止一种的量化指标，这些指标可以直接由特征导出，也可以有同类的其他指标经特定运算后得到。对于颜色特征，彩色图像的色彩空间有多种表示系统，常用的有RGB系统、CMY系统、HSV系统等；灰度图像通常使用的有256级灰度、2级灰度(二值)及自定义灰度系统等。彩色图像包含的信息较多，但运算相对复杂，时间与空间复杂度高；灰度图像运算方便，时间与空间复杂度低，但信息相对较少。 在点阵形式的数字图像中，像素点是最基本的元素，水平、垂直线段的长度可以用其中包含的像素点数来表示，连通区域可以用像素点集来表示。由此，图像区域的位置关系和几何尺寸可以得到量化的表示。在这一基础上，还可以获得连通联域及其边缘轮廓之间的相对关系。以上这些信息可以作为来判断区域的形状以及与期望形状的相似度等的特征指标。纹理特征是一种相对复杂的特征。其本质是像素颜色在空间上的一种独特的规律性分布，该分布可以从多个方面进行考察：可以在图像中去特定方向的单位宽度的线条，考察线条中的像素颜色的变化与分布；可以以适当的窗口为单位考察局部颜色的变化情况，可以对原图像进行相应的变换，通过得到的边缘、跳变等反映颜色变化的度量来考察像素颜色的分布规律。3.5特征区域的提取和筛选 对于得到的量化特征，需要构建一定的规则，具体描述牌照区域的特征量应满是的条件，根据该条件采用适当的方法判断、提取出与车牌图像有类似特征指标的区域。 特征区域的提取方法必须与特征的量化、处理方式相适应。 通常情况下，人工构造的判别规则不可能完全精确，而且特征区域可能存在模糊化，常常需要将条件适当的放宽，因此图像中满足规则要求的特征区域可能不止一个。必须对这些候选区域进行比较，从中选出其最相似者为定位的最终络果。筛选的标准通常是候选区域的特征量与车牌图像理想特征量之间的匹配程度。具体处理时，一般将多种特征指标结合起来进行综合比较，以提高描述和筛选的准确性。第四章车牌识别常用的图像处理技术 图像处理技术是车牌识别系统中最为重要的技术之一，只有充分利用各种数字图像处理技术对己知的车辆图像进行处理，才能达到去除噪声和干扰、突出车牌信息，从而分割出车牌区域并得到单个的车牌字符用于识别的目的。并且，车牌定位和字符分割本身就属于图像处理中图像分割的应用研究范畴。4.1图像预处理 在图像的生成、传输或变换的过程中，由于多种因素的影响，总要造成图像的降质。图像预处理的目的是采用一系列技术去改善图像的效果或将图像转换成一种更适合于人或机器进行分析处理的形式。针对不同的输入图像，预处理的类型也多种多样，包括图像的增强、图像的变换、图像的复原等等，每一类都有很多的方法。在车牌识别系统中，出于采集的初始图像往往受到外界环境的影响，并不一定很适合车牌的提取和字符的识别(比如图像太暗或太亮、有噪声干扰、背景复杂等等)。因此，必须对车牌图像进行一系列的预处理，达到突出车牌区域和各种字符信息的目的。4.2滤波 图像滤波的目的是为了消除噪声。噪声消除的方法又可以分为空间域或频率域，亦可以分为全局处理或局部处理，亦可以按线性滤波、非线性滤波和自适应滤波来区别。下面介绍邻域平均滤波、中值滤波、空间域低通滤波和频域低通滤波。(1)邻域平均法 邻域平均法是一种局部空间域处理的算法。设一幅图像f(x，Y)，滤波后的图像为g(x，y)，它的每个象素的灰度级由包含在(x，Y)的预定邻域的几个象素的灰度级的平均值所决定。以上算法简单，计算速度快，但它的主要缺点是在降低嗓声的同时使图像产生模糊，特别在边沿和细节处，邻域越大，模糊越严重。(2)中值滤波法 中值滤波是一种非线性滤波，由于它在实际运算过程中并不需要图像的统计特性，所以比较方便。在一定的条件下，可以克服线性滤波器带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有益。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。中值滤波的原理就是用一个含有奇数点的滑动窗口，将窗口正中那点的值用窗口内各点的中值来代替。(3)空间域低通滤波 从信号频谱分析的知识，我们知道信号的慢变部分在频率域属于低频部分，两信号的快变部分在频率域是高频部分。对图像来说，它的边缘以及噪声干挽的频率分量都处于频率域较高的部分，因此可以采用低通滤波的方法来去除噪声，而频域的滤波又很容易从空间域的卷积来实现，为此只要适当地设计空间域系统的单位冲激响应矩阵就可以达到滤除噪声的效果。(4)频域低通滤波 图像的平滑处理也可以在频域进行。将有噪图像F(xy)傅立叶变换得到相应得频域表示F（u,v），由于噪声在频域中分布在高频段，所以采用低通滤波的方法，可能将噪声去掉。利用卷积定理，可以写成以下形式：G(u，V)=H（u,v）F（u,v） 利用H（u,v）使F(u，v)的高频分量得到衰减，使得G(u，v)后再经过反傅立叶变换就得到所希望的图像g（x,y）。 但是应当注意的是，图像中的边缘等细节信息也对应于频域中的高频分量。这样，在使用低通滤波器