车牌图像识别应用技术研究毕业论文.doc

《车牌图像识别应用技术研究毕业论文.doc》由会员分享，可在线阅读，更多相关《车牌图像识别应用技术研究毕业论文.doc（55页珍藏版）》请在三一办公上搜索。

1、 车牌图像识别应用技术研究 摘 要车牌图像识别技术以计算机视觉、人工智能和模式识别理论为基础，是实现交通管理智能化的一个重要组成部分。由于在实际使用场合中，所采集图像的内容和质量的变化非常复杂，给车牌图像识别技术的应用和发展带来了很大的困难。本文围绕着开放或半开放采集环境中的车牌图像特点，对车牌图像自动识别系统中的三个方面的关键技术车牌区域定位技术、车牌字符切分技术和车牌字符特征提取和分类识别技术进行了研究。主要完成了以下几个方面的工作：1、对于二值化、边缘检测、同态滤波、数学形态学处理、直方图变换和几何畸变校正等图像处理方法在车牌图像识别技术中的应用特点进行了分析和总结；设计出一种基于Can

2、ny边缘检测寻找目标对象特征点，再对特征点的灰度像素值分析判断来确定阈值的车牌字符图像二值化方法，可以满足本文对车牌字符特征提取时预处理的要求。2、对于现有的车牌区域定位方法进行了分析研究；在此基础上，设计实现了一种基于多方向边缘提取和数学形态学处理的车牌区域定位方法。采用这种方法能在一定程度上解决车牌定位依据的共性特征信息选择的问题。3、在分析研究现有车牌字符切分方法的基础上，提出了一种基于Canny边缘检测的车牌字符切分方法，并对其可行性进行了实验验证。该方法受噪声影响小，对字符定位准确，判断决策方法简单。4、分析研究了现有的车牌字符特征提取和分类识别的方法，设计出一种车牌字符分类识别的方

3、案。方案考虑了汉字、英文字母和阿拉伯数字的不同特点，分别提取汉字、字母和数字的分类特征，并选择不同的分类识别方法。关键词：车牌定位、字符切分、特征提取、模式识别毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者 签 名： 日 期： 指导教师签名： 日期： 使用授权说明

4、本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 目 录第一章 绪论.1 1.1 车牌图像识别技术应用现状.11.2 车牌图像识别技术研究现状.21.3 本文研究的主要内容.4 第二章 车牌图像识别中的常用图像处理技术.72.1 图像二值化技术.72.2 图像边缘检测技术.102.3 同态滤波.132 .4 数学形态学.14

5、2.5 图像灰度直方图变换.152.6 关于车牌图像几何畸变校正问题.16第三章 车牌区域定位技术研究.183.1 车牌区域特征分析.183.2 现有的一些车牌区域定位方法简要分析.193.3 基于多方向边缘处理的车牌区域定位方法.24第四章 车牌字符切分技术研究.334.1 车牌图像中字符区域及单字符图像特征分析.334.2 现有的一些车牌字符切分方法分析.334.3 基于Canny边缘检测的车牌字符切分方法.35第五章 车牌字符分类识别技术研究.415.1 字符图像的前期处理.415.2 字符分类识别特征及其提取方法.415.3 现有的一些分类识别方法分析.445.4 车牌字符分类识别方案

6、的设计.48第六章 结论及建议.506.1 结论.506.2 建议.50参考文献.52 插图清单图2.1二值化效果评价7图2.2 Otsu算法二值化9图2.3 Bersen算法二值化9图2.4基于Canny边缘检测的车牌图像二值化10图2.5 不同车牌图像Canny边缘检测效果图13图2.6 同态滤波处理14图2.7 同态滤波对二值化的影响14图2.8 同态滤波对Canny边缘检测的影响14图3.1 原灰度图27图3.2 正西方向边缘27图3.3 西南方向边缘27图3.4 西北方向边缘27图3.5 东南方向边缘28图3.6 四个方向边缘合成图28图3.7 去除小连通区后图29图3.8 车牌粗分

7、割结果29图3.9 开运算后正西方向边缘图30图3.10开运算后正北方向边缘图30图3.11 四个方向边缘合成图31图3.12 去除小连通区后图31图3.13 车牌区域定位结果31图4.1 原车牌灰度图像36图4.2 Canny算子法检测边缘37图4.3 宽度较大的连通区37图4.4 宽度最大的连通区37图4.5 去除字符上下背景后Canny边缘图38图4.6 闭运算后图38图4.7 可能的字符区置“1”38图4.8 各个字符区域标记39第一章 绪 论1.1车牌图像识别技术应用现状1 22002年，车牌图像识别产品第一次在国内实际应用于交通工程。刚开始主要用于高速公路收费辅助系统以降低交通通行

8、征费收入的流失，后来逐步发展到城市交通、停车场管理、门禁管理等多种应用领域。1、车牌图像识别技术在高速公路领域的应用高速公路是车牌图像识别技术在我国交通工程中最早应用的领域，也是车牌识别产品应用最多的领域。据统计，目前我国车牌识别产品主流供应商(如北京汉王科技、昆明利普视觉、上海高德威、沈阳聚德、北京信路威等公司)的产品有一半左右是应用在此领域。主要用于高速公路收费管理、路径判别、规费征稽、交通数据采集等方面，其中，最常用的是高速公路收费辅助系统。高速公路收费辅助系统：一般是在高速公路入口处进行车牌图像采集、识别，将识别结果写入通行卡(票)或者通过网络传送至各出口站，在车辆到达出口时，再进行一

9、次车牌图像采集、识别，并将识别结果与入口识别结果相比对，以防止或发现倒卡、换卡、换牌等逃费行为。目前的高速公路收费辅助系统中，采用车牌图像识别技术在车牌识别速度指标基本可以满足，但识别结果正确率指标还不是很理想。从一些产品的解决方案来看，实际使用时一般仍然需要人工复核。因此，虽然车牌图像识别技术在这一领域取得了较好的使用效果，但还不能实现真正意义上的智能化收费。2、车牌图像识别技术在城市交通领域的应用随着我国机动车保有量的迅速增加，以及政府对公共安全的日益重视，城市交通监控和管理工作日趋繁重。因此，城市交通领域迫切需要应用一些较可靠、有效的智能化技术手段。目前，车牌图像识别技术已经开始在移动电

10、子警察、城市卡口监控、超速布控报警等城市交通(治安)方面有了一定的应用。其中，最常用的场所是城市卡口监控。城市卡口监控：公安部颁布的城市卡口监控系统部颁标准明确规定了车牌识别是城市卡口监控系统的一个重要组成部分，越来越多的城市公安部门正在积极筹建卡口系统。公安系统设立城市卡口监控点的主要任务是对车辆进行车牌识别，并将识别结果与被盗抢、肇事、在逃、通缉的车辆牌号黑名单进行比对。移动电子警察：移动电子警察现在逐渐应用到交警日常工作中，采用移动电子警察技术可以灵活地对非固定监控点的交通违章和事故进行取证处理，不仅提高了警察执法效率，而且增强了执法的公正性。在城市卡口监控、移动电子警察方面，对车牌图像

11、识别技术在车牌识别结果的正确率指标的要求比较高，否则将给执法工作带来很大的麻烦。目前的车牌图像识别产品在这方面尚不够理想，因此一般也是作为一种辅助手段，还不能实现真正意义上的智能化。3、车牌图像识别技术在停车场收费管理系统中的应用停车场收费管理系统：用于对出入车辆号牌识别和匹配，实现自动计时、计费管理。由于停车管理日益成为城市交通管理中一个严重问题，人们对停车管理的智能化呼声日渐高涨，通过车牌识别系统可以构建一个智能的停车管理系统，因此，在大中城市的商场、写字楼有很大的市场潜力。停车场收费管理系统对车牌图像识别技术在车牌识别结果的正确率指标的要求也非常高，目前的车牌图像识别产品在这方面也不够理

12、想，一般也需要人工干预。此外，车牌图像识别技术超速抓拍、门禁管理等方面也有一定的应用，但与前述三个方面的应用一样，还存在着一些问题有待于解决。其中，车牌识别正确率是目前车牌识别产品中存在的最主要的问题，也是国内主流厂商最为头疼的问题。各个厂商所声称的识别正确率一般在95%左右，与真正智能化的要求还有一定的距离。而且由于并没有建立一个标准规范的测试体系，因此有关数据的客观公正性、可比性和可靠性等方面尚值得商榷。由于各个厂商对其使用的车牌图像识别技术都是不公开的，我们很难了解其中采用的三个方面的关键技术(车牌区域定位、单个字符区域切分、字符分类识别)中使用的具体方法，因此很难具体评价其方法的优劣。

13、但通过各个厂商在其有关网站提供的信息和对两家厂商提供的测试软件进行一定数量样本的测试后，可以发现，各个厂商声称的车牌识别正确率往往是通过对特定场所、特定时间范围内的样本进行测试而得出的结论。也就是说，所采用的车牌图像识别技术往往还在一定程度上要依赖待识别图像具体的采集环境和采集方式等因素。如果这些因素变动时，就可能要根据具体的样本、通过一定的分析学习过程以确定和修改使用的有关参数，才可能获得较好的识别效果，否则其识别正确率可能不会很理想。由此可以推断，目前的车牌图像识别产品对于不同使用环境的适应性还不是特别理想，其原因主要是关键技术对于不同背景和不同自然条件下所采集图像的适应性还不是很好,会导

14、致车牌识别产品软件的通用性还不是太好，往往需要在现场采集大量样本分析测试，并且要修改相应参数甚至方法，使得施工周期往往较长，识别结果的可靠性往往也不能让人完全放心。1.2 车牌图像识别技术研究现状上世纪90年代中后期开始，随着数字图像处理基础理论的不断发展和视频处理技术、电子技术及计算机信息技术的迅速进步，国内从事车牌图像识别技术研发的厂商和研究人员增长迅速，提出了大量的关键技术算法，实际应用中也取得了一定的成果。有关研究大多围绕车牌图像识别的三大关键技术(车牌区域定位、单个字符区域切分、字符分类识别)进行。通过对有关资源数据库中1998年2006年在各类期刊上公开发表的约380篇相关论文的统

15、计，发现有关车牌区域定位的内容占50%以上。这在一定程度上反映了车牌定位技术的重要地位，也一定程度上反映出目前这方面尚有不尽人意之处。相关论文中提出了很多车牌图像处理、分割、分析、识别的算法，主要利用较经典的图像空间变换、智能计算和数据挖掘理论，并在一定程度上进行了实验论证。 在车牌区域定位方面，公开资料中提出的方法主要有：基于神经网络分类器的车牌区域定位方法、基于彩色图像特征的车牌区域定位方法、基于纹理检测和边缘检测的车牌区域定位方法、基于区域的车牌区域定位方法、基于几何形状特征的车牌区域定位方法、基于离散图像空间变换的车牌区域定位方法、基于离散图像空间变换的车牌区域定位方法、基于遗传算法的

16、车牌区域定位方法等。在车牌字符切分方面，公开资料中提出的方法主要有： 基于二值(灰度)图像水平(垂直)投影分布的车牌字符的切分方法、基于二值图像字符区域上下轮廓分布的车牌字符切分方法、基于模板匹配的车牌字符切分方法、基于聚类分析的车牌字符切分方法、基于车牌二值图像字符连通性的字符切分方法、基于颜色分类的车牌字符切分方法等。 在车牌字符分类识别时的特征选择和提取方面，公开资料中利用的字符分类特征主要有： 以二值图像中字符的笔画像素分布为基础的字符特征(主要包括四周边特征、粗网格特征、投影特征等)、以二值图像字符轮廓、骨架为基础的字符特征(包括字符笔画方向线素特征、汉字结构特征点特征等)、基于灰度

17、图像小波变换的字符特征(包括小波系数特征、小波矩特征和小波能量特征)。 在车牌字符分类器设计方面，公开资料中提出的分类器主要有： 神经网络分类器(包括BP神经网络、SOFM网络等)、模板匹配分类器、基于概率统计的Bayes分类器、几何分类器等。 上述方法的提出，为本文的有关研究提供了重要的参考和对照，在本文的第三章、第四章和第五章中进行了相应的分析。有关研究也存在一些不足之处，主要表现在以下几个方面：1、一些方法对实际应用特点考虑的还不够全面 实际应用中，车牌识别产品大多是在开放或半开放的场所使用，车牌图像的采集往往是在不同的时空进行，因而图像中车牌的有关特征一般来说不太稳定，表现比较复杂。一

18、些方法中要求的图像的特征(比如，要求图像中车牌区域大小一致，或者要求车牌图像字符位置固定等)在目前的图像实际采集时可能还难以满足，方法的实用性也就难免存有一定的疑问。此外，由于一些客观因素的影响，对于有关方法实验验证时，难以获得足够数量的具有广泛代表性图像样本，实验结果的说服力还不够充分。2、对与车牌图像识别关键技术相关领域的研究还存在一定的困难由于一些客观的原因，有关研究工作往往是局限于车牌图像识别关键技术本身的设计方案和算法。但在实际应用中发现，车牌图像识别关键技术还与其它一些因素有密不可分的关系。比如，国家车牌标准、车牌图像采集标准、有关测试规范的统一以及有关的执法管理工作等方面的因素，

19、都直接或间接地影响着车牌图像识别关键技术采用的方案和算法的选择和实际应用效果。而目前这些方面的研究还比较困难，有待于进一步加强。1.3 本文研究的主要内容车牌区域定位、单个字符区域切分和字符分类识别作为车牌图像识别系统的三个关键技术，同时又是一个有机的整体。关键技术水平的高低，决定了一个车牌图像识别产品性能的优劣，在某种程度上也决定着车牌识别技术的应用前景。 对于92式普通民用车牌，识别的基本过程如下：原始图像车牌定位字符切分识别第一个字符识别第七个字符 上述过程可以看作是一个三个方面九个环节组成的链式结构，根据概率论的原理，对于三个关键技术可靠性的要求极高。从某种程度上讲，意味着要完全可靠。

20、而由于实际应用场合，原始图像几乎都是在开放或半开放的环境中进行采集的，天气变化、光线变化、摄像机与车牌不同的相对位置以及图像采集现场不同的景物背景等因素，都直接或间接地影响着图像的内容和质量，从而会影响相关方案的选择。因此，如何保证车牌识别结果的可靠性，是一项十分艰巨的任务。本文在参考大量有关车牌图像识别技术公开资料的基础上，围绕着车牌图像识别技术实际应用的特点和要求，并通过一定的实验分析手段，主要进行了如下几方面的工作： 1、对于车牌图像识别技术中常用的一些基本的图像处理方法，进行了分析研究 在这部分工作中，重点分析研究了图像的二值化、边缘检测、同态滤波、数学形态学处理、直方图变换和几何畸变

21、校正等方法在车牌图像识别中的作用和应用特点。 (1) 关于图像的二值化在车牌图像识别中，图像二值化是一个非常重要的技术。目前提出的车牌字符切分和字符分类特征提取的方法，很多是以二值图像为基础的。二值化阈值的确定应该以对图像进行二值化时期望达到的目的为依据。在车牌图像识别中，本文认为最好应避免在车牌区域定位和车牌字符切分阶段对图像进行二值化，并设计出一种基于Canny边缘检测寻找目标对象特征点、再对特征点的灰度像素值分析判断来确定阈值的车牌字符二值化方法，改善了车牌字符图像二值化处理的质量，可以满足本文对车牌字符特征提取预处理的要求。 (2) 关于图像的边缘检测 通过分析比较，本文在车牌区域定位

22、时采用了Sobel模板进行多方向边缘检测，而在字符切分时采用了Canny边缘检测方法，获得了较好的应用效果。 (3) 关于图像的同态滤波 对车牌图像进行同态滤波可以增强字符与背景的对比，有利于边缘提取，对车牌区域图像的二值化具有一定的帮助。但通过实验发现，同态滤波对Canny边缘检测结果的影响很小，这也从另一侧面反映了Canny边缘检测方法效果是比较稳定的。 (4) 关于图像的数学形态学处理 数学形态学中的开运算和闭运算，具有在基本不改变目标对象形状的情况下对背景像素进行处理的优点，在本文的车牌区域定位和字符切分方法中有较好的应用效果。 (5) 关于图像的直方图变换 图像的直方图变换在车牌图像

23、识别中的作用具有两面性,如何有效利用图像的直方图变换尚有待于在实践中总结。 (6) 关于车牌图像的几何畸变校正 在车牌图像识别中，几何畸变校正基准的获得比较困难。常用的通过Hough变换检测直线获取校正基准的方法，实际应用的效果还不是很理想。而且,对图像进行几何畸变校正的同时，会产生新的畸变，也可能会给字符的分类识别带来不利的影响。本文建议最好在图像采集阶段，将几何畸变控制在一定的范围内。 2、在分析研究公开资料中提出的一些车牌区域定位方法的基础上，设计实现了一种基于多方向边缘处理和数学形态学处理的车牌区域定位方案。该方案综合利用图像的边缘和纹理信息，利用Sobel模板提取四个方向的边缘，并分

24、别进行数学形态学等处理，同时利用纹理信息分析判断，分两个阶段实现对车牌区域的定位。采用这种方法能在一定程度上解决车牌定位依据的共性特征信息选择的问题。 3、分析研究了一些车牌字符切分方法，提出了一种基于Canny边缘检测的字符切分方法。 该方法以Canny边缘检测为基础，利用非汉字字符外形轮廓的连通性，通过数学形态学运算去除边框处噪声的影响，先获得非阿拉伯数字1的字符的高度，进而确定字符的垂直方向的位置，再利用汉字字符处与左边框在垂直方向像素值变化的不同，确定汉字的水平方向起始位置，最后根据字符宽度来确定其它字符的水平方向位置。经过实验验证，该方法受噪声影响较小，对字符定位准确，判断决策过程简

25、单。4、对一些车牌字符特征提取和分类识别的方法进行了分析研究，设计出一种车牌字符分类识别的方案。方案考虑了汉字、英文字母和阿拉伯数字的不同特点，分别提取字符的分类特征，并选择不同的分类识别方法。 第二章 车牌图像识别中的常用图像处理技术研究在实际应用中，车牌图像几乎都是在开放或半开放的环境中进行采集的。在这种环境中，很多因素都直接或间接地影响着图像的内容和质量。比如，天气变化因素(雨、雾、温度、湿度)、光线变化因素(如阳光直射、反射，黄昏、白天、夜间，等)、摄像机与车牌不同的相对位置、摄像机的有关摄像参数的不同以及图像采集现场不同的景物背景等因素，使得即使对于同一辆车的同一个车牌采集的图像往往

26、也表现出许多不同的特点。因此，相较于其它一些图像采集环境一般比较稳定的如指纹图像识别、人脸图像识别、机械零件图像检测、水果缺陷图像检测等图像识别技术来说，车牌图像在内容和质量的变化上要复杂得多，从而对为获得车牌图像识别对象稳定而明确的特征信息所进行的有关图像处理技术提出了更高的要求。下面，对于本文中主要使用的有关图像处理技术进行简要的介绍，并对它们在车牌图像识别中的应用特点进行分析总结。2.1 图像二值化技术目前提出的车牌字符切分和字符分类特征提取的方法，很多是以二值图像为基础的。因此，在车牌图像识别中，图像二值化是一个非常重要的技术。从字面上理解，所谓图像二值化，就是将彩色或灰度图像用两个灰

27、度级别(一般为黑、白)来表示。 为原图像，为二值化后图像，为阈值二值化的目的是将目标对象与背景分离。图像二值化一般作为一种预处理方法，评价其效果的优劣应当兼顾下面两方面的基本要求：1、二值图像中目标对象的完整性。2、二值图像中噪声对于后续处理影响的大小。 对二值化效果优劣的评价因目的不同会有很大的差异。以图2.1(b)为例，如果以将车牌字符与背景分离为目的，可视为完全失败；而如果以将车牌区域与背景分离为目的，则可视为效果较好。 (a) 原图 (b)图(a) Otsu法二值化图图2.1二值化效果评价二值化实际上是寻找阈值的过程，而阈值的选择要以满足二值化目的为依据。目前，公开的资料中提出了很多图

28、像二值化的算法，主要有Otsu算法3、Bersen算法4、彩色二值化算法5、直方图凹面分析算法6、Kittler算法等。下面主要介绍两种比较典型、较常用的Otsu算法和Bernsen算法，并提出一种Canny边缘检测指导下的字符（车牌）图像二值化的方法。2.1.1 Otsu算法Otsu算法是一种全局阈值二值化方法，又称为最大类间方差法或大津阈值分割法，是在判决分析最小二乘法原理的基础上推导得出的。其基本思想是：设阈值t将灰度分成了两类，一类对应背景部分，一类对应目标对象，则这两类灰度值的类内方差应当最小，两类间方差应当最大。具体做法为：设给定图像具有L级灰度值，对1tL中的每个t将图像像素分成

29、两类，计算类1的象素个数，平均灰度,方差；类2的象素数，平均灰度,方差。可以用式（2-1）至式（2-4）来分别计算，： 式（2-1） 式（2-2） 式（2-3） 式（2-4）其中t表示灰度级。M,N表示图像大小为M，用来统计各组间像素个数。则：类内方差 式（2-5）类间方差 式（2-6）对于给定的一幅图像，+=常数，因而最大时，则最小，此时t=T便是使图像分为两类的最佳阈值。由上述可以发现： Otsu算法阈值的确定以灰度图像像素值的分布而不是以具体的二值化目的为依据，适合于目标对象和背景明显分离的图像的二值化阈值的确定。如图2.2所示，将车牌边框、铆钉和字符一起作为目标对象时，则可以认为灰度图

30、像中目标对象和背景明显分离，此时采用Otsu算法二值化的效果较好；而如果仅将其中的某一个看作目标对象，则不满足以上条件，对其二值化效果的评价也要大打折扣。 (a) 原图 (b)图(a)的Otsu算法二值化图图2.2 Otsu算法二值化2.1.2 Bernsen算法Bernsen算法是一种局部阈值二值化方法，通过定义考察点的邻域，并由邻域计算模板实现考察点灰度与邻域点的比较。局部阈值二值化方法阈值的选择依靠考察点的灰度值及其周围的局部邻域的灰度值来决定，它是一种动态选择阈值的方法。设图像F(x,y),则图像在像素点处的灰度值为。考虑以像素点(x,y)为中心的(2W+1)*(2W+1)模板，(其中

31、W表式模板的大小)，则Bersen算法可描述如下： (1)动态计算图像中各像素点的阈值 式（2-7）(2)对图像中的各像素点进行逐点二值化，设二值化后的图像为，表示二值化图像在处的灰度值。则有： 式（2-8）Bersen算法存在以下问题和缺点：1、由于Bersen算法阈值的确定是通过动态计算每个考察点邻域的灰度值来确定，其实现速度较全局阈值二值化方法要慢，而且也没有做到以二值化目的作为阈值选择的依据。2、Bersen算法二值化容易产生严重的噪声。由于Bersen算法以局部窗口内最大、最小值作为考察点的邻域，当考察窗内无目标点时，个别噪声点将引起阈值的突变，背景灰度的非均匀性也将影响局部阈值的变

32、化，当考察窗内均为目标点时，局部阈值被拉伸，这样势必使得宏观上本应同类的部分象素:目标(或背景)被强行二值化为背景(或目标)，从而产生严重的噪声。如图2.3所示。 (a) 原图 (b) Bersen 算法二值化图图2.3 Bersen 算法二值化2.1.3 基于Canny边缘检测的字符(车牌区域)图像二值化的方法 在车牌图像识别中，一般是在切分字符时对车牌区域图像进行二值化，以及在提取字符分类识别特征时对字符图像进行二值化。对车牌区域图像二值化时的目标对象除字符外，还可能是或者包括边框(一般是在需要对车牌进行几何畸变校正时)，而对字符图像进行二值化时的目标对象则明确为字符。Canny边缘检测(

33、在本章2.2中具体介绍)能够比较好地检测出边缘，同时对于孤立点和非边缘噪声能够进行很好的抑制。下面所述的二值化方法，是以Canny边缘检测来寻找目标对象特征点，再根据对特征点灰度值的分析判断来确定阈值进行二值化。这种方法较为简单，主要过程如下：Step1 对车牌(字符)灰度图像进行Canny边缘检测,如图2.4(b)所示；Step2 根据Canny边缘检测结果，在车牌(字符)灰度图像中找到目标对象的边缘像素点；Step3 根据在车牌(字符)灰度图像中找到的边缘像素点的灰度值，进行具体的分析判断来确定阈值，进行二值化。Canny算子法检测出的边缘定位比较准确、宽度为一个像素、孤立点和非边缘噪声得

34、到了较好的抑制，大大减少了图像中需要分析判断的数据，一般比较容易判断出目标和背景，从而能够较好地确定图像二值化的阈值。如图2.4所示，本例原图与图2.1原图相同，以字符作为二值化目标对象，结果如图2.4(c)所示。 (a) 原图 (b)Canny边缘检测结果 (c)二值化结果图2.4 基于Canny边缘检测的车牌图像二值化 对于比较精确分割出的车牌区域图像，进行二值化时的判断决策相对较为容易；但如果分割出的车牌区域图像精确度较差时，就会给判断决策带来较大的困难。而单个字符图像的字符与背景的区别一般来说较为明显，判断决策比较容易，基本可以获得比较好的二值化效果。因此，在进行车牌字符切分时最好避免

35、以二值化图像为基础。2.2 图像边缘检测技术目前，经过对公开资料中有关车牌图像分割和识别方法所依据的特征进行分析，发现字符在边缘、轮廓、形状、纹理方面的特征是最多被使用的较可靠而且是较容易提取的特征。而边缘检测是提取这些特征的一种基本的、较为可靠的手段。因此，在车牌图像识别中，边缘检测技术十分重要。灰度图像中，所谓边缘像素点表现为该点的邻域是一个灰度级变化带，衡量这种变化最有效的两个特征值，是灰度的变化率和变化方向。所以，边缘检测方法从本质上讲都是通过对这两个特征值的处理来实现的。根据对这两个特征值的处理方法的不同，基本的边缘检测方法主要有如下几种：微分算子边缘检测法、Laplacian算子边

36、缘检测法和Canny算子边缘检测法等。2.2.1 微分算子边缘检测法常用的微分算子有Roberts、Prewitt和Sobel算子，都是以图像灰度的两个差分来逼近梯度算子。在进行边缘检测时，其基本过程如下：Step1:获得各个像素点的逼近梯度算子 f为灰度图像，、为两个方向模板，表示卷积。 对于Roberts算子, , 对于Prewitt算子, , 对于Sobel算子, ， Step2:进行阈值操作得到二值边缘图像 thresh为阈值 采用上述方法对车牌图像进行边缘检测时，阈值thresh的选择对边缘提取的效果至关重要。如果thresh选取得好，可以获得比较完整的边缘，同时使得噪声不至于过大。

37、但如果thresh选取得不合适，则极易得到较强的噪声或者是提取的边缘信息的完整性不好。由于对噪声比较敏感，而且由于阈值固定，自适应性不好。在车牌图像的分割和识别中，一般不采用上述的纯微分算子边缘检测法。本文在车牌区域定位时采用了Sobel模板进行多个方向的边缘检测。2.2.2 Laplacian算子边缘检测法Laplacian算子法是通过寻找灰度图像二阶导数的零交叉点来检测边缘。Laplacian算子用模板表示为：在进行边缘检测时，其基本过程如下：Step1:获得灰度图像f的二阶差分： Step2:寻找零交叉点。如果的一个像素值小于给定阈值-T，而其周围邻接的8个像素值都大于T,则此像素即为零

38、交叉点，对应着图像的边缘。上述纯Laplacian算子法检测边缘，对于噪声更敏感，而且也有由于阈值固定，自适应性不好的问题。在车牌图像的分割和识别中，同上述的微分算子边缘检测法一样，纯Laplacian算子边缘检测法也难以获得理想的实际应用效果。而在此基础上提出的LoG算子边缘检测法，通过高斯滤波来减少噪声，边缘检测效果获得了一定的提高。2.2.3 Canny算子边缘检测法7Canny算子边缘检测法遵循的三个准则为：1、保证成功检测出边缘，对于弱边缘也应有强响应。2、保证边缘良好定位。3、保证一个边缘只得到一次检测。Canny算子法检测边缘的具体过程如下：Step1:用二维高斯滤波模板与灰度图

39、像f(x,y)卷积，以减小噪声影响；二维高斯函数为：卷积： Step2:利用导数算子(如Prewitt算子、Sobel算子)找到图像灰度沿着两个方向的导数Gx、Gy,并求出梯度的大小|G| 和方向： Step3:对梯度幅值进行非极大值抑制。遍历图像，如果某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的，则将该像素值置0，即不是边缘。Step4:用双阈值算法检测和连接边缘。根据梯度幅值累计直方图获得高、低两个阈值；灰度值大于高阈值的像素为边缘，小于低阈值的不是边缘，介于两个阈值之间的，如果其邻接像素有灰度值大于高阈值的则为边缘，如没有则不是。在对车牌图像进行边缘提取时，采用Can

40、ny算子边缘检测法能比较好地提取出字符的轮廓边缘，同时对于噪声有很好的抑制。更为重要的一点是根据C-anny原则进行边缘检测,易于实现有关阈值的自适应判断，符合车牌图像处理的特点要求。如图2.5所示，采用Canny算子法对于不同场景的车牌图像一般都可以得到较稳定的边缘提取结果。 (a) 车牌灰度图 (b) Canny边缘检测图图2.5不同车牌图像Canny边缘检测效果比较2.3 同态滤波82.3.1 同态滤波在实际采集的图像中，车牌区域或字符在边缘、纹理等图像的细节方面与背景的区别是不同图像中普遍存在、比较稳定的一个特点。因此，对于边缘、纹理等图像细节的提取，是车牌区域定位和字符切分的一个关键所在。同态滤波就是一种有利于图像细节信息提取的处理方法。根据人工光学成像原理可知，对于灰度图像f(x,y),可以认为图像的灰度是由照射