摘 要：论文对车牌自动识别技术展开了研究，给出了主要的流程和仿真的结果，可以作为很好的工程参考。
关键词：图像处理；自动牌照识别；模式识别；计算机应用 1引言 汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统。这项技术是近年来发展起来的计算机视觉( Computer Vision )与模式识别技术在智能交通领域应用的重要研究课题之一。在车牌识别过程中，车辆检测、车牌识别都是很重要的环节，其中关键的技术有：车牌区域的定位、车牌字符的分割以及车牌字符的识别。 2车牌区域定位 2.1车牌粗略定位 这部分模块的作用是找到车牌的大概位置，一记录下这个位置，并且按照这个位置同时得到含有背景冗余信息的车牌的灰度和边缘图像，此图像将会被下一个细定位功能模块利用，从中去掉背景，得到精确的车牌图像。为了在一幅含有复杂背景的图像中找到车牌区域，本文采用了窗口扫描、模板匹配的思想。一般的模板匹配思想是：拿已知的模板，和原图像中同样大小的一块区域去对照。最开始时，模板的左上角点和图像的左上角点是重合的，拿模板和原图像中同样大小的一块区域去对，然后平移到下一个像素，依然进行同样的操作。所有的位置都对完后，差别最小的区域即为所求区域。 该算法可具体描述为：因为车牌区域的轮廓线在竖直方向上连通，这样，连续左行扫描边缘检测后的位图一个区域，其中，为车牌长度，为车牌宽度。实际操作中，为了确保把原始图像中的整个车牌区域都包括进来，和的取值要比实际值偏大一些，然后计算： 用模板里前后相邻两个像素点灰度误差的绝对值的累加和来作为车辆牌照子区域的定性特征，车辆牌照子区域里的累加和应该是整个图像中或至少是某个局部小范围内的最大值。当移动到模板中的某点坐标为 ，上式 取到最大值，此时，区域 ～ 确定的矩形就是车牌图像的区域。 显然，上述算法只是一个原理性的描述，可以想象，如果对图像中的每一个点都进行扫描，计算量将是大得惊人的，所以，为了减少计算量，有必要对上述算法进行一些改进：第一，只对图像的中间区域进行扫描(即选取图像中间边长为原始宽度和高度的 的一部分进行扫描)。这是因为，无论在实际工程中还是手动拍摄时，为了突出车牌，都会把车牌区域放在图像的中间位置。另外，通过这种做法还可以把背景中离车体较远的干扰区域(如公路上的路标)去除掉。第二，可以在图像模糊匹配时，对所选区域进行隔行隔列的扫描(即把逐点扫描变为隔行隔列的点扫描)。这是因为车牌的边框具有一定的宽度，即使隔行隔列进行扫描，也不会丢失车牌的信息。通过上述改进，计算量会减少85%以上，大大提高了系统的实时性经过模糊模板匹配算法。 2.2车牌图像的精确定位 本文根据车牌自身所具有的特征，对己有算法进行分析与研究，总结出一种车牌精确定位的算法，该算法无需进行复杂的数学运算，具有速度较快、鲁棒性较好的特点。在一幅经过适当二值化处理、含有车牌的图像中，车牌区域具有以下三个基本特征。(l)在一个不大的区域内密集包含有多个字符；(2)车牌字符与车牌底色形成强烈对比；(3)车牌区域大小相对固定，区域长度和宽度成固定比例。 根据以上特征，可知车牌区域所在行相邻像素之间从0到1和从1到0的变化会很频繁，变化总数远远大于其他区域，这可以作为寻找车牌区域的一个依据。 首先，确定车牌的上下边界。本算法由上至下统计每行相邻像素之间的灰度变化次数，当某行的变化次数首次大于某一临界值时则假定该行为待搜索车牌的最高行；然后继续向下搜索，当某行的变化次数首次小于这一临界值时则假定该行为待搜索车牌的最底行。具体的算法描述如下：(1)对车牌图像进行行扫描，统计每行中像素的灰度值从0到1和从1到0变化的次数；(2)定义一个(为图像宽度)的矩阵Judge，第一行用来记录的值，第二行用于对进行校验，置初值为0；(3)如果，则将矩阵Judge的第二行对应列中该位置的元素置1，然后继续向下行扫描，重复以上判断(其中，为0、1突变次数的阈值，考虑到字符可能发生断裂的情况，在系统中取)；(4)当全部扫描完成后，矩阵Judge就记录下了每行的0、1突变次数，然后对Judge的第二行从前向后进行观察，如果发现连续存在10个“1”，就可以认为最前面的“1”所在的行就是车牌的上边界；同理，对Judge从后往前进行观察，可以确定车牌的下边界。然后，可以利用类似的方法确定车牌的左右边界。基于颜色的车牌定位方法不进行图像转换、图像增强以及二值化等一系列预处理。 3车牌字符分割 定位车牌以后，我们得到的是一个仅含车牌和部分车身的图像，由于各种各样的原因，整幅汽车图像经过上述处理后提出来的车牌子图像，还存在畸变、噪声干扰、多余边缘等问题，为了进行后续的字符识别，还必须去处冗余信息，把单个字符从牌照中分离出来。所以字符分割模块主要完成如下工作：1、牌照图像增强：去除噪声，改善图像质量；2、牌照图像二值化；3、牌照的几何校正；将倾斜的牌照校正为水平；4、字符分割。 提取后的牌照经过图像增强，二值化以及几何校正等处理后，下一个步骤就是进行字符分割。字符分割是将车牌区域分割成若干个单个的字符区域，字符分割的成败与否直接影响到单字的识别效果。如果分割出的字符出现了断裂、粘连，则系统难以识别。 在牌照二值图象中，字符与边框被设置为黑色，其余的底色被设置为白色，因而在牌照二值图像中除字符和边框以外其余大部分为白色，这一特点体现在二维直方图中便是直方图呈明显的波峰—波谷分布（无字符区域投影几乎为零）。利用这一特点，可以比较容易分割出牌照中每一单个字符图像。 4车牌字符识别 和其他模式识别一样，字符识别的基本思想也是匹配判别。其基本过程如下：首先对分割出来的字符进行预处理，并抽取出代表未知字符模式本质的表达形式(如各种特征)，然后将此表达形式和预先存储在要机器中的标准字符模式表达形式的集合(称为字典)逐个匹配，最后用一定的准则进行判别，即在机器存储的标准字符模式表达形式的集合中，找出最接近输入字符模式的表达形式，该表达模式所对应的字符就是识别结果，本文应用OCR实现。 5仿真和结论 图1 灰度图和精确定位图 最后通过OCR车牌的字符识别，实现了系统的最终目的。该系统可用于一切需要对车辆进行管理的场合，它可广泛应用于交通流量检测，交通控制与疏导，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。 参考文献 ，北京：清华大学出版社.2003：17-18
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。
