【转载】车牌辨认算法引见与理论

作者: LeeHeng 分类: 技术拓展 发布时间: 2017-04-11 14:14

汽车牌照自动辨认整个处置进程分爲预处置、边缘提取、车牌定位、字符联系、字符辨认五大模块,其中字符辨认进程次要由以下3个局部组成:
①正确地联系文字图像区域;
②正确的别离单个文字;
③正确辨认单个字符。
用MATLAB软件编程来完成每一个局部,最初辨认出汽车牌照。

零碎设计概述
由于车辆牌照是机动车独一的管理标识符号,在交通管理中具有不可替代的作用,因而车辆牌照辨认零碎应具有很高的辨认正确率,对环境光照条件、拍摄地位和车辆行驶速度等要素的影呼应有较大的容阈,并且要求满足实时性要求。

该零碎是计算机图像处置与字符辨认技术在智能化交通管理零碎中的使用,它次要由牌照图像的采集和预处置、牌照区域的定位和提取、牌照字符的联系和辨认等几个局部组成。
其根本任务进程如下:
(1)当行驶的车辆经过时,触发埋设在固定地位的传感器,零碎被唤醒处于任务形态;
一旦衔接摄像头光快门的光电传感器被触发,设置在车辆后方、前方和正面的相机同时拍摄下车辆图像;
(2)由摄像机或CCD摄像头拍摄的含有车辆牌照的图像通视频卡输出计算机停止预处置,
图像预处置包括图像转换、图像加强、滤波和程度较正等;
(3)由检索模块停止牌照搜索与检测,定位并联系出包括牌照字符号码的矩形区域;
(4)对牌照字符停止二值化并联系出单个字符,经归一化后输出字符辨认零碎停止辨认。
总体设计方案:
车辆牌照辨认整个零碎次要是由车牌定位和字符辨认两局部组成,其中车牌定位又可以分爲图像预处置及边缘提取模块和牌照的定位及联系模块;字符辨认可以分爲字符联系与特征提取和单个字符辨认两个模块。
爲了用于牌照的联系和牌照字符的辨认,原始图象应具有适当的亮度,较大的比照度和明晰可辩的牌照图象。但由于该零碎的摄像局部任务于开放的户外环境,加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等要素的影响,牌照图象能够呈现模糊、倾斜和缺损等严重缺陷,因而需求对原始图象停止辨认前的预处置。
牌照的定位和联系是牌照辨认零碎的关键技术之一,其次要目的是在经图象预处置后的原始灰度图象中确定牌照的详细地位,并将包括牌照字符的一块子图象从整个图象中联系出来,供字符辨认子零碎辨认之用,联系的精确与否间接关系到整个牌照字符辨认零碎的辨认率。
由于拍摄时的光照条件、牌照的整洁水平的影响,和摄像机的焦距调整、镜头的光学畸变所发生的噪声都会不同水平地形成牌照字符的边界模糊、细节不清、笔划断开或粗细不均,加上牌照上的污斑等缺陷,致使字符提取困难,进而影响字符辨认的精确性。因而,需求对字符在辨认之前再停止一次针对性的处置。
车牌辨认的最终目的就是对车牌上的文字停止辨认。

各局部完成流程:
一、图像采集和转换
思索到现有牌照的字符与背景的颜色搭配普通有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种,应用不同的颜色通道就可以将区域与背景分明地域分出来,例如,对蓝底白字这种最罕见的牌照,采用蓝色B 通道时牌照区域爲一亮的矩形,而牌照字符在区域中并不出现。由于蓝色(255,0,0)与白色(255,255,255)在B通道中并无区分,而在G、R 通道或是灰度图象中并无此便当。同理对白底黑字的牌照可用R 通道,绿底白字的牌照可以用G 通道就可以分明出现出牌照区域的地位,便于后续处置。
二、边缘提取
边缘是指图像部分亮度变化明显的局部,是图像风、纹理特征提取和外形特征提取等图像剖析的重要根底。所以在此我们要对图像停止边缘检测。图象加强处置对图象牌照的可辩认度的改善和简化后续的牌照字符定位和联系的难度都是很有必要的。加强图象比照度度的办法有:灰度线性变换、图象平滑处置等。
2.1 灰度矫正
由于牌照图象在拍摄时遭到种种条件的限制和搅扰,图象的灰度值往往与实践景物不完全婚配,这将间接影响到图象的后续处置。假如形成这种影响的缘由次要是由于被摄物体的远近不同,使得图象地方区域和边缘区域的灰度失衡,或是由于摄像头在扫描时各点的灵敏度有较大的差别而发生图象灰度失真,或是由于曝光缺乏而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的办法来处置,加强灰度的变化范围、丰厚灰度层次,以到达加强图象的比照度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间,而且总体上灰度偏低,图象较暗。依据图象处置零碎的条件,最好将灰度范围展开到s=(0,255)之间。
2.2图像平滑处置
关于受噪声搅扰严重的图象,由于噪声点多在频域中映射爲高频重量,因而可以在经过低也可以间接在空域中用求邻域均匀值的办法来通滤波器来滤除噪声,但实践中爲了简化算法,减弱噪声的影响,这种办法称爲图象平滑处置。
但是,邻域均匀值的平滑处置会使得图象灰度急剧变化的中央,尤其是物体边缘区域和字符轮廓等局部发生模糊作用。爲了克制这种均匀化惹起的图象模糊景象,我们给中心点象素值与其邻域均匀值的差值设置一固定的阈值,只要大于该阈值的点才干交换爲邻域均匀值,而差值不大于阈值时,仍保存原来的值,从而增加由于均匀化惹起的图象模糊。

图像中车辆牌照是具有比拟明显特征的一块图象区域,这此特征表如今:近似程度的矩形区域;其中字符串都是按程度方向陈列的;在全体图象中的地位较爲固定。正是由于牌照图象的这些特点,再经过适当的图象变换,它在整幅中可以分明地出现出其边缘。边缘提取是较经典的算法,此处边缘的提取采用的是Roberts算子。

剖析这种状况发生的缘由,归结起来次要有以下方面:
1、原始图像明晰度比拟高,从而简化了预处置
2、图像的平滑处置会使图像的边缘信息遭到损失,图像变得模糊
3、图像的锐化可以加强图像中物体的边缘轮廓,但同时也使一些噪声失掉了加强

三、牌照的定位和联系
牌照的定位和联系是牌照辨认零碎的关键技术之一,其次要目的是在经图象预处置后的原始灰度图象中确定牌照的详细地位,并将包括牌照字符的一块子图象从整个图象中联系出来,供字符辨认子零碎辨认之用,联系的精确与否间接关系到整个牌照字符辨认零碎的辨认率。由于牌照图象在原始图象中是很有特征的一个子区域,确切说是程度度较高的横向近似的长方形,它在原始图象中的绝对地位比拟集中,而且其灰度值与周边区域有分明的不同,因此在其边缘构成了灰度渐变的边界,这样就便于经过边缘检测来对图象停止联系。
3.1牌照区域定位
牌照图象经过了以上的处置后,牌照区域曾经非常分明,而且其边缘失掉了勾勒和增强。此时可进一步确定牌照在整幅图象中的精确地位。这里选用的是数学形状学的办法,其根本思想是器具有一定形状的机构元素去量度和提取图像中的对应外形以到达对图像剖析和辨认的目的。数学形状学的使用可以简化图像数据,坚持它们根本的形状特征,并除去不相关的构造。
3.2牌照区域联系
对车牌的联系可以有很多种办法,本顺序是应用车牌的黑色信息的黑色联系办法。依据车牌底色等有关的先验知识,采用黑色像素点统计的办法联系出合理的车牌区域,确定车牌底色蓝色RGB对应的各自灰度范围,然先行方向统计在此颜色范围内的像素点数量,设定合理的阈值,确定车牌外行方向的合理区域。然后,在联系出的行区域内,统计列方向蓝色像素点的数量,最终确定完好的车牌区域。

3.3一致处置
经过上述办法联系出来的车牌图像中存在目的物体、背景还有噪声,要想从图像中间接提取出目的物体,最常用的办法就是设定一个阈值T,用T将图像的数据分红两局部:大于T的像素群和小于T的像素群,即对图像二值化。均值滤波是典型的线性滤波算法,它是指在图像上对目的像素给一个模板,该模板包括了其四周的临近像素。再用模板中的全体像素的均匀值来替代原来像素值。

四、字符联系和比对
4.1字符联系
在汽车牌照自动辨认进程中,字符联系有承上启下的作用。它在后期牌照定位的根底上停止字符的联系,然后再应用联系的后果停止字符辨认。字符辨认的算法很多,由于车牌字符间距离较大,不会呈现字符粘连状况,所以此处采用的办法爲寻觅延续有文字的块,若长度大于某阈值,则以为该块有两个字符组成,需求联系。

4.2字符归一化
普通联系出来的字符要停止进一步的处置,以满足下一步字符辨认的需求。但是关于车牌的辨认,并不需求太多的处置就曾经可以到达正确辨认的目的。在此只停止了归一化处置,然后停止前期处置。

4.3字符辨认
字符的辨认目前用于车牌字符辨认(OCR)中的算法次要有基于模板婚配的OCR算法以及基于人工神经网络的OCR算法。基于模板婚配的OCR的根本进程是:首先看待辨认字符停止二值化并将其尺寸大小缩放爲字符数据库中模板的大小,然后与一切的模板停止婚配,最初选最佳婚配作爲后果。用人工神经网络停止字符辨认次要有两种办法:一种办法是先看待辨认字符停止特征提取,然后用所取得的特征来训练神经网络分类器。辨认效果与字符特征的提取有关,而字符特征提取往往比拟耗时。因而,字符特征的提取就成爲研讨的关键。另一种办法则充沛应用神经网络的特点,间接把待处置图像输出网络,由网络自动完成特征提取直至辨认。
模板婚配的次要特点是完成复杂,当字符较规整时对字符图像的缺损、污迹搅扰顺应力强且辨认率相当高。综合模板婚配的这些优点我们将其用爲车牌字符辨认的次要办法。
模板婚配是图象辨认办法中最具代表性的根本办法之一,它是将从待辨认的图象或图象区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐一停止比拟,计算它们之间规格化的相互关量,其中相互关量最大的一个就表示时期类似水平最高,可将图象归于相应的类。也可以计算图象与模板特征量之间的间隔,用最小间隔法断定所属类。但是,通常状况下用于婚配的图象各自的成像条件存在差别,发生较大的噪声搅扰,或图象经预处置和规格化处置后,使得图象的灰度或像素点的地位发作改动。在实践设计模板的时分,是依据各区域外形固有的特点,突出各相似区域之间的差异,并将容易由处置进程惹起的噪声和位移等要素都思索出来,依照一些基于图象不变特性所设计的特征量来构建模板,就可以防止上述成绩。
此处采用相减的办法来求得字符与模板中哪一个字符最类似,然后找到类似度最大的输入。汽车牌照的字符普通有七个,大局部车牌第一位是汉字,通常代表车辆所属省份,或是军种、警别等有特定含义的字符简称;紧接其后的爲字母与数字。车牌字符辨认与普通文字辨认在于它的字符数无限,汉字共约50多个,大写英文字母26个,数字10个。所以树立字符模板库也极爲方便。爲了实验方便,结合本次设计所选汽车牌照的特点,只树立了4个数字26个字母与10个数字的模板。其他模板设计的办法与此相反。
首先取字符模板,接着顺次取待辨认字符与模板停止婚配,将其与模板字符相减,失掉的0越多那麼就越婚配。把每一幅相减后的图的0值个数保管,然后找数值最大的,即爲辨认出来的后果。

 

原文地址:http://blog.csdn.net/berguiliu/article/details/27528439

发表评论

电子邮件地址不会被公开。 必填项已用*标注