浅析车辆牌照识别系统的研究

《浅析车辆牌照识别系统的研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、浅析车辆牌照识别系统的研究作者：张璐，赵洁　　摘要：在对车辆牌照识别系统研究的基础上，采用基于灰度二值化的连通域搜索的车牌照粗分类算法，彩色模型的车牌照字符切分算法和加权组合特征的字符识别算法，通过实验，设计出一个有效的车牌照识别系统。　　关键词：粗分类算法;字符切分;字符识别　　车牌照系统主要分为图像采集，图像处理，车牌定位，字符切分，字符识别几个部分。　　图像采集：目前图像采集主要采用专用摄像机连接图像采集卡或者直接连接便携式笔记本进行实时图像采集，将模拟信号转换为数字信号。　　图像处理：需对采集的图像进行增强、恢复、变换等处理，目的是突出车牌的主要特征

2、，以便更好地提取车牌区域。　　车牌定位：从人眼视觉的角度出发，并根据车牌的字符目标区域的特点，在二值化图像的基础上提取相应的特征。车辆牌照的分割是一个寻找最符合牌照特征区域的过程。从本质上说，就是一个在参量空间寻找最优定位参量的问题，需要用最优化方法予以实现。　　字符分割：是从获得的牌照区域分割出单个字符(包括汉字、字母和数字)以便于进行字符识别的过程。考虑到车牌上的字符一般除了一个汉字外其他的都是字母和数字，即在理想状态下每个字符是全连通的且互不相连，因此可以使用特定的方法进行字符切分。　　字符识别：是使分割得到的字符进一步转化为文本并存入数据库或者直接显

3、示出来的过程。　　1图像的预处理　　所采用的图像预处理方法是把经过采集得到的彩色图像经过彩色-灰度变换，灰度拉伸处理，得到车牌区域突出显示的256级灰度图像。　　1.1RGB颜色模型　　RGB颜色模型通常用于彩色阴极射线管等彩色光栅图形显示设备中，它是我们使用最多、最熟悉的颜色模型。它采用三维直角坐标系，红、绿、蓝为三原色，各个原色混合在一起可以产生复合色。　　RGB颜色模型通常采用图2所示的单位立方体来表示，在正方体的主对角线上，各原色的强度相等，产生由暗到明的白色，也就是不同的灰度值。(0，0，0)为黑色，(1，1，1)为白色。正方体的其它六个角点分别为

4、红、黄、绿、青、蓝和品红，需要注意的一点是，RGB颜色模型所覆盖的颜色域取决于显示设备荧光点的颜色特性，是与硬件相关的。　　1.2彩色图像转换成灰度图像把彩色图像转换成灰度图像进行进一步的处理。利用公式将彩色图像转换成灰度图像：p=0.114*R+0.587*G+0.299*B，其中P代表图像中某点的灰度值，R，G，B分别代表彩色图中对应点的RGB模型中的R，G，B分量的值。图3就是彩色图像转换成灰度图像的效果图。　1.3灰度图像的增强　　灰度拉伸的主要方法就是对图像在某一灰度变换区间内的象素点的灰度值进行线性变换，以达到突出某一灰度区间图像，增强对比度的目

5、的。一般的灰度变化方程为：D=AX+B，其中D为灰度变换后灰度矩阵，X为变换前灰度矩阵，A，B为变换方程系数。　　灰度拉伸是指根据灰度值方图的分布有选择地拉伸某段灰度区间以改善输出图像。如果一幅图像灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能(斜率A>I)来拉伸物体灰度区间以改善图像;同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能(斜率A　　1.4基于灰度图像的二值化　　二值化图像算法又称为阈值算法，其目的就是要找出一个合适的阈值，将待研究的区域划分为前景和背景两部分。对于灰度图像的二值化实际上就是确定一个最佳的分割阈值。　　

6、算法的描述如下：　　输入：灰度图像　　输出：阈值k　　算法：　　(1)求图像中最大的灰度max;　　(2)令k=0;　　(3)分别求出大于和小于k的这两类像素总数和像素的灰度平均值;　　(4)计算类间方差和类内方差　　(5)k=k+1，循环(3)～(5)步，直到k>max;　　(6)找出最大的值，得到相应的阈值k;采用本算法可以根据全局灰度图像进行动态的二值化，二值化后的图像如图5所示，车牌照区域被很好地突出出来，其他干扰信息被很好地抑制。