智能图像处理与分析识别课件：工程应用-车牌识别.pptx

智能图像处理与分析识别

《智能图像处理与分析识别》工程应用-车牌识别15.1车牌图像采集15.2车牌图像预处理及牌照定位15.3汽车牌照区域的分割15.4字符图像分割15.5字符细化15.6BP神经网络的训练和字符的识别

15.1工程应用：车牌识别随着科学技术的发展，智慧城市逐渐完善，各种交通场景下的智能车牌检测识别系统陆续普及，微电子、通信和计算机技术在交通领域的应用极大的提高了对交通的管理效率，节省了很多人力和物力的成本。车牌识别系统(LicensePlateRecognitionSystem，LPRS)是对汽车牌照这一特定目标对象的专用计算机系统，是机器视觉技术在交通场景识别中的一种应用。车牌识别系统通常由硬件和软件组成。其硬件部分一般由车体感应设备、摄像机、辅助光源、图像采集卡和计算机组成，主要用来采集车牌图像；软件部分包含各种图像处理及目标识别算法，是该系统的核心内容，主要是用来实现车牌字符的识别功能。车牌识别系统通常涉及到模式识别、人工智能、图像处理、计算机视觉和信号处理等学科。车牌识别的关键技术包括车牌定位、字符切割和字符识别等。车牌定位是从图像中确定车牌位置并提取车牌区域图像，目前常用的方法有直线检测的方法、灰度边缘检测方法、颜色分割方法、神经网络法和矢量量化的牌照定位方法等。字符切割是对车牌区域内字符图像进行切割处理，从而得到所需的单个字符图像，目前常用的方法有基于投影方法和基于连通字符的提取等方法。字符识别是利用模式识别算法识别字符图像，目前常用的方法有基于模板匹配的方法、基于特征的方法和基于机器学习的方法。

15.1工程应用：车牌识别本章主要采用基于BP神经网络的字符识别方法对车牌字符进行识别，基本处理步骤如下：1）读取车牌图像；2）图像预处理，对图像进行图像灰度转换、二值化、形态学处理、平滑等一系列预处理操作；3）牌照定位，采用Canny算子对图像进行边缘检测，并定位图片中的牌照位置；4）牌照字符分割，把牌照中的字符分割出来；5）字符识别建模，完成基于BP神经网络的字符识别模型的训练和测试；6）牌照字符识别，把分割好的字符送入到训练好的BP神经网络中进行识别，输出车牌号码。

15.1车牌图像采集汽车牌照采集时，要求车牌照干净清晰、不被异物遮挡，且拍摄距离不要过远，以尽量减少图像中的噪声信息。本章提前采集了大量的汽车牌照图像，为模型训练和测试提供了充足的数据支撑。汽车牌照图像距离如图15-1所示。图15-1原始图像

15.2车牌图像预处理及牌照定位在自然环境下，由于汽车图像背景复杂、光线不均等因素，使得如何在自然背景中准确地定位车牌区域成为了整个车牌识别系统的难点。图像车牌区域定位的主要步骤为：图像灰度转换，图像边缘检测，灰度图腐蚀与膨胀，车牌区域的边界值计算。（1）图像灰度转换为了便于边缘检测，需要将彩色图像灰度转换成灰度图。图15-2车牌灰度图及其直方图（a）灰度图（b）灰度图的直方图

15.2车牌图像预处理及牌照定位利用Canny算子对车牌图像进行边缘检测的程序代码如下：I_gray=imread(灰度图.jpg);%读入图片I_edge=edge(I_gray,canny,0.18,both);figure,imshow(I_edge);%title(边缘检测结果);imwrite(I_edge,边缘检测图.jpg);彩色图像向灰度图转化的程序代码如下：I=imread(原图.jpg);%读入图片I_gray=rgb2gray(I);figure,imshow(I_gray);%title(灰度图);figure,imhist(I_gray);%title(灰度图的直方图);imwrite(I_gray,灰度图.jpg);

15.2车牌图像预处理及牌照定位（2）图像边缘检测在MATLAB中利用edge()函数实现边缘检测，在edge()函数中有Sobel算子、Prewitt算子、Log算子以及Canny算子等多种边缘检测算子。通过对几种算法的检测结果进行比较，发现Canny算子既能滤除噪声，又能保持较好的边缘特性。图15-3车牌边缘检测结果从边缘效果图能看出来，经过处理后的车牌的轮廓已经非常明显了。但是，该边缘检测图像中不仅有车牌照的边缘，图像中非车牌区域的边缘（噪声边缘）也一并检测出来。由于边缘检测结果中存在各种干扰，因此无法直接确定汽车牌照区域，需要对图像进一步处理，以消除噪声边缘的影响，确定车牌区域的位置。

15.2车牌图像预处理及牌照定位（3）腐蚀与膨胀众所周知，汽车牌照是一个矩形区