车牌识别系统的设计.doc

车牌识别系统设计

大作业目和意义

能够巩固数字图像处理理论课上所学知识,理论联络实践,用所学知识去处理实际问题。锻炼我们动手能力,激发研究潜能,能够提升我们分析问题和处理问题能力。

设计步骤

汽车车牌识别过程关键包含车牌定位、车牌分割和字符识别三个关键步骤。其识别步骤以下:

原始图像:数码相机拍摄到图像

图像预处理:对图像进行滤波、边界增强等处理以克服噪声干扰

边缘提取:经过Robert算子,二值化处理,得到图像边缘

车牌定位:经过计算X和Y向蓝色像素点来定位

字符分割:寻求连续有文字模块,若长度大于某阈值,就认为该块有两个字符组成,则需要分割。

字符识别:利用模板匹配方法与数据库中字符进行匹配从而确定出字符,得到最终汽车牌照,包含汉字、英文字母和数字。

设计步骤

预处理

边缘提取

边缘提取对车牌定位是很有用一步,所谓边缘是指图像局部亮度改变显著部分,是图像形状特征提取等图像分析关键基础。所以在此我们要对图像进行边缘检测。图像中车辆牌照含有比较显著特征,比如,近似水平矩形区域;背景是蓝色;其中字符串都是按水平方向排列;在整体图像中位置较为固定。正是因为牌照图像这些特点,再经过合适图像变换,它在整幅中能够显著地展现出其边缘,进而初步定位车牌。此处边缘提取采取是Roberts算子。

牌照定位和分割

在整个识别处理过程中,牌照定位和分割是牌照识别系统关键技术之一,其关键目是在经图像预处理后原始灰度图像中确定牌照具体位置,并将包含牌照字符一块子图像从整个图像中分割出来,供字符识别子系统识别之用,分割正确是否直接关系到整个牌照字符识别系统识别率。因为牌照图像在原始图像中是很有特征一个子区域,确切说是水平度较高横向近似长方形,它在原始图像中相对位置比较集中,而且其灰度值与周围区域有显著不一样,所以在其边缘形成了灰度突变边界,这么就便于经过边缘检测来对图像进行分割。

处理步骤图以下:

二值化处理

上面所得图像还存在很多噪声,则需要对其进行二值化、滤波、膨胀、腐蚀等处理,这么有利于字符分割。

字符分割

寻求连续有文字模块,若长度大于某阈值,就认为该块有两个字符组成,则需要分割。

归一化处理

为了愈加好地与模板字符图像进行匹配,通常对分割出来字符要进行深入处理,以满足下一步字符识别需要。我在此只进行了归一化处理:

字符识别

首先就是建立自动识别代码表,然后读取分割出来字符图像,第一个字符与模板中汉字进行匹配,第二个字符与模板中字母进行匹配,第三个字符与模板中字母与数字进行匹配,后四个字符与模板中数字进行匹配,待识别字符与模板字符相减,所得0值越多则相同度越大,即为匹配最好

设计结果和分析

1、为了检验程序正确性,我对多幅图进行了检测,即使正确度不是很高,不过经过一定处理还是能达成预期要求。下面是对另一幅图处理结果:

2、分析

本程序正确率不是很高,关键还是因为程序本身比较简单,考虑问题不周全,对于照片要求较高。原始图像要拍得比较正,假如有较大角度就会给识别带来偏差。车牌定位不是尤其正确,我用是统计蓝色像素点方法来定位,所以背颜色要求较高,而车牌定位在本识别中占有很关键作用。还有就是字符分割,我是依据横向阈值改变情况来决定是否需要分割,所以清楚程度很关键。接下来就是字符匹配,字符识别过程使用是模板匹配方法,利用两幅图片相减方法,找到相减后值最小,即为相同程度最大。模板制作很关键,必需要用正确模板,不然就不能正确识别。对于识别错误情况分析可知,关键原因:一是牌照本身污渍等影响了图像质量;二是牌照字符分割失败造成识别错误;再就是部分字符形状相同性,比如,B和8;A和4等字符识别结果可能发生混淆情况。

总结和体会

课程设计不仅是对前面所学知识一个检验,而且也是对自己能力一个提升。经过这次课程设计使我明白了自己原来知识还比较欠缺。这个课程设计让我学到了很多东西,包含到方方面面知识,在这整个过程中我们查阅了大量资料,得到了老师和同学帮助,我在此对她们表示谢意。在这期间碰到了很多困难,我知道做什么都不轻易,只能塌下心来,一步一个脚印去完成才行。这学期我们学习了数字图像处理这门课程,在这个课程设计中应用到了很多其中知识。理论只有应用到实际中才能学着更有意义。学习是一个长久积累过程,在后工作、生活中都应该不停学习,努力提升自己知识和综合素质。另外,还得出一个结论:知识必需经过应用才能实现其价值!有些东西认为学会了,但真正到用时候才发觉是两回事,所以我认为只有到真正会用时候才是真学会了。在整个设计中我知道了很多东西,也培养了