车牌图像中字符分割方法
基于opencv车牌识别的主要算法
基于opencv车牌识别的主要算法
基于OpenCV的车牌识别主要涉及以下几个算法：
1. 图像预处理：车牌识别的第一步是对图像进行预处理，以提取车牌区域。
常用的预处理算法包括灰度化、高斯模糊、边缘检测（如Canny算子）、形态学操作（如腐蚀和膨胀）等。
2. 车牌定位：在预处理后，需要对图像进行车牌定位，以准确定位到车牌区域。
常用的车牌定位算法包括基于颜色特征的方法、基于边缘检测的方法、基于模板匹配的方法等。
3. 字符分割：车牌定位后，需要对车牌区域进行字符分割，将车牌上的字符分割开来。
常用的字符分割算法包括基于投影的方法、基于连通区域的方法、基于边缘检测的方法等。
4. 字符识别：字符分割后，对每个字符进行识别。
常用的字符识别算法包括基于模板匹配的方法、基于特征提取的方法（如垂直投影、水平投影、HOG特征等）、基于机器学习的方法（如支持向量机、神经网络等）等。
5. 后处理：字符识别后，可能需要进行后处理，以进一步提高识别
准确率。
常用的后处理算法包括字符合并、字符校验、模糊匹配等。
需要注意的是，车牌识别是一个复杂的任务，涉及到图像处理、模式识别、机器学习等多个领域的知识。
上述算法只是车牌识别中的一部分，实际应用中还需要根据具体情况进行算法的选择和优化。
此外，还可以结合深度学习等先进技术进行车牌识别的研究和开发。
复杂背景下彩色图像车牌提取与字符分割技术
车 牌周 围的 车身 以 及车 辆 四周 的场 景． 目前 ， 内 外 对 此 进 行 国
了一 些 研 究 ， 了数 字 图 像 处 理 的 灰 度 阈 值 化 、 缘 提 取 和 区 除 边 域 生 长 ３种 基 本 的 图 像 分 割 方 法 外 ， 车 牌 图 像 分 割 中 还 常 在 用 的方 法有 ：） 于扫 描 行 高频 分 析 的方 法 “ ２ 类 字符 分 １基 “； ） 析 方 法 ； ３ 基 于 颜 色 的 车 牌 提 取 方 法 和 ） ． 以 上 方 法 都 但 普 遍 存 在 适 应 性 较 差 和 实 时 性 不 足 的 问 题 ． 法 １ 的 思 想 方 ） 是 ： 平 扫 描线 在 经 过 车牌 区域 时 ． 在 有 规律 的高频 分 量． 水 存 根 据 这 个 规 律 可 以 定 位 车 牌 的 位 置 ． 当 车 辆 的 背 景 稍 微 复 但 杂 一 点 ． 单 依 靠 扫 描 行 高 频 分 析 以 及 先 验 知 识 判 断 是 很 难 单
符 区 域 ． 水 平 方 向 连 续 出 现 ５个 以 上 的 类 字 符 时 ． 断 该 区 当 判 域可能 为车 牌 区域 ． 是水 平 条状 区域 的 高度 不好 预先 设定 ， 但
且 字 符 的 宽 度 也 不 好 预 先 设 定 ． 此 在 实 施 中 不 易 实 现 ． 法 因 方
等 局 部 彩 色 搭 配 和 空 间 分 布 信 息 ， 出 一 种 综 合 采 用 灰 度 梯 提
度 、 状 体 态 、 色 视 觉 模 型 、 部 宏 纹 理 等 的 车 牌 提 取 新 方 形 彩 局 案 ， 提 高 了车 牌 提 取 的 鲁 棒 性 和 准 确 性 ， 保 证 了 实 时 性 ． 既 又
复杂背景下的车牌定位和字符分割研究
文章编号： ０ｏ ３２（０） ＿ ｌ ＿ ３ 文献标 ｌ０＿ ４８０７４＿ ９ ＿ ２ ０ ０＆０ 识码： Ａ
中 图分类号： Ｐ９ Ｔ３
复杂 背景 下的车牌 定位 和 字符 分割研 究
周开 军 ，陈三宝 ，徐江 陵
（ 武汉理工大学 自动化学 院，武汉 ４ ０ ６ ） ３ ０ ３
接
要：提 出了一种综合边缘检测、投 影特征 的车 牌定位方法和基于垂直投影及模板 匹配的字符分割 方法 ，提取车牌灰度图像边缘 ，实验
Ｒｅ ｅ ｒ ｈ ｏ ｈ ｃｅＬｉｅ ｓ ａ ｅＬｏ ａ ｉ ｎ ａ ｄ Ｃｈ ｒ ｃ ｅ ｓ ａ ｃ ｆ Ｖｅ ｉ ｌ ｃ ｎ ｅ Ｐｌ ｔ ｃ ｔｏ ｎ ａ ａ ｔ ｒ Ｓ ｇ ｅ ｔ ｔｏ ｄ ｒＣｏ ｐ ｅ ｃ ｎ ｓ ｅ ｍ ｎ ａ ｉ ｎ Ｕｎ ｅ ｍ ｌｘ Ｓ ｅ ｅ
［ ｙｗｏｄ ｌＬ ｃ ｔ ｎ Ｃ ａａｔｒ ｅｍｅ ｔｔ ｎ Ｅ ｇ ｅ ｃｉｎ Ｌ ｒ ｎａｉｎｃｒｅｔ ｎ Ｋｅ ｒ ｓ Ｐｌ ａｉ ； ｈ ｃｃｉ ｏ ｏ ｒ ｓ ｏ ｄｅ ｏ ｉ ｏ ｏ
车 牌照 自动识别技 术是 智能 交通 系统 （ Ｓ 中的重要 研 Ｉ ） Ｔ
Ｚ ＨＯＵＫａ ｕ ， ＨＥ ａ ｂ ｏ ＸＵＪａ ｇｉｇ ｉ ｎ Ｃ Ｎ Ｓ ｎ ａ ， ｉｎ ｌ ｊ ｎ
（ｃｏ ｌ ｆ ｔｍａ ｏ ， ｈ ｎＵｎｖ ｒｉ ｆ ｅｈ ｏｏ ｙＷｕ ａ ３０ ３ Ｓｈ ｏ ｏ ｔ ｎＷｕ ａ ｉｅｓｙｏ ｃｎ ｌｇ， ｈ ｎ４ ０ ６ ） ｏ Ａｕ ｉ ｔ Ｔ
ｔａ ｓｏ ｍ．Ｔ ｅ ｈ ｒ ｃ ｅ ｓ ｓ ｇ ｒ ｎ ｆｒ ｈ ｃ ａ ａ ｔｒ ｉ ｅ ｍｅ ｔｄ ｂ ｎ ｅ ｙ ＬＰ ｅ ｍｅ ｔ ｔ ｌ ｏ ｔ ｓｇ ｎ ａ ｉ ａ ｇ ｒ ｈｍ，ａ ｄ ｓ ｍｅ ｐ ｏ ｌ ｍｓ ｒ ｅ ｓ ｌ ｅ ｆｅ ｔｖ ｌ ｎ ｅ ｏ ｏｎ ｉ ｎ ｏ ｒ ｂ ｅ ａ ｏ ｖ ｄ ｅ ｆ ｃｉ ｅ ｙ ｕ ｄ ｒ ｃ ｍｐ ｅ ｓ ｅ ｅ ．Ｔ ｌｘ ｃ ｎ ｓ ｏ ｄ ｍｏ ｓｒ ｔ ｆｅ ｔ ｅ ｅ ｓｏｆｔ ｅｐ ｏ ｏ ｅ ｌ ｏ ｔ ｅ ｎ ｔａ ｅｔ ｅ ｆ ｃ ｉ ｎ ｓ ｒ ｐ ｓ ｄ ａ ｇ ｒ ｈｍ， ｔｃ ｎ ｕ ｔ ｘ ｅ ｓｖ ｘ ｅ ｉ ｎ ｓｏ ｅ ａ ｇ ｕ ｈｅ ｖ ｈ ｉ ｉ ｏ ｄ ｃ ｓｅ ｔ ｎ ｉ ｅ ｅ ｐ ｒｍｅ ｔ ｖ ｒａ ｌ ｅ ｎ ｍｂ ｒｏ ｅ ｌｗｏ ｌ ｅ ｃ ｅｌｃ ｎ ｅ ｐ ａ ｅ ． ｒ ｅ ｆ ａ— ｒｄ ｖ ｈｉ ｌ ｉ ｅ ｓ ｌ ｔ ｓ ｒ Ｉ ｅ ｏ ｔ ａ ｅ ｐ ｏ ｏ ｅ ｌ ｏ ｔ ｔ ｐ ｒｓｔ ｔ ｒ ｐ ｓ ｄ ａｇ ｒ ｈｍｓｈ ｖ ｉ ｈ ａ ｃ ａ ｙａ ｄ ｒ ｂ ｓｎ ｓ ， ｒ ｈ ｔ ｈ ｉ ａ ｅ ｈ ｇ ｃ ｕｒ ｃ ｎ ｏ ｕ ｔ ｅ ｓ
一种简易的车牌定位及字符分割方法
一种简易的车牌定位及字符分割方法摘要：针对车牌识别技术中车牌定位及字符分割所存在各种问题，本文诣在运用数学形态学、radon变换理论，结合现有的车牌识别技术，提出了一种新的算法。
一定程度上提高了车牌识别的准确率，加快识别速度。
在研究的同时对其中出现的干扰问题进行了具体分析，处理。
关键字：车牌定位；字符分割；二值形态学Abstract: To solve some problems in vehicle license plate location and character segmentation in the vehicle license plate recognition system, mathematical morphology, radon transform theory and the existing license plate recognition technology were combined and introduced in this paper. This paper presents a new algorithm，to some extent improved the accuracy of license plate recognition, speed up the recognition speed. A variety of interference is a detailed analysis and processing in this algorithm.Key words: vehicle license plate location; character segmentation; Binary Morphology1前言随着社会工业化的快速发展，一些如城市道路、收费站、停车场等场所的交通密度日益增加，这对交通控制、安全管理的要求也日益提高。
停车场识别车牌的原理
停车场识别车牌的原理停车场识别车牌是利用计算机视觉技术和图像处理算法来实现的。
下面我们将从图像采集、车牌定位、字符分割、字符识别、比对入库、匹配查询和通道管理等方面来详细介绍停车场识别车牌的原理。
1.图像采集图像采集是停车场识别车牌的第一步。
通常使用高清晰度的摄像头对停车场中的车辆进行拍摄，并获取车辆的图像信息。
在采集图像时，需要注意摄像头的角度和位置，以确保拍摄到的车牌区域清晰可见。
同时，还需要考虑光照条件、车牌所在位置以及车牌区域的背景等因素。
2.车牌定位车牌定位是在图像中确定车牌区域的位置。
首先，可以利用颜色和形状等特征进行初步筛选，排除与车牌无关的区域。
然后，通过车牌的特定形状和字符布局等特点，对筛选后的区域进行进一步的判断和定位。
在实际应用中，车牌定位的精度会受到多种因素的影响，例如光照条件、车牌污损、字符重叠等，这些问题需要算法进行优化和改进。
3.字符分割字符分割是在定位后的车牌区域中对每个字符进行分割。
由于车牌中的字符排列有一定规律，因此可以利用这个特点进行字符分割。
首先，可以通过垂直投影法等算法，将车牌区域中的字符分割成单个字符的候选区域。
然后，利用字符的宽度、高度、倾斜度等特征进行进一步的筛选和确认，排除干扰项，最终得到准确的字符分割结果。
4.字符识别字符识别是将分割后的字符转换成机器可读的字模，并与已知的车牌号码进行比对。
字符识别通常采用深度学习和神经网络等算法来实现。
在训练阶段，利用大量已知的车牌号码数据集进行训练，让模型学会将字符图像转换为数字。
在识别阶段，将分割后的字符输入到已经训练好的模型中进行预测，得到相应的字符编码，再与数据库中的车牌号码进行比对，判断是否匹配。
5.比对入库比对入库是将识别后的车牌信息与数据库中的信息进行比对，实现车辆入库管理。
通常，将识别的车牌号码与数据库中已有的车牌信息进行比对，如果匹配成功，则将车辆信息添加到停车场管理系统中，实现自动化的车辆入库管理。
车牌识别系统中的字符分割技术研究
（． ｌ ｇ ｆＣｏ ｕｅ ｃｅ ｃ ｎ ｃ ｏｏ ｅＡｎ ｕ ｉｅｓ １ ｌ ｅ ｏ ｍｐ ｔｒＳ ｉｎ ｅ ａ ｄ Ｔｅｈ ｌｇ ， ｈ ｉＵｎｖ ｒ Ｗ，Ｈｅｅ ３ ０ ９ Ｃｏ ｅ ｉ ｆｉ２ ０ ３ ，Ｃｈｎ ；． ｐ ｒｍｅ ｔｏ ｍｐ ｔｒＥ ｇｎ ｅｉｇＷ ｕ ｕ ｉａ Ｄｅ ａｔ ｎ ｆＣｏ ｕｅ ｎ ｉ ｅｒ ， ｈ ２ ｎ Ｖｏ ａｉｎ ｌ ｌ ｇ ｆ ｎｏｍａｉｎａ ｄＴｅｈ ｏｏ ｙ Ｗ ｕ ｕ ２ １ ０ ， ｉａ ｃｔ ａ Ｃｏｌ ｅｏ ｆｒ ｔ ｎ ｃ ｎ ｌｇ ， ｏ ｅ Ｉ ｏ ｈ ４ ０ ３ Ｃｈｎ ）
ｈ ｔ ：ｗ ｔ ／ ｗｗ．ｎ ｓ ｅ．ｎ ｐ／ ｄ ｚ． ｔ ｎ ｃ Ｔ ｌ ８— ５ － ６０ ６ ５ ９９ ４ ｅ： ６ ５ １ ５ ９ ９ ３ ＋ ６ ０ ６
车牌识别系统中的字符分割技术研究
陈 利１ ， ２
（． 徽 大 学 计 算 机 科 学 与 技 术 学 院 ， １ 安 安徽 合 肥 ２ ０ ３ ；． 湖 信 息 技 术 职 业 学 院 计 算 机 工 程 系 ． ３ ０ ９ ２芜 安徽 芜 湖 ２ １０ ） ４ ０ ３
ｓｍ ｐｅ ａ ｌａ ，ｂｅｔｒｒ ａ—ｔｍ ｅ ｆａｕｒｓａ ｇ ｉ ｌ ｎｄ ｃｅ ｎ ｔｅ ｅ ｌ ｉ ｅ ｔ ｅ ｎｄ ｈｉｈ—ａ ｃ ｒ ｃ ｏ ｅｓｎｇ ｃ ｕ ａ ｙ ｏｆｐｒ ｃ ｓｉ ．
摘要 ： 牌 字符 分 割 是 车 牌 识 别 系统 的三 大关 键技 术之 一 。 车 准确 的 字符 分 割 ， 能 提 高字 符识 别的 准 确 率 ， 既 又能提 高识 别 的速 度 。 针
对 车牌 图像 背 景复 杂 、 照 多 变 、 光 干扰 较 多的 情 况 ， 章在 车 牌 区 域预 处理 的基 础上 提 出 了一 种 基 于先 验 知 识 的 垂 直 投 影 字 符 分 割 文 方 法 。 实验 结 果表 明该 算 法 简洁 、 时性 好 、 实 处理 正 确 率 高 ， 到 了实 用 的标 准 。 达
车牌定位和分割的一种综合方法
车牌定位和分割的一种综合方法
张树波;赖剑煌
【期刊名称】《中山大学学报（自然科学版）》
【年(卷),期】2004(043)002
【摘要】提出了一种基于颜色空间和字频统计结合的车牌分割方法.该方法是在HSV彩色空间中,充分利用车牌图像提供的彩色信息,构造出5级灰度图,然后采用数学形态学、字频统计方法进行分析和判断,确定并分割出汽车牌照.该方法不受车牌大小、位置以及车牌的背景和光照条件等方面的限制,适用范围广.实验表明,该方法符合人类的视觉特征,效果好,精度高,对含噪声图像也能有效分割.
【总页数】4页(P126-128,132)
【作者】张树波;赖剑煌
【作者单位】中山大学数学与计算科学学院,广东,广州,510275;中山大学数学与计算科学学院,广东,广州,510275
【正文语种】中文
【中图分类】TP39
【相关文献】
1.一种有效的车牌字符分割方法——模板匹配-垂直投影结合的车牌字符分割方法[J], 严萍;曾金明
2.一种快速的车牌定位及字符分割方法 [J], 闫怀平;张涵;张骁艳
3.一种基于数学形态学的车牌定位与分割方法 [J], 焦蓬蓬;郭依正
4.一种改进的夜间车牌定位和字符分割算法 [J], 王洪亚
5.基于HSV颜色空间的一种车牌定位和分割方法 [J], 王洪建
因版权原因，仅展示原文概要，查看原文内容请购买。
车牌识别技术中字符切割新算法
第１ 期
李元金 ，高维春 ，王精 明：车牌识别技术 中字符 切割新Βιβλιοθήκη 法 ３ ３开始
３ 车牌 图像 的二值化
图像二值化是字符切割的前提步骤 ，该步的关 键就是 阈值的选择 ， 的阈值能一次性把车牌底色 好 与车牌上 的文字基本上区分开 ，然而选得不恰 当能 把一些车牌背景变到了文字管辖范 围，也能把一些
了自 适应阈值的方法来确定阈值。它的最大的好处
定位切割各个 字符 。该方法最大 的缺点是先验知
［ 收稿 日期 ］ ０ ７ ０ — ９ ２０ — ３ ０ ［ 作者简介 ］ 李元金 （ ９ ５ ），男 （ １７ 一 汉），安徽入，助教，Ｅ ｍ ｉ ｉ ａｊ １０ ＠ ２ ． ｒ — ａ ： ｕｎ ｎ ０ ０ １６ Ｏ ｌｙ ｉ ｌ Ｃｎ
维普资讯
１ 车牌识别 系统简 介
识 起着绝对 的作用 ，因此车牌没有变形 时准确 率 高时可达百分之 九十 ，但是车牌有变形 时准确率
车牌识别 系统 是在交通监控 的基础上 ，引入 只有百分之几 。②根 据车牌图像在垂直方 向上 的
和方差Ｄ来确定一个阈值 了数字摄像技术和计算机信息管理技术 ，采用先进 投影直方图的数学期望Ｅ
车牌上 的文字所 在 的区域 变 到背景 上 去 。实验 时用
继续扫描每一行 ，直到图像中所有的行没有 白色像素 为止， 并记录本行所在的起始位置作为最后位置。并把行位 置不在 这 个 范 围 的去 掉 。 ｎ ０ ＝
先 自上 向 下对 图像 进 行 逐行 扫 描 ， 到遇 到 第 一 直 个 白色 的像 素 点 ， 并记 录 本行 的第 一 个象 素 所 在 的位 置作 为起 始 位 置 。
车牌识别技术中字符切割新算法
车牌字符识别的三种算法的比对
摘要摘要车牌识别技术是智能交通系统中的重要组成部分，它在违章抓拍，不停车收费，停车场管理以及重要场所过往车辆的实时登记等方面都有重要的作用。
论文从车牌字符识别的理论出发，基于MATLAB语言对现有的模板匹配，神经网络，基于向量机（SVM）等方法在字符识别过程中的优缺点以及识别率进行系统的研究。
论文的主要工作如下：1.针对车牌图片的预处理包括去噪，增强，分割，提取字符等等；2.构建模板匹配，神经网络，基于向量机（SVM）字符识别的相关测试数据；3.分别实现模板匹配字符识别算法，神经网络字符识别算法，基于向量机（SVM）字符识别算法，并做相应识别率的实验，将三者的实验结果进行比对；4.基于MATLAB GUI做三种算法系统的界面。
关键词：车牌识别模板匹配神经网络向量机识别率ABSTRACTABSTRACTLicense plate recognition technology is the intelligent transportation system an important part of it illegal to capture, no parking, parking management, and an important place in the past, real-time vehicle registration and other aspects important role. Papers from the license plate character recognition theory, MATLAB language based on the existing template matching, neural network, based on vector machines (SVM) and other methods in the process of character recognition and the recognition rate of the advantages and disadvantages of the system. The main work is as follows:1.Pre-treatment, including the license plate image denoising, enhancement,segmentation, extraction of character, etc.2.Construction of template matching, neural network, based on the vectormachine (SVM) test data related to character recognition;3.Respectively, to achieve template matching algorithm for character recognition,neural network character recognition algorithm based on vector machines (SVM) algorithm for character recognition, and recognition rate accordingly experiment, the three sides to compare the experimental results;4.Do three algorithms based on MATLAB GUI interface of the system.Keywords: License Plate Recognition Template matching Neural network Vector Recognition rate目录 i目录第一章序言 (1)1.1课题研究背景以及意义 (1)1.2本文主要的研究内容 (1)第二章车牌图像的预处理 (5)2.1图像的平滑处理 (5)2.1.1 平滑处理的理论 (5)2.1.2 平滑处理的实现 (6)2.2图像的二值化处理 (7)2.2.1 二值化处理的理论 (7)2.2.2 二值化处理的实现 (7)2.3二值图像的形态学运算 (8)2.3.1形态学运算的理论 (8)2.4对字符进行分割 (10)2.4.1 字符分割的理论 (10)2.4.2 字符分割的实现 (11)第三章基于模板匹配算法的车牌字符识别算法 (13)3.1模板匹配算法的理论背景 (13)3.2模板匹配算法的实现及识别率的研究 (16)3.3本章小结 (19)第四章基于神经网络算法的车牌字符识别算法 (21)4.1神经网络算法的理论背景 (21)4.2神经网络算法的实现及识别率的研究 (27)4．3本章小结 (33)第五章基于向量机（SVM）算法的车牌字符识别算法 (35)5.1向量机（SVM）算法的理论背景 (35)ii 目录5.1.1 SVM的基本原理 (35)5.1.2 SVM中核函数的选择 (35)5.1.3 SVM的多类决策问题 (36)5.1.4 SVM算法描述 (38)5.2向量机（SVM）算法的实现以及识别率的研究 (39)5.2.1 车牌字符图像的预处理 (39)5.2.2 车牌字符特征的选取 (39)5.2.3 车牌字符SVM的构造 (39)5.2.3 实验过程中相关函数及参数的选定 (40)5.2.4 实验过程中的相关结果 (41)5.3本章小结 (43)第六章总结与展望 (45)致谢 (47)参考文献 (49)第一章序言 1第一章序言1.1课题研究背景以及意义目前，我国的经济正在飞速的发展，综合实力也在与日俱增，城市化进程也在加快，国内各大城市交通管理能力将面临重大考验。
复杂背景下车牌定位与字符分割算法研究的开题报告
复杂背景下车牌定位与字符分割算法研究的开题报告一、研究背景与目的近年来，随着汽车数量的不断增加，车牌识别技术也得到了广泛应用。
车牌识别系统可以实现自动地对车辆进行登记、监控和管理，能够有效提高交通安全性和管理水平。
而车牌识别系统的关键技术就是车牌定位与字符分割，其准确率和效率直接影响整个系统的性能和可靠性。
然而，在一些复杂的场景下，如光照不均、目标遮挡、倾斜变形等情况，车牌定位和字符分割的准确率会明显下降，这就对算法的鲁棒性提出了更高的要求。
因此，本文旨在研究适用于复杂场景下的车牌定位与字符分割算法，提高车牌识别系统的性能，实现快速、准确、稳定的车牌识别。
二、研究内容与方法车牌定位是车牌识别系统的关键步骤，其主要目的是从图像中确定车牌的位置和朝向。
常用的车牌定位方法包括基于颜色、基于形状和基于深度学习等方法。
然而，这些方法在一些具有复杂背景的场景下，例如夜间和弱光环境，效果较差。
因此，本文将探索利用多种信息融合的深度学习方法，提高车牌定位的鲁棒性和准确率。
车牌字符分割是车牌识别系统中的另一个重要环节，其主要任务是将车牌上的字符分割出来，方便后续的字符识别。
当前常用的车牌字符分割方法主要包括基于边缘检测和基于图像处理技术的方法。
然而，这些方法在面对复杂背景的情况下，往往难以达到较高的分割准确率。
因此，本文将尝试综合使用基于深度学习和图像处理的方式来实现车牌字符的可靠分割。
三、论文进展计划第一阶段，阅读相关文献，研究车牌定位和字符分割的相关算法，了解深度学习的基本概念和方法，研究多种信息融合的技术，包括颜色、形状、纹理等。
第二阶段，实现车牌定位和字符分割的算法，并测试其性能。
针对测试结果进行分析和评价，进一步改进算法，提高其鲁棒性和准确率。
第三阶段，将车牌定位和字符分割算法应用于实际场景，收集大量样本，对算法进行综合性能测试，并与现有算法进行比较和评估。
第四阶段，编写论文，并对研究结果进行总结和展望。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
邮局订阅号：82-946360元/年技术创新
图像处理
《PLC技术应用200例》您的论文得到两院院士关注
车牌图像中字符分割方法CharacterSegmentationMethodinLicensePlate(四川大学)梁永贵林江莉陈科LIANGYong-guiLINJiang-liCHENKe
摘要:车牌识别系统已成为交通管理的必要手段,而字符分割的准确性是影响识别率的重要决定因素,也是一个难点问题。
本文根据车牌先验知识、字符投影特点与车牌投影曲线相结合的方式分割字符。取得了较高的字符分割准确率,为识别准确性提供了一个保障。
关键词:车牌;字符;二值化;投影中图分类号:TP391文献标识码:A
Abstract:TheLicensePlatesRecognitionSystemhasbeenanimportantwayfortrafficadministration,CharacterSegmentation,asoneofthefactorswhichdeterminetherateofcorrectsegmentcharacterisstillanimportantproblem.Inthisarticle,thepriorknowledgeoflicenseandtheprojectionfeatureareusedwithprojectioncurveoflicensetodeterminecharactersegment,andaverygoodresultisgot.Thuscorrectcharacterrecognitionisensured.Keywords:LicensePlate;Character;Dyadic;projection
文章编号:1008-0570(2009)12-1-0103-02
1引言随着经济发展,世界各国汽车数量急增,如何有效的进行城市交通管理越来越受到各国政府和有关部门的关注。针对这个问题而研究的智能交通系统(ITS)成了一个热点领域。车牌识别是其重要的组成部分,在车辆控制、运输安排、停车管理、自动收费、事故处理等方面需求越来越高,可以节约大量的人力、物力,
同时也提高了交通管理的效率。总之,智能交通管理系统的研究和开发具有重要的现实意义,也具有广阔的市场和巨大的商业应用前景。在智能交通系统中,准确定位车牌后,字符分割是下一步字符识别的前提,字符分割的好坏对字符识别率起着至关重要的作用。虽然目前在已有的印刷体字符分割技术的基础上,提出了不少分割方法,但是分割准确率依然不是很高,而且分割方法稳定性不好。本文主要针对字符分割方法进行研究,对车牌进行了一个灰度预处理后再二值化,使字符分割达到很好的效果,为下一步的字符识别提供了一定的基础保障。
2图像预处理
2.1灰度变换目前摄像系统采集下来的图片一般都为彩色图像,由于彩色图像信息量大,计算复杂,而且运算速度慢,所以先对图像进行灰度变化处理。其中,处理带调色板的图像只需根据其结构特点,改变调色板的颜色数据为灰度数据即可,而真彩色图像则可以直接根据图像三原色原理对图像数据进行取灰度值处理.图像三原色原理:
I为主观色彩,R、G、B为像素中红绿蓝三个分量.
2.2滤波去噪考虑到车牌识别系统会在室外24小时工作,光照度变化较
大、光照不均匀、对比度小、亮度低,以及可能存在各种噪声影响,这些对后面的字符识别效果都有很大的影响,会降低字符识别率。本文研究中先使用中值滤波去除噪声,然后通过低通滤波获得图像背景的照度估计,再从原始图像中减去此照度估计来校正光照不均匀问题,通过对比拉伸变化增强对比度。对倾斜的图像,先用Sobel算子提取边缘,进行逐层剥离之后,再用Hough
变换进行倾斜校正。2.3OTSU法原理二维图像的每一像素信息都可以用灰度值来表示。对灰度值的统计信息用一维直方图来表示。看成是对背景和对象物的混合概率密度函数的一个估计。对阈值t(1:
把类间差和类内差分别定义如下:
(1)(2)则又有:
(3)(4)在上述符号规定的基础上,OTSU通过最大化下列三个序列:
(5)(6)(7)梁永贵:硕士研究生
103--技术创新
《微计算机信息》(测控自动化)2009年第25卷第12-1期
360元/年邮局订阅号：82-946《现场总线技术应用200例》
图像处理由(4)式可以看出和阈值t没用关系,因此的最优化是等价的。可以发现式的计算量较其它两个要小,所以选取作为判定阈值t的标准。因为与阈值t无关,所以当最优的阈值使值最大的时候,也是最大值,所以可利用来选定最优阈值,由(1),(2),(7)式可以推出:(8)最优阈值就是使(8)式成立的,且(9)在这里,最大值t的范围可以用下式来限制(10)通常车牌的前景色和背景色是有区分的,所以用此法选定阈值是有效的。2.4图像二值化为了适应字符分割和匹配识别,将灰度图进行二值化处理。虽然经过了滤波去噪等处理,但是受光照变化不同的影响问题依然不能得到全面解决,若直接采用直方图二分法进行二值化处理,会造成汉字笔画粘连或者断裂,使得字符识别率下降。所以在进行二值化处理之前先把背景和目标灰度值分布不相同的字符图像,转换为背景和目标的灰度值分布大致相同的图像。具体步骤如下:1)用OTSU算法求出前景和背景的阈值T;2)对图像中灰度值大于阈值T的部分求取均值和标准差;对均值小于阈值T的部分求取均值和方差3)预设标准,假设大于和小于阈值T的灰度变换后的均值分别为和,标准差分别为和4)对图像的每个像素点进行以下变换:大于阈值T:小于阈值T:变化后得到的图像光照分布基本相似,而且光照强度也基本相似,然后进行二值化处理变化得到二值化图像。3字符分割3.1字符高度确定为了去除车牌铆钉的影响,需要先确定字符的上下边界。方法为:对车牌图像进行水平投影(如图2),字符往往对应两个波谷之间的一段距离。求得水平投影中的平均值Average,把投影直方图中小于Average/4的部分认为是波谷点。以投影曲线的中间开始向两边搜索,把索搜得到的第一个波谷点为截止点,取两个波谷点之间的行所对应图像的行即得到图3,比较图1和图3,可见铆钉和上下边缘都去除了。图1水平分割前的图像图2水平投影结果图3水平投影分割的结果3.2字符高度确定车牌图片中有间隔符,这就需要不仅准确找到垂直分割的位置,还要区分并去除分割符。根据GA36-92规定我们知道车牌的尺寸为440mm×140mm,每个字符宽度45vmm,高90mm,间隔符号宽10mm字符间隔12mm,每个车牌包含七个字符,可以把这些先验知识作为约束条件,以提高字符分割准确性。对去除了上下边界的车牌图像(即图3)进行垂直投影(图4),
从投影结果中可以看出每个字符分的很开。只需对投影结果进行一次扫描,即可以把每个字符分割出来。应该注意如汉字“川”就被分成了三个字符,这里就要根据先验知识来判定它是一个字符。因为每个字符宽度是45mm,根据总的车牌图像的列数来估算每个字符应该占的列数。而“川”字被分成的三个字符的宽度之和大约等于单个字符宽度,所以把它合成一个字符来算,即正确分割了“川”字符。对于其中的分隔符号,则以与两边字符之间距离宽度的先验知识,以及单个波的最大峰值小于字符图像高度的五分之一为条件判定,然后去除。扫描垂直投影结果,从每个波的中间向两边扫描,扫描到第一个波峰结束,根据约束条件判定是否为字符,若为字符则记下对应的列数范围,然后对应到车牌图片(如图3)相应范围提取图像值,以达到分割图片字符的目的。由图5可以看到分割的结果非常好.
图4垂直投影结果图5分割结果4结论
本文在根据车牌的先验知识和图像特点对车牌图像进行分割算法研究,良好的预处理过程为字符的准确分割提供了基础,有效的提高了分割的准确率。把不同符号图像投影特点、车牌先验知识与投影结果相结合进行字符范围判定,为准确提取字符提供了保障。把从停车场拍摄的300张车牌图片进行字符分割提取实验,结果表明:分割的准确率高达98.3%,该分割方法效果很好。这对下一步进行的字符识别率提高具有很大意义。本文创新点:在图像二值化前进行了光照分布均衡化处理,
并把先验知识、字符投影特点、车牌投影曲线三者结合判定提取字符,优化了分割效果。参考文献[1]杨卫平,李吉成,沈振康。车牌目标的自动定位技术[J]。中国图像图形学报,2002,8(7):835-839.
[2]李元金,高维春,王精明。车牌识别技术中字符切割新算法[J]。深圳信息职业技术学报,2007,5(1):32-34.
[3]张志军,孙志辉。基于VC平台的彩色图像的灰度化技术[J]。自动化技术及应用,2005,24(5):61-63.
[4]MShridhar,eta1.LicenseplaterecognitionusingSKIPSM[A].MachineVisionand-I1lreeDimensionalImagingSystomsforIn－spectionandMetrology,ProceedingsofSPIE,2001:72-79.[5]BafaelCGonzalez,RichardEWoods.Digitalimageprocessing,SecondEdition[M].2002:85-86.[6]朱艳丽、付俊辉、孙印杰。一种倾斜车牌字符提取方法[J]。微计算机信息,2008,1-1:229-231.
[7]NOtsu.Athresholdselectionmethodfromgray-levelhistogram[J]IEEETrans,SMC———9(1),197962-66.[8]ZhangYin,PanYun-He.PreprocessingalgorithmforcharacterrecognitionoflicensePlate[J].ApplicationResearchofComputers,1999,16(7):85-87.作者简介:梁永贵(1984-),男,安徽蚌埠人,硕士研究生,
主要研究
(下转第78页)
104--