车牌定位--开题报告

1南京工程学院本科毕业设计（论文）开题报告题目:车牌定位技术研究专业：车辆工程（车辆电子电气）班级：车电气111学号：215110514学生姓名：芦鹏指导教师：罗绍新副教授郝腾飞讲师2015年3月本科毕业设计(论文)开题报告学生姓名芦鹏学号215110535专业车辆工程（车辆电子电气）指导教师罗绍新/郝腾飞职称副教授/讲师所在院系汽车与轨道交通学院课题来源自拟课题课题性质工程设计课题名称车牌定位技术毕业设计的内容和意义车牌定位是整个车牌识别系统中第一个重要的步骤，它的目的是从一幅车辆图像中将车牌的位置找出来。本毕业设计为车牌定位技术的研究。具体内容包括：1.调研，查阅、收集资料，完成英文资料翻译，撰写开题报告2.对车牌定位的国内外研究现状进行综述3.选择一种车牌定位方法进行研究并编程实现4.利用编写的车牌定位程序进行车牌定位实验5.撰写毕业设计说明书车牌识别系统一般由车牌定位、字符分割和字符识别三个步骤组成。其中车牌定位是车牌识别的第一步，也是最关键的一步，车牌定位效果的好坏直接影响后续字符的分割和识别工作。车牌定位算法的准确率不仅决定了整个车牌识别系统的识别率，甚至决定了一个车牌识别系统能否真正实用化。因此研究车牌定位技术对于车牌识别具有重要意义。文献综述随着经济的发展，民用汽车数量的增多，加大了交通管理的难度。为了提高机动车辆的安全管理水平及管理效率，人们依据一辆汽车拥有唯一的牌照这个特点，设计了一种车牌自动识别技术。汽车牌照自动识别技术是在交通监控的基础上，引入计算机信息管理技术，采用了先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度[1]。在汽车牌照识别技术中，识别的是车牌区域内的字符，所以从自然背景中分割出区域的车牌定位技术是车牌识别的一个关键环节，车牌定位的精准度直接影响到车牌识别的效果，所以汽车牌照定位是智能运输系统中一个非常重要的研究课题。上个世纪80年代初期国外就开始致力于车牌定位的技术研究[2][3][4],CharlCoetzee等人[14]提出了基于Niblack二值化算法及自适应边界搜索算法的定位算法；J.Barroso[15]提出的基于水平线搜寻的定位；R.Parisi[16]等提出的基于DFT变换的频域分析法。他们提出的这些方法，在一定的条件下可定位车牌，由于车牌识别大多是在复杂的环境条件下进行的，所以在利用图像采集设备进行车辆图像采集的过程中，会受到很多自然因素的干扰，比如天气的好坏、光照强度、车牌倾斜、车牌污染等，这些因素的存在都不可避免的使采集到的图像存在着一定的模糊程度，使得定位效果不是很理想。与发达国家相比，我国在车牌定位方面的研究起步较晚。随着国民经济的发展和车辆的增多，进入上个上个世纪90年底我国也开始着手对车牌定位进行深入系统的研究[5],并取得了一些成果。但这些车牌定位效果不是很理想还需要进一步改进。目前，国内外对车牌定位系统的研究，主要集中在算法的研究和改进上，提出了一些卓有成效的车牌定位算法。车牌的定位方法主要有5种：（1）基于边缘检测的车牌定位方法（2）基于数学形态学的车牌定位方法（3）基于小波分析的定位方法（4）基于灰度图像的车牌定位方法（5）基于彩色特征的车牌定位方法。(1)基于边缘检测的车牌定位方法图像的边缘是指在灰度级上发生急剧变化的区域,而在背景或者物体的内部这种灰度的变化是比较平缓的。边缘检测的任务是精确定位边缘和抑制噪声。边缘检测主要是采用合适的边缘算子作用于图像，通过特定算法提取出边缘像素点，边缘检测的关键是寻找合适的算子进行边界分析。研究者将一些检测效果较好的检测算子应用于车牌定位：（1）Roberts算子、利用局部差分算子寻找边缘，采用22领域测对角方向两像素之差近似作为梯度幅值检测边缘。任一对角方向上的差分都可以用来估计梯度值。检测垂直边缘的效果好于斜向边缘、定位精度高：但对噪声敏感，无法抑制噪声的影响。（2）Prewitt算子，利用梯度算子来文献综述计算原始图像在横向x和纵向y上的灰度变化率。按照所选的检测方向（水平、垂直或双向）进行检测，计算前先设定阈值，低于该阈值的像素值将被忽略。Prewitt算子计算比较简单，能平滑噪声、但定位精度不够高、可能产生外边缘。（3）Sobel算子、该算子包含横向和纵向共两个33矩阵，将之分别与图像作卷积。该算子对噪声有一定的抑制作用，但得到的边缘宽度至少有两个像素。(2)基于数学形态学的车牌定位方法数学形态学主要由腐蚀、膨胀、开运算和闭运算四个基本运算组成。腐蚀是对图像内部作处理，可消除图像的细小部分和孤立的噪声点:膨胀是对图像外部作处理，能补全图像中的小孔等，形成连通区域。对车牌图像进行膨胀后可将车牌照的字符区域连成一片。但这种定位算法不能确定车牌的准确位置，也可能会得到符合设定特征的多个定位区域（伪区域）。要求图片背景也应该是比较简单的，背景越复杂，处理干扰噪声的效果就越差，速度和准确性也会受到影响。因此这种定位方法常常和其他定位方法一起运用。例如基于数学形态学和边缘特征的车牌定位方法，先进行预处理，然后根据车牌整体特征采用腐蚀和闭合运算初步确定车牌位置，最后利用字符边缘的微观特征进一步精确定位车牌位置，提高了车牌定位的速度和准确度。(3)基于小波分析的车牌定位方法具有“显微镜”特性的小波分析是一种应用于图像处理的重要分析工具。它是80年代后期发展起来的应用数学分支，是一种窗口面积固定但形状可以改变、时间窗和频率窗都可以改变的时频局部化分析方法。其基本思想是将原始信号经过伸缩、平移等运算分解为一系列具有不同空间分辨率、不同频率特性和方向特性的子带信号,这些子带信号具有良好的时频特性,这些特性可以利用表示原始信号的局部特性，进而实现对信号时间、频率的局部变化分析。目前利用小波分析的车牌定位算法大多是利用小波变换与其他多种方法相结合来达到定位更准确、快速。如结合小波变换、数学形态学、边缘检测等方法来对车牌进行准确定位。如可用如下算法:先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.该方法定位效果好,适于有噪声的车牌图像进行定位。(4)基于灰度图像的车牌定位方法基于灰度图像的车牌定位方法，根据采用的图像处理方法的不同，可以把它们归为四类：文献综述第一类是利用图像的梯度信息对图像进行边缘提取，然后对提取的图像进行形态学运算或采用特定的填充算法，直到图像只留下待识别的目标。这种定位方法属于金典的图像分割方法[6]。但由于车头上部可能存在与车牌尺寸相仿的干扰区，很可能产生误识别；对于有污染物或破损的车牌，识别率不高。另一种思路是在对图像进行了边缘提取后，考虑到车牌区域会有直线边缘，用Hough变换检测直线，来确定车牌在图像中的位置[13]。第二类方法主要考虑车牌图像中车牌区域的纹理特征。一般可以采用能量或其它自定义的特征量来描述车牌区域的纹理特征[7]。把车牌图像划分为若干小块，计算出每一块特征量的值，判断哪些小块是属于车牌区域的。这样就可以对车牌进行初步定位。由于该方法对车牌图像的背景干扰更为敏感，所以定位后要进行进一步的验证和定位操作[8]。第三类方法是利用车牌区的灰度信息，直接对图像进行水平方向的扫描，找出满足灰度变化规律的区域，确定其为待识别目标，此方法称之为灰度跳变法。这种方法先对灰度图像进行隔行扫描，判断扫描行是否属于车牌区域。对属于车牌区域的扫描行进行分析，确定车牌的左右边界，由此确定车牌的区域[9]。第四类方法是投影法，这类方法思路比较简单，首先在原车牌图像上提取垂直边缘或其它的特征值，将其投影到垂直轴上，车牌区域由于垂直边缘密集，所以在对应的位置上会出现一个峰值。编一个算法搜索投影峰值，就可以定位出车牌区域的垂直位置。在提取的区域上进行水平定位，确定车牌区域的左右边界[10][11]。但是这类方法在图像背景比较复杂的情况下，准确定位车牌比较困难。(5)基于彩色特征的车牌定位方法对于彩色车牌图像进行定位，典型的思路是将RGB（Red红，Green绿，Blue蓝）车牌图像转化到HIS（Hue色调，Saturation饱和度，Intensity亮度）空间后，送入训练好的神经网络，通过神经网络技术判断某一点的颜色。在原车牌上标记判断结果，然后对得到的标记图进行水平和垂直两个方向上的投影，根据投影得到确切的车牌位置[12]。在车牌颜色相对统一的国家，这种方法可以取得较高的定位率。由于我国车牌颜色不统一，因此对于我国的车牌图像，在HIS图像空间中进行直接判断定位效果不好。但是，随着计算机技术和图像处理技术的发展，基于彩色图像的车牌定位方法将是车牌定位研究的重点。目前主要是从定位分割精度和算法的灵活角度来对车牌定位方法进行评价衡量。通过比较，可知，各种算法有自身的特点，自身的特点决定了最终的检测效果。对于在任意背景、光照和位置下的汽车图像，各种性能都满足的算法目前还没有。因此，综合多种算法进行定位分析既是客观实际的需要，也是今后研究工作的重点。文献综述参考文献[1].王慧琴.数字图像处理.北京：北京邮电大学出版社，2006[2].沈定刚.汽车牌照自动定位算法.无线电通信，1995.21(5):35-28[3].郑南宁.行驶车辆牌照自动识别系统.西安交通大学报，1992.25(1)：43-54[4].郁梅.基于视觉的车辆牌照检测.计算机应用研究，1999.16(5):65-67[5].刘效静，成瑜.汽车牌照自动识别技术研究.南京航空航天大学学报，1998.30(5):573-576[6].RafaelC.Gonzalez,RichardE.Woods,StevenL.Eddins.DigitalImageProcessingUsingMATALAB.北京：电子工业出版社，2004[7].夏良正。数字图像处理[M].南京：东南大学出版社，1999[8].曹刚，游志胜，赵树龙.一种基于自适应能量滤波的快速车牌定位方法[J].测量检测2003,14(5):523-525[9].熊军，高敦堂，沈庆宏，等.基于字符纹理特征的快速定位算法[J].光电工程2003,30(2):60-63[10].邹晓涛，陈学佺.汽车牌照自动识别系统的设计与研制[J].红外与激光工程2002,31(5):415-418[11].冯国进，顾国华，郑瑞红.基于自适应投影方法的快速车牌定位[J].红外与激光工程2003,32(3):285-287[12].张引，潘云鹤.彩色汽车图像牌照定位新方法[J].中国图像图形学报，2001,16(4):374-377[13].KamatV,GanesanS,AnefficientimplementationoftheHoughtransformfordetectingvechiclelicenseplateusingDSP’S[C].ProcofReal-TimeTech.andApp.Symposium,1995:58-59[14].JBARROSO,ARAFAEL,etal.Numberplateusingcomputervision[A],ProcIEEEInternationalSymposiumonIndustrialElectronics(ISIP)[C],Portugal,1997.[15].RPARISI,etal.CarPlateRecognitionbyNeuralNetworksandImageProcessing[A].ProcIEEEInternationalSymposiumonCircuistandSystems[C],USA,1998,May31-June3.[16].CHARLCOETZEE,etal.PCBasedNumberPlateRecognitionSystems[A].ProcIEEEInternationalSymposiumonIndustrialElectroni