车辆自动识别技术（一）——车牌定位算法研究及实现(2010-07-19 22:45:15)分类：控制仿真类标签：杂谈摘要随着我国交通事业的迅速发展，城市汽车容量的急速攀升，建立现代化的智能交通系统已经成为解决此类中诸多问题的焦点所在。

汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题，车辆是构成整个智能交通系统的最基本元素，而车辆牌照是我们标定车辆的唯一ID，所以说，车牌定位是实现车牌字符分割和字符识别的前提和关键。

本文介绍了三种基于MATLAB的汽车牌照图像定位方法。

这些算法充分利用了车牌纹理、颜色、宽高比等特征，经过灰度化、运动区域定位、边缘提取、水平投影、自适应数学形态学处理、垂直投影、颜色判定、区域生长等一系列步骤，最终实现车牌定位。

特别是边缘处理算子的改进、自适应数学形态学的引入以及小波分析的应用，对算法性能有着巨大影响，是本算法的关键所在。

实验结果表明，所述的三种方法是有效的，能够定位所采集的车牌，虽然不能定位全部采集到的图片，但方法三相对前两种方法的准确率有很大的提高，达到了预期的目的。

关键词：车牌定位；纹理分析；边缘检测；数学形态学；小波分析目录摘要Abstract第1章绪论 11.1 课题研究背景及意义 11.2 课题研究目的 21.3 国内及国外研究现状 21.3.1 国内研究现状 21.3.2 国外研究现状 41.4 本文的工作及基本结构 4第2章图像处理技术基础 52.1 图像预处理 52.1.1 图像灰度化 52.1.2 图像二值化 62.1.3 图像小波变换 62.1.4 图像形态学处理 72.2 图像区域裁剪 9第3章基于MATLAB的车牌定位算法实现 103.1 MATLAB及其图像处理工具 103.2 我国车牌特点及识别难点 103.2.1 我国车辆牌照特点 103.2.2 我国车辆牌照定位难点 113.3 图像的采集 113.4 基于不同车牌特征的程序实现过程及结果图 133.4.1 基于车牌颜色特征的方法 133.4.2 基于数学形态学和边缘特征的方法 163.4.3 基于小波分析的方法 203.5 三种方法的结果比较 23第4章结束语 26参考文献 27致谢 28附录 29第1章绪论1.1 课题研究背景及意义近年来，随着全球经济的发展，交通事业也快速发展起来，机动车辆的规模大幅度增加，整个社会对交通运输的需求也不断增大。

无论是发达国家还是发展中国家，都不同程度的受交通问题的困扰。

交通拥挤、事故、环境污染已成为最难消除的现代社会公害之一。

面对日益严重的交通问题，各国专家提出了多种解决办法，但这些办法或受到投资和资源的制约，或受到见效面狭窄、见效期长等限制，尤其是发达国家的公路网早已建成，不可能靠大量拆迁来增建和拓建交通设施。

同时，人们越来越多的从保护环境、节约能源和谋求社会可持续发展的角度来考虑问题。

因此，随着计算机处理能力的增强和数字图像处理技术、通讯技术、信息技术的飞速发展，将车辆、道路、使用者三者紧密集合起来，用系统的观点进行思考，把先进的技术运用于智能交通系统（Intelligent Transportation System简称ITS）的开发中来[1]。

ITS的总体功能是通过改进（通常是实时地）交通网络的管理者和其他用户的决策，从而改善整个运输系统的运行[2]，它是世界道路交通管理的发展趋势。

车牌识别系统(License Plate Recognition System)是ITS中一个非常重要的方向，主要由图像采集、车牌定位、字符分割以及字符识别四部分组成，己经越来越受到人们的重视。

它具有良好的实际应用价值，目前主要应用于公路治安卡口、开放式收费站、车载移动查车、违章记录系统、门禁管理、停车场管理等场合[3]。

所谓车牌定位(License Plate Location)，就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。

它是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。

同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。

因此，不论在学术界还是在业界，人们都对车牌定位技术给予了高度的重视，研究与开发车牌定位的算法具有十分重要的实用意义[4]。

1.2 课题研究目的通过对车牌定位算法的研究，进一步了解车牌识别系统(License Plate Recognition System)中车牌定位的基本原理和实现过程，通过对MATLAB软件的学习，了解其功能丰富的图像处理工具，学习和掌握常用的图像处理技术，包括图像灰度化、边缘提取、颜色判定等，并学会利用MATLAB编写算法，通过仿真，使原始图像经过该算法的处理后能够清楚地显示出车牌区域，同时使图像中的非车牌区域消失或者减弱，从而能准确有效地定位出车牌在图像中的位置。

1.3 国内及国外研究现状目前最常用的车牌识别方法就是数字图像处理技术[5]，数字图象处理(Digital Image Processing)是指利用计算机对数字图像进行系列操作，从而获得某种预期的结果的技术，也称为计算机图象处理(Computer Image Processing)[6]。

现在DIP已经成为工程学、计算机科学、信息科学、生物学以及医学等各学科学习和研究的对象。

基于图像处理的车牌定位识别技术，是一种无源型车辆牌照定位识别技术，他通过对运动或静止车辆的车牌号码的无接触采集图像，利用图像处理技术、模式识别技术及神经网络技术等，进行车辆牌照的实时定位识别[2]。

1.3.1 国内研究现状我国大城市交通拥堵问题己相当严重，道路基础设施远远不如发达国家，交通运输体系和结构也与发达国家不同，因此发展我国的ITS要结合中国的实际情况，总结发达国家交通发展的经验和教训，确立适合中国国情的发展战略[7]。

我国经过“九五”的准备期，在“十五”期间将ITS列为交通管理发展的主要研究方向。

在这种背景下，车牌识别系统作为ITS的重要前端设备，在交通调查、交通监管和车辆管理等方面发挥着举足轻重的作用，对这项课题的研究必将推动我国交通管理自动化的进程[1]。

国内常见的基于图像的车牌定位技术可分为以下几种[2]：1. 基于彩色图像的定位算法，定位准确，精度高。

但适应性差，对于偏色，以及背景颜色干扰等情况无法做出有效处理，因此很少单独使用。

近年来，在这一方面做出有益尝试的有上海交通大学的赵雪春等，他们提出了一种基于色彩分割的及多级混合集成分类器的车牌定位识别方法；浙江大学的张引、潘云鹤也对基于彩色图像的牌照定位方法进行了研究，提出了彩色边缘检测算子ColorPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法ColorLP。

2. 基于边缘检测的车牌定位算法，定位准确，速度慢，漏检率高，误检率高。

此类算法中最典型的如Varsha Kamat等用Hough变换从车辆图像中检测到车牌边框，实现车牌定位。

3. 基于灰度值变化的车牌定位算法，速度快，但因为只依据车牌尺寸及形状来确定目标，所以误检率很高。

4. 基于神经网络的车牌定位方法，自适应能力强、准确率高，但计算量大，当牌照尺寸发生变化较大变化时，就必须对神经网络进行重新训练。

典型算法有Sirthinaphong等采用的四层神经网络实现车牌定位。

5. 基于数学形态学的定位方法，对特定场景定位效果较好，且速度较慢。

比较典型的算法有Joe ，实现定位。

6. 遗传算法定位，在图像质量较差是对目标区域有很好的增强效果，在光线较弱的夜里也能有不错的效果，但其原理是通过不断地迭代优化运算来提高效能，所以，虽然其总有进一步优化的潜力，但运算速度慢却是其致命瓶颈。

1.3.2 国外研究现状车牌定位的研究国外起步较早，世界各国都在进行适用于本国汽车牌照的自动跟踪识别，美、日、韩等国现在已经有了一些相应的系统(基于传感器)问世，并已获得较好的社会和经济效益。

目前的牌照识别系统已经达到了一定的识别率，但是，在天气条件差的情况下或夜晚时，识别率会明显下降，因此现有的识别系统要达到完全实用化仍然有很长的路要走。

现有的比较好的方法主要有J.Barroso等提出的基于水平线搜寻的定位方法；R.Parisi等提出的基于DFT 变换的频域分析方法；Charl Coetzee提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法；Barroso J.Buls-Cruz等人提出的基于扫描行的车牌提取算法等。

上述算法尽管能在一定条件下分割出车牌，但对于许多的客观干扰，如天气、背景、车牌磨损、图像倾斜等，特别是应用到中国，定位效果并不十分理想[2]。

而以色列的Hi-Tech公司、新加坡的Optasia公司、香港的AsaiVisionTechnology公司分别研制了名为See/Car System、VLPRS、VECON的汽车牌照识别系统性能较好，这三种产品所能识别的汽车图像均为单车牌的灰度图像，即每幅灰度图像中只能含有一个车牌，并未涉及多车牌的识别问题。

VLPRS、VECON分别适合于对新加坡格式和香港格式的车牌进行识别，H-Tech公司则研制出了多种See/Car System，每种See/Car System适合于某一国家的车牌识别，其中See/Car System型的车牌识别系统可对中国格式的车牌进行识别，但不能识别车牌中的汉字。

以色列Zamir开发的“All-in-One”产品Lane Controller，集成了图像传感器、近红外光LED照明、识别算法处理器和车辆检测器于一体，已在欧洲多个国家得到应用；新加坡Optasia公司的IMPS系统，是一个综合的多通道系统，被马来西亚和新加坡用到识别移民的关卡中[9]。

我国目前还没有类似的系统问世，而引进国外这些系统不仅费用高而且由于各国车牌和实际的交通环境不同，引进的系统也无法满足我国城市化的需求[7]。

1.4 本文的工作及基本结构经过研究大量的文献资料，本文基于现有的车牌定位算法，根据不同的原理，提出了三种车牌定位方法，分析三种算法的优缺点，最终找出定位效率最高的方法。

第2章主要介绍常用的图像处理技术，包括图像预处理，图像裁剪等。

第3章主要介绍MATLAB及其图像处理工具，我国车牌的特点及识别难点，主要讲解本文车牌定位算法的流程，以及各步骤的技术解决方案，并且给出测试结果和分析。

第4章对本文的三个算法进行总结，并讨论后续改进方向。

后附参考文献、致谢及程序代码。

第4章结束语由前面的论述可知，本文主要基于图像处理技术，研究车牌定位的基本原理，设计基于MATLAB仿真软件的车牌定位的算法。