基于51單片機的高速公路測速系統和車牌識別分析報告-資料下載頁

　　

【正文】 1個邊界值作為圖像分割的界限。假設圖像矩陣為：356*90(356行90列)。有7個字符。計算出列方向黑像素分布從6個谷底得到13條上坡線和下坡線按坡線分割圖像圖 210在不同大小的同一塊車輛牌照圖像中，由圖(210)的算法進行分割比較試驗。結果表明，都能正確地定位并分割出牌照區域，正確地分割出每一個牌照字符，實驗表明，該算法對牌照大小具有較好的容忍度。 已經分割后的單個字符演示如圖2—11所示，按上述方法將二值化后的車牌字符分割成七幅單個的字符圖像，分割效果很理想。圖2—11分割后的圖像 本章小結對彩色車牌圖像的預處理是字符識別環節的前奏。車牌預處理效果的好壞將關系到字符識別是否能夠成功。因此，本章通過對車牌圖像進行灰度處理、灰度圖像二值化、并且用數學形態學中的開閉運算對圖像中的污點進行噪聲慮除，之后又利用列方向黑色像素積累的方法將車牌圖像分割成七幅單個字符的圖像以對下一步的字符識別做準備。第3章 基于字符形態劃分的字符識別 字符識別概述 基于字符形態劃分的字符識別原理是一種完全基于結構知識的字符識別方法。該方法以字符的結構特點和筆畫類型、數據及位置作為識別基礎。對汽車牌照中的字母和數字進行分類識別。汽車牌照識別是基于圖像分割和圖像識別理論，對含有汽車牌照的圖像進行分析處理，從而確定汽車牌照在圖像中的位置，并進一步提取和識識別出文本字符。從不同車牌圖像中分割出的字符圖像各不相同，尺寸變化范圍大，增加了識別的難度。盡管可以采用圖像變換方法將分割出的所有字符圖像歸一化為相同尺寸，但歸一化過程又不可避免地丟失有用的字符信息，造成圖像失真，無助于提高識別準確率，并且浪費時間，降低了識別速度。本文通過分析汽車牌照的特點，提出了一種利用字符的筆畫特征和結構知識對汽車牌照中的字母和數字進行識別的方法。試驗表明，該方法識別速度快、準確率高，不受字符圖像大小影響，適應性強。與其它識別系統一樣，牌照字符識別系統的關鍵也在于字符特征的提取，也就是如何選取既容易提取又能為識別系統提供盡可能高的模式鑒別能力。特征的提取和選擇對識別系統至關重要，它基本上決定了識別系統的性能和識別精確度，甚至還可能影響到整個系統的識別的成功與否，一般來說，用于字符識別的分類特征應滿足以下要求：具有較強的分辨能力，即同一類中各樣本間距離應盡量小，而字與字之間的差距應盡量大，最好沒有交疊部分。具有較高的穩定性和抗干擾性，對字符的平移、旋轉和尺度變換不敏感，受字符筆劃斷裂或粘連的影響盡可能小。特征碼應便于提取，算法要盡量簡便，在保證識別系統的性能的條件下，特征碼的算法代價不能過高，以減少機器開銷，提高運算速度。 目前字符識別的一些常規方法 與其它的字符識別系統一樣，牌照字符識別系統的關鍵在于字符特征提取和模式匹配。在特征提取和匹配時主要有以下幾種方法：一種是利用字符的結構特征和變換進行特征提取，如：Fourier 變換、KarhurenLoeve 變換等，這種方法對字符的傾斜、變形都有較高的容忍度，但運算量巨大，對計算機性能要求高；一種是利用字符的統計特征進行特征提取，目前多數字符識別系統均采用此方法；還有一種是基于字符結構分析的識別方法，這種方法可以識別有較大旋轉、變形、縮放的字符圖像，但需要進行復雜的字符筆劃分析和抽取，對牌照字符圖像質量要求較高。考慮到車輛牌照字符中只有26 個大寫英文字母、10 個阿拉伯數字和50 個左右的漢字，所組成的字符集合較小，因此在實驗歸納的基礎上提取出較多的正交特征碼是可能的。MATLAB語言是由美國MathWorks公司推出的計算機軟件，經過多年的逐步發展與不斷完善，現已成為國際公認的最優秀的科學計算與數學應用軟件之一，是近幾年來在國內外廣泛流行的一種可視化科學計算軟件。它集數值分析、矩陣運算、信號處理和圖形顯示于一體，構成了一個方便的、界面友好的用戶環境，而且還具有可擴展性特征。實驗證明該軟件功能強大，語言簡潔易學，人機界面友好，工具箱具有豐富的技術支持并集成了該領域專家的智慧，應用簡單而效果良好。 字符輪廓分析 目前為止，已經有成熟的OCR商業軟件，或者其他形式的產品。但在實際應用中，要根據實際需要開發精簡的識別算法。這里介紹一種采用數字字符輪廓結構特征和統計特征相結合的方法，并從中選出穩定的局部特征，利用結構語句識別的方法進行數字的識別。能夠實現多種樣式的數字的準確識別。同時還提高了識別的速度。我國汽車牌照中使用的字符包括59個漢字、25個英文字母(字母I不用)和10個阿拉伯數字三種類型共94個，且都是印刷體，結構固定、筆畫規范。圖1是車牌號碼中使用的全部字母和數字的圖像。這些字符的形態有5種類型：a左斜(L)、b右斜(R)、c豎直(V)、d圓弧(C)、和e突變(P)。如下圖(31)。數字字符就是這5種基本字符形態的組合。所以，基于字符形態劃分的字符識別的基本原理就是先通過字符輪廓提取出字符的形態信息，然后通過形態組合識別字符。 字符輪廓的劃分 由于受噪聲和隨機污點的干擾，以及基于連通值的圖像腐蝕和膨脹會引起字符的變形。為了盡量減少這種變形對信息特征的干擾，或者從變形的字符中提取可靠的特征信息，將字符的整體輪廓分解為，頂部，底部，左側和右側4個方向的輪廓特征來描述。是的當中某部位的筆劃發生變形時，不會改變或者減少對其它部位特征的影響。 字符四方向輪廓公式化表示 字符輪廓可以分解為頂部，底部、左側和右側4個方向。下面對每個方向的輪廓定義作出論述：左側輪廓由式(31)(LP(k)，k=1，2，…，M)定義為字符最左側邊界像素點的水平方向坐標值。(31)式 (31)中P(x，y)表示圖像中坐標為(x，y)像素點的水平方向坐標值。同理，右側輪廓由式(32)定義為為字符最右側邊界像素點的水平方向坐標值：(32)相應的，頂部輪廓(TP(k)，式(33))定義為字符最高邊界像素點的垂直方向坐標值。底部輪廓(BP(k)，式(34))定義為字符最低邊界像素點的垂直方向坐標值。(33)(34)左側、右側、頂部和底部輪廓定義如圖(31): 字符輪廓的變化特征 輪廓的整形：為了描述輪廓的變化特征，定義4個方向輪廓的一階微分：（35）式(35)中 YRP0BPTP0L圖31字符輪廓定義示意圖 字符形態劃分的結構基元 字符結構基元劃分原理 利用上面的輪廓一階微分變化趨勢，可以定義構成字符輪廓的基本基元。基本基元共有5個，分別為：左斜(L)、右斜(R)、豎直(V)、圓弧(C)、和突變(P)[11]。以左側輪廓為例，定義上述基本基元：(1) 豎直定義：假設SL，SV和SR分別表示某側輪廓一階微分值大于零，等于零和小于零的個數。若SR=0，SL=0，則微結構V。如圖(32 a)所示： (2) 左斜定義：假設SL，SV和SR分別表示某側輪廓一階微分值大于零，等于零和小于零的個數。若：SR=0，SL大于閾值LT，則為結構L，如圖(32 b)(3) 右斜定義：假設SL，SV和SR分別表示某側輪廓一階微分值大于零，等于零和小于零的個數。若：SR=0，SR大于閾值RT，則為結構R，如圖(32 c)(4) 圓弧定義：假設SL，SV和SR分別表示某側輪廓一階微分值大于零，等于零和小于零的個數。若：SR大于閾值RT，SL大于閾值LT，則為結構C，如圖(32 d)：需要指出的是，圓弧示意圖只是一種抽象，它表示結構中包含了上升和下降的兩種趨勢。而不僅僅只是如圖(32 d)所示的具體形狀：(5) 突變對于連續的字符輪廓，其一階微分值的變化量比較小，而當字符輪廓不連續時，其一階微分值相對較大。因此，定義：當輪廓的一階微分值超過閾值PT時則字符輪廓有突變，即為結構P，如圖(32 e)所示：基元結構示意圖如圖所示。間斷圖 32 字符基元結構示意圖a b c d e 字符形態劃分方法的特點 字符形態劃分方法具有如下特點：對字符進行充分的分析后得到的5種筆劃，是對字符形態的充分解析。字符結構相對獨立，正交性好。識別誤碼率小。不需要將待識別的字符與全部字符進行匹配識別，因而提高了識別速度和準確率。 利用字符結構基元劃分的字符識別原理 字符的形態已經劃分為5種類型斜(L)、右斜(R)、豎直(V)、圓弧(C)、和突變(P) 。數字字符可以是由5種基本字符基元中若干種的組合。先對字符形態進行解析，得到每個字符是哪幾種基元的組合。然后對圖像上檢測到的基元進行字符形態的重構。就可以識別出數字字符了。 基元的檢測根據上述的定義，考慮實際應用中存在的干擾，基元的檢測規則如下：假設PD(k)表示某側輪廓的一階微分，k=1，2，…，K，SL，SV和SR分別為檢測到的PD(k)大于零，等于零和小于零的個數，PT、RT和LT為正整數，則：(1) 若PD(k)≥PT，則在k處檢測到結構突變(P)；若SLLT，SRRT，則檢測到結構為豎直(V)。若SLLT，SRRT，則檢測到結構為左斜(L)。若SLLT，SRRT，則檢測到結構為右斜(R)。若SLLT，SRRT，則檢測到結構為圓弧(C)。(2) 由于字符輪廓突變處，表示字符輪廓不連續，則突變前后的輪廓特征必須分別檢測。即若k1處檢測到P，則在[1，k11]的字符輪廓范圍內統計SL，SV和SR獨立進行結構基元檢測。若在k2處又檢測到P，則在[k1+1，k21]范圍內進行基元檢測，依此類推。(3) 由于字符輪廓基元形成需要一定數量輪廓像素點，即只有當SL+SV+SR≥T時，才能進行基元檢測，否則不進行基元檢測。例如，當SL+SV+SR=2時，其形成的基元結構是不穩定。(4) 檢測到突變結構P的有效范圍在x∈[ST，NST+1] ，y∈[ST，MST+1]，其中ST表示字符筆劃的寬度。這主要是為了避免干擾嚴重情況下，輪廓邊緣光滑處理不夠理想時，可能檢測到的假突變基元。 輪廓的統計特征采用上述的結構基元還不足以準確識別殘缺和完整的數字，下面引入輪廓的統計特征加以補充。(1) 水平方向的最大字符寬度Wmax:(36)該特征主要用于識別數字1。當 ，即為數字1，H=M。(2) 垂直方向的筆劃數M為字符筆劃高度，ST為字符筆劃寬度。該特征主要用于識別數字0和8。因為0和8的輪廓結構特征及其相似。所以借助于垂直方向筆劃數加以區分。受數字底部殘缺的影響，8在垂直方向上的最大筆劃數也可能為2。采用檢測到筆劃數為2時垂直方向的最小值S2來代替。假設j列上像素點 ，檢測到垂直方向的筆劃數為1，在 檢測到了第二個筆劃，則 ，表示，檢測到第二個筆劃像素點的位置。當 時，檢測到的字符為8，否則為0。 用字符形態識別數字字符用字符形態識別數字字符，首先要分析數字字符的特點，然后針對每個數字字符的特點，對應上面字符形態模型的內容，得到形態模型組合與數字字符的關系。 數字字符的特點 數字字符是這5種基本字符形態的組合。十個數字為：0123456789下面逐個分析阿拉伯數字的特點：0: 頂部輪廓是圓弧，且左側輪廓和右側輪廓各有一個圓弧，檢測到垂直方向第二個筆劃的位置在 左側。1: 水平方向的最大字符寬度小于字符高度的一半。2: 頂部輪廓有一個圓弧，并且左側輪廓有兩個基元，一個是突變另一個是左斜。3: 頂部輪廓有一個圓弧，并且左側輪廓不是圓弧而是突變。4: 頂部輪廓是左斜并且還包含一個突變，右側輪廓是豎直。5: 頂部輪廓是豎直，右側輪廓有一個突變。6: 頂部輪廓是圓弧，右側輪廓有一個突變，左側輪廓有一個基元(圓弧)。7: 頂部輪廓是豎直，左側輪廓有一個突變，右側輪廓有一個基元(左斜)。8: 頂部輪廓有一個圓弧，左側和右側各有一個基元(圓弧)。檢測到垂直方向第二個筆劃的位置在 右側。9: 頂部輪廓有一個圓弧，左側輪廓有一個圓弧，還有一個突變。 數字字符的識別方法將數字字符的頂部、左右兩側的局部輪廓結構特征和輪廓統計特征組合成特征向量，用以描述10個數字。根據特征向量，采用結構語句識別算法識別底部殘缺的和完整的數字字符[16]。由于底部特征丟失，會改變左右兩側的部分結構特征，但不會影響頂部特征。因此特征描述和機構匹配識別都從頂部輪廓特征開始。局部輪廓結構特征和統計特征描述數字：Size()表示結構集合中有幾個結構元素。Ln表示左側輪廓的結構元素個數。 字符識別的matlab算法流程 輸入字符圖像將文字圖像歸一化到24像素點的高度左端, 輪廓檢測右端輪廓檢測結構特征提取采用四邊的輪廓結構特征和筆劃統計識別字符輸出結果圖33單個字符識別流程圖采用四邊的輪廓結構特征和筆劃統計識別字符所得的結果如圖所示(a)(b) (c)(d)圖34數字識別結果的邊框圖形演示：（a）車牌中第一個數字0的輪廓識別結果；（b）圖車牌中第二個數字8的輪廓識別結果（c）圖車牌中第三個數字2的輪廓識別結果（d）圖四車牌中最后一個數字8的輪廓識別結果 本課題整體流程漢字識別部分車牌漢字字符特征提取按如下幾個方面進行：1車牌漢字的筆畫特征。本文中車牌漢字的筆畫特征主要是指通常意義上的漢字字體的筆畫，比如橫、豎、撇、捺等四種。2 車牌漢字的結構特征。本文中車牌漢字的結構特征主要是指通常意義上的漢字字體的‘左右結構’、‘上下結構’、‘獨立結構’。3 車牌漢字的結構特征。本文中車牌漢字字符的筆順結構主要是指通常意義上的漢字字體書寫時的大致的習慣順序，比如從上到下、從左到右2種。車牌漢字字符特征提取是結合字體的筆順特征進行。首先，利用圖像的分割掃描字體的結構特征，比如車牌漢字字符中的‘鄂’字先分為左右結構，再分為上下結構，以此類推，最后定位在‘口’字獨立結構上；同時分別編碼為1（左右結構），2（上下結構），3（獨立結構）。定義字體的結構特征為5維向量，不足的補零，最后‘鄂’字的結構特征被編碼為XA=[12123]。同理，