數(shù)字圖像處理車牌識別技術(shù)ppt課件

《數(shù)字圖像處理車牌識別技術(shù)ppt課件》由會員分享，可在線閱讀，更多相關(guān)《數(shù)字圖像處理車牌識別技術(shù)ppt課件（29頁珍藏版）》請在裝配圖網(wǎng)上搜索。

圖像模式識別應(yīng)用,專題：車牌識別技術(shù) 圖像分析處理技術(shù)的綜合應(yīng)用,1,一、車牌識別技術(shù)簡介,車牌識別是現(xiàn)代交通管理的重要措施，是智能交通系統(tǒng)的重要環(huán)節(jié) 內(nèi)容： 車牌識別系統(tǒng)是采用數(shù)字攝像技術(shù)和計算機信息管理技術(shù)，對運行車輛實現(xiàn)智能管理的綜合運用技術(shù) 理論基礎(chǔ)：數(shù)字圖像處理和模式識別 車牌識別技術(shù)具有典型性，容易推廣到其它識別對象,2,識別流程,主要由三部分組成 圖像捕獲一般采用CCD攝像頭，包括整車圖像或牌照(一般為彩色圖像) 后兩步由計算機實現(xiàn) 關(guān)鍵部分是第三步：字符識別（OCR）,3,識別步驟,具體識別步驟如下(不是唯一的)： (1) 獲取整車或局部圖像； (2) 對獲取車輛數(shù)字圖像進行預處理； (3) 車牌定位； (4) 二值轉(zhuǎn)換； (5) 車牌分類； (6) 車牌分割； (7) 字符識別； (8) 結(jié)果優(yōu)化(車牌模糊識別)。,4,二、車牌定位與分割,車牌定位：通過車牌區(qū)域的特征來判別牌照的位置，將車牌從圖像中分割出來 步驟： (1)彩色圖像灰度化 (2)圖像增強 (3)邊緣檢測 (4)模板匹配 (5)輸出牌照子圖像,5,CCD 輸出,CCD捕獲的汽車圖像,6,灰度圖像,彩色圖像灰度化,7,灰度增強,灰度增強改變對比度,8,邊緣提取(方法多種),定位、分割后輸出 下步工作是對分割輸出進行字符識別,9,1、彩色圖像灰度化,CCD攝像頭輸出的圖像一般是24位真彩色圖像，需進行灰度化，使不同顏色車體統(tǒng)一化，同時實現(xiàn)快速處理 兩種制式都可以采用 PAL制： 亮度 NTSC制：亮度,10,2、對比度增強,利用灰度變換增強對比度，突出車牌區(qū) 一般采用截取式變換 ： 常采用下式,11,3、邊緣檢測,主要方法 (1) 對圖像進行直分析處理 (2) 提取車牌區(qū)域邊界 (3) 灰度點運算 (4) 模板匹配 (5) 算子法 (6) 形態(tài)學處理 (7) 其它邊緣提取方法,12,車牌圖像特征,車牌定位與分割的理論與方法是根據(jù)車牌圖像的特點來確定的 車牌圖像主要特征有： (1) 車牌區(qū)域內(nèi)的邊緣灰度直方圖統(tǒng)計特征 (2) 車牌的幾何特征 (3) 車牌區(qū)域的灰度分布特征 (4) 車牌區(qū)域的水平、垂直投影特征 (5) 車牌形狀特征和字符排列格式特征 (6) 車牌的形態(tài)學特征 (7) 頻譜特征,13,車牌圖像的組成,組成：省份漢字(或其他漢字)+字母或阿拉伯數(shù)字，共7位，即 X1X1?X3X4X5X6X7 例：川A?K0387 尺寸：寬 45mm、高 90mm、間隔符寬10mm、單元間隔 12mm 字符筆畫在豎直方向是連通的 牌底與字符顏色對照大，邊緣非常豐富 四類：藍底白字、黃底黑字、黑底白字、 白底黑字,14,定位分割難點,抓拍圖像受環(huán)境因素干擾，特別環(huán)境光的干擾，環(huán)境光太強時，圖像淡薄，對比度變差； 車尾有其它字符，使車牌定位困難； 車牌大都存在污染而變臟； 車牌部分被遮擋； 車牌圖像為運動圖像，拍攝時產(chǎn)生失真。,15,模板匹配,用與圖像中車牌一樣大小的已知模板，在經(jīng)對比度增強后的圖像中，從起點(0,0)開始，逐步平移一一匹配，尋找最佳區(qū)域 匹配公式： 最大值為輸出 已知模板并不是某個具體的車牌，而是具有車牌統(tǒng)計特性的通用模板，是一種模糊匹配,16,形態(tài)學處理確定車牌位置,將圖像二值化,通過膨脹、腐蝕操作定位,17,車牌定位算法之一,(1) 對原始圖像進行基于方向區(qū)域距離測度的彩色邊緣檢測得到原始邊緣圖像 (2) 對原始邊緣圖像中的每一邊緣點進行邊緣顏色對檢測，獲得候選車牌邊緣圖像 (3) 對候選車牌邊緣圖像進行閉運算獲得連通域圖像 (4) 計算各連通域的寬高比，剔除不在閾值范圍內(nèi)的連通域，若只剩下一個連通域，則可確認為車牌區(qū)域，轉(zhuǎn)(7),18,車牌定位算法之一,(5) 若還有多于一個連通域，則計算r。剔除不在閾值范圍內(nèi)的連通域，若只剩下一個連通域，則可確認為車牌區(qū)域，轉(zhuǎn)(7) (6) 若還有多于一個連通域，則對其進行彩色邊緣檢測然后進行水平掃描，統(tǒng)計每行灰度值為1的個數(shù)N，如果有連續(xù)M行以上N∈[n1,n2]，則可認為此連通域為車牌區(qū)域 (7) 在原始圖像中提取車牌圖像,19,三、車牌字符識別技術(shù),與通用的OCR識別方法類似 模板匹配法 首先對字符二值化，并歸一化字符尺寸，然后進行模板匹配，選取擇最匹配輸出 神經(jīng)網(wǎng)絡(luò)匹配法，兩種算法： (1) 先對各字符進行特征提取，利用特征訓練網(wǎng)絡(luò)分類器，然后用分類器識別字符 (2) 由網(wǎng)絡(luò)對輸入圖像自動提取特征并識別,20,1、預處理,車牌經(jīng)定位、分割檢出后，基本上具有被識別的條件，但還需做適當預處理 預處理： (1) 圖像二值化 在彩色圖像灰度化后，因車牌類型不同，會出白底黑字和黑底白字兩種，需要統(tǒng)一為一種 (2) 字符分割,21,2、二值化,二值化的關(guān)鍵是閾值的選擇 二種方法：全局閾值、局部閾值 全局閾值 其中hl是灰度值為l的像素個數(shù)。,22,3、傾斜校正,提取的車牌圖像有可能是傾斜的，為了便于識別，需對圖像進行傾斜度校正 方法：哈夫(Hough)變換 計算車牌圖像上、下邊界直線 計算邊界直線的傾斜度 P 傾斜度校正,23,4、尺寸歸一化,字符的大小歸一化可以簡單地用統(tǒng)計分析法來完成 歸一化內(nèi)容: (1) 位置歸一化，即把字符移到規(guī)定的位置上， 使字符的質(zhì)心對中，也可字符邊框定位 (2) 大小歸一化，使被識別字符具有同樣大小,24,5、字符識別,識別方法較多 匹配法識別 采用相關(guān)函數(shù)作為相似度測度 其中，T為模板，S為模板覆蓋下的圖像子塊，i、j為子塊左上角坐標，M、N為模板長和寬,25,6、字符優(yōu)化,按照上述車牌定位和切割方法取得的單個字符圖像，可能存在字符與邊框相連、字符變形和字符斷裂等情況，為此在真正識別之前需要對字符位圖作進一步的技術(shù)處理； 常用的方法是將用于識別的字符位圖按新的點陣大小重新采樣，然后搜索字符位圖的準確上下左右邊界值，依照字符位圖的寬高值和新的邊界值重新確定字符像素點，并排除非字符情況，如左右邊界值之差過小、上下邊界差過小等情況即認為非字符。,26,7、字符類型,民用車漢字：京、津、晉、冀、蒙、遼、吉、黑、滬、蘇、浙、皖、閩、贛、魯、豫、鄂、湘、粵、桂、瓊、川、貴、云、藏、陜、甘、青、寧、新，渝” ； 英文字母：除“I”外的“A—Z”其他字母； 數(shù)字：0—9； 數(shù)字和字母：“WJ”、“警”+ 0—9 ； 軍用車漢字：甲、乙、丙、丁、戊、己、庚、辛、壬、癸、子、丑、寅、卯、辰、巳、午、未、申、酉、戌、亥； 民用車尾字：包括“0—9、學、試、領(lǐng)、港”等字。,27,8、標準特征庫,將切分下來的字符圖像變換到40×40的點陣空間上，按照水平和垂直方向提取二值特征、按照字符結(jié)構(gòu)在水平、垂直、左、右四個方向的幾何投影圖像特征建立多維特征庫，其中標準漢字從宋體字庫中選取，字母及數(shù)字從OCR-A字庫中選取。對標準字符分別進行歸一化、輪廓化和特征抽取，標準模板就是從中抽取特征得到的特征向量。,28,10、字符匹配,兩種主要方法：模板匹配法和人工神經(jīng)網(wǎng)絡(luò)算法； 模板匹配算法首先把待識別字符二值化，并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結(jié)果； 基于人工神經(jīng)網(wǎng)絡(luò)的算法主要有兩種： (1) 一種是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經(jīng)網(wǎng)絡(luò)分類器； (2) 另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動實現(xiàn)特征提取直至識別出結(jié)果。前一種方法識別結(jié)果與特征提取有關(guān)，而特征提取比較耗時，因此特征提取是關(guān)鍵。,29,