车牌照自动识别算法研究.doc

文档介绍：车牌照自动识别算法研究摘要:以在民用领域十分有应用价值的汽车牌照作为目标自动识别(ATR)对象,提出2种分别基于色彩和字符特征的车牌识别算法,通过不同特征的选取,使用Matlab软件作为研究工具,研究数字图像的目标识别方法,实现基于特征的快速定位和识别。两种算法都简单易行,各有所长,并有所优化选择。关键词:数字图像;自动目标识别;牌照特征;识别算法中图分类号::A 文章编号:1004-373X(2008)22-108-04 StudyonAutomaticTargetRecognitionAlgorithmofLicensePlate ZHANGMing (96411UnitofPLA,Xi′an,721006,China) Abstract:alculationalsoftware,,andtakesthelicenseplatewhichhasaveryhighappliedvalueincivilfieldasAutomaticTargetRecognition(ATR). Keywords:digitalimage;automatictargetrecognition;license-platecharacter;recognitionalgorithm 1引言在现代社会中,图像自动识别技术在军事和民用的许多领域都得到了日益广泛的应用。车牌识别技术的研究是图像识别技术中最常见的一种应用,具有重要的现实意义和理论价值。一个完整的车牌识别系统一般由图像输入、图像处理(提取特征)和牌照定位识别3部分组成。本文只把重点放在后两步,着力研究这两部分的算法和实现过程。车牌识别系统和其他的图像识别过程一样,关键在于特征的选择和提取。我国的车牌底色和字符颜色种类并不多,而且字符主要是英文字母、数字以及少量汉字组成,这就提供了2个非常明显的特征:颜色和字符。但由于车牌的不同,以及检测时不同的光照条件,给车牌识别增加了难度,很难用一种算法就实现一个完善的系统。在这里以常用的蓝底白字车牌作为基本研究对象,分别利用颜色和字符这两个特征,,对车牌识别算法进行研究,并对比其算法和识别效果。 2基于颜色特征的车牌自动识别算法以蓝底白字的车牌为目标,用其颜色作为选取和要提取的特征,在输入原始图像后,对行和列方向的蓝色像素点进行统计,分别得到行和列方向上特征蓝色像素的位置,然后用这两个位置的坐标值对原图进行截取,即可以得到车牌图像。 ,,,,如图1所示: Matlab在处理JPG格式的真彩图像时实际上是作为3个RGB矩阵处理,可以用一条简单的Matlab语句来分别定义3个矩阵: I=imread(′′); [y,x,z]=size(I); myI=double(I); ;第二行是根据图像I的大小(x和y分别代表I在行和列方向上的像素个数)以及RGB维度(z=1,2,3,分别代表R,G,B)设置三维矩阵大小;最后一行生成一个大小等于图像I,元素值等于图像I的相应位置像素的RGB值(三个维度分别存储R,G,B)的图像矩阵。之后,在RGB空间中根据广义上的“蓝色”范围,对R,G和B分设置一个阈值范围,在行和列方向上分别统计每个像素的RGB是否在这个阈值范围内。这个过程在Matlab中属于一个常用的数组(矩阵)循环查询的过程,对行和列只需要分别用一个二重循环(每列和每行分别一个循环),循环次数分别等于前面定义图像矩阵时获得的y和x的值。这个过程的关键是阈值的选择。根据RGB色彩空间理论,以8位格式存储的RGB表示系统R,G和B分别有28个值,其组合出来的色彩则可以有224种。人凭肉眼不可能区分224种颜色,即使假设车牌的底色都是绝对相同的,由于光照、灰尘、水汽、环境对比等的干扰,在原始图像获得过程中也会造成图像颜色与实际颜色存在差别,因此,这里要统计的“蓝色”是一类相近色彩的总称,这给阈值确定带来了困难。阈值范围太窄,可能遗漏一些视觉色彩;而阈值范围太宽,也可能会增加一