導(dǎo)語(yǔ)：開(kāi)題報(bào)告是每一個(gè)科研報(bào)告的導(dǎo)航，通過(guò)開(kāi)題報(bào)告，你可以知道接下來(lái)論文與報(bào)告的大概方向與內(nèi)容。下面是小編整理的關(guān)于車(chē)牌識(shí)別中字符分割算法的研究與實(shí)現(xiàn)的報(bào)告，歡迎你的參考與借鑒!
畢業(yè)論文開(kāi)題報(bào)告
題 目 車(chē)牌識(shí)別中字符分割算法的研究與實(shí)現(xiàn)
畢業(yè)論文開(kāi)題報(bào)告
論文題目 車(chē)牌識(shí)別中字符分割算法的研究與實(shí)現(xiàn)
一、選題背景與意義
車(chē)牌識(shí)別是現(xiàn)代智能交通系統(tǒng)[1] 中的重要組成部分之一，可用于公路電子收費(fèi)、出入控制和交通監(jiān)控等眾多場(chǎng)合。它以數(shù)字圖像處理、模式識(shí)別、計(jì)算機(jī)視覺(jué)等技術(shù)為基礎(chǔ)，對(duì)攝像機(jī)所拍攝的車(chē)輛圖像或視頻序列進(jìn)行分析，得到每一輛汽車(chē)唯一的車(chē)牌號(hào)碼，從而完成識(shí)別過(guò)程。它主要包括三個(gè)關(guān)鍵部分：車(chē)牌區(qū)域定位、車(chē)牌字符分割、車(chē)牌字符識(shí)別，其中車(chē)牌字符分割的好壞直接影響到車(chē)牌識(shí)別的正確率，因此本文對(duì)字符分割的算法進(jìn)行了深入的研究。
從20世紀(jì)80年代初，國(guó)外的研究人員就已經(jīng)開(kāi)始了對(duì)車(chē)輛牌照的研究。英國(guó)一個(gè)研究所在1982年研制了一種用于刑偵的汽車(chē)牌照識(shí)別系統(tǒng)。1983年，日本一家公司曾研究出用來(lái)檢查超速行駛的汽車(chē)牌照識(shí)別系統(tǒng)。如今，發(fā)達(dá)國(guó)家的車(chē)牌識(shí)別系統(tǒng)在實(shí)際交通系統(tǒng)中己取得了成功的應(yīng)用，如交通檢測(cè)系統(tǒng)VNPR(Vehicle Number Plate Recognition)。它主要應(yīng)用于尋找被盜的汽車(chē)、停車(chē)場(chǎng)的控制和交通流量的統(tǒng)計(jì)方面。VNPR的主要工作任務(wù)是車(chē)牌的定位、字符的切割和字符的識(shí)別，這幾部分的工作是緊密結(jié)合在一塊的。國(guó)外車(chē)牌識(shí)別系統(tǒng)的廣泛應(yīng)用不僅僅和其技術(shù)領(lǐng)先有關(guān)，還與這些國(guó)家的車(chē)牌比較單一，易于識(shí)別有關(guān)。與一些發(fā)達(dá)同家已經(jīng)成功應(yīng)用的車(chē)牌識(shí)別系統(tǒng)相比，我國(guó)的開(kāi)發(fā)應(yīng)用進(jìn)展顯得較為緩慢。這是因?yàn)槲覈?guó)的實(shí)際情況與國(guó)外有所區(qū)別，國(guó)外車(chē)牌比較規(guī)范統(tǒng)一，而我國(guó)車(chē)牌規(guī)范不夠，較為多樣化。不同汽車(chē)類(lèi)型的車(chē)牌有不同的規(guī)格、大小和顏色，所以車(chē)牌的顏色多，并且字符位數(shù)不統(tǒng)一，對(duì)處理造成了一定的困難。相對(duì)而言，國(guó)內(nèi)開(kāi)發(fā)車(chē)牌識(shí)別系統(tǒng)較好的公司主要有：北京漢王科技有限公司、上海高德威智能交通系統(tǒng)有限公司、亞洲視覺(jué)科技有限公司等。與此同時(shí)，車(chē)牌字符分割技術(shù)[2] 的研究得到了很多國(guó)內(nèi)學(xué)者的重視。他們的部分研究成果可舉例如下：遲曉君等[3] 提出一種基于投影特征的車(chē)牌字符分割算法，該算法主要依據(jù)車(chē)牌圖像的垂直投影圖像的特點(diǎn)，提出一個(gè)特征值，并將該特征值和車(chē)牌圖像的先驗(yàn)知識(shí)結(jié)合起來(lái)分割字符。王興玲提出一種基于類(lèi)間方差車(chē)牌字符分割的模板匹配算法，根據(jù)車(chē)牌字符串的結(jié)構(gòu)和尺寸等特征，設(shè)計(jì)相應(yīng)的車(chē)牌字符串模板，然后結(jié)合最大類(lèi)間方差將模板在車(chē)牌區(qū)間滑動(dòng)，以確定出最佳位置對(duì)車(chē)牌字符進(jìn)行分割。吳進(jìn)軍等[4] 提出的一種車(chē)牌字符分割方法，主要思想是首先定位出車(chē)牌的第三個(gè)字符，之后再對(duì)字符區(qū)域進(jìn)行分裂和合并，另外，對(duì)于字符有缺損的情況進(jìn)行字符區(qū)域擴(kuò)展，并且相應(yīng)調(diào)整字符區(qū)域的高度，最終實(shí)現(xiàn)車(chē)牌的字符分割。
車(chē)牌字符分割是把車(chē)牌上的字符一個(gè)個(gè)分離出來(lái)，為車(chē)牌字符的識(shí)別做好準(zhǔn)備。車(chē)牌字符分割屬于印刷體字符分割的范疇。印刷體字符分割的任務(wù)是把多行或多字符圖像中切割出來(lái)成為單個(gè)字符。對(duì)于字符分割的問(wèn)題常常不被重視，但是字符的正確分割對(duì)字符的識(shí)別非常關(guān)鍵。由于各種因素的影響，使得字符分割的復(fù)雜程度大。目前的字符分割的算法一直在不斷完善。針對(duì)車(chē)牌圖像的字符分割，是字符分割的具體應(yīng)用，目前人們根據(jù)車(chē)牌字符的特征已提出了一些算法，比如：基于投影特征的車(chē)牌字符分割算法、基于模板匹配的車(chē)牌字符分割算法[5] 和基于顏色像素的分割算法等。但是考慮到車(chē)牌中字符可能存在的粘連、斷裂情況，字符分割技術(shù)仍然需要進(jìn)一步改進(jìn)。字符分割的正確與否將直接影響到最終車(chē)牌識(shí)別系統(tǒng)的識(shí)別率，因此從車(chē)牌圖像中正確分割出字符圖像是非常關(guān)鍵的。因此，研究字符分割技術(shù)具有重要的實(shí)用價(jià)值。
二、研究?jī)?nèi)容與目標(biāo)
論文主要研究車(chē)牌識(shí)別中字符分割算法的研究與實(shí)現(xiàn)，內(nèi)容涉及以下幾部分，一是對(duì)車(chē)牌識(shí)別技術(shù)的發(fā)展、應(yīng)用和前景及研究意義和目標(biāo)所闡述;二是車(chē)牌識(shí)別中字符分割的實(shí)現(xiàn)，為了實(shí)現(xiàn)此目標(biāo)，需要研究車(chē)牌識(shí)別系統(tǒng)中車(chē)牌定位前的圖像處理及車(chē)牌定位、圖像預(yù)處理技術(shù)，以及多種字符分割的算法。此次研究用到的分割算法主要有基于模板匹配的車(chē)牌字符分割算法、基于車(chē)牌顏色像素的車(chē)牌字符分割算法等。三是為了確定該研究的實(shí)用性，通過(guò)matlab仿真鑒定系統(tǒng) [6] 并分析實(shí)驗(yàn)結(jié)果。通過(guò)以上步驟及過(guò)程，確定各部分的研究方法與手段，努力實(shí)現(xiàn)仿真系統(tǒng)較 為可觀的鑒定正確率，使得此研究具有一定的實(shí)際意義。
三、研究方法與手段
本文應(yīng)用車(chē)牌圖像定位前處理技術(shù)，車(chē)牌定位技術(shù)，圖像預(yù)處理技術(shù)，基于投影特征的車(chē)牌字符分割算法、基于聚類(lèi)分析的車(chē)牌字符分割算法、基于模板匹配的車(chē)牌字符分割算法及車(chē)牌像素字符分割算法來(lái)解決車(chē)牌識(shí)別中字符分割算法的研究與實(shí)現(xiàn)。
車(chē)牌圖像定位前的處理包括：圖象的采集與轉(zhuǎn)換，考慮到現(xiàn)有牌照的字符與背景[ 的顏色搭配一般有藍(lán)底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區(qū)域與背景明顯地區(qū)分出來(lái)�；叶刃Ｕ�，由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這時(shí)就可以采用灰度校正的方法來(lái)處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。平滑處理，圖像平滑處理的主要目的是減少噪聲。攝像頭拍攝過(guò)程中有時(shí)會(huì)引入大量的信道噪聲、量化噪聲、脈沖干擾等，并且圖像上孤立噪聲會(huì)影響牌照搜索定位的準(zhǔn)確性，對(duì)后面的單字切分和識(shí)別會(huì)有很大影響，因此必須平滑掉這些噪聲干擾。邊緣檢測(cè)是將圖像的邊緣突出，而且邊緣以外的圖像區(qū)域通常被削弱甚至被完全去掉的，一種使輪廓更加突出的圖像處理方法。
常用的定位方法是數(shù)學(xué)形態(tài)學(xué)[7] 法。數(shù)學(xué)形態(tài)學(xué)以圖像的形態(tài)特征為研究對(duì)象，它的主要內(nèi)容是設(shè)計(jì)一整套概念、變換和算法，用來(lái)描述圖像的基本特征和基本結(jié)構(gòu)，也就是描述圖像元素與元素、部分與部分間的關(guān)系。數(shù)學(xué)形態(tài)學(xué)作為一種用于數(shù)字圖像處理和識(shí)別的新理論和新方法，它的理論雖然很復(fù)雜，被稱(chēng)為“驚人數(shù)學(xué)”，但它的基本思想?yún)s是簡(jiǎn)單而完美的。數(shù)學(xué)形態(tài)學(xué)由 一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成，基本算子有：腐蝕(Erosion)、膨脹(Delation)、開(kāi)(Opening)和 閉(Closing)�；谶@些基本運(yùn)算還可以得出各種形態(tài)學(xué)算法。四種基本運(yùn)算中，最基本的是腐蝕和膨脹。之后再進(jìn)行平滑圖像的輪廓，從對(duì)象中移除不相干小對(duì)象以及利用車(chē)牌的彩色信息的彩色分割方法等處理方式，將車(chē)牌圖像定位出來(lái)，然后再進(jìn)行下一步的車(chē)牌圖像預(yù)處理。
圖像預(yù)處理是經(jīng)過(guò)灰度化、二值化、均值濾波、膨脹腐蝕處理四個(gè)過(guò)程來(lái)完成�；叶然杭訖�(quán)平均值法。將彩色圖像轉(zhuǎn)化為灰度圖像的過(guò)程稱(chēng)為圖像的灰度化處理。二值化：為了能夠方便地將車(chē)牌從包含車(chē)牌的子圖像中精確定位出來(lái)，將該子圖像轉(zhuǎn)變成只有黑白分布的二值圖像，即先對(duì)圖像進(jìn)行二值化處理。能否正確的分割字符象素區(qū)域和背景象素區(qū)域?qū)φ麄�(gè)車(chē)牌識(shí)別系統(tǒng)的成功起著非常關(guān)鍵的作用。均值濾波是線性濾波的一種方法，在空間域內(nèi)平滑圖像。它的概念非常直觀：用由濾波掩膜確定鄰域內(nèi)的像素平均灰度值取代原圖像中每個(gè)像素點(diǎn)的灰度值，這種處理可以在一定程度上減小圖像灰度的“尖銳”變化。均值濾波處理完圖像后還需要用膨脹或腐蝕操作對(duì)圖像進(jìn)行一次處理，使車(chē)牌圖像對(duì)以后的車(chē)牌字符分割步驟更順利。
基于投影特征的車(chē)牌字符分割算法是車(chē)牌字符分割中最常用的方法，它主要利用了字符顏色 與車(chē)牌底色差異大而且各字符間均存在一定間距這兩個(gè)特點(diǎn)。其核心思想是對(duì)車(chē)牌的灰度圖像在垂直方向上進(jìn)行投影，顯示車(chē)牌圖像灰度空間分布的規(guī)律。分析投影結(jié)果，在圖像灰度值疊加較低的列上會(huì)出現(xiàn)波谷，在灰度值高的點(diǎn)集中的列上出現(xiàn)波峰。這樣，車(chē)牌的垂直投影圖像就會(huì)呈 現(xiàn)出波峰波谷交替出現(xiàn)的樣子。根據(jù)該處置投影圖設(shè)置一個(gè)閾值，將投影柱高于該閾值的部分劃分為字符區(qū)，投影柱低于該閾值的部分劃分為背景區(qū)，如此便實(shí)現(xiàn)了車(chē)牌的字符分割。 基于聚類(lèi)分析的車(chē)牌字符分割算法[8] 該方法又稱(chēng)為連通域法，是從車(chē)牌字符本身的特點(diǎn)出發(fā)實(shí)現(xiàn)的。我們知道我國(guó)車(chē)牌字符集可分為漢字、大寫(xiě)英文字母和數(shù)字，而英文字母和數(shù)字都是連通的，故可根據(jù)字符的連通性來(lái)實(shí)現(xiàn)字符分割。連通域法的核心思想是：先確定每個(gè)連通域的首尾位置，然后由這兩個(gè)位置構(gòu)成一個(gè)矩形區(qū)域，當(dāng)該字符為英文字母或者數(shù)字時(shí)，這個(gè)矩形便是包含字符的最小外接矩形區(qū)域。連通域法分割字符的優(yōu)點(diǎn)是：對(duì)車(chē)牌定位的結(jié)果要求較低，受車(chē)牌傾斜的影響較小，可較好的解決在復(fù)雜背景下車(chē)牌的分割問(wèn)題及對(duì)字母和數(shù)字字符的分割效果很理想。不足在于運(yùn)算速度比較慢，不適合圖像尺寸較大的情況，對(duì)污損等噪聲過(guò)于敏感，對(duì)于漢字字符需要結(jié)合其他方法才能實(shí)現(xiàn)正確分割。此外，連通域的首尾很難準(zhǔn)確定位。
基于車(chē)牌像素[9] 和模板匹配相結(jié)合的方法來(lái)進(jìn)行的字符分割，采用的車(chē)牌圖像都是已經(jīng)經(jīng)過(guò)預(yù)處理了的二值化車(chē)牌圖像。根據(jù)車(chē)牌上字符的特點(diǎn)，可以知道，在車(chē)牌本身質(zhì)量理想，而且車(chē)牌模板與字符串完全重合時(shí)，車(chē)牌字符的像素是全部落在車(chē)牌字符模板內(nèi)，像素值為“l(fā)”的點(diǎn)數(shù)量最大。并且此時(shí)，字符間隔內(nèi)的像素“l(fā)”的數(shù)量應(yīng)該最小，其和為零，他們之間的差值是最大的。一般情況下，車(chē)牌本身是不太理想的。但不管怎樣，當(dāng)車(chē)牌模板與車(chē)牌字符完全重合時(shí)，車(chē)牌字符的像素才會(huì)全部落在字符模板內(nèi)的，并且落在字符間的像素也是最小的，所以通過(guò)求取差值的極大值，可以將車(chē)牌字符進(jìn)行分割。
四、參考文獻(xiàn)
[1] 張靜. 復(fù)雜背景下車(chē)牌識(shí)別系統(tǒng)的研究[D]. 大連理工大學(xué), 2009:3-4.
[2]王曉健. 車(chē)牌定位與字符分割算法研究及實(shí)現(xiàn)[D]. 北京郵電大學(xué), 2009: 3.
[3] 遲曉君, 孟慶春. 基于投影特征值的車(chē)牌字符分割算法[J]. 計(jì)算機(jī)應(yīng)用研究, 2006,07(2):256~257.
[4] 吳進(jìn)軍, 杜樹(shù)新. 車(chē)牌字符分割新方法[J]. 工業(yè)控制計(jì)算機(jī), 2005, 18(4):69-70.
[5] 王興玲. 最大類(lèi)間方差車(chē)牌字符分割的模板匹配算法[J]. 計(jì)算機(jī)工程, 2006, 32(19): 193-195.
[6]王璐. 基于MATLAB的車(chē)牌識(shí)別系統(tǒng)研究,浙江大學(xué)碩士學(xué)位論文，2009.
[7] 熊哲源, 樊曉平, 黎燕. 基于數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)的車(chē)牌字符分割算法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用, 2010, 19(9):155-158.
[8]陳黎，黃心漢.基于聚類(lèi)分析的車(chē)牌字符分割方法[J].計(jì)算機(jī)工程與應(yīng)用，2002，6：221.222
[9] 甘玲, 林小晶. 基于連通域提取的車(chē)牌字符分割算法[J]. 計(jì)算機(jī)仿真, 2011, 28(4):336-339.