基于VC++的车牌识别系统研究与开发

摘  要：车辆牌照识别（LPR）系统是一个专用的计算机视觉系统，它能够自动地摄取车辆图像和识别车牌号码，可应用在公路自动收费、停车场管理、失窃车辆侦察、门卫系统、智能交通系统等不同场合。LPR系统的广泛应用将有助于加快我国交通管理自动化的进程。
本文对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等环节涉及到的技术、算法以及系统整体设计作了全面的论述，并与已有方案进行了比较，对部分关键算法进行了设计和改进。
图像预处理：采用灰度变换、对比度增强、图像平滑、边缘检测、二值化等方法对图像进行了处理，提高了图像的质量，强化了图像区域。
车牌定位：这是车牌识别系统中至关重要的一步，本文采取了基于边缘点图，根据车牌区域的竖向纹理特征对车牌进行定位，具有较高的车牌定位准确率。
字符分割：首先对得到的车牌进行倾斜度调整，然后利用连通域法分割得到单独的字符，并对字符进行了归一化处理，便于下一步字符识别。
字符识别：选取了13个特征点，采用模板匹配的方法，对汉字、字母、数字字符进行快速识别，取得了较高的识别率和可靠性。
用采集到的40多幅汽车图片作为实验样本数据，用纯软件的方法实现了车牌字符的自动识别，达到了较高的识别率。

目    录
1  引言... - 1 -
1.1  课题的研究背景与意义... - 1 -
1.2  国内外研究现状... - 2 -
1.3  车牌识别研究的技术特点... - 3 -
1.4  论文的主要工作... - 4 -
2  车辆图像的预处理... - 7 -
2.1  图像的灰度化... - 7 -
2.2  图像的增强... - 7 -
2.3  图像的边缘检测... - 13 -
2.4  图像的二值化... - 18 -
3  车牌区域的定位... - 23 -
3.1  生成边缘点图... - 23 -
3.2  车牌区域的定位算法... - 24 -
4  车牌字符识别的预处理... - 33 -
4.1  识别的技术路线... - 33 -
4.2  倾斜度调整... - 33 -
4.3  字符分割... - 35 -
4.4  字符归一化处理... - 39 -
4.5  字符的紧缩重排... - 40 -
4.6  字符的细化... - 41 -
5  车牌字符的识别... - 45 -
5.1  字符的特征提取... - 45 -
5.2  特征模板的匹配... - 47 -
6  车牌识别系统的研制... - 49 -
6.1  系统的设计原则... - 49 -
6.2  系统的结构... - 50 -
6.3  开发环境... - 50 -
6.4  相关算法实现的类和方法... - 51 -
7  车牌识别系统运行结果及分析... - 52 -
7.1  车牌定位的结果分析... - 52 -
7.2  字符分割的结果分析... - 54 -
7.3  字符识别的结果分析... - 55 -
7.4  系统成功率和性能分析... - 55 -
7.5  人机交互界面... - 57 -
结论与展望... - 58 -
致  谢... - 60 -
参 考 文 献... - 61 -

 

车牌识别研究的技术特点
车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。
(1)  车牌定位研究
车牌定位的研究国外起步比较早，上个世纪90年代以来，我国也开始对车牌定位进行深入的研究，并取得了一定的成效。比较好的定位算法有基于车牌文字变化特点的自动扫描识别算法；基于特征的车辆牌照定位算法；基于变换函数提取车牌的算法；基于视觉的车辆牌照检测；基于字符串的车辆牌照分割方法。这些算法都是基于车牌的特征来研究车牌的定位与识别，因而具有一定的针对性和局限性。对一些复杂图像应用某些数学工具不仅可以加快处理速度而且可以改善和优化处理结果。已有的区域定位算法，比较完善的如机动车辆自动识别收费系统当中所提出的一种基于局部阈值二值化与自适应形态滤波算法。另外，一些学者们从一些数学工具着手，利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进，提出了基于属性开运算的汽车牌照区域定位算法，通过对灰度图像采用属性开运算，削去满足特定属性的峰部，确定出目标以及少量非目标区域，然后计算出图像的倾斜角及目标区域所在范围；提出了基于小波与形态学的车牌图像分割方法等。
上述车牌定位方法具有一定的实用性和参考价值，然而也都有不完善的方面，有待进一步完善。
(2)  车牌字符识别研究
车牌字符识别实际上就是对车牌上的汉字、字母、数字进行准确确认的过程。车牌字符识别实际上是依附在车牌上的印刷体文字的识别，能否正确识别不仅是文字识别技术的问题，还要考虑其载体——车牌区域的影响。车牌字符识别技术是文字识别技术与车牌图像自身因素协调兼顾的综合性技术。
由于摄像机的性能、车牌的整洁度、光照条件、拍摄时的倾斜角度及车辆运动等因素的影响使车牌中的字符可能出现比较严重的模糊、歪斜、缺损或污迹干扰，这些都给字符识别带来了难度。文献[15]给出了基于神经网络的车牌字符识别方法；文献[16]提出了一种基于模板匹配的车牌识别方法。综合上述方法，文献[17]提出了基于模板匹配和神经网络的车牌字符识别方法，该方法集成了模板匹配识别车牌字符和神经网络识别车牌字符的各自优势，提高了车牌字符的识别效率。
车牌字符识别的研究在技术上虽然取得了很大的突破，然而离实用化的要求还相差很远，许多新方法仅停留在理论和文章上或者限制在比较狭窄的约束范围内，并不能以产品的形式大范围的投入使用。因而车牌字符识别的研究仍然有很长的路要走。
1.4  论文的主要工作
本文实验的图像是用数码相机拍得的以及从网上收集到的汽车彩色图像 (包括静态的和行驶中的汽车图像)，图像质量比较差，在各种光照条件和自然条件下的汽车图像都有，因此也对本系统的实现增加了难度。在整个车牌自动识别系统中实现高识别率主要有三个部分起着关键的作用：在全车身图像中车牌部分的定位、定位后车牌字符的分割、对单个字符的识别。本文先实现了车牌定位，再对车牌中的字符分割和字符识别，因此本系统由四大部分组成，车辆图像的预处理、车牌区域的定位、车牌字符识别的预处理、车牌字符的识别