基于数学形态学的车牌定位㊣精品文档值得下载

也取得了较大的进展，但还需进步改进完善，提高车牌整体识别率，特别是夜间识别率更为重要，如夜间交通事故肇事等。

目前，国内在车牌识别系统方面研究比较突出的主要有北京汉王公司和上海高德威公司，香港亚洲视觉公司也比较突出。

总体而言，国内还很少有实用的车牌识别系统，基本还处在研究开发阶段。

国外在车牌识别系统方面的研究已经比较深入和成熟了，并已形成了实际的应用系统。

国内外车牌识别技术研究存在较大差距，主要由于以下原因国外车牌识别技术研究起步较早。

国外发达的国家由于道路交通高速发展，实际应用需求推动了技术发展，而我国只是在改革开放后，道路交通才有了很大发展。

中国标准车牌中存在汉字，笔划较多，识别难度较大。

我国标准汽车牌照是由汉字英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度。

同发达国家相比，国内的车况条件比较差，致使车牌图像清晰度降哈尔滨工业大学华德应用技术学院毕业设计论文低，增加了识别的难度。

由于环境道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶。

中国以前使用的车牌材质没有抗反光功能，另外有些人故意破坏车牌，恶意逃避交通责任。

国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色例如韩国，其车牌底色为红色，车牌上的字符为白色，而我国汽车牌照仅底色就有蓝黄黑白等多种颜色，字符颜色也有黑红白等若干种颜色。

其他国家的汽车牌照格式如汽车牌照的尺寸大小，牌照上字符的排列等通常只有种，而我国则根据不同车辆车型用途，规定了多种牌照格式例如分为军车警车普通车等。

国内车牌还有单层和双层车牌之分，式和式车牌之分。

我国汽车牌照的规范悬挂位置不唯。

目前，国内外车牌定位的方法可分为两大类，类是基于黑白图像的车牌定位方法，另类是基于彩色图像的车牌定位方法。

基于黑白图像的定位方法黑白图像只具有灰度层次而无彩色，对于人的视觉来说，是以灰度等级来体现深浅。

在这类定位方法中，又大致有三种定位方法。

是基于车牌特征的车牌定位方法。

车牌图像般是在室外拍摄的，其背景往往很复杂，可能包括自然场景中的人其它车辆树木等拍摄的光照条件也因拍摄时间地点天气等条件的不同而不同。

但是，车牌照却具有不因外部条件变化而改变的特征，即可根据车牌区的纹理特征及灰度跳变等特征来定位。

例如基于灰度特征，对二值化图像求垂直方向的梯度，根据车牌特征选择适当的阈值，或者逐行扫描，求图像灰度的变化，选择适当的阈值。

然后可采用领域寻找所有的长横线，由于车牌的高宽比是定数，可作为种目标评定标准，寻找其中的两条线，并考虑变形因素，找高宽比在定范围内的，认为是车牌的边缘。

也可利用多个特征联合求解。

但由于这些传统方法受图像质量的影响较大，所以准确率较低。

南京航空航天大学的刘效静成瑜提出了基于车牌文字特点的自动扫描识别算法，该方法利用汽车牌照中文字笔画变化频率比较稳定的特点，设定阈值，通过扫描确定上下界位置和左右界位置。

中科院的刘志勇等人针对车牌特点，设计了个变换函数来突出其特点，从而进行车牌提取。

该方法采用最大方差法来进行二值化阈值的选取，并对二值化后的图像进行水平扫描，找出候选区域。

哈尔滨工业大学华德应用技术学院毕业设计论文提出了基于水平线搜寻的车牌定位方法，等提出了基于变换频域分析的定位方法，提出了基于二值化算法及自适应边界搜索算法的定位方法。

二是基于数学形态学小波分析遗传算法神经网络等数学工具的车牌定位方法。

在图像处理中，对些复杂图像应用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效果。

些传统的定位技术在复杂背景图像变形噪声污染严重的情况下，无法达到有效的识别。

利用数学形态学小波分析遗传算法神经网络等方法可以对传统定位方法进行较好的改进。

等提出了应用人工神经网络进行车牌定位的方法，取得了定成效，不过神经网络训练需要较多样本，同时耗时较长。

南京理工大学的是湘全等人提出了利用遗传算法对图像进行优化搜索，结合区域特征矢量构造的适应度函数，寻找牌照区域的最佳定位参量。

该方法具有定抗噪性，但需对车辆与摄像头距离及车牌位置作些限定，另外，遗传算法的计算量较大。

另外，还有基于黑白图像的其它定位方法。

如利用边缘检测和变换进行倾斜车牌校正的算法及车牌上下界精确定位。

等人曾提出了基于扫描行的车牌定位边缘检测算子利用该原理，采用对角线方向相邻两像素之差代替梯度，即和的卷积算子为梯度幅度值近似为，或，通过差分可以求得算子在差分点，处连续梯度幅度的近似值，。

适当选取阈值，如果认为该点，是边缘点。

边缘检测算子采用对角线方向相邻两像素之差进行梯度幅度检测，其检测水平垂直方向边缘的性能要好于斜线方向边缘，并且检测定位精度比较高，但对噪声敏感。

算子边缘检测算子在以像素点为中心的邻域内做灰度加权运算，根据该点是否处于极值状态进行边缘的检测，其本质仍是种梯度幅度。

边缘检测算子定义为，或式中哈尔滨工业大学华德应用技术学院毕业设计论文与其他梯度算子样，和可用如下卷积模板描述，即算子是综合图像的每个像素点的上下左右邻域灰度的加权和，接近模板中心的权值较大。

适当选取阈值门限，如果则认为点，是边缘点。

算子不但可以产生较好的边缘效果，而且对噪声具有平滑作用，减小了对噪声的敏感性，但是边缘检测算子也检出了些伪边缘，使得边缘比较粗，降低了检测定位精度。

在检测定位精度要求不是很高的情况下，算子是比较常用的边缘检测算子。

算法拉普拉斯算子应用二阶微分运算算子提取边缘，定义为表二阶微分模板拉普拉斯算子是线性的各向同性和位移不变的，但不能提供边界方向信息。

拉普拉斯对噪声比较敏感，很少直接用于检测边缘，主要用于抑制边哈尔滨工业大学华德应用技术学院毕业设计论文缘象素，确定该象素是暗区还是明域。

算子边缘检测算子是种类似于边缘检测算子的边缘模板算子，通过对图像进行八个方向的边缘检测，将其中最大的作为边缘幅度图像的边缘。

边缘检测算子定义为正西方向正东方向正南方向正北方向西南方向东北方向西北方向东南方向边缘检测算子并不把重点放在相邻的像素上，它对噪声有平滑作用。

但是与边缘检测算子样，它检测出得边缘比较粗，定位精度比较低，容易损失如角点这样的边缘信息。

由于边缘检测算子通过八个方向的模板对图像进行卷积运算，其运算量是比较大的。

各种边缘检测算子的比较算子利用局部差分算子寻找边缘，边缘定位精度高，但容易丢失部分边缘，同时由于图像没有经过平滑处理，因此不具备抑制噪声能力。

该算子对具有陡峭边缘且噪声低的图像效果较好，如图。

算子和算子都是对图像先作加权平滑处理，然后再作微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。

虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度，如图和。

算子是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易失去部分边缘的方向信息，造成些不连续的边缘检测，同时抗噪声能力较差。

哈尔滨工业大学华德应用技术学院毕业设计论文算子该算子克服了算子抗噪声能力比较差的缺点，但是抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法被检测到，如图。

算子虽然基于优化思想推导出的边缘检测算子，但实际效果并不定最优，原因在于理论和实际有许多不样的地方。

该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将些高频边缘平滑掉，造成边缘丢失。

算子采用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索比算子好，如图。

原图算子边缘检测哈尔滨工业大学华德应用技术学院毕业设计论文算子边缘检测算子边缘检测算子边缘检测哈尔滨工业大学华德应用技术学院毕业设计论文算子边缘检测图各种边缘检测算子本文采用的是边缘算子。