英语原文共 1 页，剩余内容已隐藏，支付完成后下载完整资料

基于MATLAB的车牌识别的研究

摘要

车牌图像预处理旨在提高图像质量并突出显示我们需要的优秀信息，有利于后续处理，包括

字符分割和定位，字符识别在车牌上是重要的识别系统。首先，我们通过使用将获得的彩色图像转换成灰度图像直方图均衡，然后通过自适应中值滤波去除噪声，提高图像质量，并且灰度图像被拉伸以增强图像对比度。最重要的是，形象是通过使用Log-Prewitt操作器来锐化，该操作器不直接瞄准光线强度，而是强光对数（光密度），以增强图像的边缘信息。它是具有检测边界区域的Prewitt边缘检测的新方法。光强无关，抗干扰强，处理速度快，适合在线检测。实验结果表明，预处理方法是完美的。

关键词：灰度拉伸 Log-Prewitt操作器 自适应中值滤波器

1. 介绍

许可证自动识别（LAI）是实现现代化和智能交通的关键技术之一。同时，车牌识别是智能变换系统（ITS）其中的重要组成部分。车牌是车辆特征的重要标志。因此，车牌系统的研究对于实现交通管理现代化具有重要意义。 车牌识别系统包括车辆图像采集，车牌预处理，车牌字符分割，定位，字符识别五部分。本文研究车辆图像的预处理。影像受干扰影响

因素，如照明，气候和背景，这对随后的车牌识别有影响。

1. 车牌灰色图像

通常由数码相机获得的牌照图像由24位真彩色构成，图像由红色，绿色和蓝色三个部分组成，然后通过部署3分量，前人将其分为256级，从0到255.总之，256 * 256 * 256 = 16777216种彩色图像，由R，G，B三个单色组成组合。彩色图像种类丰富。如果彩色图像文档被直接处理，它们将需要大量的系统空间，这对图像处理的速度有影响。基于系统性能考虑，目前大多数的照片识别系统采用灰色，在图像处理中排除颜色信息的图像。灰色图像不包含颜色信息，但只包含亮度信息。哪个有利于图像处理。因此，在图像处理之前，我们应该将彩色图像转换为灰色图像。通常只有量化分为256级（0到255级）。 0表示完全黑色，而255表示全白色，灰度图像的每个像素只需要8位字节来显示像素亮度值。灰度转换根据灰度值和对应关系，RGB颜色通用公式如下：

公式中的Y代表白色亮度。 灰色图像如图2所示

图1：原始图像

图2：灰色图像

1. 车辆图像的自适应中值滤波器

在摄影过程或传输过程中，图像可能会添加一些噪音，影响到图像质量。 执行自适应中值滤波器可以摆脱这些噪声，同样的，它也可以实现平滑。通常消除图像噪声的方法包含场均值方法，自适应中值滤波法。 本文采用自适应中值滤波方法。由于场平均方法摆脱了噪音，同时也可以做出一些细节图像模糊。 然而，自适应中值滤波器可以在可以保持图像细节不变的情况下摆脱噪声，并且可以防止边缘模糊。自适应中值滤波器是一种典型的非线性滤波。 首先，我们应该确定自适应中值滤波器的最大窗口大小，位置（x，y）中的图像灰度值为f（x，y），而相应位置（x，y）的图像灰度值为 g（x，y）。 公式如下：

Smax是窗口的大小

窗口大小与窗口大小的平滑效果直接相关，必须确保噪声消除，同时可以保护图像的边缘信息。 这里的窗口大小选择的是7。使用MATLAB图像处理功能处理，在图3中显示。

图3：自适应中值滤波器的结果

1. 车辆图像灰色拉伸

当曝光不足使整个图像变暗时，过度曝光会使图像变亮，这导致分辨率的图像细节不清楚。为了增强车辆图像对比度，使图像犀利，清晰，明亮，阴影，并具有明显的图形特征，对此有帮助图像识别。首先，我们需要灰度图像的线性灰度变换，以突出显示车牌部件。通常在线性拉伸中采用的变换方程如下：

动态范围的输出图像灰度值决定了C，R。灰度变换的值，八个灰色图像的公式如下：

图4：灰色拉伸的结果

其中表示原始灰度图像的灰度值，而公式表示灰度变换的灰度值。实验结果表明，当= 25和= 130时，灰色拉伸效果非常完美，不仅可以提高车牌面积的质量，增强车牌面积的对比度，还有利于后台车牌的边缘提取。如图4所示。

1. 车辆图像渐变锐化

锐化的图像旨在使灰度对比度增强，从而增强图像边缘信息，有利于提取轮廓。因为轮廓或者边缘是最大的图像灰度级的地方。因此，为了找出大纲，我们必须找到一个方法来搜索最大的灰色图像。图像信息通常集中在像素变化剧烈的地方，其像素在图像边缘呈现非线性变化。图像渐变反映大小图像像素之间的变化，这是一个差异过程。在离散图像处理中，我们调整值“差”的像素，而不是派生像素值。基于Sobel算法（基于一阶微分）和拉普拉斯算法（基于一阶微分）的梯度计算，以及罗伯茨算法和Prewitt算法等。这些算法针对图像的光强度。拉普拉斯算法（基于一阶微分），Roberts算法，Prewitt算法，这些图像算法是光强度。本文使用Log-Prewitt算法，其不直接瞄准光强度，而是对光强对数（光密度）。它是具有检测边界区域的Prewitt边缘检测的新方法。光强无关，抗干扰强，处理速度快，适合在线检测。

Log-Prewitt算法采用卷积内核Prewitt算法。 它的正确对象不是图像灰度级，是灰度对数，所以原始算法可以保持强光不变敏感，并通过抵抗力的平滑优势克服缺点，提高信噪比。

计算公式如下：

图5：Log-Prewitt算子锐化的结果

1. 结论

车牌图像预处理是车牌识别系统的基本步骤。处理结果将对车牌识别系统的后续工作产生直接影响。灰色拉伸有效地增强了车牌图像和许可证图像对比度。本文采用一种创新的方式--- Log_ Prewitt算子，用于锐化图像。有效提升车牌图像边缘信息。这种方法比罗伯特运算符，索贝尔运算符和Prewitt运算符更好。同时，效果非常明显; 所采用的自适应中值滤波器比任何其他消除噪声的方法更有效，防止许可证边缘信息模糊，为车牌识别系统的后续工作奠定了坚实的基础。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26644]，资料为PDF文档或Word文档，PDF文档可免费转换为Word