專利名稱：基于多角度投影的模糊車牌識別方法
技術領域：
本發(fā)明涉及一種模糊車牌識別方法，尤其涉及一種基于多角度圖像投影的模糊車牌識別方法。
背景技術：
車輛牌號是唯一對車輛身份識別的標記，我國已經(jīng)推廣的汽車車牌是目前應用最廣泛、最有效、 最有權威的車牌標志，在對車輛的管理上起到了無可替代的作用。傳統(tǒng)的車牌識別主要是應用于智能 交通系統(tǒng)中，對交通路口、停車場等場合拍攝的比較清晰的視頻圖像進行自動地處理、分析和識別。 然而現(xiàn)實生活中經(jīng)常出現(xiàn)由于照相機或攝像頭分辨率不夠高、拍攝距離過遠等多種因素干擾，使得拍 攝出來的畫面不夠清晰，車牌部分小而模糊等現(xiàn)象，甚至連人的肉眼都難以區(qū)分，導致常規(guī)的車牌識 別方法難以發(fā)揮功效。但是如果能夠識別出該類模糊車牌，其意義將是巨大的，特別是對交通逃逸事 故乃至刑事案件的偵破等都具有意義。
模糊車牌識別的研究為解決這類問題提供了一種較好的途徑。 一般的車牌識別由于都是針對近距 離清晰車牌圖片，提取的特征不充分即可滿足要求；同時由于其分類特征是人為規(guī)定好以后就不會改 變的，難以完全描述每個字符之間的差異。基于多角度投影的模糊車牌識別方法使用水平、垂直、左 上角到右下角、左下角到右上角等多角度的投影，更充分地提取各個字符的特征的同時，根據(jù)待識別 字符的大小、攝像頭分辨率等因素動態(tài)地生成標準的字符，動態(tài)地提取標準字符的特征并通過多種方 法進行比較，在一定程度上解決了模糊車牌的識別問題。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于多角度投影的模糊車牌識別方法，以提高識別精度，在一定程度 上能夠識別模糊車牌。
本發(fā)明的技術方案是基于多角度投影的模糊車牌識別方法包括如下步驟 車牌字符預處理
步驟1通過數(shù)字圖像處理的方法，去除圖像中的噪聲，使車牌部分更加清晰； 步驟2從預處理后的圖像中大致切割出完全包含車牌部分的圖像； 步驟3檢測出車牌的傾斜角度，通過旋轉(zhuǎn)圖像使其變成水平方向。 在車牌字符分割階段(步驟4-6):
步驟4將經(jīng)過預處理階段的圖像灰度化；
步驟5確定車牌的精確上下邊界，按照找到的上下左右邊界，沿著車牌邊緣切割出只包含車牌 的車牌圖像；
步驟6參照車牌圖像和其投影的柱狀圖，將車牌圖像切割成一個個待識別字符圖像。 在字符識別階段(步驟7-10):
步驟7對每個待識別字符圖像，依次計算其水平投影、垂直投影、左上到右下投影、左下到右 上投影，以充分提取該字符的特征；
步驟8生成稍大標準字符。首先離散化實際的車牌，然后縮小成為攝像機能夠成像的最大尺寸， 最后再縮放成為比待識別字符稍微大點的尺寸，以便于由于尋找待識別字符在稍大標準字符上的精確 位置，減少切割帶來的位置誤差；
步驟9是在稍大標準字符上找到和待識別字符最相似的位置，切割出標準字符圖像；
步驟10是根據(jù)選定的方法識別字符。
步驟11是本發(fā)明的基于多角度投影的模糊車牌識別方法的結束步驟。
1) 圖像預處理階段
11) 去除噪音、增強車牌中字符的特征；
12) 從整幅圖像中大致切割出完全包含車牌部分的圖像；
13) 矯正車牌方向；
14) 結束；
2) 車牌字符分割階段
421) 將切割出來的圖像灰度化；
22) 沿車牌邊緣切割出車牌圖像；
23) 將車牌圖像上的每個字符沿著其邊緣切割，得到待識別字符圖像；
24) 結束；
3)字符識別階段
31) 通過多角度投影提取每個待識別字符的特征；
32) 生成比待識別字符稍大的稍大標準字符圖像；
33) 選定最佳位置，切割出標準字符，提取標準字符的多角度投影特征；
34) 識別字符；
35) 結束。 其中
步驟ll)的具體過程如下
111) 如果車牌圖像比較模糊，可以通過多幀融合等技術，合成一幅比較清晰的圖像；
112) 對該圖像進行平滑濾波等操作，去除噪音，增強車牌的特征； 步驟13)的具體過程如下
131) 通過Hough變換等方法，計算出車牌的傾斜角度；
132) 旋轉(zhuǎn)圖像，從而使車牌變?yōu)樗椒较颉?br> 步驟22)的具體過程如下-
221) 對灰度化以后的圖像進行水平投影、垂直投影；
222) 根據(jù)水平投影、垂直投影畫出柱狀223) 從柱狀圖中找到波峰或波谷，即為車牌的邊緣可能的地方，同時參照車牌圖像，盡量沿 著車牌邊緣精確切割出只包含車牌的那部分圖像。
步驟23)的具體過程如下
231) 對切割山來的車牌圖像進行水平投影、垂直投影
232) 根據(jù)水平、垂直投影畫出柱狀233) 從柱狀圖中找到波谷，由于車牌中字符顏色和背景顏色有明顯區(qū)別，波谷可能為兩個字 符之間的空隙；參照車牌圖像，盡量沿著每個字符的筆畫邊緣，將其切分出來，得到待識別字符。
步驟31)的具體過程如下
311)對于每個待識別字符，分別做水平投影、垂直投影、左上到右下的投影、左下到右上的 投影，以能夠更充分地提取字符的特征；其中從左上到右下的投影如下圖所示，共選取三條，分別是 左上角到右邊界中點、左上角到右下角、左上角到下邊界中點；從左下到右上的投影也如圖7所示， 也選取了三條，依次為左下角到上邊界的中點、左下角到右上角、左下角到右邊界的中點。
步驟32)的具體過程如下，說明書附圖3中有其詳細流程圖。
321) 根據(jù)實際車牌的尺寸大小和攝像機或者照相機的分辨率(單位為像素/英寸)，計算出表示 實際的車牌需要的像素個數(shù)，再按照真實的比例折算出一個字符需要的像素個數(shù)；然后根據(jù)車牌字體, 從A Z、 0~9依次生成符合實際車牌的比例的離散化車牌字符圖像。
322) 將離散的車牌字符圖像縮放小為照相機或者攝像頭所能拍攝的最大圖像的大小(一般攝 像頭為640*480);該步驟是模擬了相機的成像原理，將生成的圖像模糊化，更逼近車牌圖像的效果；
323) 將322)中得到的圖像再次縮放成為比切割出來的字符圖像稍大的圖像，即稍大標準字符 圖像；由于模糊車牌識別方法一般面對的車牌圖像都是十分小并且很模糊的，很難保證從車牌圖像中 切割出來的待識別字符在整個車牌中的位置與生成的字符圖像在整個車牌中的位置相同，因此先縮小 成稍大的字符圖像，然后再尋找最佳位置。 一般情況下，高和寬各稍大幾個像素即可。
324) 選定一種灰度拉伸方法，將稍大標準字符圖像的灰度拉伸為與待識別字符的灰度分布相 似。本發(fā)明中使用兩種灰度拉伸方法通過最值拉伸灰度與通過圖像平均值、標準差拉伸灰度?；叶?拉伸方法的詳細說明參見說明書附圖的圖4、圖5以及


中相應部分。
步驟33)的具體過程如下
331)選定一種通過比較投影而判斷兩個圖像相似度的方法，用于比較待識別字符圖像與稍大
5標準字符圖像。本發(fā)明中提供兩種方法通過計算歐式距離來比較圖像相似度和通過計算投影相關系 數(shù)來比較圖像相似度。計算歐式距離公式為-
計算投影相關系數(shù)的方法參見說明書附圖的圖6及

中的相應部分。
332) 求取稍大標準字符的水平投影、垂直投影，依次分割出與待識別字符圖像的水平、垂直 投影大小相同的投影，利用331)中選定的方法比較與待識別字符圖像的相似度，找出最相似的位置;
333) 根據(jù)找到的最相似位置，切割出標準字符圖像；
334) 計算標準字符圖像的水平投影、垂直投影、從左上到右下的投影、從左下到右上的投影。 步驟34)的具體過程如下
341) 根據(jù)331)選定的方法，將生成的A Z、 0-9的標準字符圖像的四種投影依次和待識別字 符的四種投影比較，記錄得到的相似度。
342) 將相似度結果排序，得到識別的結果。
本發(fā)明的有益結果是本發(fā)明的基于多角度投影的模糊車牌識別方法能夠在車牌圖像比較模糊， 以致人眼無法區(qū)分的情況下，進行車牌識別，在一定程度上能夠識別模糊車牌。

-
圖1為車牌識別系統(tǒng)工作流程圖2為基于多角度投影的模糊車牌識別方法的流程圖3為生成稍大標準字符，選定標準字符；
圖4為通過最值拉伸灰度的流程圖5為通過圖像平均值、標準差進行灰度拉伸的流程圖6為通過計算投影相關系數(shù)來比較圖像相似度的流程圖7為左上到右下的三條投影和左下到右上的三條投影的示意圖
圖8為切割出完全包含車牌的部分，然后矯正車牌、灰度化的結果圖像
圖9為經(jīng)過縮放、灰度拉伸，得到數(shù)字9的稍大標準圖像
具體實施例方式
下面結合附圖對本發(fā)明進行詳細說明
如圖1所示，車牌識別系統(tǒng)首先通過攝像頭或照相機等圖像采集設備獲取包含車牌的圖像，然后 進行去噪、增強特征等預處理，接著進行車牌字符分割、特征提取、字符識別等車牌識別操作，最后 輸出識別結果。
由于針對的車牌圖像通常小而且模糊，因此車牌識別操作的任何一步都可能對結果產(chǎn)生很大影響。 本發(fā)明的主要思路是通過投影來支持車牌字符的精確分割；通過提取更充分的特征、利用更精確的 比較方法來識別字符，最終達到識別出模糊車牌的目的。本發(fā)明的基于多角度投影的模糊車牌識別方 法的工作流程如圖2所示。
1) 圖像預處理階段
15) 去除噪音、增強車牌中字符的特征；
16) 從整幅圖像中大致切割出完全包含車牌部分的圖像；
17) 矯正車牌方向；
18) 結束；
2) 車牌字符分割階段
25) 將切割出來的圖像灰度化；
26) 沿車牌邊緣切割出車牌圖像；
27) 將車牌圖像上的每個字符沿著其邊緣切割，得到待識別字符圖像；
28) 結束；
3) 字符識別階段
36) 通過多角度投影提取每個待識別字符的特征；
o 二 S(Pa[z'] —P&[!'])2 ,其中Pa、 Pb為兩個圖像的投影，N為投影的大小。
637) 生成比待識別字符稍大的稍大標準字符圖像
38) 選定最佳位置，切割出標準字符，提取標準字符的多角度投影特征；
39) 識別字符； 310) 結束。 其中
步驟ll)的具體過程如下
111) 如果車牌圖像比較模糊，可以通過多幀融合等技術(能否細化一些？)，合成一幅比較清晰 的圖像；
112) 對該圖像進行平滑濾波等操作，去除噪音，增強車牌的特征；
步驟13)的具體過程如下
131) 通過Hough變換等方法，計算出車牌的傾斜角度；
132) 旋轉(zhuǎn)圖像，從而使車牌變?yōu)樗椒较颉?br> 步驟22)的具體過程如下
221) 對灰度化以后的圖像進行水平投影、垂直投影；
222) 根據(jù)水平投影、垂直投影畫出柱狀223) 從柱狀圖中找到波峰或波谷，即為車牌的邊緣可能的地方，同時參照車牌圖像，盡量沿 著車牌邊緣精確切割出只包含車牌的那部分圖像。
步驟23)的具體過程如下
231) 對切割出來的車牌圖像進行水平投影、垂直投影；
232) 根據(jù)水平、垂直投影畫出柱狀233) 從柱狀圖中找到波谷，由于車牌中字符顏色和背景顏色有明顯區(qū)別，波谷可能為兩個字 符之間的空隙；參照車牌圖像，盡量沿著每個字符的筆畫邊緣，將其切分出來，得到待識別字符。
步驟31)的具體過程如下
311)對于每個待識別字符，分別做水平投影、垂直投影、左上到右下的投影、左下到右上的 投影，以能夠更充分地提取字符的特征；其中從左上到右下的投影如圖7所示，共選取三條，分別是 左上角到右邊界中點、左上角到右下角、左上角到下邊界中點；從左下到右上的投影也如下圖所示， 也選取了三條，依次為左下角到上邊界的中點、左下角到右上角、左下角到右邊界的中點。
步驟32)的具體過程如下，說明書附圖3中有其詳細流程圖。
321) 根據(jù)實際車牌的尺寸大小和攝像機或者照相機的分辨率(單位為像素/英寸)，計算出表示 實際的車牌需要的像素個數(shù)，再按照真實的比例折算出一個字符需要的像素個數(shù)；然后根據(jù)車牌字體， 從A Z、 0~9依次生成符合實際車牌的比例的離散化車牌字符圖像。
322) 將離散的車牌字符圖像縮放小為照相機或者攝像頭所能拍攝的最大圖像的大小(一般攝 像頭為640*480);該步驟是模擬了相機的成像原理，將生成的圖像模糊化，更逼近車牌圖像的效果；
323) 將322)中得到的圖像再次縮放成為比切割出來的字符圖像稍大的圖像，即稍大標準字符 圖像；由于模糊車牌識別方法一般面對的車牌圖像都是十分小并且很模糊的，很難保證從車牌圖像中 切割山來的待識別字符在整個車牌中的位置與生成的字符圖像在整個車牌中的位置相同，因此先縮小 成稍大的字符圖像，然后再尋找最佳位置。 一般情況下，高和寬各稍大幾個像素即可。
324) 選定一種灰度拉伸方法，將稍大標準字符圖像的灰度拉伸為與待識別字符的灰度分布相 似。本發(fā)明中使用兩種灰度拉伸方法通過最值拉伸灰度與通過圖像平均值、標準差拉伸灰度?；叶?拉伸方法的詳細說明參見說明書附圖的圖4、圖5以及

中相應部分。
步驟33)的具體過程如下
331)選定一種通過比較投影而判斷兩個圖像相似度的方法，用于比較待識別字符圖像與稍大 標準字符圖像。本發(fā)明中提供兩種方法通過計算歐式距離來比較圖像相似度和通過計算投影相關系 數(shù)來比較圖像相似度。計算歐式距離公式為d= S(iMz'卜尸叩])2 ,其中Pa、 Pb為兩個圖像的投影，N為投影的大小。
計算投影相關系數(shù)的方法參見說明書附圖的圖6及

中的相應部分。
332) 求取稍大標準字符的水平投影、垂直投影，依次分割出與待識別字符圖像的水平、垂直 投影大小相同的投影，利用331)中選定的方法比較與待識別字符圖像的相似度，找出最相似的位置;
333) 根據(jù)找到的最相似位置，切割出標準字符圖像；
334) 計算標準字符圖像的水平投影、垂直投影、從左上到右下的投影、從左下到右上的投影。 步驟34)的具體過程如下
341) 根據(jù)331)選定的方法，將生成的A Z、 0~9的標準字符圖像的四種投影依次和待識別字 符的四種投影比較，記錄得到的相似度。
342) 將相似度結果排序，得到識別的結果。 步驟0為本發(fā)明的模糊車牌識別的起始狀態(tài)； 在圖像預處理階段(步驟l-3):
步驟1通過一些數(shù)字圖像處理的方法，去除圖像中的噪聲，使車牌部分更加清晰； 步驟2從預處理后的圖像中大致切割出完全包含車牌部分的圖像； 步驟3檢測出車牌的傾斜角度，通過旋轉(zhuǎn)圖像使其變成水平方向。 在車牌字符分割階段(步驟4-6):
步驟4將經(jīng)過預處理階段的圖像灰度化；
步驟5確定車牌的精確上下邊界，按照找到的上下左右邊界，沿著車牌邊緣切割出只包含車牌 的車牌圖像
步驟6參照車牌圖像和其投影的柱狀圖，將車牌圖像切割成一個個待識別字符圖像。 在字符識別階段(步驟7-10):
步驟7對每個待識別字符圖像，依次計算其水平投影、垂直投影、左上到右下投影、左下到右 上投影，以充分提取該字符的特征；
步驟8生成稍大標準字符。首先離散化實際的車牌，然后縮小成為攝像機能夠成像的最大尺寸， 最后再縮放成為比待識別字符稍微大點的尺寸，以便于由于尋找待識別字符在稍大標準字符上的精確 位置，減少切割帶來的位置誤差；
步驟9是在稍大標準字符上找到和待識別字符最相似的位置，切割出標準字符圖像；
步驟10是根據(jù)選定的方法識別字符。
步驟11是本發(fā)明的基于多角度投影的模糊車牌識別方法的結束步驟。 圖3是對圖2中步驟8-9的詳細描述。 步驟30為起始步驟；
步驟31離散化實際的車牌，生成車牌字符。由于各種型號的車牌的尺寸是由國家統(tǒng)一規(guī)定的， 根據(jù)攝像頭或者照相機的分辨率(像素/英寸)，就可以計算出來可以用多少個像素來表示實際的車牌， 再根據(jù)比例，就可以計算出來每個車牌字符在其中所占的像素個數(shù)。通過車牌字體，就可以模擬出標 準的車牌字符。
步驟32將模擬的車牌字符縮放成為攝像頭或者照相機所能成像的最大尺寸。該步驟模擬相機 成像原理，考慮相機成像時的模糊效果，將標準字符模糊化，盡量逼近真實效果。
步驟33將步驟32所得的結果再次縮放成為比待識別字符稍大的稍大標準字符。該步驟同樣是 考慮了相機成像的原理，再次對生成的標準字符模糊化。由于一般面臨的情況都是待識別字符小且模 糊，邊緣難以區(qū)分，不能保證切割出來的待識別字符在實際車牌中的位置正好是我們生成的字符在整 個車牌中的位置，因此該步驟我們考慮該步驟中先縮放成稍大的字符圖像，然后在稍大圖像中確定待 識別字符的最佳位置。
步驟34選定一種灰度拉伸方法，將稍大標準字符圖像的灰度拉伸為與待識別字符的灰度分布 相似。本發(fā)明中使用兩種灰度拉伸方法通過最值拉伸灰度與通過圖像平均值、標準差拉伸灰度。灰 度拉伸方法的詳細說明參見說明書附圖的圖4、圖5以及

中相應部分。步驟35計算稍大標準字符的水平、垂直投影，從投影首項依次切割出和待識別字符的投影同樣大 小的部分；切割的次數(shù)視稍大標準字符比待識別字符大多少而定。
步驟36中首先選定比較的方法，然后依次比較步驟34中截取的圖像投影和待識別字符圖像的投 影，記錄二者的相似度
步驟37檢査從稍大標準字符圖像投影中截取投影與待識別字符圖像的投影比較的過程是否結束， 如果結束則轉(zhuǎn)到步驟37,否則繼續(xù)執(zhí)行步驟34;
步驟38根據(jù)比較的結果，找到最相似的位置，切割出標準字符；
步驟39依次計算標準字符的水平投影、垂直投影、左上到右下的投影、左下到右上的投影； 步驟310為結束狀態(tài)。
圖4為灰度拉伸方法中利用最值進行灰度拉伸的流程圖 步驟40為起始步驟；
步驟41從待識別字符圖像中尋找n個最大值，求其平均值MaxAve; n個最小值，求其平均值 MinAve;
步驟42找出標準字符圖像中的最大值max，最小值min;
步驟43將標準字符的最大值max設定為MaxAve,最小值min設定為MinAve，對標準圖像進 行線性灰度拉伸；
步驟44得到線性拉伸以后的灰度圖像； 步驟45為結束狀態(tài)。 圖5是利用圖像平均值、標準差進行灰度拉伸的流程圖 步驟50為起始步驟；
步驟51利用OSTU算法計算出待識別字符的閥值Thresholdl 。該算法使得計算出來的閾值將 灰度圖像分割為背景和前景兩部分，并且兩部分的方差最大。
步驟52利用OSTU算法計算出標準字符的閾值Threshold2。
步驟53計算待識別字符中小于OSTU閾值部分的平均值avel ，標準差diffl;大于OSTU閾值 部分的平均值ave2，標準差diffi;
步驟54計算標準字符中小于OSTU閾值部分的平均值ave3,標準差diff3;大于OSTU閾值部 分的平均值ave4，標準差diff4;
步驟55依次讀取標準字符圖像中的每個像素的灰度值gray;
步驟56如果gray小于Threshold2，則將其灰度進行公式1變換
g， =* (g， _ + ave3 (公式1)
鄉(xiāng)l
步驟57如果gray大于Threshold2，則將其灰度進行公式2變換
=* (gray 一 ave2) + ove4 (公式2)
步驟58檢査所有像素是否讀完，如果沒有讀完則執(zhí)行步驟55;否則執(zhí)行步驟59; 步驟59得到利用圖像的平均值和標準差進行灰度拉伸以后的圖像； 步驟510為結束狀態(tài)。
圖6是通過計算投影相關系數(shù)來比較圖像相似度的流程圖 步驟60是起始步驟；
步驟61計算出需要比較的兩個投影的平均值；
步驟62到65是計算投影的相關系數(shù)，相關系數(shù)越大，兩個圖像越相似。相關系數(shù)的計算公式
為
9w-i |w-
w-，
步驟66為結束狀態(tài)。 實際應用舉例
有一為通過照相機拍攝的實際車牌照片，由于圖像較大，只截取顯示包含車牌的部分圖像。由 于拍攝距離較遠，車牌部分比較模糊，肉眼難以辨別。其實際車牌號為"蘇AFE558"。
在經(jīng)過平滑、濾波等預處理后，切割出完全包含車牌的部分，然后矯正車牌、灰度化，結果圖 像如圖8所示
計算出該圖像的水平、垂直投影，然后根據(jù)投影的柱狀圖的波谷，切割出車牌圖像。
然后根據(jù)該圖像的水平投影、垂直投影的波谷，依次切割出待識別字符。^:處切割出了第一個字
符A,其大小為4*9:
其水平投影為511 ， 486 ， 456 , 444 , 433 ， 406 , 326 ， 360 , 403;
垂直投影為7S9 ， 1029 ， 1108 , 899;
左上到右下投影為1042 ， 512 ， 937;
左下到右上投影為1012 ， 581 ， 937。 然后依次生成從A Z， 0 9的36個字符，經(jīng)過縮放、灰度拉伸，得到稍大標準圖像。數(shù)字9的稍 大標準圖像如圖9所示切割出完全包含車牌的部分，然后矯正車牌、灰度化，結果圖像如圖8所示 然后尋找最佳位置、提取投影特征等，最終得到識別的結果-通過最值拉伸灰度、計算歐氏距離比較相似度的排名依次為 1:W, 740.893380 2:A， 962.678035 3:X， 988.700157 4: K 1082.953831 5:N， 1115.893364 6: 4, 1129.074400 7:B， 1148.309192 8:8， 1181.194734 9: R, 1212.497010 10:6,1304.339680 11:3,1339.356562 12: 5， 1365.385660 13:2, 1369.883207 14: Q, 1404.147428 15: S, 1427.617946 16: V， 1428.980406 17: M， 1441.592175 18: Z, 1444.394337 19: G 1462.783306 20: 9, 1472.856069 21: E, 1491.740594 22: D, 1538.020806 23: P, 1550.877494 24: Y, 1558.249017 25:0， 1633.015309 26: O， 1635.385276 27: C, 1729.83438528: H, 1757.974971 29: F， 1777.365747 30:7， 1851.688959 31: T， 1964.251002 32: U, 1991.259149 33: L, 2017.816642 34: J， 2186.112531 35:1， 2376.146671 36: 1， 2408.599178
通過圖像的平均值、標準差拉伸灰度、計算歐氏距離比較相似度的排名為:
1:4， 289.235198 2: A, 323.790055 3:6,370.255317 4:X, 371.161柳 5: 3， 388.036081 6: Y, 394.318399 7: Z, 415.824482 8: 2, 444.654922 9:S， 4S0.132203
10:7， 454.978021
11:V， 467.593841
12:'K， 472.801227
13:J， 487.766338
14:B， 507.669184
15:N， 522.355243
16:9， 524.214651
17:G 527.087279
18:T, 534.609203
19:8, 535.825531
20:W， 540.858577
21:R, 542.438015
22:Q, 542.535713
23:D, 545.563012
24:5， 553.950359
25:E, 560.601463
26:0, 570.956215
27:0， 571.466534
28:L， 576.065968
29:C, 584.532292
30:M， 604.440237
31: P， 620.23866432: F, 629.74836233: H， 629.93571134: U, 635.20311735:1,2297.13408436: 1,2297.229854通過最值拉伸灰度、計算投影相關系數(shù)比較相似度的排名1:A， 0.8424622: X， 0.8386803:4, 0.7959914: 2， 0.7534505: W, 0.7515416:6， 0.7507517: K, 0.7302578: S， 0.7015209: 3， 0.68793710: Y, 0.68757211: Z， 0.67157912: N， 0.64496913: 8， 0.62378314: V, 0.62225115: B， 0.61121716: R, 0.59569017: 5， 0.55588818: G 0.54658219: 9， 0.53489620: 0， 0.52144821: E， 0.50042722:7,0.48061123: C, 0.47469624: M， 0.46167725: 0， 0.44387026: O, 0.43965427: D, 0.42164128: P, 0.40604429: T， 0.39305130: U, 0.37808431: H， 0.37316132: J, 0.36165933: F， 0.35856434: L， 0.32416335: 1,0.17445336:1, 0.174447通過圖像的平均值、標準差拉伸灰度、計算投影相關系數(shù)比較相似度的排名:1:4, 0.9632382:A， 0.9575023: X， 0.9371444: Y， 0.9307455: 6， 0.9278546:3,0.9191487:7， 0.9167298: Z, 0.912498 9: J, 0.906685 10: 2, 0.903998 11: K， 0細148 12: S， 0.893547 13: V, 0.885573 14: T， 0.881063 15: N, 0.868080 16: 9， 0.865124 17: B, 0.864226 18: G 0.858132 19: W, 0.857774 20: L， 0.852759 21:8， 0.849732 22: R， 0.849615 23: Q, 0.846765 24: D， 0.844216 25: E， 0.840807 26: 5, 0.840704 27: C, 0.831695 28: 0， 0.831367 29: 0， 0.8306卯 30: M， 0.825716 31: U， 0.814876 32: P， 0.807773 33: H， 0.805216 34: F, 0.801710 35:1,0.174107 36: 1,0.173880綜合起來，得到最相似的為A。
權利要求
1、基于多角度投影的模糊車牌識別方法，其特征是包括如下步驟車牌圖像字符預處理步驟1通過數(shù)字圖像處理的方法，去除圖像中的噪聲；步驟2從預處理后的圖像中切割出完全包含車牌部分的圖像；步驟3檢測出車牌的傾斜角度，通過旋轉(zhuǎn)圖像使其變成水平方向；在車牌字符分割階段步驟4將經(jīng)過預處理階段的圖像灰度化；步驟5確定車牌的精確上下和左右邊界，按照找到的上下左右邊界，沿著車牌邊緣切割出只包含車牌的字符圖像；步驟6參照車牌圖像和其水平和垂直投影的柱狀圖，將車牌圖像切割成一個個待識別字符圖像；字符識別階段步驟7對每個待識別字符圖像，依次計算其水平投影、垂直投影、左上到右下投影、左下到右上投影，以充分提取該字符的特征；步驟8生成稍大標準字符圖像，首先離散化實際的車牌，然后縮小成為攝像機能夠成像的最大尺寸，最后再縮放成為比待識別字符稍微大點的尺寸，以便于由于尋找待識別字符在稍大標準字符上的精確位置，減少切割帶來的位置誤差；步驟9是在稍大標準字符上找到和待識別字符最相似的位置，切割出標準字符圖像；提取標準字符的多角度投影特征；步驟10是根據(jù)選定的方法識別字符。步驟11是本發(fā)明的基于多角度投影的模糊車牌識別方法的結束步驟。
2、 根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是包括如下步驟 步驟l中111) 如果車牌圖像比較模糊，通過多幀融合等技術，合成一幅比較清晰的圖像；112) 對該圖像進行平滑濾波等操作，去除噪音，增強車牌的特征；
3、 根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是步驟3中的具體過程如下131) 通過Hough變換等方法，計算出車牌的傾斜角度；132) 旋轉(zhuǎn)圖像，從而使車牌變?yōu)樗椒较颉?br> 4、 根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是步驟5和步驟6中221) 對灰度化以后的圖像進行水平投影、垂直投影；222) 根據(jù)水平投影、垂直投影畫出柱狀圖；223) 從柱狀圖中找到波峰或波谷，即為車牌的邊緣可能的地方，同時參照車牌圖像，盡量沿 著車牌邊緣精確切割出只包含車牌的那部分圖像。
5、 根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是包括如下步驟步驟5 和步驟6中231) 對切割出來的車牌圖像進行水平投影、垂直投影；232) 根據(jù)水平、垂直投影畫出柱狀圖；233) 從柱狀圖中找到波谷，由于車牌中字符顏色和背景顏色有明顯區(qū)別，波谷可能為兩個字 符之間的空隙；參照車牌圖像，盡量沿著每個字符的筆畫邊緣，將其切分出來，得到待識別字符。
6、 根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是步驟7中311)對于每個待識別字符，分別做水平投影、垂直投影、左上到右下的投影、左下到右上的 投影，能更充分地提取字符的特征；其中從左上到右下的投影共選取三條，分別是左上角到右邊界中 點、左上角到右下角、左上角到下邊界中點；從左下到右上的投影也選取了三條，依次為左下角到上 邊界的中點、左下角到右上角、左下角到右邊界的中點。
7、根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是包括如下步驟步驟7中321)根據(jù)實際車牌的尺寸大小和攝像機或者照相機的分辨率(單位為像素/英寸)，計算出 表示實際的車牌需要的像素個數(shù)，再按照真實的比例折算出一個字符需要的像素個數(shù)；然后根據(jù)車牌 字體，從A Z、 0-9依次生成符合實際車牌的比例的離散化車牌字符圖像。
8、根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是步驟7中322)將 離散的車牌字符圖像縮放小為照相機或者攝像頭所能拍攝的最大圖像的大??；該步驟是模擬了相機的 成像原理，將生成的圖像模糊化，更逼近車牌圖像的效果；323) 將322)中得到的圖像再次縮放成為比切割出來的字符圖像稍大的圖像，即稍大標準字符 圖像；由于模糊車牌識別方法一般面對的車牌圖像都是十分小并且很模糊的，很難保證從車牌圖像中 切割出來的待識別字符在整個車牌中的位置與生成的字符圖像在整個車牌中的位置相同，因此先縮小 成稍大的字符圖像，然后再尋找最佳位置。 一般情況下，高和寬各稍大幾個像素即可。324) 選定一種灰度拉伸方法，將稍大標準字符圖像的灰度拉伸為與待識別字符的灰度分布相 似；通過最值拉伸灰度與通過圖像平均值、標準差拉伸灰度。
9、根據(jù)權利要求1所述的基于多角度投影的模糊車牌識別方法，其特征是步驟7中包括如下步驟: 331)采用一種通過比較投影而判斷兩個圖像相似度的方法，用于比較待識別字符圖像與稍大 標準字符圖像通過計算歐式距離來比較圖像相似度或通過計算投影相關系數(shù)來比較圖像相似度；計 算歐式距離公式為"=、!](尸"W _尸6卩])2 ，其中Pa、 Pb為兩個圖像的投影，N為投影的大小；i表示投332) 求取稍大標準字符的水平投影、垂直投影，依次分割出與待識別字符圖像的水平、垂直 投影大小相同的投影，利用331)中選定的方法比較與待識別字符圖像的相似度，找出最相似的位置;333) 根據(jù)找到的最相似位置，切割出標準字符圖像；334) 計算標準字符圖像的水平投影、垂直投影、從左上到右下的投影、從左下到右上的投影;341) 根據(jù)331)選定的方法，將生成的A Z、 0 9的標準字符圖像的四種投影依次和待識別字 符的四種投影比較，記錄得到的相似度；342) 將相似度結果排序，得到識別的結果。影的序號;
全文摘要
基于多角度投影的模糊車牌識別方法，主要包括如下步驟1)圖像預處理階段；2)車牌字符分割階段；a)將切割出來的圖像灰度化；b)沿車牌邊緣切割出只包含車牌的圖像；c)將車牌圖像上的每個字符沿著其邊緣切割；3)字符識別階段a)通過多角度投影提取每個待識別字符圖像的特征；b)生成比切割的字符稍大的字符圖像；c)選定最佳位置，切割出該位置的字符圖像，同時提其多角度投影特征(標準字符圖像)；d)識別字符；本發(fā)明——基于多角度投影的模糊車牌識別方法，在圖像質(zhì)量比較差、肉眼難以辨識車牌的情況下，通過多角度投影提取車牌字符特征，最終給出與0～9、A～Z共36個字符的相似程度。
文檔編號G08G1/017GK101673338SQ20091003548
公開日2010年3月17日 申請日期2009年10月9日 優(yōu)先權日2009年10月9日
發(fā)明者于明龍, 王崇俊, 蔡圣聞, 談晶晶 申請人:南京樹聲科技有限公司