目录
第1章 绪论
1.1 课题背景及研究目的和意义
1.2 车牌识别技术的发展概况
1.3 车牌识别的基本流程
1.4 本文主要研究内容
第2章 建立图片集
2.1 引言
2.2 获取原始图片集
2.3 建立车牌区域候选人图片集
2.4 建立字符判断图片集
2.5 建立数字和字母识别图片集
2.6 建立中文字符识别图片集
2.7 本章小结
第3章 提取车牌区域候选人
3.1 引言
3.2 图像处理方法的简要介绍
3.3 特征提取
3.4 提取感兴趣区域
3.5 本章小结
第4章 字符分析
4.1 引言
4.2 基于 SVM 的字符判断
4.3 区域提取与校正
4.4 文本检测
4.5 本章小结
第5章 字符识别
5.1 引言
5.2 字母和数字的识别
5.3 汉字识别
5.4 本章小结
第6章 程序综合
6.1 程序编写平台搭建
6.2 程序框架结构
参考文献
1.1 车牌识别的基本流程
车牌识别一般分为车牌定位，字符分割和字符识别三个步骤，一个完整的车牌识别系统集成了图像采集、车牌识别、数据传输等功能，图 1-1 为一个完整的车牌识别系统示意图。在嵌入式还没有发展起来的时候，前端的数字图像获取设备和后端用于车牌识别的主机分离，前后端通过特定的协议和接口实现数据传输，该情况下硬件平台搭建和软件设计往往分开进行。现如今一体化摄像机识别系统可以一次性实现这些工作，相比前端与后端分离的设计，一体机易于安装，使用灵活，价格低，体积小，性能更为稳定。
图 1-1 一个车牌识别系统的简单示意图
有些论文会将车牌图片的获取和图像预处理作为车牌识别的一部分，但在本次毕业设计中，将图像预处理归为车牌定位部分，而车牌图片的获取则不属于本次研究的范围，本次毕业设计关心的是如何将符合要求的图片中的车牌区域号码的识别。
1.1.1 车牌定位
车牌定位是指从图片中提取车牌区域，这一阶段包含了图片的预处理，可能的车牌区域的提取和非车牌区域的过滤三步。由于车牌可能在图片中的任意位置，为了减轻计算量，先通过特征提取获得可能存在车牌的区域，根据所用特征的不同， 车牌定位方法大体上分为 6 类：
（1）基于边缘和边界特征。由于车牌和车身的颜色变化和车牌中字符和背景的颜色变化，车牌区域边缘特征鲜明，为了抑制车辆中水平棱线的影响，只使用垂直边缘，文章[7]通过检测垂直边缘，对 1169 张 384×288 图片的实现了接近 100% 定位率，单张图片平均处理时间 47.9ms。由于车牌往往是长方形并有固定的长宽比，基于边界特征就是提取图中所有长方形区域，[8]通过霍夫变换对车牌边界进行提取实现了 98.8%的定位率。
（2）基于图片全局特征。连通成分分析（Connected Component Analysis）是二值图像的一种重要处理方法，它将特定的像素点作为种子点，通过对种子点周边 像素的连通性分析，实现周边像素的标记，最终计算各个标记区域的面积和长宽比， 获得图中最可能的车牌区域。
（3）基于纹理特征。纹理特征指字符和背景区域颜色不同导致频繁地灰度值改变的带来的信息。基于纹理特征的定位方法有很多，如通过空间频率的离散傅立叶变换寻找水平方向和垂直方向上高频区域；基于 Haar-like 特征的自适应提升算法；基于中心滑动窗口统计区域内水平方向灰度值改变次数等。
（4）基于颜色特征。由于车牌区域的颜色组合较为独特，往往只出现在车牌区域，该方法在实际中应用较为广泛。颜色特征使用的颜色空间主要是 RBG 和HLS，研究的难点在于克服光照变化带来的颜色失真。[9]通过检测特定颜色组合的边界实现了对多种场景下的图片高达 97.9%的定位率。[10]使用了模糊逻辑的方法， 建立了 HSV 颜色空间下的隶属度函数和模糊分类函数，推断图片中像素点所代表物体的真实颜色，从而精确找到车牌区域。
