基于神经网络图像处理智能车牌识别系统

《基于神经网络图像处理智能车牌识别系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于神经网络图像处理智能车牌识别系统摘要：本文介绍一个可以安装在收费站的使用车牌照片就可以自动识别车牌信息的智能车牌识别系统。一个可以应用于费用支付控制、停车场、高速公路、桥梁或者隧道等的自动化系统。我们考虑过这样一种方法，通过利用图像融合、神经网络、阈值技术以及一些实验结果来成功识别车辆牌照，从而达到识别车辆的目的。关键词：安防车牌识别人工智能1.介绍汽车识别的工作可以通过牌照识别来解决。它的应用前景很广，比如入口许可、安防、停车控制、机场或港湾货物控制、道路交通控制、限速等。该领域的相关商业软件也已经开发。然而，当所提供的车辆照片风格和格式不适合该方法时

2、，便无法识别牌照信息[1-3]。结合以下两种方法可以克服上述缺点：(i)从源图像流检测和提取车牌图像区域(ii)车牌的字符识别。边缘检测、阈值转换、重采样等图像处理技术可用于定位车牌和分割字符，处理模型可以使用神经网络，这种技术被成功地应用于汽车牌照的识别。如果一个车牌被准确地识别，该车辆的信息就可从各种数据库获得。一旦信息表明该车辆有疑点，就可以采取适当的措施。该车牌识别算法步骤如下：(i)捕获汽车的照片；(ii)提高图像画面的清晰度；(iii)提取图像中的牌照区域；(iv)从牌照图片提取字符；(v)识别牌照字符和车辆信息。2.去模糊技术和图像融合图像的获

3、取：我们研究由数码相机采集的8位灰度图像，并将它传送到计算机上。图像由像素的矩阵构成。为获得更好的图像进行进一步的处理，我们应该进行视频流的接收，包括在同一时间用不同的焦距所捕获的一些画面。去模糊的图像帧：我们考虑这样一个情景，场景中有两个或多个物体，而且它们与相机的距离各不相同。如果使用便宜的相机难以使照片中的各个物体都充分地聚焦。也就是说，获得的图像里，每个物体都很清晰是很难的。如果一个物体充分聚焦了，另一个则不然。尽管如此，通过应用多聚焦的图像融合技术，也是有可能提高那些对象焦点分散的图片质量的。图像融合指，通过两个或多个相机拍摄的照片的融合，产生一个

4、新的增强的图像的图像处理技术[4]。融合后的图像更适合作后续的图像处理，如图像分割、特征提取和对象识别。最简单的图像融合方法只需要对原始图像逐个像素取灰度值的平均值。然而，这种方法容易导致图像减小对比度类似的负面影响。多尺度转换的各种方法被用来来解决这个问题。最基本的办法是对每张源图像进行多分辨率分解，然后对其进行重新组合，最后通过一个逆多分辨率转换，重构融合的图像。这种方法的例子有拉普拉斯金字塔融合算法[5]，梯度金字塔[6]，低通比率金字塔[7]，形态学金字塔[8]以及小波变换[4,9,10]。我们提出了基于平均对比频率的图像融合方法，这种方法计算简单，

5、可以应用于实时程序。图像融合：图像融合的主要目的是尽可能接收更多的清晰的图像，在图像捕获过程要考虑不同天气状况、车辆移动和噪声影响。图像融合算法包括以下步骤：1.从源图像中创建灰度值为的的图像模板。这种模板由水平和垂直方向的两张图像转换而成。2.计算模板每个位置的平均对比频率值。是模板第m行n列像素对应的颜色值；M，N代表模板的大小。模板频率是为这两幅模糊图像而计算的。3.通过阈值过程为变清晰了的图像创建每一个像素：是位于模板中心的像素，这模板是之前通过源图像融合获得的。为了研究该方法，我们通过使图像分别在逆时针方向以75°和90°方向上做像素为8的直线运动

6、，使得图像的不同部分进行人为的模糊处理（图1a和图1b）。而这像素的图像模板也被用于图像融合过程。a)b)c)图1模糊的图像（a和b），通过图像融合技术得到的结果（c）阈值转换法：通过定位那些已经拥有汽车牌照的位置，图片里呈现的不同对象就会被建立和标记。那些与这些车牌字符有相似几何特征的将会被选择。我们假定如果被选中的对象的相对位置与汽车牌照相符合，那么可以确定位置找好了。在一个灰度图像中，阈值转换会为阈值T小于等于0和大于1的设定每一个灰度级别[5]。结果是一幅黑白图像，0代表黑色，1代表白色如图2所示。通过数码相机获得的图像被转化成了黑白二值图像，图像中

7、颜色低于阈值的部分被设为黑色，而高于阈值的部分都设为白色。阈值水平T主要取决于照明条件和源图像明亮的区域。考虑到一些过路收费亭检查点的人工生成的灯光，我们只能实验性地挑选出那些被选择的值。图2阈值的二值图像3.车牌识别最困难的任务就是找到车牌，,因为它可能在图片上的任何一个位置上。而如果不同牌照的图像光照度不一样的话，将会使得这项任务变得更加有难度。在车牌识别[1,2,3]方面已经有过许多的研究。其中有一个研究运用霍夫变换（HT）来分析图像。霍夫变换是一种用来检测二值图像线路的一种方法。通过这种技术，我们有可能以积聚的网格的形式生成线路表。然后对这些网格进行

8、分析，并将列表的水平和垂直的线段进行组合，作为矩形区