复杂背景下彩色图像车牌提取与字符分割技术

合集下载

车牌识别系统中的字符分割技术研究

标准车牌是由指定国家机关按规定制作的，其特征固定，先验知识明确。充分利用先验知识有助于单一字符精确切分。除军车、警车、教练车、领使馆车外，标准车牌格式是 X1X2·X3X4X5X6X7，共有七个字符和一个点符号。其中第一个字符 X1 是各省、市、军区和自治区的简称，一般是汉字；第二个字符 X2 是大写的英文字母；接着是一个点·；第三、四位字符 X3 和 X4 可能是大写英文字母，也可能是阿拉伯数字；目前，第五到七位 X6 和 X7 均为阿拉伯数字。另外，标准车牌长度为 450mm，字符总长度为 409mm，其中单个字符宽度为 45mm，高度为 90mm，第二和第三字符间间距为 34mm，其中中间小圆点宽度为 1Omm，与第二和第三字符间间距均为 12mm，其余字符间间距为 12mm；字符“1”的宽度约为 13.5mm，与其它字符间间距约为 22.5mm，连续两个字符“1”间间距约为 38.5mm，第三字符为字符“1”时，与第二字符间间距约为 44.5mm。 2.2.3 基于先验知识的垂直投影字符分割算法在预处理后的车牌区域上，充分结合车牌的先验知识，再利用垂直投影算法对车牌区域进行单字符分割，可以获得较好的分割效果。其算法可按下面步骤实现： 1) 利用 Hough 变换求取字符水平分割线； 2) 对车牌区域进行字符垂直投影，寻找字符垂直投影的谷底，将谷底位置作为候选垂直分割线的位置； 3) 根据水平分割线和候选垂直分割线提供的位置信息，并利用车牌尺寸的先验知识，估算整个车牌的宽度和每个字符的宽度； 4) 估算出车牌尺寸以后，利用车牌尺寸的先验知识，再估算出前两个字符和后面 5 个字符之间的大间隔的位置，然后根据垂直投影以及方差信息，在估算出的位置附近搜索，确定大间隔的左右边界； 5) 根据 4)中确定的大间隔的位置，并利用先验知识估算出垂直分割线的位置，然后再在估算出的位置附近，根据垂直投影以及方差信息，从候选垂直分割线中确定最终垂直分割线。确定垂直分割线时，需要通过强化先验知识的约束来准确定位。

复杂背景下的车牌定位和字符分割研究

文章编号：０ｏ３２（０）＿ｌ＿３文献标ｌ０＿４８０７４＿９＿２００＆０识码：Ａ
中图分类号：Ｐ９Ｔ３
复杂背景下的车牌定位和字符分割研究
周开军，陈三宝，徐江陵
（武汉理工大学自动化学院，武汉４０６）３０３
接
要：提出了一种综合边缘检测、投影特征的车牌定位方法和基于垂直投影及模板匹配的字符分割方法，提取车牌灰度图像边缘，实验
ＲｅｅｒｈｏｈｃｅＬｉｅｓａｅＬｏａｉｎａｄＣｈｒｃｅｓａｃｆＶｅｉｌｃｎｅＰｌｔｃｔｏｎａａｔｒＳｇｅｔｔｏｄｒＣｏｐｅｃｎｓｅｍｎａｉｎＵｎｅｍｌｘＳｅｅ
［ｙｗｏｄｌＬｃｔｎＣａａｔｒｅｍｅｔｔｎＥｇｅｃｉｎＬｒｎａｉｎｃｒｅｔｎＫｅｒｓＰｌａｉ；ｈｃｃｉｏｏｒｓｏｄｅｏｉｏｏ
车牌照自动识别技术是智能交通系统（Ｓ中的重要研Ｉ）Ｔ
ＺＨＯＵＫａｕ，ＨＥａｂｏＸＵＪａｇｉｇｉｎＣＮＳｎａ，ｉｎｌｊｎ
（ｃｏｌｆｔｍａｏ，ｈｎＵｎｖｒｉｆｅｈｏｏｙＷｕａ３０３ＳｈｏｏｔｎＷｕａｉｅｓｙｏｃｎｌｇ，ｈｎ４０６）ｏＡｕｉｔＴ
ｔａｓｏｍ．ＴｅｈｒｃｅｓｓｇｒｎｆｒｈｃａａｔｒｉｅｍｅｔｄｂｎｅｙＬＰｅｍｅｔｔｌｏｔｓｇｎａｉａｇｒｈｍ，ａｄｓｍｅｐｏｌｍｓｒｅｓｌｅｆｅｔｖｌｎｅｏｏｎｉｎｏｒｂｅａｏｖｄｅｆｃｉｅｙｕｄｒｃｍｐｅｓｅｅ．Ｔｌｘｃｎｓｏｄｍｏｓｒｔｆｅｔｅｅｓｏｆｔｅｐｏｏｅｌｏｔｅｎｔａｅｔｅｆｃｉｎｓｒｐｓｄａｇｒｈｍ，ｔｃｎｕｔｘｅｓｖｘｅｉｎｓｏｅａｇｕｈｅｖｈｉｉｏｄｃｓｅｔｎｉｅｅｐｒｍｅｔｖｒａｌｅｎｍｂｒｏｅｌｗｏｌｅｃｅｌｃｎｅｐａｅ．ｒｅｆａ— ｒｄｖｈｉｌｉｅｓｌｔｓｒＩｅｏｔａｅｐｏｏｅｌｏｔｔｐｒｓｔｔｒｐｓｄａｇｒｈｍｓｈｖｉｈａｃａｙａｄｒｂｓｎｓ，ｒｈｔｈｉａｅｈｇｃｕｒｃｎｏｕｔｅｓ

汽车牌照定位与字符分割的研究及实现

1.2.1 车牌定位技术研究现状及发展趋势
车牌定位技术是 LPR 系统研究的重点和难点。采集车辆图像过程中一般都有
1
汽车牌照定位与字符分割的研究及实现
各种背景干扰，能够正确分割字符的前提是从图像中准确地分割出牌照区域，这也是 LPR 系统能否在实际中应用的基础。目前的车牌定位算法中，主要是分析车牌所共有的部分特征，根据这些特征来确定车牌区域的位置。车牌几何形状特征及相应的分析方法主要有[2-8]： (1)灰度变化特征：水平/垂直扫描时，牌照区域的像素灰度值按照一定的规律进行波动；(2)颜色特征：原始车牌区域内部颜色和外部颜色差异的特征；(3) 投影特征：对车辆图像的水平/垂直扫描后其投影直方图中，牌照所对应的区域具有一定规律的峰谷分布；(4)边缘特征：牌照区域有许多的边缘信息，使用相应的算子将边缘信息提取出后，再通过边缘投影直方图来确定边缘的信息；(5)几何特征：主要有车牌的长度、宽度以及长宽比例在一定的范围之内,或者可以通过牌照的面积在一定的范围之内。利用以上这些特征均可以确定车牌的位置。目前，车辆牌照的定位方法有基于彩色图像牌照区域字符和背景的颜色差异特征进行定位，也有基于灰度图像牌照区域字符几何纹理特征进行定位，还有其它结合了牌照区的颜色差异和字符纹理两种特征的方法定位，另外还有的是基于数学形态学、神经网络、遗传算法、灰度聚类等牌照定位方法[9]。
作者签名：导师签名：
日期：日期：
年年
月月
日日
中南民族大学硕士学位论文
第1章
1.1 问题的提出
绪论
车牌识别技术(License Plate Recognition， LPR )是智能交通管理系统的重要组成部分，主要用于识别车牌号码。 LPR 技术在实际生活中主要应用于高速公路实现无人收费功能、道路行车的流量监控、交通违规车辆的监控等。特别是在各种场合实现无人收费功能的系统中，为了提高车辆的运行效率， LPR 技术将代替人工的管理方式实现无人自动管理的功能，因此,对 LPR 技术的研究和系统的开发具有重要的现实意义和和实用价值。车牌定位、字符分割、字符识别是 LPR 系统的三大关键技术。同时也是车牌本身的几何形状特征与图像处理技术[1]的很好结合，车牌定位与字符分割在 LPR 系统中用到的数学知识主要有数学形态学、神经网络、小波分析等。对车牌定位与字符分割的研究主要包括：图像预处理、车牌定位、车牌倾斜校正、车牌字符分割及字符分割结果输出等。如图 1.1 所示为系统的流程框图：

复杂背景下车牌字符的分割与识别

处理，广东肇庆，２００５６２
［中图分类号］６．０Ｕ４３．１７
［文献标识码］Ａ
［文章编号］０７７２（０８０－０３００１０－７３２０）５０７－０３
一
、
引言
未全连通，因此可从右向左分析区间［ｄ／１ｔＷｉｈ
复杂背景下车牌字符的分割与识别
查东辉
［要］复杂背景下车牌字符的分割包括：摘预处理，确定车牌字符排列格式；类分析字符分割，聚即通过计算字符宽
度、合并相邻数域等步骤处理车牌字符；字符识别部分提出采用主量分析方法对字符进行特征提取，并用粗集理论对特征
分割算法。对于车牌字符识别，目前主要采用模板
．
七＞．ｎ￣，则从该区域中先分出ｊ０＊ｅ６ｈ
５ｎｅｈｇｏｒｉｔｎｅ匹配与神经网络两大方法，前者受外界光照、字符０＂ｈｉｔ宽的区域，最后调整ｃｏｄａ数组中清晰度等变化使识别率低，而后者由于输入信息的值，计算ｃａ［，ｈｇｐｋ重复第二步直到宽度和密度ｒａ］空间维数过大使得网络结构复杂且训练时间长。特征符合要求。在本文中，主量分析（Ｃ）采用ＰＡ方法进行特征抽取，第三步：若得到的区域数为５则结束，，否则转提出采用粗集（ＳＲ）方法对信息进行预处理，并根据第四步。约简后的特征作为网络输入，构成整个识别网络，第四步：判断最右边的字符是否与右边框接提高识别率和速度。触。去掉中的最大与最小值，分别计算ｃａｗｄｈｒｉｈｔｃａ印】平均值ａｇｉｈ和ｈｒｇ的ｖｗｄｔ二、字符分割ａｇａｖｇｐ若ｎｉｈｃｏｄａ［］ｖｗｄ＋ｖｇｐｗｄ — ｏｒｎｔ０＞ａｇｉｈａｇａｔｉｅｔ对预处理的车牌二值图像作水平投影和垂直ｏｒｉｅ中的下标值加２，ｎｔ而其值不变，投影，统计行列黑像素点数目，得行序列ｒ［和列则将ｃｏｄａｏｉｗ］同时将 ∞ 船［置为一ｖａ，ｏｄａ［１］ａｇｃｒｎｔＯｇｐｏｉｅ】序列ｃｌ］ｏ，￣分析投影图波谷值得车牌字符粗略宽

一种利用颜色信息的车牌字符分割新算法

A CHARACTER SEGMENTATION ALGORITHM OF COLOR VEHICLE LICENSE PLATE USING COLOR INFORMATION
Liu Yi Chen Xueguan Jiang Zhihua
（ Department of Electronic Engineering and Information Science， Uniuersity of Science and Technology of China， Hefei Anhui 230027 ， China）
图l
系统大致框图
各部分功能如下：（ l ）图像捕捉（ 2 ）车牌定位位置；（ 3 ）字符分割在车牌图像上，将字符从背景中提取出来；对动态采集到的图像进行滤波、边界增强在动态采集到的图像中，自动找到车牌的等处理，以克服图像干扰，改善识别效果；
收稿日期： 2004 - 06 - l9 。刘奕，硕士生，主研领域：图像处理和模式识别。
这对整个系统的识别速度和稳定性提出了很高的要求系统大致框图如图1所示系统大致框图各部分功能如下图像捕捉对动态采集到的图像进行滤波边界增强等处理以克服图像干扰改善识别效果车牌定位在动态采集到的图像中自动找到车牌的字符分割在车牌图像上将字符从背景中提取出来图像处理和模式识别字符识别在每个字符图像中识别出字符文字我们通过对识别错误的图像进行研究发现大部分错误是发生在字符分割部分由于分割不理想造成字符难以辨认别是部分汉字字符的分割效果较差可参见图面的识别带来了很大困难
（8）（9）（ l0 ）
x imin 分别为 x i 的上下界。#（，（ xi ），式中 x imax ， #m #（ l xi ） h xi ）分别为 x i 对应于 m l ， mm ， m h 时 # 的取值， c（ x ）， c （ x ）， c （ l i m i h xi ）分别为 x i 对应于 m l ， mm ， m h 时 c 的值。按以上方法选取 # 和 c，可保证对任一待模糊化 x i ，其三种情况 m l ， mm ， m h 的隶属度总有一种大于 0. 5 。（ 3 ）BP 隐含层隐含层个数：神经网络的许多特性正是由于隐层的存在才具备。然而，具体取多少隐层合适却没有确定的规律可循，不同的应用对象，与其相适应的网络结构差别很大。对于本文采用的 S 型特性函数，一个隐层就能以任意精度逼近任何连续函数，实现任意分类问题，所以本文选取隐含层数为 l 。隐含层神经元个数：当用神经网络实现映射时，确定隐含层

车牌识别中的图像分割优化

车牌识别中的图像分割优化车牌识别中的图像分割优化随着交通管理的日益严格和智能化技术的不断进步，车牌识别系统在城市交通管理、停车场管理以及安全监控等领域发挥着重要作用。

而车牌识别系统的核心技术之一就是图像分割。

图像分割即将图像中的车牌区域从背景中区分出来，为后续的字符识别提供准确的输入。

因此，如何优化车牌识别中的图像分割成为了一个关键问题。

在过去的车牌识别系统中，常常采用的是基于颜色信息的图像分割方法。

这种方法通过提取车牌区域的颜色特征，如蓝色、黄色等，来区分车牌和背景区域。

然而，由于车牌的颜色与环境光照条件的变化、车牌的污损以及车牌上的装饰等因素，使得基于颜色信息的图像分割方法在实际应用中存在一定的局限性。

为了解决这个问题，研究人员提出了基于形状信息的图像分割方法。

这种方法通过将车牌区域与背景区域的形状特征进行对比，来实现图像的分割。

例如，车牌通常具有长方形的形状，而背景区域则呈现不规则的形状。

因此，通过检测图像中的边缘信息和轮廓信息，可以有效地识别出车牌区域。

然而，由于车牌的形状和背景的复杂性，基于形状信息的图像分割方法仍然存在一定的挑战。

近年来，随着深度学习技术的快速发展，研究人员开始将其应用于车牌识别中的图像分割优化。

深度学习通过构建多层神经网络模型，可以自动地学习图像中的特征表示。

研究人员通过使用大量的车牌图像数据集，训练深度神经网络模型，以达到更准确的图像分割效果。

这种方法不仅提高了车牌识别系统的准确性，还能够适应各种不同环境下的图像分割需求。

除了深度学习技术，研究人员还在图像分割优化中尝试了其他的方法。

例如，基于分水岭算法的图像分割方法可以将图像中的不同区域进行分割，从而实现车牌的准确定位。

此外，基于边缘检测和区域生长的图像分割方法也能够有效地提高车牌识别系统的性能。

综上所述，车牌识别中的图像分割优化是一个非常重要的问题。

通过采用基于形状信息、深度学习技术、分水岭算法以及边缘检测等方法，可以提高车牌识别系统的准确性和鲁棒性。

复杂背景下车牌定位算法研究

１引言
在车牌识别系统中，车牌定位是字符分割和识别的先决条件，其定位精度关系到系统的整体性能。现实生活中，车辆的背景一般较为复杂，同时车牌图像受天气状况和拍摄条件等影响，所以复杂背景下车牌精确定位一直制约着车牌识别系统的发展。近年来，车牌识别系统中的车牌定位方法得到了研究者的广泛关注，贺强【】等人提出的基于边缘检测的算法，在背景简单的条件下，定位率较高，但在复杂背景下，仅利用边缘信息，背景区域的复杂纹理特征会造成很高的误识率，无法实现精确定位。基于颜色特征的车牌定位算法ｆ２也得到了广泛应用，但是该算法容易受到外界光线、图像质量等因素影响。综上所述。传统车牌定位方法都难于同时解决鲁棒性、定位精度和实时性这３个问题。为此，本文提出一种复杂背景下基于边缘检测和多特征提取的车牌快速定位算法。运用Ｃａｎｎｙ算子将预处理后的车牌图像进行边缘检测，随后对车牌边缘图像进行形态学操作，提取出车牌候选区域，最后利用车牌自身的特征实现车牌精确定位，去除伪车牌区域。所提算法对于噪声、光照具有较好的鲁棒性，并且排除了与车牌区域具有相似宽高比的伪区域的干扰，实现复杂背景下的精确定位。
＿。＿。。。。。。。。。。。。。＿。。。。。。。。。。。。。●。●。●。。。。。。。。。。。●●。＿。＿。●。— —
Ｉ
【

车辆图像中的车牌定位与字符分割方法

图 $+
基于灰度方差的二值化
)*!+ $+ ,-.#/%012. %0-*034. 506.7 5*30-*809*:3
$ ! %+
连通域分析提取候选区域通过在二值图像上搜索连通域，并根据连通域的
形状特征和近邻连接强度筛选、合并连通域来提取所有可能包含车牌的候选区域。先使用四方向搜索的递归算法获取二值图像上的所有连通域。再根据形状特征对连通域进行筛选，将宽度、高度、宽高比、连通域和外接矩形面积比不符合车牌或文字特征的连通域剔除。对于符合条件的连通域，将宽度较大、宽高比较高的判断为 “ 车牌连通域” ，表示可能包含车牌或车牌的大部分；将宽度较小，宽高比较低的判断为 “ 字符连通域” ，表示可能是（ 5）所示。车牌的一个或两个字符，如图 %
!"#$%&$’()*+$ ),#*+",% *%- #.*/*#+$/ &$01$%+*+",% "% #,1()$2 3$."#)$ "1*0$&’
CD4* E6,@F0,5，G+*H I6/’@J6,5
（ G0F/.KL0,K ’- 4(0MK.’,6M 4,56,00.6,5，;36,5NO/ P,6Q0.36KR，S06T6,5 "$$$:% ，CN6,/）
首先采用定位速度快漏检率低的基于水平灰度变化特征的方对输入图像进行二值化将车牌与背景分离再通过连通域分析提取若干车牌候选区域然后利用边缘和颜色特征定位准确的特点对候选区域进行边缘检测和颜色分析精确定位车牌边界最后分析每个候选区域的形状和颜色分布特征在保留车牌区域的基础上尽可能地剔除伪车牌区

复杂环境下基于ROI的车牌提取算法

ａｃｈｉｅｖｅｄｇｏｏｄｅｘｐｅｉｍｅｒｎｔａｌｒｅｓｕｌｔｓ．
Ｋｅｙｗｏｒｄｓ：ＲＯＩｅｘｔｒａｃｔｉｏｎ；ｌｉｃｅｎｓｅｐｌａｔｅｅｘｒｔａｃｔｉｏｎ；ｃｏｍｐｌｅｘｅｎｖｉｒｏｎｍｅｎｔ；ｃｏｌｏｒｆｅａｔｕｒｅ；ｔｅｍｐｌａｔｅｍａｔｃｈｉｎｇ
ｉｍａｇｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙｉｍｐｒｏｖｅｄｔｈｅｅｉｃｆｉｅｎｃｙｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇａｎｄａｎａｌｙｓｉｓ，ｈａｓ
关键词：ＲＯＩ提取；车牌提取；复杂环境ｄｌｉｃｅｎｓｅｐｌａｔｅｅｘｔｒａｃｔｉｏｎａｌｇｏｒｉｔｈｍｕｎｄｅｒ
ｃｏｍｐｌｅｘｅｎｖｉｒｏｎｍｅｎｔ
Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅｇｉｏｎｏｆｉｎｔｅｒｅｓｔ（ＲＯＩ）ｉｓｔｈｅａｒｅａｔｈａｔｂｅｓｔｅｍｂｏｄｉｅｓｈｔｅｉｍａｇｅｃｏｎｔｅｎｔ，ＲＯＩ — ｂａｓｅｄ
（上海理工大学机械工程学院，上海２０００９３）
摘
要：感兴趣区域（ＲＯＩ）是最能体现图像内容的区域，基于ＲＯＩ的图像特征提取技术有效提

汽车车牌图像区域分割与字符提取

-.--数字图像处理课程设计报告课设题目：汽车车牌图像的区域分割与字符提取学院：信息工程学院专业：通信工程班级：姓名：学号：指导教师：-.-- 目录一. 课程设计任务 ..................................................................... 错误！未定义书签。

二. 课程设计原理及设计方案 (1)三. 课程设计的步骤和结果 (6)四. 课程设计总结 (16)五. 设计体会 (16)六. 参考文献 (17)一．课程设计任务在交通管理过程中，通常采用视频监控方式对闯红灯和超速等违章车辆进行监督。

对违章车辆，需要自动检测车牌信息，提取车牌号码，以便查找车主信息和监督管理。

国内常用的一般车牌通常是是蓝底白字，长宽比3:1。

1、对车牌图像进行预处理，然后进行车牌定位；2、进行字符分割；2、对车牌中的数字、字母和汉字进行提取和识别；3、要求自行设计方案、编写代码实现上述功能，并设计车牌识别的软件界面。

二．课程设计原理及设计方案1.系统简述一个完整的车牌识别系统闭应包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。

当车辆到达触发图像采集单元时，系统采集当前的视频图像。

车辆识别单元对图像进行处理，定位出牌照位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。

车牌识别系统原理如图l所示。

图1 车牌识别系统原理图（1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。

（2）车牌定位：从预处理后的汽车图像中分割出车牌图像。

即在一幅车辆图像中找到车牌所在的位置。

（3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像（4）字符识别：对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。

为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。

车辆图像中的车牌定位与字符分割方法解析

复杂车辆图像中的车牌定位与字符分割方法作者：作者单位：刊名：英文刊名：年，卷(期：被引用次数：陈寅鹏，丁晓青清华大学,电子工程系,北京,100084 红外与激光工程 INFRARED AND LASER ENGINEERING 2004，33(1 38次参考文献(6条 1.Kamat V.Ganesan S An efficient implementation of the Hough transform for detecting vehicle license plates using DSP'S 1995 2.Paolo Comelli.Paolo Ferragina.Mario Notturno Granieri Optical recognition of motor vehicle license plates 1995(04 3.Yu Zhong.Kalle Karu Locating text in complex color images 1995(10 4.Sang Kyoon Kim.Dae Wook Kim.Hang Joon Kim A recognition of vehicle license plate using a genetic algorithm based segmentation 1996 5.Lee E R.Kim P K.Kim H J Automatic recognition of a car license plate using color image processing 1994 6.Li C.Ding X.Wu Y Automatic text location in natural scene images 2001 相似文献(10条 1.学位论文张宇车牌识别系统中车牌定位与字符分割方法的研究 2009 车牌识别系统是智能交通系统的重要组成部分，可用于公路电子收费、出入控制和交通监控等众多场合。

复杂背景下的车牌定位和字符分割研究

—198— 复杂背景下的车牌定位和字符分割研究周开军，陈三宝，徐江陵(武汉理工大学自动化学院，武汉 430063)摘要：提出了一种综合边缘检测、投影特征的车牌定位方法和基于垂直投影及模板匹配的字符分割方法，提取车牌灰度图像边缘，实验结果显示该算法检测边缘的速度快，车牌区域轮廓清晰，采用投影法确定车牌区域，用HOUGH 变换检测倾斜角度进而对倾斜的车牌进行矫正，通过字符分割算法对车牌字符进行切割，有效地解决了复杂环境的干扰、车牌尺寸变化等问题。

对不同背景下的光照车牌进行了大量实验，结果表明该算法能准确地进行车牌定位以及字符分割，具有较好的鲁棒性。

关键词：车牌定位；字符分割；边缘检测；车牌校正Research of Vehicle License Plate Location and CharacterSegmentation Under Complex ScenesZHOU Kaijun, CHEN Sanbao, XU Jiangling(School of Automation, Wuhan University of Technology, Wuhan 430063)【Abstract 】An edge detection-projection feature based algorithm to locate the LP and a vertical projection-template matching algorithm to segment the characters are proposed. The edges are detected in a gray-level vehicle image, the result of experiment shows that the speed of detecting license plate is high and the obtained contour is very legible. The LP region is located by projection method, the tilt angle of LP is corrected by Hough transform. The character is segmented by LP segmentation algorithm, and some problems are solved effectively under complex scenes. To demonstrate the effectiveness of the proposed algorithm, it conducts extensive experiments over a large number of real-world vehicle license plates.It reports that the proposed algorithms have high accuracy and robustness.【Key words 】LP location; Character segmentation; Edge detection; LP orientation correction计算机工程Computer Engineering 第33卷第4期Vol.33 No.4 2007年2月February 2007·人工智能及识别技术·文章编号：1000—3428(2007)04—0198—03文献标识码：A中图分类号：TP39车牌照自动识别技术是智能交通系统(ITS)中的重要研究课题，在停车场和高速公路收费管理中有着广泛的应用。

本文应用图像处理技术、车牌定位技术、车牌分割技术、字符

车牌识别本文应用图像处理技术、车牌定位技术、车牌分割技术、字符特征提取方法、神经网络识别技术等来解决车辆牌照识别问题，首先将图像进行灰度化、灰度拉伸、中值滤波的预处理方法，很好地消除了图像的噪音，强化了纵向纹理区；通过对车牌特征和定位技术的深入研究，提出了基于水平扫描和垂直投影法的车牌定位方法，能够很准确地搜索到车牌区域；基于车辆牌照的一些结构特点及先验知识，完成了基于投影直方图的车牌字符分割域；最后对神经网络的构成以及相关的理论进行了讨论，着重分析了神经网络的理论原理和在字符识别中的应用方法。

例如车辆牌照中省份汉字的识别问题，1988年戴营等利用常见的图像处理技术方法提出汉字识别的分类是在抽取汉字特征的基础上进行的.根据汉字的投影直方图(Projection Histogram)，选取浮动阈值，抽取汉字在y方向的峰值，利用树形查表法进行汉字的粗分类；然后根据汉字在x方向的投影直方图，选取适当阈值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分类，完成汉字省名的自动识别.车牌字符识别系统的字量小，包括50多个汉字，24个大写英文字母，10个数字，总共仅80多个字符。

而且车牌的制作有国家统一的标准，字符的大小一致，字型统一。

相对于普通的字符识别，难度降低了。

但从实用的角度看，车辆牌照识别系统应该是一个全自动的、实时的系统，因此要求有较高的识别速度和正确率。

目前牌照自动识别技术尚未达到很完美的程度，但是在国外由于高速公路和收费停车场发展较早，己经成功地开发了一些类似的自动系统。

虽然，国外汽车牌照识别系统的研究工作有一定进展，但并不尽合我国国情，这主要是因为以下五个方面的原因:(1)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;(2)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、白等若干种颜色:(3)其他国家的汽车牌照格式(如汽车牌照的尺寸大小，牌照上的字符排列等)通常只有一种，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);(4)我国汽车牌照的规范悬挂位置不唯一:(5)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。

一种新的车牌字符分割方法

ｓｇｎｈｒｃｅｓｐｅｉｅｙａｄｉｐｒｏｍｓｅｃｌｎｌｎｔｅａｐｉａｉｎｅｍｅｔｃａａｔｒｒｃｓｌｎｔｅｆｒｘｅｌｔｉｈｐｌｃｔ．ｅｙｏ
ＫＥＹＷＯＲＤＳ：Ｎｏｓｌｍｉａｉｎｉｅｅｉｎｔｏ；Ｂｎｒｒｎｉｏ；Ｔｒｅ — ｌｖｌ— ｓｇｎａｉｎ；Ｃｎｅｔｄｃｍｐｎｎｓｉａｔａｓｔｎｈｅｙｉｅｅｅｍｅｔｔｏｏｎｃｅｏｏｅｔ
ＮｏｓｉｎｔｏｆＬｉｅｓａｅｉｅＥｌｍｉａｉｎｏｃｎｅＰｌｔ
ＷＵＨｏｇ — ｍｅ，ＨＥｉ— ｒｎ，Ｕａ — ｌａｇｎｉＣＮＪｏｇＬＸｉｏｉｎ
（ｉｅｓｙｏＳｉｎｅａｄＴｃｎｌｇｆｈｎ，ｆｉｎｕ２０２ＣｉａＵｎｖｒｔｆｃｅｃｎｅｈｏｏｙｏｉａＨｅｅＡｈｉ３０７，ｈｎ）ｉＣ
足，同时能去除字符内部的浮动噪声。为该算法包含三个因
于ＩＳＴ的发展有着举足轻重的影响。识别系统包括车牌车牌定位、字符分割和字符识别三大部分。由于目前字符识别算法均是针对单独字符进行识别的，因此在准确地定位车牌后，字符分割的好坏对字符识别起着至关重要的作用。
ＡＢＳＴＲＡＣＴ：ａａｔｒｓｇｎａｉｎｐａｓａｇｅｔｒｌｎｔｅＬｃｎｅＰａｅＲｅｏｎｔｏｙｔｍ．ＴｒｄｔｎｌＣｈｒｃｅｅｍｅｔｔｌｙｒａｏｅｉｈｉｅｓｌｔｃｇｉｎｓｓｅｏｉａｉｉａｏ

matlab对彩色车牌字符切割代码

一、引言在计算机视觉和图像处理领域，对彩色车牌的字符进行切割是一个重要的问题。

在实际应用中，比如车牌识别系统中，准确地将车牌上的字符进行切割可以为后续的字符识别提供可靠的输入。

而MATLAB作为一种强大的科学计算软件，其丰富的图像处理工具和灵活的编程环境使得它成为了许多研究者和工程师处理图像问题的首选工具。

本文将介绍MATLAB对彩色车牌字符切割的代码实现方法。

二、彩色车牌图像预处理1. 车牌图像的读取在MATLAB中，可以使用imread函数读取彩色车牌图像，将其存储为一个三维的数组，分别表示红、绿、蓝三个通道的像素值。

2. 图像的灰度化对于彩色车牌图像，我们首先需要将其转换为灰度图像，可以使用rgb2gray函数来实现。

3. 图像的二值化我们可以对灰度图像进行二值化处理，将车牌字符部分变为白色，背景部分变为黑色。

可以使用im2bw函数并调节合适的阈值来实现。

三、车牌字符的定位1. 边缘检测在得到车牌图像的二值图像之后，可以利用MATLAB提供的边缘检测函数，比如edge函数对图像进行边缘检测，以便后续的字符定位。

2. 车牌区域的定位利用边缘检测的结果，我们可以利用MATLAB提供的连通区域分析函数，比如bwconp函数来对车牌区域进行定位，并将其提取出来。

3. 车牌字符的切割在得到车牌区域之后，可以利用MATLAB提供的图像处理函数，比如imcrop函数来对车牌区域进行字符切割，得到单独的字符图像。

四、代码实现以下是MATLAB对彩色车牌字符切割的代码实现：```读取彩色车牌图像I = imread('car_plate.jpg');将图像转换为灰度图像I_gray = rgb2gray(I);对灰度图像进行二值化处理I_bw = im2bw(I_gray, 0.5);对二值图像进行边缘检测I_edge = edge(I_bw, 'sobel');进行连通区域分析cc = bwconp(I_edge);对车牌区域进行切割plate_region = regionprops(cc, 'BoundingBox');for i = 1:cc.NumObjects切割字符区域character_image = imcrop(I_gray,plate_region(i).BoundingBox);保存字符图像imwrite(character_image, ['character' num2str(i) '.jpg']);end```五、实验结果经过以上步骤，我们可以得到彩色车牌字符切割的结果，得到单独的字符图像，为后续的字符识别提供了可靠的输入。

车辆图像的车牌字符分割方法设计与实现

车辆图像的车牌字符分割方法设计与实现Design and Implementation Method of Vehicle License Plate Character ImageSegmentation摘要随着社会的发展，车辆将越来越多,为了更好地管理车辆，智能交通系统将是发展的方向,而车牌自动识别系统是智能交通系统中一个重要的环节，它主要包括三个关键技术：车牌定位、车牌字符分割以及车牌字符识别。

本文针对车牌自动识别系统中关键技术之一的车牌字符分割部分做了深入的研究。

首先，本文对车牌字符分割前的预处理进行了较深入研究，尤其是车牌图像二值化后的去噪处理，包括开闭运算、去除边缘、去除圆点等.其次，在字符分割算法中,给出两种分割算法，一种是固定边界法，另一种是垂直投影法，并对车牌字符进行了分割。

然后,在分析了这两种方法的优缺点后，将这两种方法相结合进而得到改进的投影法，实验表明，就算是在除噪后仍然有少量噪声的车牌进行分割时，该方法也可以得到很好的字符分割效果。

关键词:字符分割;二值化；投影法AbstractThere will be more and more cars with the development of society. Intelligent Transport System will be the direction of development。

System of License Plate Automatic Recognition is an important part of the Intelligent Transport System。

It is contain of three key technologies: the location of license plate，the division of license plate character and the recognition of license plate character。