车牌识别研究背景

车牌识别研究背景（精选7篇）

1.车牌识别研究背景 篇一

车牌自动识别系统是智能交通管理系统的关键技术, 其潜在市场应用价值极大, 能产生巨大的社会效益和经济效益。主要应用如下。

一、电子收费系统中的应用

电子收费是未来公路、桥梁、停车场收费系统的基础应用系统, 将承担巨大的公路和桥梁建设费用的回收工作。采用电子收费系统, 不仅可以有效进行规范化管理, 提高公路及桥梁的流通速度, 而且从根本上杜绝了产生经济漏洞的可能性。车牌识别技术可以有效地缓解由于车辆激增造成的收费站拥堵的现象。

二、在观测站的应用

国内现有的观察站基本依靠人工观测, 劳动强度大, 无法及时判断车辆状态。车牌识别系统能够灵活识别被监控车辆, 获取更多的现场信息, 更好地为交通部门服务。

三、在安防领域的应用

随着汽车数量急剧上升, 利用汽车犯罪和盗车案件也明显增多, 车牌识别系统可以随时识别可疑车辆信息, 大大提高案件侦破率。在政府机关、军队、机场和港口等部门等场所配置该技术, 可以随时监控和记录车辆出入情况, 对安全高效的现代化管理具有重要意义。

四、交通领域应用

交通监测点设置于城市的交通要塞位置, 可全天候、自动、不间断、无遗漏地记录所有进出市区的车辆, 自动识别车牌号码。车辆信息存入指挥中心数据库, 随时可供查询, 同时与“黑名单”库进行比对, 一旦“黑名单”车辆通过, 系统立即报警。利用该系统, 公安机关可以快速地锁定车辆行踪。由于系统具备测量、记录车辆行驶速度的功能, 还可以用于处罚超速违法行为。

由此可以看出车牌自动识别系统在城市交通管理中的作用非常重要, 另一方面车牌自动识别系统所应用的场所具有信息位置分散性、发散性和信息承载多样性等特点。信息分散性是指交通路口、卡口分布在城市的各个位置, 在地域上所采集信息具有分散性。信息发散性是指由于不同时间段通过交通路口或卡口的车辆数量、车辆类型、各种车辆之间的位置关系不同, 采集的信息具有分时发散性。信息承载多样性是指通过摄像机采集交通路口或卡口的信息包含了车辆类型、车辆本身大小、颜色等性质、车辆是否违反交通法规等多种信息。

车牌自动识别系统在发展初期, 主要采用将系统模块放在后端即服务器端, 前端设备只作信息采集这种方式对服务器的资源占用及运行带来了压力, 而且前端设备安装位置固定。这就大大降低了车牌识别系统灵活性和使用范围, 因此目前业界多倾向于将各类采集环节的识别与应用功能放在前端。随着智能手机不断发展, 3G网络技术的日趋完善, Java ME技术不断更新都为手机作为ITS的前端信息采集与分析提供了可能。

我们从智能手机的硬件结构入手, 分析硬件组成结构与硬件性能, 讨论以手机作为平台, 实现车牌识别的可能。典型智能手机硬件结构如图1所示。

主处理器运行操作系统, 负责协调整个手机系统的资源。我们以车牌图像识别为例分析典型手机操作系统工作过程。首先我们使用摄像头采集车辆图像, 摄像机控制器通过与主处理器之间的串行总线将图像送入SDRAM随机存储器, 手机处理器调取车牌识别应用程序对图像进行处理, 处理得到的车牌文本信息显示在手机屏幕LCD上。目前智能手机硬件发展较快, 处理器采用双核1.2G, SDRAM同步动态随机存储器1G, 摄像头一般为500万像素, 智能手机在工作过程、数据处理、硬件配置等方面与微型计算机已经非常的接近, 使用手机实现车牌识别在硬件上有了充分保证。

软件开发方面JavaME是基于智能手机最理想的开发平台, 它具有以下几个特点:

安全性:Java舍弃了C++的指针对存储器地址的直接操作, 当程序运行时, 内存由操作系统分配, 这样可以避免病毒通过指针入侵系统。JavaME可以开发出从网络上下载的无线应用程序和网络中其他设备交互应用, 在传输一些重要的信息时, MIDP2.0提供的无线包可以很好解决安全性的问题。

面向对象:JavaME使用Java语言进行开发, 而Java吸取了C++面向对象的概念, 将数据封装于类中, 利用类的优点实现了程序的简洁性和便于维护性。

图形图像界面和多媒体功能:JavaME提供了丰富的用户界面和事件处理功能, 同时提供了良好的游戏, 视频以及音效开发类。

在数字图形处理技术方面, 经典数字图像处理技术已经成熟, 我们可以使用经典数字图像处理技术对图片进行图像变换、图像预处理、边缘检测、形态学处理、车牌矫正与定位、字符分割与识别算法分析, 利用MAT-LAB图像处理工具箱, 对车牌识别算法进行仿真。在此基础上, 使用Java ME技术和E-clipse开发工具, 参照算法思想, 编写灰度处理、图像均衡、垂直边缘检测、二值化、图像膨胀、车牌定位、字符分割、字符识别等类, 可以实现基于手机平台的车辆牌照自动识别应用程序, 从而实现车牌识别系统的可移动性。

2.车牌识别研究背景 篇二

摘 要：本文以车牌识别系统定位后的车牌字符识别算法为研究对象，分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法，將车牌字符进行分割处理，诠释字符识别算法在车牌识别系统中的应用。

关键词：车牌识别；字符识别算法；字符分割；字符识别

中图分类号：TP391.4

车牌识别系统是根据车牌特征进行信息采集的一种自动化应用系统，在车牌识别系统识别车牌过程中需要经历图像采集、预处理、二值化、车牌定位、字符定位、字符分割和字符识别等过程，本文对车牌识别系统定位后的字符识别算法在车牌识别系统中的应用进行研究，论述车牌识别系统字符识别模块车牌字符预处理和字符特征提取。

1 车牌识别系统概述

1.1 车牌特征。目前我国所采用的车辆车牌编排规则主要是以省份简称汉字为开头，后面接省市代表字母如：A代表省会城市，B代表第二大城市，C代表第三大城市等等，再接分割符，最后5个以数字或者字母组成字符序列组成车牌（特种车辆除外）。

车牌标准尺寸长440mm，宽140mm，单个字符宽度45mm，单个字符高90mm，第二个与第三个字符间距34mm，其他相邻字符间距12mm。车牌颜色大型车辆为黄底黑字，小型车辆为蓝底白字，使馆车辆黑底白字，军警车辆白底黑字。车牌其他特征如图1所示：

1.2 车牌识别系统工作流程。车牌识别系统工作流程是首先，采用车辆图像采集设备对车牌信息进行图像采集，形成车牌图片；其次，将采集到的图像传输到车牌识别系统进行进行分析辨认，将识别结果存入车辆管理数据库中。

1.3 车牌识别系统模块功能。车牌识别系统主要由三大系统模块组成，包括：车辆车牌图像采集模块、车牌识别模块和数据管理模块。其中车牌识别模块是对车辆信息进行确认的主要核心，其将车牌图像采集模块所采集到的车牌图片进行预处理，再将车牌字符进行分割，对车牌字符特征进行提取、训练、识别，输出识别结果。

2 车牌字符识别算法

2.1 基于模板匹配和神经网络的字符识别。基于模板匹配的字符识别算法是首先建立车牌字符标准模板库，将所采集到的字符图像于模板库进行图像比较，计算并识别相似度，进而确认字符信息。基于模板匹配的字符识别算法具有原理简单，运算速度快的特点，但是由于其对复杂字符识和相似字符识别能力较弱。

基于神经网络的字符识别算法采用BP神经网络、Hopfield神经网络、Kohonen神经网络等通过层级处理传递到输出层的各个神经元，当输出结果与期望结果不同时可再进行反向传播，将输入层、隐含层、输出层的权值进行不断调整直到将误差值降为最低，达到预想结果。基于神经网络的字符识别算法具较高的识别率和算法的鲁棒性，但是其复杂程度较高，分析计算耗时较多，对汉字识别难度较大。

由于基于模板匹配和基于神经网络的字符识别具有互补性，可采用将车牌字符进行分割将普通字符采用模板匹配算法进行快速处理，将相似度高的字符采用神经网络算法进行确认，由此，解决二者各自的不足问题。

2.2 车牌字符分割。车牌字符分割可采用多种方法，其中包括：根据车牌字符形态的几何特征进行分割、根据车牌投影像素点个数进行分割、根据字符颜色于背景颜色区域对比特征进行分割、根据车牌边缘特征确认字符边缘位置进行分割和根据字符像素连通性进行分割。

2.3 车牌字符识别。车牌字符识别可采用模板匹配的方法对待识别车牌与模板库集合进行相似度匹配，还可以采用字符特征进行特征提取，将特征库的信息与其匹配进行确认，或者采用神经网络模仿生物神经元结构利用神经网络权值调整构造出相应的分类曲面完成字符的确认。

3 字符识别算法在车牌识别系统中的应用

3.1 车牌预处理。为了更好的分割车牌图像对定位后的车牌图像进行灰度化、二值化、校正、滤波去噪、去边框等。

灰度化，彩色图像具有三个R、G、B三元色，存空间大传输速度慢，常用的图像灰度化处理方法主要包括平均值法、最大值法和加权平均法。平均值法是对图像中的像素点的基色求和再除3；最大值法是对图像像素点的三个基色取色值最大值，再用其替换原始值；加权平均法是对像素点的三个基色进行加权平均，权值可使三个基色达成统一。

二值化，二值化是将灰度图像进行阈值化分割，将图像处理为只包含黑白两种颜色的图像，如果像素点的灰度值大于阈值则用白色（255）替代，如果像素点灰度值小于阈值则用黑色（0）替代。阈值的确定可分为局部阈值和全部阈值，局部阈值是根据监测图像当前像素点局部区域相邻像素点的灰度变化确定阈值，全部阈值是根据整幅灰度图像像素点进行逐点阈值计算。

校正，所采集到的图像都不能保证字符在统一的平行线上，因此对图像的分割带来一定的困难，由此，可采用Hough变换将车牌字符的倾斜度进行校正，使其保持各字符在同一水平直线上。

滤波去噪，车牌识别系统图像采集模块所采集到的图像会受到、光照、雨水、雾霾等的影响使图像处理难度增大，首先，令一个3*3模板在图像上沿行或者列进行移动，再对模板所覆盖的区域像素灰度值进行排序，通过灰度值取中的方法替代模板内的图像灰度值，由此可将图像灰度值进行平均去除相对较亮或者较按的灰度，使图像黑白更加分明。

去边框，车牌识别系统所拍摄的车牌信息包含了不只车牌部分的图像，因此需要对车牌之外的图像进行去边框处理，首先确定车牌的连通区域，将不符合车牌的图像进行清除处理。

3.2 特征提取。车牌字符识别系统性能的准确性与提取车牌特征的高效性和鲁棒性有关，因此，在车牌特征提取中要根据车牌的特征信息将其划分为结构特征和统计特征进行提取。

结构特征是反映字符结构于细节的特征，可对图像的全局结构特征和局部结构细节特征进行分析，全局结构特征是采用Fourier、K-L、Gabor、Slle等变化分析法对图像结构进行分析，局部结构细节特征是对字符的笔画、凹凸度、拐点、交叉点、环等进行分析，进而确定图像字符的结构。

统计特征是对图像的各类特征进行统计，譬如对图像的投影特征、网格特征、轮廓特征、复杂度等进行特征数累加，进而能够确定字符值。

4 结束语

在车牌识别系统中，字符识别算法主要是车牌字符的分割于识别，在本文中，字符识别算法首先要对车牌图像进行灰度化、二值化、校正、滤波去噪和去边框，其次，对车牌特征进行信息提取，为提高字符的识别速度于准确度利用基于模板匹配算法和神经网络的字符识别算法相结合具有一定的可行性。

参考文献：

[1]王磊等.改进的模板匹配方法在车牌识别中的应用[J].计算机工程与应用.2013（05）.

[2]李康顺等.基于演化算法的图像二值化算法研究[J].计算机应用研究.2012（01）.

作者简介：刘静（1979.10-），女，天津河东人，讲师，硕士研究生，研究方向：通信、检测技术。

3.车牌识别研究背景 篇三

目录

一、软件摄像机配置.............................................错误！未定义书签。

1、摄像机配置.....................................................................2

2、软件配置环境...................................................................3

3、施工要求.......................................................................4

二、软件安装及基本设置....................................................5

1、安装步骤.......................................................................5

2、使用设置说明...................................................................6

3、基本设置.......................................................................6

4、功能简介.......................................................................9

5、已入场车牌修改................................................................10

6、车牌未识别，手动入/出场.......................................................12

7、出场模糊查询（临时车）........................................................13

车牌自动识别停车场管理系统

（3）在IE浏览器输入修改后的IP地址，会出现下面界面，输入默认用户名：ADMIN 密码：12345。

（4）配置参数见附件：【海康摄像机参数调整.rar】压缩包。

（5）镜头远近调节见附件：海康摄像机参数调整的白天效果图和夜间效果图（注：在图像中的车牌大小和效果图中车牌大小相近）

3、软件配置环境

数据库：SQL2000及以上版本； 操作系统：Windows XP sp3； Framework4.0Clent； 摄像机要求：

1、海康威视 DS-2CD4026FWD或者DS-2CD4024F；

2、百万高清变焦镜头或者海康威视（TV0550D）；

 补光灯要求： 常亮200W暖色补光灯；

 电脑配置要求：intel I3以上处理器、内存4GB。

   

车牌自动识别停车场管理系统

二、软件安装及基本设置

1、安装步骤

（1）安装SQL Server数据库；

（2）安装智能一卡通车牌识别系统软件（或者最新的智能一卡通管理系统）；（3）安装智能监控系统。

解压智能监控系统软件压缩包之后出现四个文件（如下图）：

说明： 如果本地系统没有安装Framework4.0Clent，请先安装件。首先安装然后可以安装下一个语言包

文件夹里2个文

安装完成之后会提示重启电脑，可以选择稍后手动重启，完成安装之后务必重启电脑。

重启电脑之后安装智能监控系统软件，双击

会出现所示界面（如下图）：

注意：安装路径必须和智能一卡通软件安装路径一致，否则智能监控系统无法正常运行。

车牌自动识别停车场管理系统

（3）输入出入口摄像头IP、端口号、设备类型（如下图）：

注：（这里的设备类型选择ZNYKT2才是海康威视的摄像机，输入相应的IP地址）。

（4）设置好之后重启软件，如果摄像头设备使用正常，此次进入智能监控会出现相应的视频画面。（5）点击“车场设置”按钮，进入车场设置界面（如下图）：

（6）勾选是否在线（如下图）：

（7）参数配置（如下图）：

车牌自动识别停车场管理系统

说明：A模式：设置对应最小车牌宽度、最大车牌宽度、读卡延时、车牌识别延时。（注意：一般情况下按照默认值设置）；B模式：按照需求设置需要识别的特殊车牌。

4、功能简介：

（1）车道配置（如下图）：

说明：

1、读卡或识别开闸：有车辆进出停车场时,识别出车牌后将会自动开闸；

2、读卡加识别开闸：有车辆进出停车场时,识别出车牌后,车主还需刷卡,当识别的车牌与卡片绑定的车 牌一致时,则自动开闸,不一致时需人工确认开闸。以上两种开闸方式需与下面第4项配合使用。

（2）车牌识别设置（如下图）：

（3）车牌对比精度

 精确对比：除去首位汉字,6位全部对比正确才算有效；  一般对比：除去首位汉字,至少5位对比正确才算有效；  模糊对比：除去首位汉字,至少4位对比正确才算有效；  一般网络高清摄像机配置精确对比(6位）。

（4）出/入场识别临时车牌设置

 自动开闸：识别为临时车牌,自动开闸；

 确认开闸：识别为临时车牌,软件跳出窗口,人工确认开闸；  不开闸：识别为临时车牌,不开闸,也不会跳出窗口确认。

（5）识别出的车牌有效时间

此设置主要用于读卡+识别模式，意思是识别到车牌后，等待读卡的时间，在此时间内如果没读卡，则此次识别超时作废。

5、已入场的车牌修改

（1）点击“场内车辆查询”（如下图）：

车牌自动识别停车场管理系统

（3）点击“修改汉字” 修改车牌（如下图）：

（4）修改完成后点击“确认”车牌号会排到最下边，显示为红色（如下图）：

6、车辆未识别，手动入/出场

（1）如下图所示下面红框中按钮

车牌自动识别停车场管理系统

（3）出场未识别，点击“车辆出场”在跳出窗口输入对应车牌，也可以实现车辆出场。

7、出场模糊查询（临时车）

（1）设置临时车出场开闸方式为“确定开闸” 如果临时车车辆出场未找到入场记录（入场识别错误或者出场识别错误），车辆出场时（如下图）：

4.车牌租赁协议 篇四

甲方（车辆牌照承租人）乙方（车辆牌照出租人）

经双方自愿协商一致，乙方将自有北京车辆牌照租赁给甲方使用。现就租赁车牌照事宜双方达成协议如下：

一、乙方负责提供一套北京市车辆牌照租赁给甲方。

二、租赁期限：

个月，自

****年**月**日起

****年**月**日止。租赁费用：

元 该协议签订7日内，甲方一次性向乙方支付全部费用。

三、虽然甲方购买车辆依法登记在乙方名下，但该车辆所有权、使用权、处分权等权利均属于甲方，乙方及其利害关系人不享有该车任何权利，无权以任何方式使用、抵押该车。

四、车辆牌照租赁期内上述车辆产生的一切责任、风险、费用及债务均由甲方承担并处理。一切责任、风险、费用及债务与乙方无关。

五、车辆牌照在租赁期间甲方应为该车购买第三方责任险（保额五十万）因任何事故给第三方（包括人、物等）造成损害的，应由甲方及其保险公司根据事故处理有关部门的裁决进行赔偿，乙方没有任何义务进行损害赔偿。

六、租赁期间内甲方要妥善保管好车辆牌照，不得在未经乙方同意的情况下将其转让、转借等。

七、租赁期内如甲方取得北京市小客车购车资格，乙方应全力配合办理车辆过户相关手续，不得以任何理由拖延办理时间。办理过户的相关费用由甲方承担。同时，乙方不退还给甲方的租赁费用。

八、租赁期满前壹个月，甲乙双方应友好协商续租问题。若双方同意续租，需重新签署租赁协议。若一方不同意续租，经双方协商无果租赁期满后，甲方对车辆牌照的使用权自行终止，甲方应全力配合乙方办理相关手续。乙方收回车辆牌照，车辆的所有权、使用权、处分权等均属于甲方。

九、本协议未尽事宜双方协商解决，经双方签字认可后所形成的书面材料具有本协议同等效力。

本协议一式贰份，双方各执壹份。本协议自签订之日起生效。

甲方（签字）

乙方（签字）

甲方身份证号：

乙方身份证号：

日

期：

日

5.生产贴花 摩托车牌 篇五

合作 共创双赢

蔡本夏 恒信标印

地 址：

金乡工业区

手 机：

***

电 话：

577-82706956

传 真：

邮 箱：

cnhxby@126.com

邮 编：

网 址：

信箱：cnhxby@126.com 真诚

苍南龙港金煌标牌厂

联系人：董大表 先生（经理）











 电话： 86 0577 26660128移动电话： ***传真： 86 0577 64288202地址： 中国 浙江 苍南县 威龙商标城第7栋威龙街60号邮编： 325802公司主页：http://wzhhsl.cn.alibaba.com

产品导航：

       



 电动车侧盖标头标塑料电镀ABS标牌

一、完美的结构

那么PVC到底是什么呢？PVC,全名为Polyvinylchlorid，主要成份为聚氯乙烯，另外加入其他成分来增强其耐热性，韧性，延展性等。这种表面膜的最上层是漆，中间的主要成分是聚氯乙烯，最下层是背涂粘合剂。它是当今世界上深受喜爱、颇为流行并且也被广泛应用的一种合成材料。它的全球使用量在各种合成材料中高居第二。据统计，仅仅1995年一年,不PVC在欧洲的生产量就有五百万吨左右，而其消费量则为五百三十万吨。在德国，PVC的生产量和消费量平均为一百四十万吨。PVC正以4%的增长速度在全世界范围内得到生产和应用。近年来PVC 在东南亚的增长数度尤为显著，这要归功于东南亚各国都有进行基础设施建设的迫切需求。在可以生产三维表面膜的材料中，PVC是最适合的材料。

PVC可分为软PVC和硬PVC。其中硬PVC大约占市场的2/3，软PVC占1/3。软PVC一般用于地板、天花板以及皮革的表层，但由于软PVC中含有柔软剂(这也是软PVC与硬PVC的区别)，容易变脆,不易保存，所以其使用范围受到了局限。硬PVC不含柔软剂，因此柔韧性好，易成型，不易脆，无毒无污染，保存时间长，因此具有很大的 开发应用价值。下文均简称PVC。PVC的本质是一种真空吸塑膜，用于各类面板的表层包装，所以又被称为装饰 膜、附胶膜，应用于建材、包装、医药等诸多行业。其中建材行业占的比重最大，为60%，其次是包装行业，还有其他若干小范围应用的行业。

二、严格的工艺

PVC之所以能被广泛地应用于建材行业，有两点很重要的原因：

一是PVC独特的性能(防雨，耐火，抗静电，易成型)，二是PVC低投入高产量的特点。那么，PVC为什么能具有上述两大优呢？让我们从其生产工艺上来找答案吧。

PVC的生产工艺并不复杂，普通的生产线一般由滚压机、印刷机、背涂机和切割机组成，主要是通过滚压机的直动搅拌，滚轴旋转以及高温滚压生产出厚度仅为0.3 mm至0.7mm的薄膜，生产的同时并且通过印刷机在膜的正面印上花色，通过背涂机在膜的背面附上一层背涂。可不要小看这层背涂，它是PVC膜优质性能的一个重要保证。背涂由特殊材料组成,是一种高能亲和剂,正是由于这层背涂，PVC薄膜才能紧紧地和中密板或其它板材融合在一起，十年甚至十五年不开胶。而普通贴面膜在最大问题就是无法解决膜的脱落问题。由于整套生 产过程都是在高温下(滚压机内温度达到220度)进行的，这就使PVC膜具有高抗光性和耐火性，保证PVC膜的高质量。当然，这对生产机器的要求很高，通常一套生产线的生产设备造价约为3千9百万马克，折合人民币约1.6亿元。但另一方面，PVC膜的生产工艺却相当简单，机器产量也很大，所以全面地看，PVC实际是一种低投入、高产量的产品。

三、超常的性能

PVC膜与普通粘贴膜还有什么不同呢？普通的粘贴膜是在常温下直接用胶水贴在板材的表面上，因此经过一两年后，贴膜就容易脱落。而PVC膜则是应用专用的真空压膜机在110度的高温下压附在板材的表面，因此不 易脱落。

虽然PVC膜有优良的质量保证，但有人可能会说，PVC毕竟是化学产品，它就是比不上天然材料，排除不了 毒性和异味，也免不了对环境造成伤害。事实却并非如此，这是因为德国生产PVC膜的原料是经过特殊的提炼，有毒物质被完全提炼出来，所以PVC是完全无毒无味的，对人体皮肤或是呼吸系统没有任何刺激，对于那些对木料和油漆过敏的人来说，使用PVC膜包装的家具或厨具是非常合适的。通过使用PVC膜作装饰膜，人们就可 以大量地使用中密板、刨花板、胶合板和纤维板，减少使用木材量，从而减少对森林乃至环境的破坏。从这个 角度而言，PVC膜对生态环境的保护作出了很大的贡献。

PVC的使用曾一度在西方国家引起了很大的争议，许多人试图用种种其它材料代替PVC。但事实证明，PVC的质量比其它替代品相比毫不逊色，而在造价上则比这些材料便宜。有关专家通过研究发现，在许多行业中，放弃使用PVC将会产生为数可观的额外费用。具体数据表明，放弃使用PVC将会增加几十亿马克的额外费用。对于具体的消费者而言，这将意味着一笔巨大的额外开支。以用PVC为表层材料的窗户为例，如果这些窗户不使用PVC，而是使用普通木材作为表层，那么仅仅清洗和维修一项就要增加为数惊人的费用。在英国的一个小镇上，人们在过去的二十年里都使用木制窗户，有人对这些窗户的清洁维护费用进行了调查，并把其与PVC窗户的清洁费用进行比较，结果表明，木制普通窗户的清洗费用比PVC窗户的清洗费用高出一 倍。

四、美好的前景

目前PVC产业在全世界发展迅速，前景广阔，各国都看好PVC的潜力以及其对生态环境的好处，PVC正以其 优越、独特的性能向世人证明其作用和地位是目前任何其它产品都无法取代的，社会发展需要它,环境保护需 要它，它是我们人类社会文明进步的必然趋势。

注：

德国是PVC产品的橱窗国，其生产工艺历史悠久、经验丰富，处于世界领先地位，单就橱柜而言，PVC材料已占75%的市场份额。而德国雷诺丽特（Renolit）公司则是世界最大的PVC生产商之一。雷诺丽特（Renolit）集团所属的雷诺丽特-维尔克有限公司在全世界就有16个生产基地，2000多名员工。其生产的PVC膜，以其优良的品质遐尔闻名。上海德硅贸易公司是雷诺丽特（Renolit）公司大中华区域的总代理，全权负责雷诺丽特（Renolit）公司在大中华区域的所有销售业务。全公司上下团结、齐心协力，严格奉行客户利益至上的宗旨，热情周到、尽心尽力地为每一位客户服务。

正当全世界PVC产业蒸蒸日上的时候，然而遗憾的是，在我们国内PVC家具材料（包括橱柜）所占市场份额还不到10%，许多消费者甚至都没有听说过PVC作为家具材料,更不知PVC为何物。为什么德国PVC膜作为一种档 次高、无毒无污染（不含重金属材料）环保材料国内市场的占有率仍然如此之小呢？这里当然有消费层次的问 题，但更主要是与我们的消费者对PVC这种材料缺乏正确的认识有关。它使PVC膜家具的生产量受到了限制，从而不能形成规模。相

6.雾天车牌识别中的图像增强研究 篇六

关键词：车牌识别,Retinex算法,暗原色先验去雾,Sobel算子

随着城市化进程的发展,市区的交通日益繁忙并且出现了很多需要解决的交通问题,例如车辆在恶劣天气下行驶过程中不遵守交通规则,会带来交通隐患甚至交通事故,所以对于关键性的道路区域及十字路口违规车辆的车牌识别是智能交通系统中研究的一个热点。车牌识别系统虽然得到了广泛的应用,但是在恶劣天气等环境因素的影响下,车辆图像被摄像头获取以后,会因为雨雪雾天或者噪声干扰等情况使得图像模糊不清,车牌识别系统对车牌的识别率会严重下降,为了提高有雾天气下车牌的识别率,必须使用特定的算法对车牌图像进行图像增强。目前使用的图像增强方法有多种,例如直方图均衡、Retinex算法、暗原色先验去雾算法等等。

1 图像增强算法

能够对图像增强的算法有很多,如直方图均衡、微分梯度算子、维纳滤波等等。但是直方图均衡等算法对于雾天图像的增强效果不是太好,而Retinex算法和暗原色先验去雾算法对雾天车牌图像的增强比较有效,本文通过比较这2种方法的效果,来选择对于雾天图像增强最合适的算法。

1.1 Retinex算法

美国科学家Edwin Land在上个世纪70年代首次提出了Retinex色彩理论,Retinex是由视网膜(Retina)和大脑皮层(Cortex)两个词合成的。Land的Retinex色彩理论解释了物体在不同的光源下颜色保持恒定性的机理,在Retinex理论中图像由两个部分构成:一部分是物体的光线亮度,对应于图像的低频部分,另一部分是物体的反射亮度,对应于图像的高频部分,因此它们分别被称为亮度图像和反射图像。如果从给定的图像中分离出亮度图像和反射图像,在颜色恒定的条件下,图像的增强就可通过改变亮度图像和反射图像在原图像中的比例来实现[3]。

Retinex理论主要应用于补偿受照射光影响严重的图像。它是将一幅给定的图像S分解成照射分量图像和反射分量图像。对于图像S中的每个点有如下公式:

其中R表示照射光,L表示物体的反射性质,S是原图像。Retinex理论的实质就是从图像S中获得物体的反射性质L,也就是抛开照射光R的性质来获得物体本来的面貌。Retinex算法首先是将原图像变换到对数域中进行处理。对公式(1)两边取对数可以得到:

取对数的好处有两点:首先能将复杂的乘法运算转化为简单的加法运算。其次从生理学角度讲,对数的形式更接近于视觉系统对光的感知能力[3]。

Retinex算法的步骤可以归结如下:首先在对数域将原图像分解为照射分量和反射分量,然后用原图像减去照射分量得到反射分量,最后对结果图像取反对数得到处理过的图像。

Retinex算法既可以用来增强比较阴暗的图像,也可以用来增强雨雪雾天图像,所以它的适用性比较广泛,是图像增强的一个优秀算法。

1.2 暗原色先验去雾算法

暗原色先验去雾算法是香港中文大学何恺明博士在IEEE的CVPR大会论文中提出的新算法。暗原色先验来自对户外无雾图像数据库的统计规律,它基于经观察得到的这么一个关键事实——绝大多数的户外无雾图像的每个局部区域都存在某些至少一个颜色通道的强度值很低的像素[2]。利用此去雾模型,可直接估算雾的浓度并且复原得到高质量的图像。在图像增强处理中,被广泛使用的雾图模型由下述方程所描述:

I(x)指观测的图像强度,J(x)是物体光线的强度,A是大气光成分,t(x)是描述光线通过媒介透射到摄像头的过程中没有被散射掉的部分,所谓的去雾就是指从I中复原出J,A,t。暗原色先验是通过对户外无雾图像的观察得到的:在绝大多数非天空的局部区域里,某些像素总会有至少一个颜色通道具有很低的值,即该区域光强度的最小值是个很小的数。

暗原色先验去雾算法首先需要估测透射率分布,一般是通过用15*15的步长处理输入雾图得到的透射率估测图。由于透射率在一个局部区域内并不总是恒定的,所以虽然整体上不错,但却包含了一些块效应。一般是通过应用一种被称为软抠图的算法来完善透射率分布函数。有了透射分布函数,就可以通过公式(3)复原出物体的原始图像。但是当t(x)接近于0的时候,直接衰减项J(x t(x)也会接近于0。直接复原得到的原始图像会包含有噪声,因此我们把透射因子t(x)设定了下限t0。这意味着某些雾气浓度高的区域仍保留着一定数量的雾。雾图的暗原色通过处理能够得到比较理想的雾浓度的粗略值。其次需要通过暗原色来提高大气光的估测。一般选取暗原色中亮度最大的0.1%的像素,这些像素大都是不透明的。在以上像素中,输入图像强度最大的像素点被选定为大气光。注意到它们并不一定是整幅图像里最亮的点。这一基于暗原色先验的方法与最明亮像素方法相比要更加健壮,我们利用它自动地估测所有图像的大气光成分。由于暗原色先验是一种统计规律,对某些极为特殊的图像可能会效果不佳,当景物在本质上同空气层接近并且没有阴影覆盖其上时,暗原色的理论就是无效的[2]。

2 图像增强算法的效果对比

在车牌识别系统中,我们以市区交通灯附近的雾天车辆图像为例,来比较Retinex算法和暗原色先验去雾算法在雾天的图像增强效果,图1中从上至下分别为雾天原图像、Retinex算法增强的图像、暗原色先验去雾算法增强的图像。

3 车牌图像的增强效果分析

图2是我们通过摄像头拍摄到的一幅雾气很重的车牌图像,基本上很难看清车牌,使用暗原色先验去雾算法增强图像,对比图2和图3可以看出,处理后的车牌图像比较清晰。

车牌图像经过增强预处理后,为了比较是否对车牌的识别率有明显的提高,我们首先对两幅图像灰度化,然后使用sobel边缘检测算子提取图像边缘,得到了图4和图5两幅车牌边缘图像。通过比较两幅边缘图像可以看出,没有增强的雾天车牌图像,用边缘检测算子提取不了车牌字符的边缘,而用暗原色先验去雾算法增强后的车牌图像,可以看到非常明显的车牌字符边缘。

4 实验结果的分析

通过上述试验的验证结果我们可以看到对于有雾的天气,Retinex算法和暗原色先验去雾算法都可以增强图像的效果,但是Retinex算法处理图片后颜色会产生失真并且没有暗原色先验去雾算法处理的图像清晰。这就决定了在车牌识别系统中,对于有雾天气的车牌图像预处理使用暗原色先验去雾算法更好。通过边缘检测算子提取的边缘我们可以看到,增强后的车牌图像,能够得到明显的边缘。

5 结束语

在本文中我们介绍了两种优秀的雾天图像增强算法并分析比较了它们的处理效果,可以看出在有雾天气里,采用暗原色先验去雾算法可以得到更清晰的汽车车牌图像,通过图像增强预处理,可以明显提高车牌的识别率。暗原色先验去雾算法对有雾天气的车牌增强效果较好,不过对阴暗天气的车牌增强并没有显著的效果。可见图像增强算法是面向问题的,不同的环境因素,需要特定的图像增强算法。

参考文献

[1]冈萨雷斯,伍兹.数字图像处理(第三版)[M].北京:电子工业出版社,2011.

[2]Kaiming He,Jian Sun,Xiaoou Tang.Single Image Haze Removal Using Dark Channel Prior[A]//IEEE CVPR,2009.

7.车牌识别研究背景 篇七

关键词 智能交通系统 车牌识别技术 应用研究

中图分类号：TP391.41 文献标识码：A

随着全球经济的快速发展，人们的物质生活质量逐步加深，促进了公路交通事业的快速发展，随之而来的机动车辆与日俱增。由于城市空间有限，面对巨大的城市交通压力，仅依靠发展交通设施已不能解决现已存在的交通拥挤、环境污染、交通事故频发等问题。为了缓解这一压力，利用高科技手段，建立完善的道路网络缓解道路交通增长的需求，智能交通系统应运而生。车牌识别系统作为智能交通系统的核心组成部分，在道路交通管理、交通事故与机动车盗窃现象的抑制以及维护公共安全等方面发挥着重要的作用，因此车牌识别系统已成为现代交通工程领域中研究的重点和热点问题之一。

1车牌识别系统在智能交通中的发展历程

随着交通事业的不断发展，车牌识别技术日趋走向成熟，并开逐渐应用于交通、公安、路政、停车场、安防、门禁、智能小区等许多领域。车牌识别系统简单的说是一种以特定目标为对象的专用视觉系统，它能够从一幅图像中提取分割并识别出车辆牌照，运用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别结果可按需求分别包括车牌的字符、数字、牌照图像，以致牌照颜色、坐标、字体颜色等。

2车牌识别系统的研究现状

车牌识别技术起源于上个世纪末，ARGUS的车牌识别系统的识别时间约为100毫秒，通过ARGUS的车速可高达每小时100英里。还有Hi-Tech公司的See/Car？system，新加坡Optasia公司的VLPRS等。

国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。中国科学院自动化所的刘智勇等发表文章，他们在一个3180的样本集中，车牌定位准确率为99.4%，切分準确率为94.5%。北航的胡爱明等利用模板匹配技术开发了一种应用于收费站的车牌识别系统，其识别正确率能达到97%以上。华南理工大学的骆雪超、刘桂雄等提出了一种基于车牌特征信息的二值化方法，该系统对效果较好的车牌的识别率能够达到96%。清华大学的冯文毅等利用一种光电混合系统进行车牌识别，系统能够通过硬件来完成车牌识别的全过程。黄志斌等将基于串行分类器的字符识别应用于车牌识别系统中，对车牌识别系统中的分类器进行了详细的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。

根据IMS研究显示，截止2012年底，全球车牌自动识别市场已经扩展到了3.5亿美元左右。2011年车牌识别达到了年增长率6.9%的成绩。随着市场的发展和用户需求的不断变化，车牌识别保持着快速的发展。车牌自动识别技术算法有了很大的提升，从应用情况来看智能化算法与摄像机完美搭配，能够解决道路交通上遇到的不少难题。

尽管车牌自动识别机会比比皆是，但是其挑战仍然存在。以美国为例，车牌形式各种各样，形状、图片和字体也没有统一的规范。一点车辆可跨国驶入，监控系统面对其他国家或区域的车牌信息时，具体的语言文字也有所不同，摄像机算法必须更为复杂和精准。尽管识别技术已达到炉火纯青的地步，但是目前车牌识别阿拉伯语仍具有很大的挑战。毫不夸张地说，这些字母的难度高于中国的草书。

3车牌识别系统可提升的空间及发展

车牌识别系统集中了光电、计算机、图像处理、计算机视觉、人工智能、模式识别等关键技术。随着信息化时代的不断发展，住宅、小区、停车场等需要保安人工监控的地方都将使用车牌识别系统，减少了许多人为因素造成的疏忽之处。也能扩展到犯罪车辆、肇事车辆、被盗车辆的辨识和拦截，交通流量监测等领域，为人们出行的安全和便捷提供了保障。一方面，车牌识别系统本身是一个全数字化的智能系统，以此为技术基础，可以衍生出一些其他功能。另一方面，由于环境因素、车牌自身因素以及拍摄角度等问题，尽管世界上很多研究机构和公司专门从事这方面的研发工作，高可靠性、高性能和高识别率的车牌识别系统还待开发。

参考文献

[1] MD.Tanvir Learning Algorithms for Artificial Neural Networks，Proc. 10tb Informantion Engineering Senimar June 2001.

[2] GuyonI.Applicationofneuralnetworkstocharacterrecognition[J].InternationalJournalofPatternRecognitionandArtificialIntelligence，1993，7（4）：721.755.

[3] 杨大力，刘舒.基于神经网络的车牌汉字识别方法[J].中国人民大学公安学报，2009，5（3）：56-57.