导语：开题报告是每一个科研报告的导航，通过开题报告，你可以知道接下来论文与报告的大概方向与内容。下面是小编整理的关于车牌识别中字符分割算法的研究与实现的报告，欢迎你的参考与借鉴!
毕业论文开题报告
题 目 车牌识别中字符分割算法的研究与实现
毕业论文开题报告
论文题目 车牌识别中字符分割算法的研究与实现
一、选题背景与意义
车牌识别是现代智能交通系统[1] 中的重要组成部分之一，可用于公路电子收费、出入控制和交通监控等众多场合。它以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或视频序列进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程。它主要包括三个关键部分：车牌区域定位、车牌字符分割、车牌字符识别，其中车牌字符分割的好坏直接影响到车牌识别的正确率，因此本文对字符分割的算法进行了深入的研究。
从20世纪80年代初，国外的研究人员就已经开始了对车辆牌照的研究。英国一个研究所在1982年研制了一种用于刑侦的汽车牌照识别系统。1983年，日本一家公司曾研究出用来检查超速行驶的汽车牌照识别系统。如今，发达国家的车牌识别系统在实际交通系统中己取得了成功的应用，如交通检测系统VNPR(Vehicle Number Plate Recognition)。它主要应用于寻找被盗的汽车、停车场的控制和交通流量的统计方面。VNPR的主要工作任务是车牌的定位、字符的切割和字符的识别，这几部分的工作是紧密结合在一块的。国外车牌识别系统的广泛应用不仅仅和其技术领先有关，还与这些国家的车牌比较单一，易于识别有关。与一些发达同家已经成功应用的车牌识别系统相比，我国的开发应用进展显得较为缓慢。这是因为我国的实际情况与国外有所区别，国外车牌比较规范统一，而我国车牌规范不够，较为多样化。不同汽车类型的车牌有不同的规格、大小和颜色，所以车牌的颜色多，并且字符位数不统一，对处理造成了一定的困难。相对而言，国内开发车牌识别系统较好的公司主要有：北京汉王科技有限公司、上海高德威智能交通系统有限公司、亚洲视觉科技有限公司等。与此同时，车牌字符分割技术[2] 的研究得到了很多国内学者的重视。他们的部分研究成果可举例如下：迟晓君等[3] 提出一种基于投影特征的车牌字符分割算法，该算法主要依据车牌图像的垂直投影图像的特点，提出一个特征值，并将该特征值和车牌图像的先验知识结合起来分割字符。王兴玲提出一种基于类间方差车牌字符分割的模板匹配算法，根据车牌字符串的结构和尺寸等特征，设计相应的车牌字符串模板，然后结合最大类间方差将模板在车牌区间滑动，以确定出最佳位置对车牌字符进行分割。吴进军等[4] 提出的一种车牌字符分割方法，主要思想是首先定位出车牌的第三个字符，之后再对字符区域进行分裂和合并，另外，对于字符有缺损的情况进行字符区域扩展，并且相应调整字符区域的高度，最终实现车牌的字符分割。
车牌字符分割是把车牌上的字符一个个分离出来，为车牌字符的识别做好准备。车牌字符分割属于印刷体字符分割的范畴。印刷体字符分割的任务是把多行或多字符图像中切割出来成为单个字符。对于字符分割的问题常常不被重视，但是字符的正确分割对字符的识别非常关键。由于各种因素的影响，使得字符分割的复杂程度大。目前的字符分割的算法一直在不断完善。针对车牌图像的字符分割，是字符分割的具体应用，目前人们根据车牌字符的特征已提出了一些算法，比如：基于投影特征的车牌字符分割算法、基于模板匹配的车牌字符分割算法[5] 和基于颜色像素的分割算法等。但是考虑到车牌中字符可能存在的粘连、断裂情况，字符分割技术仍然需要进一步改进。字符分割的正确与否将直接影响到最终车牌识别系统的识别率，因此从车牌图像中正确分割出字符图像是非常关键的。因此，研究字符分割技术具有重要的实用价值。
二、研究内容与目标
论文主要研究车牌识别中字符分割算法的研究与实现，内容涉及以下几部分，一是对车牌识别技术的发展、应用和前景及研究意义和目标所阐述;二是车牌识别中字符分割的实现，为了实现此目标，需要研究车牌识别系统中车牌定位前的图像处理及车牌定位、图像预处理技术，以及多种字符分割的算法。此次研究用到的分割算法主要有基于模板匹配的车牌字符分割算法、基于车牌颜色像素的车牌字符分割算法等。三是为了确定该研究的实用性，通过matlab仿真鉴定系统 [6] 并分析实验结果。通过以上步骤及过程，确定各部分的研究方法与手段，努力实现仿真系统较 为可观的鉴定正确率，使得此研究具有一定的实际意义。
三、研究方法与手段
本文应用车牌图像定位前处理技术，车牌定位技术，图像预处理技术，基于投影特征的车牌字符分割算法、基于聚类分析的车牌字符分割算法、基于模板匹配的车牌字符分割算法及车牌像素字符分割算法来解决车牌识别中字符分割算法的研究与实现。
车牌图像定位前的处理包括：图象的采集与转换，考虑到现有牌照的字符与背景[ 的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来。灰度校正，由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。平滑处理，图像平滑处理的主要目的是减少噪声。摄像头拍摄过程中有时会引入大量的信道噪声、量化噪声、脉冲干扰等，并且图像上孤立噪声会影响牌照搜索定位的准确性，对后面的单字切分和识别会有很大影响，因此必须平滑掉这些噪声干扰。边缘检测是将图像的边缘突出，而且边缘以外的图像区域通常被削弱甚至被完全去掉的，一种使轮廓更加突出的图像处理方法。
常用的定位方法是数学形态学[7] 法。数学形态学以图像的形态特征为研究对象，它的主要内容是设计一整套概念、变换和算法，用来描述图像的基本特征和基本结构，也就是描述图像元素与元素、部分与部分间的关系。数学形态学作为一种用于数字图像处理和识别的新理论和新方法，它的理论虽然很复杂，被称为“惊人数学”，但它的基本思想却是简单而完美的。数学形态学由 一组形态学的代数运算子组成，基本算子有：腐蚀(Erosion)、膨胀(Delation)、开(Opening)和 闭(Closing)。基于这些基本运算还可以得出各种形态学算法。四种基本运算中，最基本的是腐蚀和膨胀。之后再进行平滑图像的轮廓，从对象中移除不相干小对象以及利用车牌的彩色信息的彩色分割方法等处理方式，将车牌图像定位出来，然后再进行下一步的车牌图像预处理。
图像预处理是经过灰度化、二值化、均值滤波、膨胀腐蚀处理四个过程来完成。灰度化：加权平均值法。将彩色图像转化为灰度图像的过程称为图像的灰度化处理。二值化：为了能够方便地将车牌从包含车牌的子图像中精确定位出来，将该子图像转变成只有黑白分布的二值图像，即先对图像进行二值化处理。能否正确的分割字符象素区域和背景象素区域对整个车牌识别系统的成功起着非常关键的作用。均值滤波是线性滤波的一种方法，在空间域内平滑图像。它的概念非常直观：用由滤波掩膜确定邻域内的像素平均灰度值取代原图像中每个像素点的灰度值，这种处理可以在一定程度上减小图像灰度的“尖锐”变化。均值滤波处理完图像后还需要用膨胀或腐蚀操作对图像进行一次处理，使车牌图像对以后的车牌字符分割步骤更顺利。
基于投影特征的车牌字符分割算法是车牌字符分割中最常用的方法，它主要利用了字符颜色 与车牌底色差异大而且各字符间均存在一定间距这两个特点。其核心思想是对车牌的灰度图像在垂直方向上进行投影，显示车牌图像灰度空间分布的规律。分析投影结果，在图像灰度值叠加较低的列上会出现波谷，在灰度值高的点集中的列上出现波峰。这样，车牌的垂直投影图像就会呈 现出波峰波谷交替出现的样子。根据该处置投影图设置一个阈值，将投影柱高于该阈值的部分划分为字符区，投影柱低于该阈值的部分划分为背景区，如此便实现了车牌的字符分割。 基于聚类分析的车牌字符分割算法[8] 该方法又称为连通域法，是从车牌字符本身的特点出发实现的。我们知道我国车牌字符集可分为汉字、大写英文字母和数字，而英文字母和数字都是连通的，故可根据字符的连通性来实现字符分割。连通域法的核心思想是：先确定每个连通域的首尾位置，然后由这两个位置构成一个矩形区域，当该字符为英文字母或者数字时，这个矩形便是包含字符的最小外接矩形区域。连通域法分割字符的优点是：对车牌定位的结果要求较低，受车牌倾斜的影响较小，可较好的解决在复杂背景下车牌的分割问题及对字母和数字字符的分割效果很理想。不足在于运算速度比较慢，不适合图像尺寸较大的情况，对污损等噪声过于敏感，对于汉字字符需要结合其他方法才能实现正确分割。此外，连通域的首尾很难准确定位。
基于车牌像素[9] 和模板匹配相结合的方法来进行的字符分割，采用的车牌图像都是已经经过预处理了的二值化车牌图像。根据车牌上字符的特点，可以知道，在车牌本身质量理想，而且车牌模板与字符串完全重合时，车牌字符的像素是全部落在车牌字符模板内，像素值为“l”的点数量最大。并且此时，字符间隔内的像素“l”的数量应该最小，其和为零，他们之间的差值是最大的。一般情况下，车牌本身是不太理想的。但不管怎样，当车牌模板与车牌字符完全重合时，车牌字符的像素才会全部落在字符模板内的，并且落在字符间的像素也是最小的，所以通过求取差值的极大值，可以将车牌字符进行分割。
四、参考文献
[1] 张静. 复杂背景下车牌识别系统的研究[D]. 大连理工大学, 2009:3-4.
[2]王晓健. 车牌定位与字符分割算法研究及实现[D]. 北京邮电大学, 2009: 3.
[3] 迟晓君, 孟庆春. 基于投影特征值的车牌字符分割算法[J]. 计算机应用研究, 2006,07(2):256~257.
[4] 吴进军, 杜树新. 车牌字符分割新方法[J]. 工业控制计算机, 2005, 18(4):69-70.
[5] 王兴玲. 最大类间方差车牌字符分割的模板匹配算法[J]. 计算机工程, 2006, 32(19): 193-195.
[6]王璐. 基于MATLAB的车牌识别系统研究,浙江大学硕士学位论文，2009.
[7] 熊哲源, 樊晓平, 黎燕. 基于数学形态学边缘检测的车牌字符分割算法[J]. 计算机系统应用, 2010, 19(9):155-158.
[8]陈黎，黄心汉.基于聚类分析的车牌字符分割方法[J].计算机工程与应用，2002，6：221.222
[9] 甘玲, 林小晶. 基于连通域提取的车牌字符分割算法[J]. 计算机仿真, 2011, 28(4):336-339.