數(shù)字圖像處理在車牌識別中的應(yīng)用

1、 數(shù)字圖像處理在車牌識別中的應(yīng)用 摘 要:針對交通管理系統(tǒng)的信息化、智能化發(fā)展趨勢，通過對車牌特征和定位技術(shù)的探索，提出了汽車牌照字符識別系統(tǒng)。系統(tǒng)采用Radon變換對車牌進(jìn)行傾斜校正，并運用投影直方圖進(jìn)行分析，實現(xiàn)了車牌字符的分割，最后簡述了字符識別原理和模板匹配在字符識別中的應(yīng)用方法。由實驗結(jié)果可知，系統(tǒng)能準(zhǔn)確實現(xiàn)車牌的定位、校正、分割和識別，具有良好的性能。關(guān)鍵詞：車牌識別，MATLAB，數(shù)字圖像處理，模式識別，智能中圖分類號：TP273 文獻(xiàn)標(biāo)識碼：AApplication of Digital Image Processing inLicense Plate Recognition

2、(LPR)Abstract: In accordance with the developing trend of the traffic management system upon intelligent and information requirements, through exploring the feature of license plates and the positioning technologies ,the license plate character system is proposed. Tilt correction for license plate i

3、s conducted by adopting Radon transform, and the license plate is analyzed with projective histogram, thus character separation of the license plate is implemented. The principle of the character recognition and the application of template matching in character recognition are described briefly .The

4、 results of experiment show that this system can precisely locate, correct ,separate and recognize the license plates with excellent performance.Keywords: License plate recognition; MATLAB; Digital image processing; Pattern recognition; Intelligence 0 引言隨著汽車數(shù)量的增加，城市交通狀況日益受到人們的重視，如何進(jìn)行有效的交通管理更是成為了人們關(guān)注

5、的焦點。針對此問題，人們運用新的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)。這些系統(tǒng)通過車輛檢測裝置對過往的車輛實施檢測，提取有關(guān)交通數(shù)據(jù)，達(dá)到監(jiān)控、管理和指揮交通的目的。因此，智能交通系統(tǒng)ITS(intelligent traffic system)已成為世界交通領(lǐng)域研究的重要課題1。車牌識別系統(tǒng)LPR(1icense plate recognition)作為智能交通系統(tǒng)的一個重要組成部分，已在高速公路、城市交通和停車場等項目的管理中占有無可取代的重要地位。它在不影響汽車狀態(tài)的情況下，由計算機(jī)自動完成車牌的識別，從而降低交通管理工作的復(fù)雜度。本文應(yīng)用圖像處理技術(shù)、車牌定位技術(shù)2、車

6、牌校正技術(shù)、車牌分割技術(shù)、字符特征提取方法和模版匹配識別技術(shù)等解決了車輛牌照識別問題，并提出了車牌識別系統(tǒng)的設(shè)計方案。1 車牌識別的原理和方法通常，車牌識別過程分為圖像預(yù)處理、車牌定位、車牌校正、車牌分割和車牌識別五個部分。圖像預(yù)處理：在整個車牌識別系統(tǒng)中，由于采集進(jìn)來的圖像為真彩圖，再加上實際采集環(huán)境的影響以及采集硬件等原因，圖像質(zhì)量并不高，其背景和噪聲會影響字符的正確分割和識別，所以在進(jìn)行車牌分割和識別處理之前，需要先對車牌圖像進(jìn)行圖像預(yù)處理操作。車牌定位：首先對車牌的二值圖片進(jìn)行形態(tài)學(xué)濾波，使車牌區(qū)域形成一個連通區(qū)域，然后根據(jù)車牌的先驗知識對所得到的連通區(qū)域進(jìn)行篩選，獲取車牌區(qū)域的具體位

7、置，完成從圖片中提取車牌的任務(wù)。車牌校正：由于捕捉圖片的攝像頭與車身的角度問題，得到的車牌圖片不是水平的。為了順利進(jìn)行后續(xù)的分割和識別，必須對車牌進(jìn)行角度校正。在此，使用了Radon變換來對車牌進(jìn)行校正。車牌分割：首先對車牌進(jìn)行水平投影，去除水平邊框；再對車牌進(jìn)行垂直投影。通過對車牌進(jìn)行投影分析可知，與最大值峰中心對應(yīng)的為車牌中第二個字符和第三個字符的間隔，與第二大峰中心距離對應(yīng)的即為車牌字符的寬度，并以此為依據(jù)對車牌進(jìn)行分割。字符識別：本文采用模板匹配方法來對車牌進(jìn)行識別。識別過程中，首先建立標(biāo)準(zhǔn)字庫，再將分割所得到的字符進(jìn)行歸一化，將歸一化處理后的字符與標(biāo)準(zhǔn)字庫里的字符逐一比較，最后把誤差

8、最小的字符作為結(jié)果顯示出來。本文采用成熟的數(shù)字圖像處理技術(shù)和Matlab仿真工具3，使得文中所提出的算法得以實現(xiàn)。如圖1所示為采用Matlab實現(xiàn)車牌字符分割技術(shù)的程序流程。開 始 車牌定位車牌校正字符分隔字符識別結(jié) 束圖 1 程序流程圖 2 圖像預(yù)處理2.1 灰度化數(shù)字圖像分為彩色圖像和灰度圖像。在RGB模型中，如果R=G=B，則表示一種灰度顏色，其中R=G=B的值叫做灰度值4，通常用g來表示。將彩色圖像轉(zhuǎn)換為灰度圖像的過程叫做灰度化處理。由于彩色圖像的存儲空間較大，因此，在對圖像進(jìn)行識別等處理過程中，需要將彩色圖像轉(zhuǎn)換為灰度圖像，以加快后續(xù)工作的處理速度。在Matlab中，實現(xiàn)灰度化的程序

9、語句如下：i=imread(che.jpg)；/讀入原始圖像j=rgb2gray(i); /灰度化figure,imshow(i);title(原始圖像);figure,imshow(j);title(灰度圖像);2.2 圖像增強(qiáng)由于所拍攝的車輛圖像質(zhì)量受天氣、光照和觀察點等的影響，車牌圖像往往會產(chǎn)生對比度不足的弊端,使圖像細(xì)節(jié)分辨不清，影響識別率。因此，需要將牌照圖像進(jìn)行圖像灰度擴(kuò)展，以便改善圖像的觀察質(zhì)量，提高字符識別率。但若對光照條件不好的暗圖像采用HE的方法將灰度級擴(kuò)展到256級的全局范圍，則會造成過度拉伸，圖像失真較大。本文采用灰度信息與背景信息相結(jié)合的局部灰度修正增強(qiáng)方法，其基本原

10、理是將原圖像的灰度和背景圖像區(qū)域相減，實現(xiàn)圖像的增強(qiáng)。圖2為通過此方法處理后得到的增強(qiáng)圖像。圖2 增強(qiáng)圖像2.3 圖像二值化灰度圖像有256個灰度級的單色圖像，多級別圖像能夠呈現(xiàn)出較為豐富的明暗度，但對于目標(biāo)搜索來說，總是希望盡可能地減少背景像素的干擾而保存或增強(qiáng)目標(biāo)區(qū)的色素度。圖像的二值化可以把像素灰度級分成黑與白兩級，即把原灰度圖像轉(zhuǎn)化為二值圖像。2.4 邊緣檢測邊緣是指圖像局部亮度變化最顯著的部分5。邊緣主要存在于目標(biāo)與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域(包括不同色彩)之間，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)，圖像分析和理解的第一步常常是邊緣檢測。為得到較好的邊緣檢測性

11、能，采用Canny算子對圖像進(jìn)行邊緣提取。Canny邊緣檢測是一種比較新的邊緣檢測算子，它利用高斯函數(shù)的一階微分，能在噪聲抑制和邊緣檢測之間取得很好的平衡。2.5 形態(tài)學(xué)濾波數(shù)學(xué)形態(tài)是一種非線性濾波方法，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測、圖像分割等圖像處理操作。形態(tài)學(xué)濾波有四種基礎(chǔ)操作：腐蝕、膨脹、開操作和閉操作。本系統(tǒng)運用5，19的矩形運算算子，通過對圖像進(jìn)行一系列的開閉操作，有效地將車牌區(qū)域連成片，并去除了非車牌區(qū)域。3 車牌定位汽車牌照的定位是指從攝人的汽車圖像中找到汽車牌照所在的位置，并把含有車牌的子區(qū)域提取出來。從編程實現(xiàn)的角度來看，就是針對某汽車圖像，通過運行某個定位算法，

12、確定車牌子區(qū)域的對角坐標(biāo)。顯然在汽車牌照識別系統(tǒng)中，車牌定位準(zhǔn)確與否直接影響字符識別的準(zhǔn)確率。本文研究車牌定位時充分利用了車牌已有的特征來進(jìn)行搜索。經(jīng)過預(yù)處理后，圖片中的車牌區(qū)域已經(jīng)連接成片，此時，對圖片中的連通區(qū)域進(jìn)行提取，并計算區(qū)域的特征參數(shù)。根據(jù)我國現(xiàn)有車牌的標(biāo)準(zhǔn)尺寸(如長45cm、寬15cm)進(jìn)行區(qū)域參數(shù)比較，以提取車牌區(qū)域，具體實現(xiàn)步驟如下。對圖像每個區(qū)域進(jìn)行標(biāo)記，然后計算每個區(qū)域的圖像特征參數(shù)，如區(qū)域中心位置(Centroid)、最小包含矩陣(BoundingBox)、面積(Area)等。計算包含所標(biāo)記的區(qū)域的最小寬和高，并根據(jù)先驗知識，比較誰的寬高比更接近實際車牌寬高比，將更接近

13、的提取并顯示出來。至此，已有效地提取出車牌區(qū)域，車牌區(qū)域圖片如圖3所示。圖3 車牌區(qū)域二值圖4 車牌傾斜校正在實際的車牌自動識別系統(tǒng)中，由于攝像機(jī)和車牌之間角度的變化，所獲得的汽車圖像有可能存在一定的變形，這給字符分割帶來不利影響，造成誤分割和車牌識別率的下降。因此，需要在字符分割之前進(jìn)行車牌的傾斜校正。本文使用了一種基于Radon變換的車牌傾斜校正的新方法6。大量實驗表明，該方法簡單實用，精確度高，抗干擾能力強(qiáng)。5車牌分割在定位出車牌區(qū)域后，為了對車牌進(jìn)行識別，必須把車牌字符進(jìn)行切分，然后送人字符識別系統(tǒng)。字符分割的任務(wù)就是把多行或多字符圖像中的每個字符從整個圖像中分割出來，使其成為單個字符

14、。車牌分割的難點在于噪聲、粘連以及斷裂對字符的影響。本文所采用的方法是基于垂直投影的車牌分割算法。5.1 計算車牌水平投影經(jīng)過上面一系列預(yù)處理后，采用以下程序求出車牌二值圖像的水平投影圖，如圖4所示。histrow=sum(S)；/計算水平投影figure，bar(histrow)；title(水平投影(含邊框)；圖4 車牌水平投影圖從圖4可以看出車牌字符的高度、上邊框和下邊框位置。下面對水平投影數(shù)據(jù)進(jìn)行分析處理，計算出上下邊框位置、字符高度、字符頂行與尾行，得到去除水平邊框的車牌圖片如圖5所示。圖5去除水平邊框的車牌圖片5.2 計算車牌垂直投影去處水平邊框以后，用下面的Matlab程序?qū)崿F(xiàn)垂

15、直投影計算：histcol=sum(t)；/計算垂直投影figure，bar(histco1)；title(垂直投影(去水平邊框后)；車牌去除水平邊框后，垂直投影已經(jīng)非常清晰，可以清晰得出車牌字符間隔、左邊框和右邊框位置。在對車牌進(jìn)行分割時，由于我國的車牌字符不是等距離排列的，車牌上的第二個字符與第三個字符的距離大于其他字符以及邊框的距離。因此，為了解決這個問題，本文采用了垂直投影中找最大峰中心距離的方法，即根據(jù)所找到的最大峰中心距離，確定車牌上的第二個字符的中心位置。同時，利用此峰中心距離可確定車牌字符的最大寬度，即車牌字符寬度。5.3 車牌字符的分割通過以上水平投影和垂直投影分析計算，獲得

16、車牌字符高度、字符頂行與尾行、字符寬度和每個字符的中心位置后，即可進(jìn)行字符的分割。分割后的結(jié)果如圖6所示。圖6 分割結(jié)果6車牌識別字符識別是對車牌上的漢字、字母和數(shù)字進(jìn)行確認(rèn)的過程，是系統(tǒng)的核心。本文采用的是基于模板匹配的字符識別方法。6.1 構(gòu)建標(biāo)準(zhǔn)字庫本文采用的是基于模版匹在構(gòu)建標(biāo)準(zhǔn)字庫的過程中，用繪圖工具繪制了AZ、0-9和車牌地區(qū)名，并且以32行x16列的大小黑體字保存。樣本庫中的編碼規(guī)則如下。數(shù)字0-9，文件名為Sam0Bmp-Sam9Bmp，代碼為1-10；字母A-z，文件名為SamABmp-SamZbmp，代碼為11-36；9個省別漢字，文件名為Sam粵Abmp-Sam滬Abmp

17、，代碼為37-45。6.2 識別過程確定中心距離的方法是：將模版庫中的字符圖像矩陣與待識別字符圖像矩陣作減法，求最小誤差(即其相似度)，將最相似的模板庫中的字符圖像矩陣的代碼作為識別結(jié)果并顯示出來。實驗結(jié)果表明，使用模版匹配方法可以成功地將車牌識別出來。7結(jié)束語本文針對智能交通系統(tǒng)中的車牌識別問題，采用Matlab設(shè)計開發(fā)了車牌識別系統(tǒng)。通過綜合采用圖像處理技術(shù)，實現(xiàn)了車牌的定位、傾斜校正、字符分割和識別功能，實驗結(jié)果也證明了本文所提出的車牌識別方法是準(zhǔn)確、可行的。感謝楊國為老師對本文的有益討論。參考文獻(xiàn)：1陸福宏車牌識別技術(shù)在智能交通系統(tǒng)中的應(yīng)用J中國科技博覽，2010(12)：3022蒲東兵，趙大偉，趙東來，等一種快速車牌定位算法J微型電腦應(yīng)用，2