论文部分内容阅读
【摘要】随着图形图像技术的发展，车牌识别技术也越来越成熟了，现在的车牌识别技术准确率也越来越高，识别速度也越来越快。车牌设别是现代智能交通系统中的重要组成部分之一，应用非常广泛。
【关键词】图像预处理;车牌定位;字符分割;字符识别
1.基本模型简介
1.1 研究背景
近几年，国内有许多公司以及科研机构进行这方面的研究，并且有一些实用化产品，这些产品的车牌识别率都在70%以上，但是对环境要求都比较高，在全天候的条件下，也存在识别精度不高、识别时间长等缺点，车牌识别技术还存在很大的发展空间。
1.2 MATLAB简介
硬件设备采集到图片后首先要考虑图像的存储格式。目前比较常用的图像格式有*.BMP 、*.JPG、*.GIF、*.PCX 等，本课题采集到的图片是*.JPG 的格式。 软件系统的编写大多采用VC或者MATLAB语言，本课题选用了 MATLAB语言。MATLAB具有以下优点：
（1）MATLAB编程效率高，使用方便。MATLAB本身拥有丰富的函数库，并具有结构化的流程控制语句和运算符，用户在使用过程中能够方便自如地应用。其图像处理工具箱更是大大扩展了MATLAB解决图像处理问题的能力。
（2）MATLAB扩充能力强，交互性好，移植性和开放性较好。MATLAB的库函数同用户文件在形式上是一样的，用户可以根据自己的需求方便地建立与扩充新的库函数，扩充其功能。
（3）使用专业工具箱，使得研究人员不必过于关心程序的细节问题，可以将主要的精力放在算法的研究、设计方面，极大地减少了工作量，为算法的研究改进提供了先决条件。
我们知道输入的彩色图像包含大量颜色信息，会占用计算机较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，通常将彩色图像转换为灰度图像，以加快处理速度。对图像进行灰度化处理、边缘提取、再利用形态学方法对车牌进行定位。
1.3 车牌识别原理及总体方案
车牌号码识别的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，得到输出结果。
图1 车牌号码识别系统原理图
车牌号码识别系统原理图各部分说明如下：
（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。
2.基本模型描述
2.1 图像的采集和预处理
通过数码相机拍摄清晰的车牌号码的实物图，然后将BMP格式的实物图保存在电脑里备用。
对图像进行灰度化处理、边缘提取。边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊，图像的锐化可以增强图像中物体的边缘轮廓，但同时也使一些噪声得到了增强。而原始图像清晰度又比较高，因此此处作了简化处理。
图2 预处理及边缘提取流程图
2.2 车牌号码定位
图3 车牌定位流程图
车牌号码定位的主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置。由于车牌图像是一个水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测來对图象进行分割。其中用到了膨胀和闭合这两个基本运算。
图4 字符分割与归一化流程图
2.3 车牌字符分割
确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理（见图4）。
2.4 车牌字符识别
字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。本文采用的是模板匹配算法。
模板匹配算法：首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。
基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。
实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。
3.小结
尽管目前牌照字符的识别率还不理想，但是只要在分割出的字符的大小、位置的归一化，以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善。
参考文献
[1]宋建才.汽车牌照识别技术研究[M].工业控制计算机出版社，2004.
[2]朱虹.数字图像处理基础[M].科学出版社，2004.
[3]许志影，李晋平.MATLAB在图像处理中的应用，计算机与现代化出版社，2004
[4]阮秋琦.数字图像处理学[M].北京：电子工业出版社， 2001.
[5]梁玮，罗剑锋，贾云得.一种复杂背景下的多车牌图像分割与识别方法， 2003.
[6]王刚，冀小平，基于MATLAB的车牌识别系统的研究[M].电子设计工程出版社，2009
[7]刘阳，伊铁源等.数字图象处理应用于车辆牌照的识别[J].辽宁大学学报，2004
[8]成瑜.汽车牌照自动识别技术研究[J].南京航空航天大学学报，2006.
[9]刘卫国.MATLAB程序设计与应用[M].高等教育出版社，2002.
[10]胡强.基于特征信息车牌识别系统的研究[D].西南交通大学研究生学位论文，2004.
[11]丁兆坤.车牌识别技术研究[D].东北大学硕士学位论文，2004.
[12]雷宏涛.数字图像处理[M].机械工业出版社，2003.
[13]叶晨洲，等.车辆牌照字符识别[J].上海交通大学学报，2000.
[14]刘智勇，等.车牌识别中的图像提取及分割[J].北京中文信息学报，2000.
[15]齐飞虎.模式识别与图像处理[M].机械工业出版社，2003.
[16]徐汇.基于Matlab的车牌识别系统研究[M].国防工业出版社，2010.
作者简介：王玮（1987—），男，江苏南京人，南京中电熊猫液晶材料科技有限公司工程师，主要从事彩色滤光片生产自动化制造系统的设计、开发、维护工作。
【关键词】图像预处理;车牌定位;字符分割;字符识别
1.基本模型简介
1.1 研究背景
近几年，国内有许多公司以及科研机构进行这方面的研究，并且有一些实用化产品，这些产品的车牌识别率都在70%以上，但是对环境要求都比较高，在全天候的条件下，也存在识别精度不高、识别时间长等缺点，车牌识别技术还存在很大的发展空间。
1.2 MATLAB简介
硬件设备采集到图片后首先要考虑图像的存储格式。目前比较常用的图像格式有*.BMP 、*.JPG、*.GIF、*.PCX 等，本课题采集到的图片是*.JPG 的格式。 软件系统的编写大多采用VC或者MATLAB语言，本课题选用了 MATLAB语言。MATLAB具有以下优点：
（1）MATLAB编程效率高，使用方便。MATLAB本身拥有丰富的函数库，并具有结构化的流程控制语句和运算符，用户在使用过程中能够方便自如地应用。其图像处理工具箱更是大大扩展了MATLAB解决图像处理问题的能力。
（2）MATLAB扩充能力强，交互性好，移植性和开放性较好。MATLAB的库函数同用户文件在形式上是一样的，用户可以根据自己的需求方便地建立与扩充新的库函数，扩充其功能。
（3）使用专业工具箱，使得研究人员不必过于关心程序的细节问题，可以将主要的精力放在算法的研究、设计方面，极大地减少了工作量，为算法的研究改进提供了先决条件。
我们知道输入的彩色图像包含大量颜色信息，会占用计算机较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，通常将彩色图像转换为灰度图像，以加快处理速度。对图像进行灰度化处理、边缘提取、再利用形态学方法对车牌进行定位。
1.3 车牌识别原理及总体方案
车牌号码识别的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，得到输出结果。
图1 车牌号码识别系统原理图
车牌号码识别系统原理图各部分说明如下：
（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。
2.基本模型描述
2.1 图像的采集和预处理
通过数码相机拍摄清晰的车牌号码的实物图，然后将BMP格式的实物图保存在电脑里备用。
对图像进行灰度化处理、边缘提取。边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊，图像的锐化可以增强图像中物体的边缘轮廓，但同时也使一些噪声得到了增强。而原始图像清晰度又比较高，因此此处作了简化处理。
图2 预处理及边缘提取流程图
2.2 车牌号码定位
图3 车牌定位流程图
车牌号码定位的主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置。由于车牌图像是一个水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测來对图象进行分割。其中用到了膨胀和闭合这两个基本运算。
图4 字符分割与归一化流程图
2.3 车牌字符分割
确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理（见图4）。
2.4 车牌字符识别
字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。本文采用的是模板匹配算法。
模板匹配算法：首先将分割后的字符二值化，并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。
基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器;另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。
实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。
3.小结
尽管目前牌照字符的识别率还不理想，但是只要在分割出的字符的大小、位置的归一化，以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善。
参考文献
[1]宋建才.汽车牌照识别技术研究[M].工业控制计算机出版社，2004.
[2]朱虹.数字图像处理基础[M].科学出版社，2004.
[3]许志影，李晋平.MATLAB在图像处理中的应用，计算机与现代化出版社，2004
[4]阮秋琦.数字图像处理学[M].北京：电子工业出版社， 2001.
[5]梁玮，罗剑锋，贾云得.一种复杂背景下的多车牌图像分割与识别方法， 2003.
[6]王刚，冀小平，基于MATLAB的车牌识别系统的研究[M].电子设计工程出版社，2009
[7]刘阳，伊铁源等.数字图象处理应用于车辆牌照的识别[J].辽宁大学学报，2004
[8]成瑜.汽车牌照自动识别技术研究[J].南京航空航天大学学报，2006.
[9]刘卫国.MATLAB程序设计与应用[M].高等教育出版社，2002.
[10]胡强.基于特征信息车牌识别系统的研究[D].西南交通大学研究生学位论文，2004.
[11]丁兆坤.车牌识别技术研究[D].东北大学硕士学位论文，2004.
[12]雷宏涛.数字图像处理[M].机械工业出版社，2003.
[13]叶晨洲，等.车辆牌照字符识别[J].上海交通大学学报，2000.
[14]刘智勇，等.车牌识别中的图像提取及分割[J].北京中文信息学报，2000.
[15]齐飞虎.模式识别与图像处理[M].机械工业出版社，2003.
[16]徐汇.基于Matlab的车牌识别系统研究[M].国防工业出版社，2010.
作者简介：王玮（1987—），男，江苏南京人，南京中电熊猫液晶材料科技有限公司工程师，主要从事彩色滤光片生产自动化制造系统的设计、开发、维护工作。