圖像處理在車牌識(shí)別技術(shù)中的應(yīng)用

劉 萌

（商洛學(xué)院，陜西商洛，726000）

0 引言

隨著人民生活水平的提高，車輛的數(shù)目與日俱增.很多大型停車場、收費(fèi)站、交通違章管理等領(lǐng)域都安裝了車輛牌照自動(dòng)識(shí)別系統(tǒng)。用攝像機(jī)攝取的車輛圖像經(jīng)過數(shù)字圖像技術(shù)的處理和識(shí)別，將圖像轉(zhuǎn)換為車牌號(hào)的字符串，在車輛識(shí)別中的作用非常關(guān)鍵。系統(tǒng)首先需要獲取車輛圖像，然后定位車牌區(qū)域和分割文字，最后識(shí)別分割出的車牌文字。車牌自動(dòng)識(shí)別系統(tǒng)具有對車輛進(jìn)行自動(dòng)登記、驗(yàn)證、監(jiān)管和報(bào)警的功能。車牌自動(dòng)識(shí)別系統(tǒng)對高速公路收費(fèi)管理、超速自動(dòng)化監(jiān)督、公路布控、停車場自動(dòng)收費(fèi)管理有很好的輔助作用。該課題對車牌識(shí)別系統(tǒng)中的圖像預(yù)處理、車牌定位技術(shù)、字符分割技術(shù)等方面進(jìn)行了深入的論述。

1 圖像處理的簡介

計(jì)算機(jī)只能讀取經(jīng)過數(shù)字化處理的圖像，圖像處理技術(shù)具有多種技術(shù)可以對圖像進(jìn)行多方面處理，該課題介紹以下幾個(gè)比較重要的分支：

(1)圖像數(shù)字化：對模擬圖像通過采樣與量化的處理變化轉(zhuǎn)換為數(shù)字信號(hào)。

(2)圖像增強(qiáng)：增強(qiáng)圖像有效信息、去除噪聲、減少干擾，提高圖像清晰度。

(3)圖像分割與特征提?。悍指顖D像，劃分成互不重疊的區(qū)域，從背景中提取分割的對象。

(4) 圖像分析：分割、分類、識(shí)別、描述圖像中的對象。

(5) 模式識(shí)別：可應(yīng)用于文字識(shí)別、指紋識(shí)別、人臉識(shí)別

(6) 人工智能

(7) 計(jì)算機(jī)視覺：相當(dāng)于為計(jì)算機(jī)提供眼睛的功能。

車牌自動(dòng)識(shí)別系統(tǒng)采用了以上大部分技術(shù)，在文中將依次展開論述。

2 車牌識(shí)別系統(tǒng)簡介

車牌識(shí)別系統(tǒng)(LPRS）主要由硬件、軟件部分構(gòu)成。硬件包括工業(yè)控制計(jì)算機(jī)、以太網(wǎng)絡(luò)攝像機(jī)、UPS電源以及接口控制口各一臺(tái)。硬件部分完成圖像的攝入、處理的任務(wù)。軟件部分是以專門研究系統(tǒng)中車牌處理方法的學(xué)科。

2.1 車牌識(shí)別系統(tǒng)的結(jié)構(gòu)

車牌識(shí)別系統(tǒng)主要由圖像采集、預(yù)處理，VLP檢測、字符分割、OCR、車牌識(shí)別定位幾部分組成，其系統(tǒng)結(jié)構(gòu)如圖1 所示：

圖1 車牌識(shí)別系統(tǒng)結(jié)構(gòu)圖

車牌自動(dòng)識(shí)別系統(tǒng)：

1）圖像攝?。河捎布糠滞瓿晒ぷ鳎靡蕴W(wǎng)絡(luò)攝像機(jī)提取汽車的圖像，把視頻信號(hào)轉(zhuǎn)換為數(shù)字圖像信號(hào)送給計(jì)算機(jī)處理。

2）車牌圖像預(yù)處理：車牌圖像因自然環(huán)境及光照等因素的影響使拍攝過程存在干擾，不便于車牌的定位，對車牌圖像進(jìn)行預(yù)處理更好的提取車牌以保證車牌定位的質(zhì)量。

3）VLP 檢測：是系統(tǒng)的核心，VLP 檢測主要用數(shù)字圖像處理、模式識(shí)別、信息論等技術(shù)對車牌進(jìn)行定位、提取操作。

4）字符分割及識(shí)別：成功提取車牌后，對其中的字符進(jìn)行分割并進(jìn)行識(shí)別，最后得到最終結(jié)果。

2.2 我國車牌的特點(diǎn)

我國主要使用四種車牌：民用藍(lán)底白字車牌、民用黃底黑字車牌、軍用白底黑字、紅字車牌，另外國外駐華機(jī)構(gòu)使用的是黑底白字車牌。了解車牌特征以便于車牌識(shí)別。

3 車牌自動(dòng)識(shí)別系統(tǒng)具體設(shè)計(jì)

該課題主要論述了車牌自動(dòng)識(shí)別系統(tǒng)圖像預(yù)處理、VLP檢測、OCR、牌照定位幾個(gè)主要部分的技術(shù)研究與應(yīng)用。

3.1 圖像預(yù)處理

圖像預(yù)處理技術(shù)包括：圖像格式轉(zhuǎn)換及圖像壓縮、 圖像去噪、圖像增強(qiáng)等。

3.1.1 圖像格式轉(zhuǎn)換及圖像壓縮

現(xiàn)如今我們所采集的圖像大多是彩色圖像，即彩色圖片，輸入計(jì)算機(jī)的視頻截取圖像為RGB格式。比如一幅24位的彩色圖，它的每個(gè)像素都包含三個(gè)顏色分量，這三個(gè)顏色分量占用三個(gè)字節(jié)，儲(chǔ)存一幅640* 480的圖像要占用 640* 480* 3 = 921個(gè)字節(jié)，這921個(gè)字節(jié)包含了大量的顏色信息，不僅增加了存儲(chǔ)開銷而且降低系統(tǒng)的處理速度。圖像會(huì)攝取很多與車牌識(shí)別信息無關(guān)的內(nèi)容，通過灰度變換將彩圖轉(zhuǎn)化為灰度圖像，對圖像進(jìn)行了壓縮。灰度變換的公式為：Y= R*O.299 + G* 0.587 +B*0.114 ,其中Y為灰度值。通過索引像素使用統(tǒng)一的調(diào)色板,不僅存節(jié)省了儲(chǔ)空間而且減少了處理時(shí)間 。

3.1.2 圖像去噪及圖像增強(qiáng)

當(dāng)出現(xiàn)光照不好、角度不合適、車速較快等狀況時(shí)，會(huì)導(dǎo)致圖像歪斜模糊、或缺損。以上圖像問題都可以通過圖像平滑和增強(qiáng)處理得到解決。為了消除噪音我們可以通過濾波進(jìn)行圖像去噪處理。濾波方法分為空域?yàn)V波和頻域?yàn)V波。空域?yàn)V波器按照功能又可以分成平滑濾波器及銳化濾波器。其中平滑濾波器常用鄰域平均法、選擇平均法、 中值濾波法、自適應(yīng)濾波等方法進(jìn)行平滑濾波。去噪處理采用中值濾波獲得的效果比較好。然而實(shí)際應(yīng)用中,通過傳統(tǒng)的鄰域平均平滑算法J或采用某些改進(jìn)的算法比較普遍。其中小波去噪可分為三步：1.對二維信號(hào)進(jìn)行小波分解。2.對高頻系數(shù)進(jìn)行閾值量化。3.對小波重構(gòu)。常采用灰度直方圖變換的方法來進(jìn)行圖像增強(qiáng)?；叶戎狈綀D變換分為直方圖均衡化和直方圖規(guī)定化。直方圖變換是原始圖的直方圖被變換成均勻分布的形式，像素灰度值的動(dòng)態(tài)范圍得到增強(qiáng)，從而增強(qiáng)圖像的對比度。根據(jù)實(shí)際情況，可能需要把直方圖變換成某個(gè)特定的形狀，選擇性地增強(qiáng)圖像某范圍內(nèi)的對比度。另外，通過傅立葉變換到頻域?qū)D像進(jìn)行處理，圖像中的邊緣和噪聲屬于傅立葉變換中的高頻部分，背景屬于低頻部分，通過低通濾波器來去噪，通過高通濾波器來圖像銳化。

3.2 字符分割

經(jīng)過圖像預(yù)處理得到了車牌的灰度圖像。依據(jù)字符識(shí)別采用的是二值圖像的需求，對圖像進(jìn)行二值化，對其中的字符進(jìn)行分割并進(jìn)行識(shí)別。圖像的二值化是指將圖像中的灰度只用兩個(gè)值0、1來表示，白色用1表示，黑色用0表示，二值圖像即為衣服黑白圖像。二值化的算法包括：固定閾值和自適應(yīng)閾值。固定閾值算法首先確定一個(gè)固定的灰度值，把圖像分為前景和背景兩部分，兩景之間形成低谷，即確定低谷處為閾值，灰度值置是1均是大于此閾值的，小于的即為0。自適應(yīng)閾值具有靈活、產(chǎn)生很多噪聲可能的特點(diǎn) 。

3.3 OCR光學(xué)字符識(shí)別

ORC是一種光學(xué)字符識(shí)別技術(shù)，它可以對圖像文件進(jìn)行分析處理。根據(jù)字符的結(jié)構(gòu)特征OCR運(yùn)用多種方法有效快速的識(shí)別字符。ORC識(shí)別系統(tǒng)經(jīng)過輸入影像輸入、影響前處理、抽取文字特征、識(shí)別對比、最后人工校正最終輸出結(jié)果。

字符識(shí)別主要有以下3種方法：

(1)摸板匹配法：將模板圖（MXN）點(diǎn)對點(diǎn)的與待識(shí)別的字符圖像進(jìn)行比較，找出相似度最高的字符。如果有很多模板時(shí)耗時(shí)會(huì)長，圖像噪聲、傾斜度影響，容易產(chǎn)生誤識(shí)別。

(2)神經(jīng)網(wǎng)絡(luò)法：用模板字庫來訓(xùn)練神經(jīng)網(wǎng)絡(luò)參數(shù)，將字符特征、象素點(diǎn)集作為輸入?yún)?shù)，然后識(shí)別字符。識(shí)別類型多時(shí)，不易達(dá)到理想的效果。

(3)特征匹配法：對字符的筆劃、字符象素分布進(jìn)行分析，設(shè)計(jì)分類器，識(shí)別字符。

3.4 車牌識(shí)別定位

車牌識(shí)別屬于一種模式識(shí)別問題，其中的一門關(guān)鍵技術(shù)是車牌定位。車牌定位是借助圖像處理技術(shù)從整幅圖像中分離出車牌區(qū)域，車牌區(qū)域的字符信息不受非車牌區(qū)域的干擾。車牌處的灰度值與周圍區(qū)域不同，在其邊緣形成一條灰度突變的邊界，這條邊界我們利用邊緣檢測技術(shù)分割圖像。借助于空域微分算子卷積算法完成邊緣的檢測。梯度方向與拍照邊緣互相垂直，由此提取牌照的邊緣。顏色變化迅速的特點(diǎn)即可定位牌照區(qū)域，定位車牌區(qū)域的具體過程：掃描灰度圖，從第1行開始，灰度變化大于閾值的點(diǎn)的個(gè)數(shù)記錄在案，當(dāng)個(gè)數(shù)大于點(diǎn)數(shù)閾值時(shí)判斷該行可能包含車牌區(qū)域。察看標(biāo)志變量，若值為假將其置為真，否則繼續(xù)。如果灰度變化大于閾值的點(diǎn)的個(gè)數(shù)小于點(diǎn)數(shù)閾值，也要查看標(biāo)志變量，如果檢測結(jié)果為假則繼續(xù)檢測，反之，則將行個(gè)數(shù)值加1。如果新值大于行數(shù)值，認(rèn)為上面找到的高變化區(qū)域與下面灰度圖像沒有聯(lián)系。經(jīng)過以上步驟看去確定的高度是否符合車牌的條件，如果符合即為車牌區(qū)域，確定不是時(shí)將標(biāo)志位復(fù)位，從下一行重新開始確認(rèn)。

4 總結(jié)

該課題論述了圖像處理在車牌識(shí)別技術(shù)中的應(yīng)用，該種系統(tǒng)使交通變的智能化，方便了人們的生活。

[1]鄧運(yùn)生.車牌照識(shí)別若干技術(shù)研究和實(shí)現(xiàn)[D].安徽工程大學(xué),2012.

[2]郭玉錦.基于壓縮感知的模糊車牌圖像預(yù)處理及其識(shí)別研究[D].長安大學(xué),2012.

[3]李艷軍.圖像處理在車牌識(shí)別中的應(yīng)用與研究[D].武漢理工大學(xué),2010.