基于模板匹配及人工神經網絡算法的圖像識別應用
——MATLAB實現機動車牌號碼辨識

賴特LAI Te（北京航空航天大學實驗學校中學部）（Middle School Department of Experimental School of Beihang University）

基于模板匹配及人工神經網絡算法的圖像識別應用
——MATLAB實現機動車牌號碼辨識

賴特
LAI Te
（北京航空航天大學實驗學校中學部）
（Middle School Department of Experimental School of Beihang University）

用于識別車輛牌照的技術將模式識別和計算機視覺引入到交通領域，該領域實現了智能化可協助規范與強化交通管理。文章介紹了車牌照自動識別技術的相關概念，闡明了車牌圖像處理的具體方法，還詳細的論述了字符識別與字符分割對車牌字符串提取的作用。同時，還指出加強預處理、識別算法與識別技術，能夠增強系統的識別能力，從而有效的對拍照識別與分割，這樣有助于車輛拍照自動識別技術的實際運用，從而為其他自動識別技術提供參考。

模板匹配；車牌識別；人工神經網絡；圖像識別；Matlab

識別的核心是對識別對象的特征進行提取，并選擇合適的分類器。首先對其字符大小實施歸一化處理，在全面提取其字符特征時，要與字符的實際結構特征相結合。在識別字符的過程中以最近鄰法最為常用，這種識別方式的識別效果較好，且具有良好的時效性。經過實驗發現，所采取的算法在對牌照展開分割識別時，識別結果準確。多種預處理與識別技術的運用令系統識別能力大大提升，這對車輛牌照自動識別的實踐應用具有良好的借鑒意義。

1 相關概念

牌照自動識別具體是指：通過獲取的車輛動態視頻、靜態圖像進行掃描與識別，利用多種不同的識別技術確定車牌號碼、牌照顏色。在牌照的自動識別系統中，必須要滿足一定的硬件基礎，比如觸發設備、照明設備、識別處理機等；在識別的過程中經常采用的算法有多種，其中具有代表性的有：車牌定位算法、車牌字符分割算法、光學字符識別算法等?，F階段一些技術還能夠通過視頻圖像對駛入鏡頭的車輛進行確認，也就是理論界所說的視頻車輛檢測的功能。

一般來說，牌照識別系統是有多個組件組合在一起構成的，其中包括：圖像截取、車輛檢測、信息識別等。當檢測組件感應到有車輛接近，就會向圖像截取組件發送信號截取車輛圖像，并發送到信息識別組件，對圖片進行處理對牌照位置定位，然后利用字符分割逐個識別，最后把識別后的字符組合成完整的車牌號。

2 設計步驟及實現過程

2.1 設計步驟

按照以下步驟操作，就可順利識別牌照

a.定位，在圖片中定位牌照的位置；

b.分割車牌中的字符；

c. 識別分割后的字符，并將識別出來的字符組合成完整的車牌信息。

在牌照識別的各個環節中，用于識別牌照顏色的算法也有很多種，不同的算法，所在的環節也有所區別，顏色識別和號碼識別都是必要的存在，兩者相互補充，相互驗證，保障車牌識別結果更加準確。

1）牌照定位:

由于自然環境中存在的很多外在因素，會使采集的車輛圖片處于一個較為復雜的背景之中，而且容易受到光的影響，因此，需要利用牌照識別來定位牌照在圖片中的具體位置，這是整個系統的核心環節之一。具體識別中，第一步就是對車輛的圖片進行大面積的搜索，確定幾個候選區域，對這幾個候選區域進行篩選，最終選擇最佳區域確定為牌照區域，并對其進行分割處理。

2）牌照字符分割 :

實現對牌照區域的定位之后，需要對牌照中的字符進行分割，將其分割成多個單字符，才能對單字符展開識別。在分割字符時，最常采取垂直投影法以方便后期識別:先進行計算以獲得車牌區域垂直向二值投影圖,在圖中找到波谷點位置,驗證該位置同時符合字符、格式、尺寸等多種條件, 從而根據這些來對整個車牌字符進行分割，并且去除掉字符與字符之間的信息,進一步去粗取精。在復雜環境下的車牌照字符分割,此法是目前效果較佳的方式之一。

3）牌照字符識別 :

目前常用字符識別方法有兩種： 其一為基于人工神經網絡；其二為基于模板匹配。后者在使用時，要先對已經分割完成的字符二值化，并根據模板字符縮放到合適的大小，然后和數據庫中留存的模板進行匹配，找出匹配度最大的數據信息。前者在計算時，又有兩種方法，其一，確定需要識別的字符，并從中歸納出有用特征等待識別，訓練神經網絡分配器適應和熟悉此類特征即可進行識別；其二，直接把需要處理的圖像信息傳到網絡上，由網絡自動完成特征提取和識別并得出結果。在我們日常生活中，牌照識別系統越來越普及，識別效果還取決于拍攝和牌照自身質量。其中字體褪色、剝落油漆、生銹、假牌照、多牌照或者被遮檔等等都會影響牌照質量。而車輛的速度、拍攝亮度、環境等各方面的因素也會干擾實際拍攝。上述這些因素均會影響牌照識別效果，這也是制約牌照識別系統發展的主要因素之所在。基于此，需要進一步優化識別算法，攻克上述可能影響的因素，促進圖像識別率的提高。

2.2 實現各模塊

1）輸入待處理的原始圖像（見圖1）:

圖1 待處理的原始圖像

2）圖像的灰度化:

彩色圖像中含有各種與顏色有關的信息，其需要花費大量的存儲空間，影響系統執行效率。所以在處理圖像時，為了提高處理效率，通常將彩色圖像轉變為灰度圖像，即灰度化處理，通過灰度變換，擴大像素動態區域，使圖像對比度得到擴展，得到更加清晰的圖像，使圖像識別更加方便準確（見圖2）。

圖2 圖像的灰度化

3）開操作并獲取圖像背景圖像（見圖 3）：

圖3 獲取的圖像背景圖像

4）取得最佳閾值，二值化圖像:

所謂二值圖像一般指一幅完整的圖像中圖像僅有黑、白二值（見圖4），其關鍵在于合理確定閥值，分離背景、字符。經系統處理過的圖像保形性佳，不會形成空缺或者丟掉有用的形狀信息。車牌識別系統需要具有處理速度快，成本低，信息全等特點，借助于二值圖像法，基本能夠滿足這些特點要求，使處理效率得到提高。閾值處理的關鍵是生成閾值，閾值可由計算法生成，也可由用戶指定，假設閾值大于圖的像素灰度，則需把該像素的灰度設置為0或255，如果像素的灰度值大于閾值，則設置成255或0（見圖5、圖6、圖7）。

圖4 車牌二值圖像

圖5 均值濾波后

圖6 膨脹或腐蝕處理后

圖7 目標車牌區域

5）邊緣檢測:

由于灰度值不連續，所以相鄰區域間不同灰度值，會形成邊緣。邊緣是提取圖像分析的前提條件，比如分割圖像、提取形狀、紋理特征等等。分類有意義的邊緣點，就需要在該點的背景上有效地區分出與該點有關的灰度。基于此，可結合門限法，判定其值是否有效。假設相較指定的門限，點的二維一階導數較大，即可初步認為該點為邊緣點。提前設定好標準，再連接符合標準的邊緣點，即形成邊緣。接著對一階邊緣導數進行檢測 ，所得到的導數高過閾值，就可確定為邊緣點，通過此法，可檢測出很多邊緣點。再結合梯度局部最大值對應點，去除非局部最大值對應點,進一步認定邊緣點，最后,若二階導數的零交叉點剛好對應于一階導數局部最大值，這樣一來，即可通過零交叉點（圖像強度大的）精準確定邊緣點.（見圖8）

圖8 canny算子邊緣檢測精確確定邊緣點

6）對得到圖像作開操作進行濾波

數學形態非線性濾波有著超乎想像的功能，如提取特征、分割圖像、檢測邊緣以及抑制噪聲污染等?？梢詫崿F邊界點消除的腐蝕操作有縮小目標，增大孔洞的作用，所以在實際運用中，可以極大的減少干擾；膨脹就是把和目標接觸的所有背景點合并在一起的過程；也可以說是把全部的背景點和物體全并到一起,達到縮小孔洞，增大目標的結果，通過該方法，使目標物體中的空洞得到彌補，形成連通域。

開運算，也就是先腐蝕，而后膨脹的過程，這一過程可消除細小的物體，同時可形成邊界,區分纖細分離物體、平滑較大的物體；閉運算，則剛好相反，指的是先膨脹而后腐蝕的一個過程，這一過程能夠把物體內的細小空洞填充起來，通過連接平滑邊界以及鄰近物體，使它的主要作用得到體現。對圖像先后應用了開運算和閉運算，在閉運算中圖像的輪廓更加光滑，具有消除長細的鴻溝、狹窄的間斷、小孔洞等作用，同時還可避免輪廓線發生斷裂的情況。（見圖9、圖10、圖 11）

圖9 腐蝕后圖像

圖10 平滑圖像的輪廓

圖11 從對象中移除小對象

7）提取二值圖像，計算可表示區域特征的參數，對比分析，最終提取車牌區域（見圖12）。

（1） 標記各區域的圖像，并通過計算得出如下可反映圖像特征的參數：其一面積；其二最小包含矩形；其三區域中心位置。

（2）通過計算得到標記范圍內的最小高、寬等，結合先驗知識，同實際車牌（主要比較高寬）對比，對比標記中哪個區域的值更加符合實際，提取更接近于實際車牌的值。分析其峰谷、水平投影，并在此基礎上分別計算出車牌字符投影、邊框以及車牌下邊框的如下參數：其一是波形峰上升點；其二是峰下降點；其三上峰中收位置參數；其四是峰寬；其五是谷寬；其六是峰間距離

8）車牌旋轉角度的計算方法

（1）車牌投影效果峰股谷不顯著，這與車牌傾斜有關，因而有必要矯正車牌。為矯正車牌主要運用了線性擬合法，通過計算可以得出水平X軸與擬合直線的夾角，該線由上、下邊圖像值為1的點構成(見圖13)。

①擬合直線，計算其與X夾角

②旋轉車牌圖像

（2）計算字符、車牌的寬度，在此之前需通過計算得出車牌垂直投影，同時將車牌垂直邊框去掉。

圖12 標記范圍內列方向像素點灰度值和灰度值累計

圖13 用線性擬合法矯正車牌

9）去水平（上下）邊框, 獲取字符高度:

（1）分析計算上述垂直投影、水平投影，得出字符首行、尾行、高度、寬度，以及所有字符的中心位置等。

（2）計算字符、車牌的寬度，在此之前需要求出車牌垂直投影，并去掉車牌垂直邊框。

（3）挨個計算車牌各字符的中心位置以及最大字符寬度maxwidth

（4） 找出分割字符,轉化成標準子圖，采取的標準為22行*14列標

10）自動識別字符代碼，匹配樣本庫與通過計算所獲得的字符圖像（見圖14）

通過樣本訓練神經網絡，在此基礎上識別車牌號。其具體流程如下，首先訓練四個子網絡：其一漢字；其二字母；其三字母數字；其四數字，并得出相應的權值、節點數。預處理那些已經明確的車牌圖像，依次提取圖像特征，并讀取文件中的權值、節點數，最后將車牌字符數送入網絡識別，最終輸出結果，完成識別。

圖14 自助識別字符代碼

3 結束語

圍繞車牌識別系統展開分析研究，重點研究了其軟件部件，較為系統的分析了如下幾方面：其一預處理圖像；其二定位車牌位；其三分割字符；其四識別字符，并在此基礎上分析了國內外關于這一領域的部分研究成果，歸納了我國車牌子識別的特點、固有特征。在定位車牌這一個問題上，較為創新的引用了灰度跳度定位法，預處理了圖像，在此基礎上展開二值化操作。通過實驗驗證,該方法一方面可較為完全的保留與車牌區域有關的信息，另外一方面在此過程中所形成的干擾是最小的，精確了二值化處理效果，這對于后續的處理具有很大的裨益。在定位中還采用了基于彩色分量的定位法，在定位藍色的車牌時，運用了藍色象素點統計特征，通過實驗，最后驗證，本法可較為準確的定位車牌。采用MATLAB編程運行結果，分析本實驗中所采取的定位車牌的方法均有一定優勢，其包括：開閉運算子、CANNY邊緣檢測、圖像預處理以及結合車牌特征處理識別等等。另外本實驗在精準分割車牌字符方面也有一定創新處，比如通過測算旋轉角度、邊框的方法，這其中使用了閾值技術以及二次水平投影分析等方法。最后雖說設計僅分割識別了藍底白字車牌，原則上可直接適用于黑底白字車牌的，而在調整車牌定位算法的基礎上，還可定位黃底黑字、白底黑字車牌，反轉圖像，其分割算法仍有效。

[1]張云剛，張長水．利用Hough變換和先驗知識的車牌圖像的檢測與定位算法[J].計算機學報，2004,27(1)：130.

[2]吳進軍，杜樹新．車牌圖像的檢測與定位新方法[J].工業控制計算機，2005，18(4)：69-70.

[3]遲曉君，孟慶春．基于投影特征值的車牌圖像的檢測與定位算法[J].計算機應用研究，2006，7(1)：256-257.

[4]王興玲，最大類間方差車牌圖像的檢測與定位的模板匹配算法[J]，計算機工程，2006，32(19)：193-195.

[5]楊高波，杜青松．MATLAB圖像、視頻處理應用及實例[M].北京:電子工業出版社，2010.

[6]劉衛國，MATLAB程序設計教程[M]．北京:中國水利水電出版社，2010.

[7]李云，車牌定位與字符分割算法的研究及實現[M]．成都：電子科技大學，2010:21-23.

[8]馬婉婕，車牌識別系統中字符分割的研究與實現[D]．復旦大學，2009.

[9]白建華，車牌圖像的檢測與定位及識別算法研究[D]．西安電子科技大學，2010.

[10]ICS 43.040.60．GA36—2007中華人民共和國公共安全行業標準．

Implementation of Image Recognition Based on Template Matching and Artificial Neural Network Algorithm——Image Recognition of Motor Vehicle License Plate By Using Matlab

The vehicle license plate automatic recognition technology pattern recognition and computer vision gradually applied in the field of intelligent transportation, to standardize and strengthen the traffic management. This paper introduces the related concepts of automatic lic ense plate recognition technology, expounds the concrete method of license plate image processing, and detailed discusses the character reco gnition and the role of character segmentation of license plate string extraction. At the same time, this article also points out that strengthen p retreatment, recognition algorithm and recognition technology, can enhance the ability to identify the system effectively for photo identificati on and segmentation, this helps the vehicle photos practical application of the automatic identification technology, so as to provide reference for other automatic identification technology.

template matching; license plate recognition; artificial neural network; image recognition; Matlab