基于MATLAB圖像處理的惡劣天氣自動車牌識別系統設計

許多 張仕霞

摘 要 針對惡劣天氣環境下傳統的自動車牌識別系統存在運行時間長、輸出車牌信息不準等問題，本文提出了借助MATLAB的圖像處理功能從圖像去霧、車牌定位、字符識別三個模板進行自動車牌識別系統的設計，并采用暗通道優先、支持向量機、模板匹配三種算法，通過實驗驗證了車牌定位和字符識別的準確性提高效果良好。

關鍵詞 車牌識別 ?暗通道優先 ?支持向量機 ?模板匹配

中圖分類號 ?TP3文獻標志碼 ?A

引 言

全球汽車的使用越發呈爆炸式增長，人類的生活出行更加方便了，但同時也對城市交通造成了巨大的壓力。車輛的普及對交通設施與交通監管部門提出了更高的要求，傳統的人工管理手段和交通基礎已經不足以解決日益繁重的車輛管理工作[1]。為了更加智能、高效的交通監督與管理，人們基于人工智能技術的發展提出了“智慧交通”的概念，通過使用一系列的車輛檢測和道路實時監控設備來獲取道路交通的各類信息，實現了交通管理的自動化、智能化。

智能交通系統是將傳感器技術、自動控制理論、人工智能等科學技術有效結合并綜合運用于現代交通的運輸管理體系。車牌作為一輛車的重要信息源，自動車牌識別技術更是智能交通系統的重要組成部分。

自動車牌識別系統對當今世界的交通工作的處理起到不容忽視的作用[2]。

在惡劣天氣條件下，自動車牌識別系統受到灰塵、煙霧以及污漬遮擋等影響，使得圖像模糊不清、信息不準等現象，這將大大降低所得圖像的利用價值[3]。因此，設計一種準確且功能強大的車牌識別系統非常重要。本文基于MATLAB設計能夠在惡劣天氣下使用的自動車牌識別系統。

0 系統結構設計

在惡劣天氣環境下實現對車輛車牌的檢測與識別，自動車牌識別系統主要從圖像去霧、車牌定位、字符識別三個模塊進行設計[4]，設計結構流程如圖1。

3.4 邊緣檢測

邊緣檢測能夠標出車牌信息的大幅度變化，可以使車牌在沒有背景和車牌字體的情況下進行分離，以此防止提取圖像顏色特征值時周圍出現類似顏色對過程造成干擾。圖5顯示邊緣檢測后的車牌圖像。

3.5 支持向量機定位車牌

找到車牌所在的區域是識別車牌信息的重點。通常情況車牌都為矩形，有固定的長寬比，一般是根據研究對象的大小形狀進行識別。

但是如果僅依靠車牌大小尺寸來定位車牌區域具有局限性。要解決此類問題，可以使用機器學習中的支持向量機（SVM）對車牌區域進行分類[8]。SVM會從圖像中識別一些獨有的特征集，用這樣的功能來訓練SVM再對其他圖像進行測試。

3 字符識別

在上述過程中已經成功將車牌位置定位，但是依然將面對在惡劣天氣下，如積雪、泥漬等附著在車牌上導致車牌字符不能正確顯示，從而使系統不能準確檢測出車牌的正確信息。本文將采用模板對比的方法來解決此類問題，以提高系統檢測準確度[9]。

4.1 字符分割

車牌的字符間隔一般比較大，字符與字符間是沒有連接的，所以本文尋找有連續文字的字符塊，按照字符的寬度來確定出合適的閾值，假如寬度大于這個閾值，即說明這一塊是多個字符的組合，便需要對這一部分進行切割，然后保存剩余部分并且覆蓋住原來的圖像繼續進行切割，依次執行，直到分割出所有字符。當所有字符都被分割出后就能夠進行下一步的字符識別。圖6便是此階段分割出來后的車牌單個字符。

4.2 光學字符識別

目前光學字符識別（ORC）對車牌字符的檢測主要有兩種算法：一是基于人工神經網絡的算法以及基于模板匹配的算法。本文將采用模板匹配算法來進行車牌字符的識別。

模板匹配即使用模板圖像和原始圖像進行比較，尋找原始圖像中是否存在與該模板圖像相同或相似的區域，即事先分割好的單個字符依次與模板圖像作對比，最為相近的即默認輸出為正確結果。本文使用的測度方法是誤差平方和。

4.3 輸出車牌字符信息

4 實驗結果及分析

為驗證本文設計的系統在精確度和效率上均優于傳統的識別系統，設計了驗證模型與本文系統進行比較。驗證模型在圖像去霧時采用直方圖均衡化算法且車牌定位時僅依靠車牌大小尺寸不引入支持向量機進行分類，其余過程在與本文設計系統過程一致。

通過實驗顯示，驗證模型因為僅依靠車牌尺寸進行定位，所以定位車牌時的錯誤率很大，即使定位出了正確位置，但是輸出的車牌信息卻無法保證準確性。

5 系統平臺搭建

為實現信息交互，本系統基于MATLAB GUI搭建圖形化操作界面[10]。點擊“輸入圖像按鈕”即可開始預處理圖像，預處理的過程即對輸入圖像進行去霧、以及車牌定位功能，成功定位車牌后便可以點擊“檢測車牌信息”輸出識別后的字符信息。

6 結束語

在全球逐漸加劇的惡劣天氣問題下，復雜環境下的車牌識別就顯得尤為重要，要有效獲取車牌的準確信息比較困難。本文提出了優化系統，并通過基于MATLAB對車牌圖像識別的模擬研究，對已有的自動車牌識別系統進行了算法的改進。通過實驗驗證本文的優化系統具有有效性。

參 考 文 獻

[1] 鄧嘉誠，黃賀聲，楊林，魏亞東.車輛牌照識別技術現狀[J].現代信息科技，2019，3（16）：78-83.

[2] 張莉莉，武艷.基于 MATLAB 的車牌識別系統的設計仿真[J].數字技術與應用，2017（10）：127-128.

作者簡介：許多，2000年2月，男，漢，出生地：四川巴中，所屬學校：西南財經大學天府學院，所屬部門：智能科技學院，研究方向：機器學習、圖像處理、生物信息