1. 引言
车牌照在交通系统中有着非常重要的作用，从20世纪90年代开始，国外的研究人员已经开始了对车牌识别的有关研究。在国内，不少学者也已经开始了相关方面的研究，并取得了一定的成就。本文通过以前学者研究成果的总结，从理论上对车牌识别的方法作一个概要的描述。
2. 车牌识别流程
典型的车牌识别系统由图像采集、图像预处理和图像识别三部分组成。其中，图像采集通过拍摄照片完成；图像预处理通过二值化、锐化、降噪等部分处理图像信息，获得图像的关键部分，即车牌字符。再进行车牌识别。特征是车牌字符特点的表现形式，每个字符都有其自身特征，用于后续的识别。流程如图1 所示。
3. 图像采集
图像采集是通过相机拍摄获得车牌的照片。对车牌识别系统来说，在图像集方面实际上存在
一些困难。以高速公路为例，由于车辆行驶速度较快，所以拍摄的照片往往会很模糊，这给图像的分析带来了困难。一种比较有效且应用较多的方法是同时拍摄几张图片，对这几张图片提取公有的信息，得到一张新的图片，这样获得的图片相对比较清晰。文中照片均通过相机拍摄，并没有高速公路拍摄的模糊效果，故每个车牌只用一张图片。
4. 图像预处理
图像预处理主要包括：灰度化、二值化、梯度锐化、降噪、分割、归一化。图2为车牌的原始图片。
4.1 灰度化
拍摄到的图像是彩的，现在也有一些基于彩图像的处理方法，但实际效果并不显著，一般来说，在图像处理和识别方面，都要把彩图像转换为灰度图像，其转换公式如下：
其中表示点的像素值，用一定比率和3 个颜分量乘积相加，得到一个和，就是灰度图像该像素点3 个分量的灰度值。图3 是灰度化以后的结果。
4.2 二值化
图像的二值化算法有上百种，一般分为限定阈值法和自适应二值化算法，限定值的二值化算法存在不足，主要是因为限定阈值后，不能适应各种环境下拍摄的照片，容易受到光照等因素的影响。采用一种改进的限定阈值二值化算法，即先对图像灰度拉伸，再设定阈值。因为对于前景和背景区别较大的车牌而言，其图像灰度直方图具有明显的双峰特征，进行灰度拉伸后，双峰之间的波谷范围变大使得在不同光照下的照片得到共同的波谷范围，在这段灰度范围内确定的阈值可以适用于不同的图像。灰度拉伸后，在视觉上体现为增加了背景和前景的对比度。图4 是对图3 进行灰度拉伸后结果，其前景和背景的对比度明显增强。图5 是二值化结果。
4.3 梯度锐化和降噪
图片在有些情况下会字体模糊，这对识别造成了一定的困难，所以有时要对图像进行锐化处理使模糊的图像变得清晰起来，同时可以起到一定去噪作用。这里采用Roberts 梯度锐化方法，它属于微分法的一种。其定义如下： 设原始图像上的点为f(x,y),定义f(x,y)在（x，y）处的梯度矢量为：
设一个判定阈值为p汽车牌照颜，变化后的图像g（x，y）定义为：
事实证明，梯度锐化具备一定的去噪声能力，但同时会对字符的边缘有所损伤，所以在图片中字符较为细小的时候不要使用梯度锐化。由于车牌图像在梯度锐化以后，主要的离散噪声已经出去，剩下的噪声主要是车牌的边框以及边框上的文字，还有车牌上方的铆钉，这些噪声用一般的降噪方法很难全部去掉，考虑到后续步骤要进行图像切割，这些信息可以在切割中去除，故降噪算法用基本的均值滤波，去除离散的噪点。图6 是锐化和去噪以后的结果，
观察到字体和边缘变细，同时也去掉了部分噪声。
4.4 分割
系统在识别的时候只能根据每个字符的特征来进行判断，所以还要把图像中的字符独立地分割出来。该算法是建立在上述几个步骤处理之后的，需要有较好的二值化和降噪处理结果，具体的算法如下：
第一步：从图像水平方向的中线开始，先自下向上对图像进行逐行扫描，直至到没有黑像素点的第一行，记录下来，然后同理从中线由上向下对图像进行逐行扫描。这样就到图像可能的高度范围。
第二步：根据车牌与字符的比例关系，车牌左侧十分之一的位置处于第一个字符上。从图像
左边十分之一处自右向左逐列进行扫描，直至到没有黑像素点的第一列，记录下来，从图像右边十分之一处自左向右逐列进行扫描，直至到没有黑像素点的第一列，记录下来，这样就得到了整体图像的宽度范围。
第三步：从图像的左侧开始，逐列扫描，到没有黑像素点的第一列，这样就分割出左边一个字符，再对其进行步骤一形式的扫描，精确确定第一个字符的高度范围。继续自左向右扫描，到有黑像素点的第一列，这是左起第二个字符的起始位置；再用前述相同的方法就能分割出第二个字符；为了排除车牌第二个字符后面圆形分隔符的干扰，剩余的字符从车牌右侧开始扫描，用相同的方法分割。
由于降噪算法可能无法把所有噪声都去掉，所以可以取一个值T，当该行或该列黑点数小于T 时，即认为没有黑点，这个方法对上述3 个步骤均适用。
5 识别
传统的图像识别技术包括基于模板的识别、基于BP 神经网络识别、多特征匹配等方法。模板匹配和其他相比，其简单和高效的特点尤为显著，文中采用模板匹配的方法，具体算法如下：
将归一化后的样本和库中的模板进行比较，引入概念相似度T，初始值为0。当样本的像素点A（i，j）的灰度值和模板B（i，j）灰度值相同时，T加1；若不同时T减1。公式如下:
进行字母和数字的匹配。以下为用例匹配结果，如图8 所示：
6 结语
在前人研究的基础上，对车牌识别系统进行了功能的研究和实现。能够对简单环境下的车牌图片识别，并获得显著的效果。同时，也为复杂环境下的车牌进行分析识别的后续研究奠定了基础。同时在实现方法上，也有一定的突破和创新。第一，在图像预处理的二值化过程中，利用图像灰度拉伸的方法，使得不同光照条件下的图像均能用同一的阈值进行二值化处
理，简化了二值化的处理，同时提高了效率和准确度。。第二，字符分割的过程中，根据车牌的形状特征，排除了噪声的干扰，准确地分割得到单个字符图片。该系统实现了车牌图像的预处理，并与模板库进行匹配，获得识别结果。
参考文献：
[1] 《车牌识别系统的研究与实现》 毛晓鲛 （南京师范大学强化培训学院） 南京 210046
[2] IECON’ 91.1991: R.Mullot , C.Oliver, J.L.Bourdon. Automatic extraction methods of container identity number and registration plates of cars. (9) :1739-1745.
[3] IEEE Trans On Vehicular Technology: R.Parisi, E.D.Di Claudio.Car plate recognition by neural networks and image processing.1998，44 (4) : 790-799.
[4] European Conference on Security and Detection:D.W.Tindall.Deployment of automatic license plate recognition systems in multinational environments.,1997:42-46.
[5] 曾迎生. 研究与开发. 图像二值化研究及其改进[J] .1990，(1) .
[6] 张炜，王庆，赵荣椿. 信号处理. 汽车牌照的实时识别.2000，16 (4) :373-375.
发布评论