谷秋頔，白艷萍

(中北大學(xué)理學(xué)院，山西太原 030051)

車牌自動(dòng)識(shí)別系統(tǒng)在交通管理中占有重要的地位，可以用于自動(dòng)收費(fèi)系統(tǒng)、停車場管理等?，F(xiàn)在較為常用的車牌字符識(shí)別方法有:神經(jīng)網(wǎng)絡(luò)［1－4］、模板匹配［5］、特征匹配［6－7］和支持向量機(jī)［8］。

中國汽車牌照中的漢字字符由于特殊性和復(fù)雜性在識(shí)別過程中容易出錯(cuò)。文中針對(duì)漢字字符識(shí)別提出了一個(gè)以圖像處理為基礎(chǔ)，運(yùn)用數(shù)學(xué)邏輯運(yùn)算，以Matlab［9］為操作平臺(tái)的方法，通過運(yùn)用合適的判別函數(shù)提高車牌漢字的識(shí)別率。

以往是將漢字進(jìn)行水平或豎直方向的投影，得出投影圖像。再根據(jù)投影圖中的波谷和波峰判斷漢字的間斷點(diǎn)和較長的直線，而波峰和波谷的判定較為復(fù)雜。因此提出在待識(shí)別字符與模板進(jìn)行邏輯運(yùn)算后，直接運(yùn)用數(shù)學(xué)函數(shù)作為判別函數(shù)的判定識(shí)別結(jié)果，簡化了識(shí)別過程，并提高了識(shí)別率。

1 背景知識(shí)及原理簡介

數(shù)字圖像處理指用計(jì)算機(jī)處理數(shù)字圖像。數(shù)字圖像由有限的元素組成，每一個(gè)元素都有一個(gè)特定的位置和幅值，這些元素稱為圖像元素、畫面元素或像素［10］。因此每一幅數(shù)字圖像都可以定義為一個(gè)矩陣。

1.1 匹配方法原理

將一幅圖像進(jìn)行灰度二值化后，白色部分像素值為1，黑色部分像素值為0。因此將兩幅圖像進(jìn)行邏輯‘與’運(yùn)算結(jié)果為:白＆＆白=白，白＆＆黑=黑，黑＆＆白=黑，黑＆＆黑=黑。

以‘京’字為例，下圖分別表示了待識(shí)別字符‘京’與3個(gè)不同標(biāo)準(zhǔn)字符模板進(jìn)行邏輯‘與’運(yùn)算后的結(jié)果。

圖3 與模板‘冀’匹配

圖中(a)表示字符‘京’、‘津’和‘冀’的標(biāo)準(zhǔn)模板，(b)表示待識(shí)別的字符‘京’，(c)表示待識(shí)別字符與該模板運(yùn)算后的結(jié)果。從圖中可以看出，待識(shí)別字符與相應(yīng)的模板進(jìn)行運(yùn)算后得到的結(jié)果較為清晰，而與其他模板進(jìn)行運(yùn)算后得到的結(jié)果則更加模糊。

1.2 判別函數(shù)原理

每一個(gè)標(biāo)準(zhǔn)字符模板都有一個(gè)固定的二值矩陣元素和sum(Ai)，每一個(gè)待識(shí)別字符也有一個(gè)二值矩陣的元素和sum(B)，將待識(shí)別字符與標(biāo)準(zhǔn)字符模板進(jìn)行匹配后得到一個(gè)新的圖像，這個(gè)匹配結(jié)果的二值矩陣元素和為sum(Ci)。

由圖1、圖2和圖3可以看出，當(dāng)待識(shí)別字符與不適合的模板進(jìn)行匹配后，白色像素少于與相應(yīng)的模板匹配，因此文中提出采用求取sum(Ci)最大值作為一個(gè)判別函數(shù)。同時(shí)可以看出，待識(shí)別字符與相應(yīng)模板進(jìn)行匹配得到的結(jié)果變化最小，因此提出以求取sum(Ai)、sum(Ci)和sum(B)標(biāo)準(zhǔn)差的最小值作為另一個(gè)判別函數(shù)。

2 判別函數(shù)表達(dá)式及識(shí)別過程

2.1 判別函數(shù)

Ck=max(sum(Ci))，i，k=1，2，3，…，31 (1)

式(1)表示找出元素和sum(Ci)最大值對(duì)應(yīng)的二值矩陣 Ck，k=1，2，3，…，31，則與二值矩陣 Ck，k=1，2，3，…，31 對(duì)應(yīng)的二值矩陣 Ak，k=1，2，3，…，31 所代表的模板即為識(shí)別結(jié)果。

式(2)表示求出sum(B)，sum(Ai)和 sum(Ci)標(biāo)準(zhǔn)差最小值對(duì)應(yīng)的二值矩陣 Cj，j=1，2，3，…，31，則與二值矩陣 Cj，j=1，2，3，…，31 對(duì)應(yīng)的二值矩陣 Aj，j=1，2，3，…，31所代表的模板即為識(shí)別結(jié)果。

2.2 識(shí)別步驟

(1)首先將標(biāo)準(zhǔn)車牌漢字字符模板存儲(chǔ)在計(jì)算機(jī)中，標(biāo)準(zhǔn)模板如圖4所示。

圖4 標(biāo)準(zhǔn)模板

(2)將這些模板進(jìn)行灰度化和二值化，得到相應(yīng)二值矩陣 Ai，i=1，2，3，…，31。

(3)將待識(shí)別的車牌漢字字符進(jìn)行灰度化和二值化，得到相應(yīng)的二值矩陣B。

(4)將二值矩陣 B 分別與二值矩陣 Ai，i=1，2，3，…，31進(jìn)行邏輯‘與’運(yùn)算，得到新的二值矩陣Ci，i=1，2，3，…，31。

(5)最后根據(jù)預(yù)先設(shè)定好的判別函數(shù)得出最終的識(shí)別結(jié)果。

3 識(shí)別結(jié)果對(duì)比與分析

3.1 兩種判別函數(shù)識(shí)別結(jié)果對(duì)比

表1 識(shí)別結(jié)果對(duì)比

通過表1可以看出，對(duì)同一識(shí)別過程，兩種不同的判別函數(shù)會(huì)產(chǎn)生較大的差別，判別函數(shù)(2)的總識(shí)別率遠(yuǎn)高于判別函數(shù)(1)。

3.2 結(jié)果對(duì)比

表2 結(jié)果對(duì)比

通過表2可以看出，與文獻(xiàn)［6］相比，文中的兩個(gè)判別函數(shù)在不同漢字字符的識(shí)別上顯示出了各自的優(yōu)勢，判別函數(shù)(1)在筆畫較為復(fù)雜的字符識(shí)別上具有優(yōu)勢，判別函數(shù)(2)識(shí)別結(jié)果較為穩(wěn)定。尤其是‘津’和‘青’兩個(gè)字符的識(shí)別率，文中的兩個(gè)判別函數(shù)都高于文獻(xiàn)［6］。

3.3 兩個(gè)判別函數(shù)聯(lián)合使用

因?yàn)閮蓚€(gè)判別函數(shù)各有優(yōu)勢，所以提出將兩個(gè)判別函數(shù)結(jié)合使用。通過對(duì)兩判別函數(shù)識(shí)別結(jié)果的對(duì)比發(fā)現(xiàn)，判別函數(shù)(1)對(duì)于部分字符識(shí)別率較高，而這部分字符的二值矩陣元素和sum(B)集中在(550，600)之間，因此通過編寫相應(yīng)的程序:當(dāng)sum(B)在此區(qū)間內(nèi)時(shí)，調(diào)用判別函數(shù)(1)，否則調(diào)用判別函數(shù)(2)。實(shí)驗(yàn)結(jié)果如表3所示。

表3 合用函數(shù)與文獻(xiàn)［6］對(duì)比

結(jié)果顯示，合用函數(shù)與判別函數(shù)(2)具有相同穩(wěn)定性的同時(shí)，在一些字符識(shí)別率上有所提高，例如‘青’和‘黑’，且大部分字符識(shí)別率高于文獻(xiàn)［6］。

4 結(jié)束語

通過實(shí)驗(yàn)發(fā)現(xiàn)，對(duì)于同一識(shí)別方法，選取合適的判別函數(shù)對(duì)最終的識(shí)別結(jié)果有一定的影響。每個(gè)函數(shù)都有其自身的優(yōu)缺點(diǎn)，因此，將不同的函數(shù)進(jìn)行結(jié)合使用，可以兼顧二者的優(yōu)點(diǎn)，從而達(dá)到更好地識(shí)別效果。

［1］蘇厚勝.車牌識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.可編程控制器與工廠自動(dòng)化，2006(3):103－107.

［2］吳成東，劉文涵，傅小菲，等.基于粗網(wǎng)格神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別方法［J］.沈陽建筑大學(xué)學(xué)報(bào):自然科學(xué)版，2007，23(4):693 －697.

［3］楊大力，劉舒.基于神經(jīng)網(wǎng)絡(luò)的車牌漢字識(shí)別方法［J］.中國人民公安大學(xué)學(xué)報(bào):自然科學(xué)版，2009(3):56－58.

［4］趙先軍.基于神經(jīng)網(wǎng)絡(luò)的車牌識(shí)別技術(shù)研究［D］.西安:西安電子科技大學(xué)，2005.

［5］吳煒，楊曉敏，劉大宇，等.一種基于模糊模板匹配的車牌漢字識(shí)別方法［J］.微型機(jī)與應(yīng)用，2005(11):57－59.

［6］王磊.基于投影特征匹配的車牌漢字識(shí)別方法研究［D］.哈爾濱:東北林業(yè)大學(xué)，2008.

［7］姜瑾，張桂林，許慧慧.基于投影特征曲線匹配的車牌字符識(shí)別算法［J］.計(jì)算機(jī)與數(shù)字工程，2007，38(6):20 －22.

［8］黃凡.車牌字符識(shí)別技術(shù)的研究與實(shí)現(xiàn)［D］.重慶:重慶大學(xué)，2008.

［9］楊杰.數(shù)字圖像處理及Matlab實(shí)現(xiàn)［M］.北京:電子工業(yè)出版社，2010.

［10］GONZALEZ R C，WOODS R E.Digital image processing［M］.Second Edition.Beijing:Publishing House of Electronics Industry，2007.

［11］張向東，馬月濤，楊奇澤.一種基于灰度圖像的車牌快速定位算法［J］.電子科技，2007，20(5):76－78，82.