段亦銳+張燕++玲劉慧

摘要：車牌識別是計算機視覺技術的一種典型應用，以機器視覺、圖形圖像、模式識別等為理論基礎，采用神經網絡、形態(tài)學、投影等技術實現車輛拍照、視頻分解、預處理、字符定位、文本識別等一體化車牌識別。

關鍵詞：車牌識別；機器視覺；圖形圖像；模式識別；神經網絡一、車牌識別的核心技術

車牌識別系統(tǒng)主要可分為原始圖的采集、圖像預處理、車牌定位、字符分割以及字符識別幾大部分。

（一）預處理概述

一般剛采集的圖像是彩色圖像，加上國內車牌顏色的多樣性（如白底黑字、黑底白字、黃底黑字及藍底白字等），為了能夠更好的對車牌進行圖像處理，首先要對抓

（二）車牌定位方法

車牌定位是基于圖像處理中的分割技術對整個車牌圖像進行車牌區(qū)域分割提取。由于我國車牌種類繁多且背景色復雜，實現一種可以通用的車牌定位提取方法是十分復雜的。典型的車牌定位方法流程如圖2所示：圖2

邊緣檢測的基本思想是基于圖像邊緣進行分析處理，該過程不僅可以降低不相關數據的運算，同時可以忽略一些干擾信息，將圖像原本最重要的特征信息保留下來。一般邊緣檢測采用的算子為Roberts和Sobel。而針對于車牌識別中車牌定位的提取，基于原有技術的基礎上，可采用一種結合與改進的Roberts算子邊緣檢測與形態(tài)學的車牌定位算法：一是增加兩個方向的檢測模版； 二是Roberts算子閥值的自動選取。

形態(tài)學處理是基于數學形態(tài)學的技術，數學形態(tài)學具有解析和敘述幾何形態(tài)學的功能。其基本運算有四種：開運算、閉運算、膨脹以及腐蝕，在車牌識別中可先對邊緣檢測好的圖像進行腐蝕，再根據車牌的一些先驗知識對圖像做填充及濾波處理最終得到車牌位置。

在完成車牌定位之后，在車牌字符分割之前需要對已定位好的車牌進行傾斜校正處理。一般可采用Hough變換調整水平方向， Rodon變換調整垂直方向。

（三）基于垂直投影并結合連通域及模板匹配的分割方法

基于傳統(tǒng)算法的優(yōu)缺點，采用一種基于垂直投影法并結合連通域及模板匹配法進行字符分割，首先是根據連通域找出字符之間的寬度，然后再結合投影法確定單個字符的位置，最后再參考字符之間寬度建立一個分割模板。

為了能夠對分割出來后的單個字符進行統(tǒng)一的尺寸管理，提高字符識別率，可以將分割后的單個字符統(tǒng)一歸一化，設置其高度和寬度的像素大小分別為40和20。

（四）基于神經網絡的字符識別方法

設定兩個識別模板包括漢字識別模塊以及數字和字母識別模塊。先依據標準車牌的字符分布位置來制定相應的模塊，首字為漢字，其余均為數字和字母（車牌上的圓點分割符號不做識別處理）；其次是提取相應字符的模塊特征并送入分類器進行分類處理；最后將識別出來的字符按照相應的順序進行排列并最終得到字符識別結果。其具體流程如下：1、輸入分割后的字符；2、字符歸一化；3、根據字符進入相應字符識別模塊；4、提取字符特征；5、識別字符；6、組合識別效果；7、輸出分割后的字符。

通過對分割出來后的字符進行網絡像素特點維數大小的提取以用來確定輸入層神經元的數目。對于歸一化之后的點陣字符像素大小尺寸為40*20，將每一個像素點設定為一個網格，則輸出層神經元的數目設定為800。

二、車牌識別系統(tǒng)的應用范圍

車牌識別是現代智能交通系統(tǒng)中的重要組成部分之一，應用廣泛。這項技術可應用于公路收費、停車管理、稱重系統(tǒng)、交通誘導、交通執(zhí)法、公路稽查、車輛調度、車輛檢測等各種場合，對于維護交通安全和城市治安，防止交通堵塞，實現交通自動化管理有積極意義。社會使用價值很高。具有深遠的研究價值和潛在而巨大的經濟效益。

參考文獻：

[1]岡薩雷斯.數字圖像處理（第二版）[M].電子工業(yè)出版社，2007.8

[2]霍洪濤.數字圖像處理[M].北京：機器工業(yè)出版社，2003

[3]劉銳寧，梁水，宋坤. Visual C++程序開發(fā)范例寶典（第二版）[M].人民郵電出版社 ，2007.7

[4]趙春江. C#數字圖像處理算法典型實例[M].人民郵電出版社 ，2009.3

[5]吳李漢. 車牌自動識別系統(tǒng)的實際與實現.機器視覺[J]，2006.9

[6]袁曾任. 人工神經元網絡及其應用[M].北京：清華大學出版社 ，1990.10

[8]鮑虎，張海丹，孫巍.基于改進Sobel算子的邊緣檢測車牌定位方法[J].