王子源

摘 要：隨著我國公路交通事業(yè)的迅速發(fā)展，智能交通管理系統(tǒng)已成為了人們關注的焦點問題。車輛牌照識別系統(tǒng)作為智能交通管理系統(tǒng)的一部分，在現(xiàn)實生活中有著廣泛的應用。本文對車輛牌照識別系統(tǒng)中的主要部分進行了研究，其中車牌圖像預處理部分包括空間平滑濾波、圖像銳化等過程；車牌圖像定位采用了基于車牌色彩特征的車牌定位法，并使用Radon變換進行車牌圖像的矯正；車牌字符分割采用灰度投影和閾值分割的方法；車牌圖像識別采用模板匹配的方法。使用MATLAB軟件構建識別系統(tǒng)，經(jīng)過實驗測試，該系統(tǒng)實現(xiàn)了對機動車牌照的準確識別。

關鍵詞：圖像預處理 圖像定位和矯正 圖像分割 車牌圖像識別

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1672-3791（2018）02（c）-0003-02

本文的研究課題是基于數(shù)字圖像處理原理構建車牌識別智能系統(tǒng)，考慮我國汽車牌照自身特征的復雜性以及外部復雜環(huán)境等諸多因素，使系統(tǒng)在任何條件下，都能做到車牌成像清晰。

1 車牌圖像預處理

準確識別車牌，首先需要將車牌圖像進行預處理，得到高質量的圖像。

1.1 車牌空間平滑濾波

現(xiàn)在通行的消除圖像中隨機噪聲又不使圖像的邊緣輪廓和線條變模糊的方式是車牌空間圖像平滑，即中值濾波法[1]。作為一種典型的非線性濾波方法，它在消除噪聲的同時還能保持圖像中的細節(jié)部分，防止邊緣模糊，有比鄰域平均法等線性濾波方法更突出的優(yōu)點，即運算不需要圖像的統(tǒng)計特性。

1.2 車牌圖像的銳化

以車牌灰度反差增強為目的的車牌圖像銳化處理，目的是增強車牌的輪廓邊緣、細節(jié)及灰度跳變部分等邊緣信息，形成完整的物體邊界，以利于車牌圖像的輪廓抽取。

車牌圖像平滑處理中，主要采用鄰域平均法，它是空域處理法的一種。微分法則是車牌圖像銳化的主要處理方法。要用微分法處理圖像銳化，就要使用梯度算子[2]。常用的有Roberts（羅伯特）算子、Sobel算子、拉普拉斯算子等。

Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子，又稱為梯度交叉算子。Roberts算子用卷積模板表示如下：

2 車牌的定位和矯正

2.1 車牌的定位

本文采用基于車牌色彩特征的車牌定位法，對分割出來的區(qū)域進行識別調整，最終找到車牌區(qū)域。在車牌定位中，色彩的因素同樣不可忽視。在數(shù)字圖像處理學中，運用色彩模型對色彩進行描述，最常用的色彩模型是RGB模型和HSI模型。為了減少干擾，可采用HSI模型檢測圖片的藍色區(qū)域，RGB模型檢測圖片的白色區(qū)域，提出并運用自適應調節(jié)方案，對分割出來的區(qū)域進行識別調整。根據(jù)長寬比，對藍白色比對的區(qū)域進行多次定位，最終找到車牌區(qū)域。

2.2 車牌的矯正

由于拍攝角度的不確定，截取的車牌圖像可能出現(xiàn)傾斜的情況。針對這種情況，運用Radon變換計算車牌的傾斜角度，并對傾斜的車牌圖像進行矯正，以獲得高質量的車牌圖像，定義沿方向的Radon變換為：

3 車牌圖像的識別

3.1 車牌圖像的特征提取

計算機能識別車牌，須提取車牌圖像的各種特征。特征選擇是車牌圖像識別中的一個重要環(huán)節(jié)，直接影響圖像識別分類器的設計、性能及其識別結果的準確性。對車牌字符特征的提取主要是形狀特征，由其幾何屬性和統(tǒng)計屬性來描述。

3.2 車牌圖像的字符識別

車牌圖像的字符識別有很多方法，如模板匹配法、神經(jīng)網(wǎng)絡方法、模式識別等。對車牌圖像上的字符識別，本文采用模板匹配的方法。對字符圖像進行特征匹配，僅需要對目標的某些特征進行匹配，從而使工作量減少，識別速度大幅度提升。

4 實驗結果

基于以上理論，使用MATLAB進行編程，即可達到識別車牌的目的。圖1～圖5是全程展示車牌識別系統(tǒng)各個階段的運行結果。

5 結語

本文提出了一種基于圖像處理技術的車牌識別系統(tǒng)方案，并對方案中所有環(huán)節(jié)進行了測試。測試結果表明，研究所采用的原理、算法可以實現(xiàn)對車牌的準確識別。

參考文獻

[1] 謝鳳英.數(shù)字圖像處理及應用[M].北京：電子工業(yè)出版社，2014.

[2] 龔聲蓉.數(shù)字圖像處理與分析[M].北京：清華大學出版社，2006.