王海濤　陳艷麗　彭浩

【摘 要】車牌識別作為智能交通系統(tǒng)的重要部分，能實現(xiàn)對車輛的自動監(jiān)測，對交通系統(tǒng)的自動管理有著重要的意義。本文在計算機圖像識別和處理的相關(guān)原理上，首先對車牌識別系統(tǒng)中的圖像的預(yù)處理、車牌字符分割及識別等關(guān)鍵技術(shù)進行研究，并在此基礎(chǔ)上開發(fā)了一個基于MATLAB的車牌識別系統(tǒng)。通過測試結(jié)果表明，設(shè)計的車牌識別系統(tǒng)有較好的識別效果。

【關(guān)鍵詞】車牌識別系統(tǒng)；圖像預(yù)處理；車牌分割；字符識別；MATLAB仿真

Research and Implementation of License Plate Recognition System Based on MATLAB

WANG Hai-tao CHEN Yan-li PENG Hao

（School of Information Science and Engineering，Hunan International Economics University，Changsha Hunan 410205，China）

【Abstract】License plate recognition as an important part of intelligent transportation system，can realize the automatic monitoring of the vehicle，it has important significance for the automatic management of traffic system.Based on the principle of computer graphics recognition and processing，this paper firstly studies the key technology of license plate recognition system in image preprocessing，license plate character segmentation and recognition， and developed a license plate recognition system based on MATLAB.The test results show that the license plate recognition system has a good effect.

【Key words】License Plate Recognition System；License Plate Location；Character Recognition；MATLAB Simulation

0 引言

隨著經(jīng)濟的高速發(fā)展，汽車數(shù)量急劇增加，智能交通系統(tǒng)（Intelligent Transport System，ITS）中的車牌識別（License Plate Recognition，LPR）技術(shù)在實際應(yīng)用領(lǐng)域的作用也越來越明顯。其可應(yīng)用于停車場管理、高速公路不停車收費、超速管理、道路交通監(jiān)控系統(tǒng)、城市“電子警察”、小區(qū)車輛智能化管理等各個領(lǐng)域[1]。

LPR 需要圖像采集、計算機圖像處理、模式識別技術(shù)等技術(shù)的支撐。在一套完整的車牌識別系統(tǒng)（LPRS）中，軟件是核心，主要包括圖像預(yù)處理、車牌定位、字符分割、字符識別等 [2]。其流程如圖1所示：

圖1 車牌識別系統(tǒng)

1 圖像預(yù)處理

在實際應(yīng)用環(huán)境中，車牌識別系統(tǒng)會因采集的車牌圖像質(zhì)量不高、牌照本身的多樣性、車牌污染嚴重等方面的限制，使得車牌的對比度降低，字符特征不明顯，這給后期車牌的識別造成很多困擾，因此對采集到的車牌圖像進行圖像預(yù)處理是十分有必要的。通過預(yù)處理除去圖像數(shù)據(jù)中的多余信息，加強圖像數(shù)據(jù)的基本特征，以提高車牌識別的準確度和效率。

1.1 圖像灰度化

從攝像機中捕獲的圖像通常為RGB彩色圖像，因為其包含著大量的顏色信息，所以通常會占用大量的存儲空間，另外處理速度慢，很難實現(xiàn)圖像處理的實時性要求。因此在對車牌圖像定位前需要對圖像進行灰度化預(yù)處理。所謂灰度化處理就是將一幅彩色圖像轉(zhuǎn)化為灰度圖，以減少顏色信息量?；叶然幚沓Ｓ玫闹饕幸韵氯N方法[3]：

1）最大值法：將彩色圖像中R、G、B三個分量中最大值作為灰度值。其算式如（1）所示：

f（i，j）=max（R（i，j），G（i，j），B（i，j）） （1）

2）平均值法：對彩色圖像中R、G、B三個分量值的和求平均值，其算式（2）所示：

f（i，j）=（R（i，j）+ G（i，j）+B（i，j））/3 （2）

3）加權(quán)平均：根據(jù)人眼對彩色圖像中R、G、B三個分量的敏感度不同，分別賦予不同的權(quán)值，然后求加權(quán)平均值。根據(jù)經(jīng)驗可設(shè)R、G、B三個顏色的權(quán)重分為0.3，0.59，0.11得算式（3）：

f（i，j）=0.3R（i，j）+0.59 G（i，j）+0.11 B（i，j） （3）

本文采用算式（3）的方法對車牌圖像進行灰度化處理，結(jié)果如圖2所示：

1.2 圖像增強

由于圖像采集設(shè)備或光線原因，會造成車牌圖像的對比度不足、層次不清，這給車牌定位識別帶來了很大的影響。因此需要對灰度化的圖像進行圖像增強處理。系統(tǒng)采用灰度拉伸方法來實現(xiàn)的，其效果如圖3所示。

1.3 二值化

在進行完灰度化處理后，為了將車牌圖像中的字符與背景分離，需對車牌的灰度圖進行二值化處理。二值化處理一種區(qū)域分割技術(shù)，它對物體與背景有較強對比的景物的分割特別有用。通過二值化處理可以刪除過多的冗余數(shù)據(jù)，提高圖像局部的特征值，使車牌字符信息更加突出、清晰的[4]。

在車牌圖像中，字符與背景之間的差別一般比較明顯，可采用最大類間方差法（OTSU）對車牌圖像進行二值化處理，OTSU計算簡單，易實現(xiàn)[5-7]。通過增大目標和背景的類間方差使圖像內(nèi)僅黑、白二值。假設(shè)T為閾值，I（x，y）表示原圖像（x，y）處的灰度值，I（x，y） 表示二值化后的灰度值，其表達式如（4）所示：

但閾值T的選取的合適與否會直接影響后續(xù)的處理。本系統(tǒng)中對車牌灰度化圖像進行二值化后的效果如圖4所示：

1.4 濾波

由于雨雪、光線等原因，圖像會存在許多噪聲，還需要進一步處理。圖像濾波的目的是為了消除噪聲。在對車牌去噪聲技術(shù)中，通常有圖像的平滑技術(shù)、鄰域平均法、中值濾波等[8]。中值濾波與其他技術(shù)相比能夠很好地濾除孤點噪聲，保持圖像的邊緣特性，不會使圖像產(chǎn)生顯著的模糊，比較適合車牌去噪處理[9]。本文采用了模板大小為3×3區(qū)域?qū)嚺茍D像進行中值濾波，其效果如圖5所示。

2 基于灰度圖像的車牌定位

對濾波后的圖像通過計算車牌二值圖像的跳變次數(shù)進行水平定位。先對整個二值圖像進行水平方向掃描，每一行從白變到黑或從黑變到白都記為一次灰度跳變。第i行的掃描行可表示為new_b_vec（i），令diff（i）=new_b_vec（i）-new_b_vec（i+1）。其算法流程如下：

function [the_begin the_end]=Locate_length（vec，threshod）

b_vec=vec>=threshod；

len=max（size（b_vec））；

new_b_vec=zeros（1，len+2）；

new_b_vec（2：end-1）=b_vec；

diff=zeros（1，len）；%將len-1調(diào)整為len了

for i=1：len+1

diff（i）=new_b_vec（i）-new_b_vec（i+1）；%表示每一行的跳變

end

begins=find（diff==-1）；%保存候選車牌的上邊界和下邊界

ends=find（diff==1）；%保存候選車牌的下邊界

lengths=ends-begins；

%根據(jù)車牌先驗知識，篩選出高度值同45最接近的區(qū)域，即可獲取車牌的上下邊界位置

[min_length，the_index]=min（abs（lengths-45））；

the_begin=begins（the_index）；

the_end=ends（the_index）-1；

水平定位后的的結(jié)果如圖6所示。

車牌水平定位后還需進行豎直定位。由于車牌區(qū)域內(nèi)的字符排列緊密有規(guī)則，豎直定位根據(jù)此特征，通過Roberts邊緣算子進行邊緣提取，形態(tài)學(xué)閉運算平滑圖像的輪廓，形態(tài)學(xué)開運算消除一些無意義的小物體，得到車牌精確定位圖如圖7所示。

3 字符分割與歸一化

3.1 字符分割

我國標準車牌由漢字、字母、數(shù)字等7個字符水平混合排列而成，其第一個字符通常為漢字，第二個字符為大寫英文字母，第三至第七個字符為大寫英文字母或阿拉伯數(shù)字[10]。每個字符寬度為34mm，除第二第三字間隔34mm以外，其他字符間距都是12mm。鑒于第二三字符間的間隔符，可通過字符的幾何分布特征，釆用優(yōu)先確定車牌的第三字符位置后，再根據(jù)車牌寬度和字符間距，將車牌區(qū)域逐一分割成七個單一的字符塊。系統(tǒng)釆用基于連通域的字符分割方法[11]分割結(jié)果如圖8所示。

3.2 字符歸一化

由于采集到的車牌的拍攝距離和角度的差異，會造成分割后的字符圖像大小尺寸不一，所以需要對已經(jīng)提取的字符圖像進行歸一化處理，將其統(tǒng)一到同一尺寸，以提高后續(xù)字符識別的正確率，增強系統(tǒng)的穩(wěn)定性。系統(tǒng)中歸一化處理采用插值的方法，通過在像素點相應(yīng)的位置插上一些像素值，將字符尺寸統(tǒng)一為40×20的像素點陣，便于后期識別。

4 字符識別

實現(xiàn)車牌的定位與分割后，需對切割后的車牌字符塊進行識別。模板匹配方法是一種簡單有效的模式識別方法。該方法對二值圖像識別速度快，可滿足車牌識別的實時性要求。由于車牌字符數(shù)量有限，可通過事先建立標準的模板庫，進行字符的相似度匹配來選擇最優(yōu)結(jié)果[12]。如果車牌圖片的預(yù)處理質(zhì)量較高的話，識別率基本能達到要求。即便是字符分割不夠精確，可以使用大的模板或多模板進行匹配以提高的識別率[13]。部分識別后的結(jié)果如圖9所示。

5 結(jié)束語

車牌識別系統(tǒng)的關(guān)鍵技術(shù)是車牌區(qū)域定位和字符識別。本文重點對這兩大模塊進行了研究和設(shè)計。在圖像的預(yù)處理中采用OTSU算法，車牌定位中采用Roberts邊緣算子，在字符識別的過程采用了模板匹配方法，設(shè)計了一個基于MATLAB的車牌識別系統(tǒng)。系統(tǒng)對 300 幅車庫入口處采集的車輛圖像進行測試，車牌定位準確率高于 96%，定位后的字符識別率高于93%，識別平均時間小于1.985（s）。表明設(shè)計的車牌識別系統(tǒng)有較好的準確性、快速性。

【參考文獻】

[1]劉彤.汽車牌照識別系統(tǒng)中相關(guān)技術(shù)的研究[D].濟南：山東科技大學(xué)，2006.

[2]崔媛媛.基于神經(jīng)網(wǎng)絡(luò)的新型車牌識別技術(shù)研究[D].華東交通大學(xué)，2009.

[3]良義.停車場車牌識別技術(shù)研究與實現(xiàn)[D].長沙：湖南大學(xué)，2011.

[4]彭健敏.車牌識別中的車牌定位與字符識別技術(shù)研究及實現(xiàn)[D].長沙：湖南大學(xué)，2006.

[5]孔平，嚴廣樂，戴秦，等.基于分形維數(shù)的車牌識別二值化算法[J].計算機工程與應(yīng)用，2007，43（30）：184-185.

[6]胡斌，宮寧生.一種改進的OTSU閾值分割算法[J].微電子學(xué)與計算機，2009，26（12）：153-155.

[7]王愛俠.面向智能監(jiān)控系統(tǒng)的動態(tài)場景建模與目標跟蹤算法研究[D].沈陽：東北大學(xué)，2012.

[8]胡蕾，張偉，覃慶炎.幾種圖像去噪算法的應(yīng)用分析[J].信息技術(shù)，2007，31（7）：81-83.

[9]高宏娟.實時人臉識別系統(tǒng)的設(shè)計和實現(xiàn)[J].科技信息，2011（10）：407-408.

[10]邵玉芹.圖像處理技術(shù)在車牌識別中的應(yīng)用研究[D].合肥：合肥工業(yè)大學(xué)，2007.

[11]甘玲，林小晶.基于連通域提取的車牌字符分割算法[J].計（下轉(zhuǎn)第43頁）（上接第34頁）算機仿真，2011（4）：336-339.

[12]Miao L.License plate character segmentation algorithm based on variable-length template matching.Signal Processing（ICSP），2012[C].IEEE 11th International Conference on.2012.

[13]顧晨勤，葛萬成.基于模板匹配算法的字符識別研究[J].通信技術(shù)，2009（3）：220-222.

[14]高貴龍.車牌識別系統(tǒng)中車牌定位與識別算法的研究[D].石家莊：河北科技大學(xué)，2009.

[責(zé)任編輯：田吉捷]