楊彩霞

【摘 要】由于汽車數(shù)量的快速增長(zhǎng)，車牌識(shí)別的意義越來(lái)越重要。通過(guò)對(duì)車牌特點(diǎn)的研究，本文設(shè)計(jì)了能量特征統(tǒng)計(jì)法對(duì)車牌進(jìn)行分析，然后通過(guò)統(tǒng)計(jì)的特征值，與建立好的模板庫(kù)進(jìn)行匹配識(shí)別。并利用數(shù)學(xué)構(gòu)件MATLAB對(duì)本設(shè)計(jì)的識(shí)別算法進(jìn)行軟件實(shí)現(xiàn)，實(shí)驗(yàn)證明本文所設(shè)計(jì)方案識(shí)別速度快，準(zhǔn)確率也較高。

【關(guān)鍵詞】汽車；圖像預(yù)處理；MATLAB

目前，車牌識(shí)別技術(shù)的研究，無(wú)論是在科學(xué)研究層次，還是商業(yè)應(yīng)用方面，都有重大意義。而對(duì)于車牌識(shí)別技術(shù)的研究，主要分為兩個(gè)方面，一個(gè)是圖像獲取技術(shù)的研究發(fā)展，另一個(gè)是車牌識(shí)別算法的優(yōu)化提高。

1.車牌識(shí)別方法簡(jiǎn)介

常用的車牌識(shí)別技術(shù)一般有三種方法：結(jié)構(gòu)識(shí)別、神經(jīng)元法、基于統(tǒng)計(jì)學(xué)模板識(shí)別方法。

結(jié)構(gòu)模式，對(duì)文字、字母與數(shù)字的結(jié)構(gòu)形狀進(jìn)行判斷并記錄，然后進(jìn)行識(shí)別。缺點(diǎn)是對(duì)于復(fù)雜又相似的結(jié)構(gòu)，其拆分難度較大。另一方面，只要字符受到了一點(diǎn)污染，識(shí)別的準(zhǔn)確度就嚴(yán)重下降。

神經(jīng)網(wǎng)絡(luò)識(shí)別是近些年由于計(jì)算機(jī)技術(shù)和生物科學(xué)技術(shù)而快速發(fā)展的一種新興算法。這種算法是基于人類對(duì)其自身大腦的思考模型提出的。優(yōu)點(diǎn)是方法比較簡(jiǎn)單，搜索全局性較好；缺點(diǎn)是搜索速度較慢，要花較長(zhǎng)的時(shí)間，而本文所設(shè)計(jì)的車牌識(shí)別對(duì)實(shí)時(shí)性要求比較高，所以并不適用。

本文采用的是基于統(tǒng)計(jì)學(xué)模板識(shí)別方法，是基于數(shù)學(xué)和統(tǒng)計(jì)學(xué)的一種圖像識(shí)別算法，它是一種基于圖片像素原理來(lái)統(tǒng)計(jì)的。這種方法，將要識(shí)別的對(duì)象作為一個(gè)整體來(lái)處理，然后對(duì)其像素或灰度值，甚至是能量等不一而足的指標(biāo)作為統(tǒng)計(jì)量，然后依據(jù)不同的統(tǒng)計(jì)指標(biāo)的區(qū)分，判斷所識(shí)別的對(duì)象。這種方法的優(yōu)點(diǎn)是，算法結(jié)構(gòu)較簡(jiǎn)單，圖片受到污染也可以進(jìn)行識(shí)別。

2.車牌識(shí)別前期圖像處理

一般地，車牌識(shí)別前需要完成五個(gè)準(zhǔn)備步驟：圖像獲??；圖像預(yù)處理；圖像定位；圖像傾斜修正；字符切割。

2.1圖像獲取與預(yù)處理

圖像采集常用CCD像機(jī)進(jìn)行拍照，一般都要在前面拍一次，后面再拍一次，甚至多拍好幾張，然后選取較好的一張進(jìn)行識(shí)別，而即便是較好的，也要進(jìn)行預(yù)處理，以去掉照片的噪音，使圖像更容易識(shí)別，同時(shí)也使識(shí)別準(zhǔn)確性也更高。預(yù)處理一般有以下6點(diǎn)：

2.2定位

車牌定位是整個(gè)車牌識(shí)別中十分重要的一部分。圖像中，車牌只占了一小塊地方，更多的部分都是車牌之外的東西，整個(gè)照片的角度也不是方正的。

對(duì)車牌的定位，靠卷積的能量進(jìn)行區(qū)別與定位。為了提高定位的準(zhǔn)確度，需要增加一些其他輔助手段。我們根據(jù)大量的統(tǒng)計(jì)，發(fā)現(xiàn)車牌的寬度與它所在的車一般都是有一定的關(guān)系的?？梢灾苯油ㄟ^(guò)車身的寬度對(duì)車牌的寬度作一次校正。而事實(shí)證明，我們得到的車牌的寬度越準(zhǔn)確，用這個(gè)寬度內(nèi)進(jìn)行卷積，所得到的定位結(jié)果也就更準(zhǔn)確。

2.3傾斜修正

本文所選用的方法就是垂直投影這種校正手段，即Hough變換。先有一定的先驗(yàn)信息，然后在圖像中提取特征點(diǎn)，并通過(guò)最小二乘等擬合算法對(duì)這些特征點(diǎn)進(jìn)行擬合，以得到曲線或直線，然后再與自身的模型進(jìn)行比對(duì)，從而完成校正。

2.4字符分割

經(jīng)過(guò)前文的設(shè)計(jì)后，我們得到了一個(gè)單純的車牌圖片，但為了識(shí)別字符，還需要進(jìn)行字符的切割，因?yàn)檐嚺频淖R(shí)別結(jié)果是一個(gè)個(gè)單獨(dú)的字符。由于車牌是一種簡(jiǎn)單、設(shè)計(jì)完全一樣的圖像，每輛車的車牌都是完全一樣的結(jié)構(gòu)，可選用直接法進(jìn)行分割：計(jì)算水平投影進(jìn)行車牌水平校正、去掉車牌的框架、分析垂直投影找到每個(gè)字符中心位置、按左右寬度切割出字符。

3.基于統(tǒng)計(jì)模板字符識(shí)別

3.1車牌識(shí)別流程設(shè)計(jì)

車牌識(shí)別最終是要識(shí)別出字符的內(nèi)容，而車牌上字符的線條也是統(tǒng)一的。所以，為了識(shí)別出結(jié)果，本設(shè)計(jì)在識(shí)別前還要對(duì)車牌上的字符進(jìn)行一項(xiàng)細(xì)化處理。細(xì)化和識(shí)別的流程大體如下：歸一化后圖像字符的細(xì)化、模板匹配粗細(xì)、根據(jù)粗對(duì)比分類、模板匹配細(xì)化對(duì)、識(shí)別結(jié)構(gòu)。

3.2字符匹配識(shí)別

利用數(shù)學(xué)模型對(duì)分割好的小塊字符圖形進(jìn)行某個(gè)特征量的計(jì)算，然后以一個(gè)特征量指標(biāo)的形式進(jìn)行表示，然后與模板庫(kù)里的模板進(jìn)行特征量的比對(duì)，如果兩個(gè)特征量的數(shù)值大小相似到一定程度，就可以進(jìn)行匹配識(shí)別。

4.利用MATLAB車牌識(shí)別試驗(yàn)與分析

本設(shè)計(jì)根據(jù)前面對(duì)整個(gè)識(shí)別系統(tǒng)的分析，利用MATLAB實(shí)現(xiàn)整個(gè)車牌識(shí)別系統(tǒng)。設(shè)計(jì)的軟件系統(tǒng)一共包括以下幾塊：

（1）圖像顏色的提??；

（2）圖像中車牌區(qū)域的識(shí)別與定位提取；

（3）對(duì)提取的車牌部分進(jìn)行校正及圖像處理；

（4）切割字符塊；

（5）與建立的模板庫(kù)進(jìn)行匹配識(shí)別。

5.結(jié)束語(yǔ)

本文在對(duì)整個(gè)車牌系統(tǒng)的各個(gè)子模塊進(jìn)行分析與研究，確定了最終的識(shí)別方案，最后利用MATLAB對(duì)整個(gè)車牌識(shí)別系統(tǒng)進(jìn)行軟件實(shí)現(xiàn)，并通過(guò)實(shí)際的拍攝照片進(jìn)行識(shí)別實(shí)驗(yàn)。這其中主要的一部分就是通過(guò)統(tǒng)計(jì)能量模板法對(duì)大角度校正，從而對(duì)拍攝的較大角度的車牌也能進(jìn)行識(shí)別，這也是本文區(qū)別于其他論文的一點(diǎn)。

【參考文獻(xiàn)】

[1]王愛(ài)玲，葉明生等.MATLAB R2007圖像處理技術(shù)與應(yīng)用[M].北京：電子工業(yè)出版社，2008.1

[2]張德豐.MATLAB模糊系統(tǒng)設(shè)計(jì)[M].北京：國(guó)防工業(yè)出版社，2016.2

[3]葉晨洲等.車輛牌照字符識(shí)別[J].上海：上海交通大學(xué)學(xué)報(bào)，2010.4～6