基于MATLAB的汽车牌照识别的研究

天津工业大学计算机技术与自动化学院 马 东 韩其睿

1.引言

车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中重要的组成部分。车牌识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路超速管理系统、小区智能化管理等方面[1]，为智能交通管理提供了高效、实用的手段。

目前世界各国都在进行适用于本国汽车牌照的自动识别研究，美、日、韩等国已有相关系统（基于传感器）问世。引进这些系统费用比较高、而且由于各国车牌和实际的交通环境不同，引进的系统往往无法满足我国城市的需求，而国内市场上虽然已有产品投入使用，但是在后续处理时很大程度上仍然需要人工识别，所以对车牌识别技术的研究依然是目前高科技领域的热门课题之一。

2.基于MATLAB图像处理的汽车牌照识别系统

2.1 系统组成

基于MATLAB图像处理的汽车牌照识别系统主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程图如图1所示。

2.2 图像预处理

图像在形成传输或变换过程中，受多种因素的影响，因此在图像处理之前必须进行预处理，包括去除噪音、边界增强、增加亮度等等。

输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。对图像进行灰度化处理、边缘提取、再利用形态学方法对车牌进行定位[2]。

图1 车牌识别系统流程图

具体步骤如下：首先对图像进行灰度转换，二值化处理，然后采用4X1的结构元素对图像进行腐蚀，去除图像的噪声。采用25X25的结构元素，对图像进行闭合应算使车牌所在的区域形成连通。再进行形态学滤波去除其它区域。

通过对比原始图片，我们可以发现形态滤波后的图像已经很接近正确的车牌位置了，因此后期处理将通过这张图来找出车牌位置。

2.3 车牌定位

观察经过预处理后得到的图像发现车牌位置有明显的矩形图样，通过对矩形区域的定位即可获得具体的车牌位置。

2.4 字符分割

在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。

2.5 建立字符模板数据库

模板库的合理建造是字符识别准确的关键之一，所以在字符识别之前必须把模板库设置好。汽车牌照的字符一般有7个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别的不同在于它的字符数有限，十个阿拉伯数字O～9，26个大写英文字母A～Z以及相关的车牌用汉字：京、沪、苏、台、港、澳、甲、乙、丙、使、领、学、试、境、消、边、警等，以及新式军牌中的汉字南、兰、广、北、沈、济、空、海等；车牌颜色：蓝、白、黑、黄等。所以建立字符模板库也极为方便。通过前面实验获取的几幅不同的车牌图片截取到的图片加上使用PhotoShop制作的部分图片。

建立模板数据库时必须对这些图片进行统一处理，因为对前面处理分割后的车牌图像的测量得知单个字符的最佳宽高比是1:2，所以将这些图片归一化为5O×25大小；因为之后的字符识别考虑使用神经网络算法进行字符识别，所以再将上面归一化后的模板图像的样本排列在一起构成125O×18的矩阵样本。

2.6 字符识别

字符的识别目前用于车牌字符识别（OCR）中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是：首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法：一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。本文主要研究基于人工神经网络的方法来识别车牌字符。

3.总结

在汽车车牌识别的整个过程中，查找了很多资料，综合了各方面的信息。车牌实现的每一步都有许多的方法，各种方法都有其优劣，但是对于具体的图像处理，并不是每一种理论在实践中都可以实现，即使实现了也很难说哪一种方法最合适，还得在具体的实验中比较选择。第二点在程序调试的过程中要耐心的检查每一个错误。测试结果表明，本设计有以下几条优点：

（1）充分利用MATLAB中已有的函数库，使整个程序设计简单易行。

（2）使用了MATLAB的自定义函数功能，使程序设计更简洁。

但也发现了更多的缺点：

（1）程序的局限性：只能针对图像中一辆汽车的牌照进行识别；对于图像内的元素较复杂的照片可能无法进行识别。

（2）神经网络的训练要花费3O秒以上的训练时间才能进行下一步的字符识别，效率太慢。

（3）程序可能会受软件环境的影响识别准确性，据测试，MATLAB的2O1Oa版比2OO9a版识别效率高，准确性也高点。

实验证明，该系统能够实时处理并识别采集的图像，正确率较高，而且系统中采用的算法较简单。目前正在将车辆牌照识别技术应用于小区的车辆出入管理、加油站加油记录等领域。随着系统的不断完善，其应用领域会越来越广。

[1]王丰元,计算机视觉在交通工程测量中的应用[J].中国公路学报,1999,Vol.15(7):32-34.

[2]袁志伟,潘晓露,陈艾,等.车辆牌照定位的算法研究[J].昆明理工大学学报,2001,26(2):56-60.

[3]章毓晋.图象工程(上册)图象处理和分析[M].北京:清华大学出版社,1999:205-207.

[4]胡强,楼新远,段国兵.一种基于特征信息的车牌识别方法[J].成都信息工程学院学报,2004,19(3):345-348.