基于几何特征的车牌识别系统关键技术研究*

杨晓玲

（闽南理工学院电子与电气工程系，福建 石狮 362700）

0 前言

车辆牌照识别（License Plate Recognition，LPR）[1]作为现代交通管理智能化重要手段，是智能交通与智能监测、控制的重要环节之一。完整的车牌识别系统（如图1所示）主要由车牌预处理、车牌定位、车牌字符分割这三个核心环节组成。在整个识别系统中，车牌区域的准确定位最为关键，它是车牌识别系统的先决环节；其次尤为重要的是车牌字符分割，其精确的结果保证了整个车牌识别系统的完整。

1 车牌识别系统程序设计与仿真实现

1.1 车牌图像预处理

本设计需要对车牌图像进行预处理主要有两个原因。一方面，由于车牌图像在采集与获取的过程中容易受到恶劣天气、车辆运动、仪器设备噪声干扰等外界因素的不良影响，需要对获得的车牌图像进行滤波去噪操作；另一方面，本研究在车牌定位环节利用的是车牌区域的矩形结构和周长、面积为恒值并匹配的几何特征方法实现，它必须先保证车牌区域具有连通特性，因而采用数学形态学的方法来获得车牌区域的连通效果[2]。

图1 车辆牌照识别系统

在图像增强理论中，用图像平滑技术去除图像噪声主要有邻域平均法和中值滤波两种方法。本研究采用的是中值滤波进行车牌图像去噪，因为中值滤波相比于邻域平均法更适合消除图像的孤立噪声点，同时又能保持图像的细节[3]。这与干扰车牌图像的噪声类型是一致的，同时保留车牌字符的重要细节信息。

把获取的24位RGB彩色车牌图像进行灰度化处理，以便下一步在Matlab实验平台上可以对图像进行中值滤波操作。其核心程序语句及运行结果（如图2）如下：

im＿gray＝rgb2gray(im);%对原图像进行灰度化

im＿gray＝medfilt2(im＿gray，[3，3]);%对图像进行中值滤波

数学形态学是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的[4]。它由一组形态学的代数运算组成，基本的运算有4个：膨胀、腐蚀、开启和闭合，本设计主要采用腐蚀和膨胀运算。

膨胀是把图像区域周围的背景点合并到区域中，其结果使区域的面积增大相应数量的点。膨胀运算将相邻的物体连接起来，其集合语言的定义为： X⊕S＝｛x|S+x⋃x≠∅｝。

图2 车牌图像去噪

腐蚀的作用是消除物体所有的边界点，腐蚀算法可用来消除物体之间的粘连，还可用来识别物体。其集合语言的定义为：XΘS＝｛x|S+x⊆X｝。

根据车牌图像的结构特点用sobel算子对已滤波的车牌图像进行边缘检测，得到图像的主要轮廓，然后先选择一个半径比较大的结构元素S对图像进行膨胀腐蚀，根据其输出结构进一步逐次修正S的大小进行对图像进行膨胀和腐蚀运算[8]。最后再对边界图进行小区域连通，使车牌区域连通为一个方块。核心程序和运行结果（如图3）如下：

BW＝edge(im＿gray，＇sobel＇);%找出图像边缘

[imx，imy]＝size(BW);%计算图像大小

B0＝conv2(double(BW)，double(msk));%对边缘区域进行加强

图3 车牌图像的连通区域实现

B6＝imerode(B5，s);

%对边界图进行小区域连通，使车牌区域连通为一个方块

[B，L]＝bwboundaries(B6，4);

imshow(label2rgb(L， @jet， [.5.5.5]));title(＇边界图连通后的图像＇);%对连通区域进行标记

1.2 车牌定位

车牌区域的准确定位是整个车牌识别系统获取车牌的先决条件，而我国的车牌都具有以下两个几何特征[6-7]：

（1）车牌区域为矩形结构，且长宽固定，长宽比＝4.5∶1；

（2）车牌的周长与面积的平方满足：[2×(4.5+1)×L]2/(4.5×L2)≈27， L为车牌的宽度。

本研究的车牌定位环节用到的数学公式有：

（1）用质心确定位置：

（3）区域周长计算：边界点数之和。

核心的程序语句及仿真结果（如图4）如下：

stats＝regionprops(L，＇Area＇，＇Centroid＇);%找到每个连通域的质心

perimeter＝sum(sqrt(sum(delta＿sq，2)));%计算边界周长

area＝stats(k).Area;%获取边界所围面积

metric＝27*area/perimeter＾2;%计算匹配度

[a，b]＝size(g);

for i＝a/2:-1:1%从图像水平中轴开始向上扫描，当白点数少于每行总点数的1/10时，停止扫描，并将该行定义为车牌字符区域的上限

for i＝a/2:a%从图像水平中轴开始向下扫描，当白点数少于每行总点数的1/10时，停止扫描，并将该行定义为车牌字符区域的下限

goal＝g(line＿up:line＿down，1:b);%根据之前定义的上下限截取车牌字符区域

图4 车牌区域定位

1.3 车牌字符分割

车牌字符分割在车牌定位之后，车牌字符的字体为印刷体，字体固定，字符颜色与背景颜色反差很大，而且字母和数字具有竖连通的特性。由于字符颜色与背景颜色反差很大，宇符提取一般以处理二值图为主。字符分割的难点在于当图像质量差别较大，部分车牌字符和背景对比度小时，二值化后，字符容易与背景融合在一起；此外，当车牌污损或者车牌图片倾斜较大时，车牌的二值图中的字符可能存在粘连，造成车牌字符分割错误。以前的字符分割算法主要有固定边界分割、投影分割、连通区域分割等[8-9]。因为车牌字符间间隔较大，不会出现字符粘连，同时寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要进行字符分割[10]。核心的程序语句及仿真结果（如图5）如下：

%寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割

图5 车牌字符分割

2 结论

本文针对现有车牌识别算法的一些不足，提出了基于灰度图像几何特征的车牌图像预处理、车牌区域准确定位和车牌字符分割的方法，并以Matlab为开发平台完成了车牌识别系统的三个关键环节。较好地解决了车牌图像背景复杂、抗噪性能低等问题，提高了车牌定位的准确性和车牌字符分割的精确性。与传统的运用几何特征进行车牌识别系统设计的相关方法相比，该研究使用的方法性能稳定，车牌定位和字符分割准确性高，在工程实践中有很好的应用前景。

［1］姚振杰，易卫东.一种用于车牌识别的图像超分辨率算法［J］.中国科学院研究生院学报，2013（1）：165-167.

［2］V Loumos，E Kayafas.A License Plate Recognition Algorithm for Intelligent Transp-ortation System Applications［J］.IEEE Intelli-gent Transportation Systems Society，2006，7（11）：1524-9050.

［3］李云红，屈海涛.数字图像处理［M］.北京：北京大学出版社，2012.

［4］张弘.数字图像处理及分析［M］.北京：机械工业出版社，2007.

［5］李志强，李涌斌.车牌识别技术的发展及研究现状［J］.科技信息，2012（5）：134-135.

［6］李雄.几何特征形态学车牌识别系统研究［J］.计算机仿真，2012（4）：354-355.

［7］王允强，吴涛，张方方.基于数学形态学的实用车牌定位算法及实现［J］.计算机技术与发展，2010（11）：230-234.

［8］刘爽.基于数学形态学的车牌定位识别系统设计［J］.自动化与仪器仪表，2012（6）：218-219.

［9］马爽，樊养余，雷涛，等.一种基于多特征提取的实用车牌识别方法［J］.计算机应用研究，2013（6）：256-257.

［10］Kim K I，Kwon Y.Single-image super-resolution using sparse regression and natural image prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence.2010，32（6）：1102-1209.