基于图像处理技术的车牌识别方法研究

黎洪龙

（湖北工业大学，湖北武汉430068；江西锦路科技开发有限公司，江西南昌330038）

基于图像处理技术的车牌识别方法研究

黎洪龙

（湖北工业大学，湖北武汉430068；江西锦路科技开发有限公司，江西南昌330038）

在智能交通系统中，车牌识别系统尤为关键。基于图像处理技术的车牌识别可以在不影响车辆行驶状态的情况下自动完成车牌识别，降低交通管理的工作难度。基于此，从车牌定位、车牌字符分割和车牌字符识别3方面研究了基于图像处理技术的车牌识别方法，并对现有的车牌识别方法进行了简单改进。

图像处理技术；车牌识别系统；数字形态学；直接分割法

近年来，我国的汽车销量与日俱增，虽然汽车工业的发展为我国经济建设作出了巨大贡献，但大量的汽车在道路上行驶也为我国交通增添了许多压力。为方便交通管理、建立智能交通系统，车牌识别方法被大量运用。目前我国的车牌识别系统已经实现了车辆不停车自动收费、不停车检查、车辆定位、车辆自动识别、交通流量自动测量、高速公路事故自动测报、车辆追踪及交通压力缓解等，而如何让车牌识别方法更智能、更快捷已经成为重要的科研方向。

1 车牌定位

1.1 边缘检测算子

边缘不同于边界，前者由灰度值的变化产生，后者是物体实际的间隔线。在图片中，物体的边缘与边界并不一定吻合。不同物体在同一图像中的边缘会比较明显，利用这种特性可以实现图形的边缘检测。在实际检测中，因为二阶导数的算法对噪声极其敏感，三阶导数没有实际价值，所以一般只用到一阶导数和二阶导数。

边缘梯度检测会先对图片进行滤波。因为边缘检测是基于图像强度计算像素的导数，有些图片的质量比较差，图片中含有噪声干扰，计算的数值就会特别敏感，因此要采用滤波器对图片降噪。滤波器虽然能降低噪声对图像检测的干扰，但也会降低图像的边缘强度，所以在使用滤波器滤波时要注意边缘强度和图像噪声的平衡。在滤波后要利用计算机梯度幅值增强图像，排除幅值相差较大却不是边缘的点，最后利用边缘位置的像素分辨率估计边缘的方位。

1.2 二值图像形态学

数学形态学可以简化图像数据，同时保持图像的形状特征，去除不相干的结构元素。数学形态学由4个基本运算组成：膨胀、腐蚀、开运算和闭运算。

二值图像的膨胀是指将背景像素与物体自身结合的过程，这一过程填补了目标物体中的小空洞，使目标成为连通域，增大了目标物体。腐蚀的主要目的是消除图像边界点，使剩下的图像比原图像周边小了若干像素。当原图像某部位像素极少时，腐蚀会将该处变为非连通，将原图分为2个独立图像，从而实现降噪。当图像先进行腐蚀后进行膨胀时，这种组合被称为开运算。开运算的特点是可以将物体图像拆分，删除物体图像中的小物体图像。当图像先进行膨胀后进行腐蚀时，这种组合被称为闭运算。闭运算的特点是可以连接相近的物体图像，填充物体图像中的像素小洞[1]。

1.3 车牌图像预处理

在获取的图片亮度和对比度不合理时，技术人员需要通过预处理对模糊的图片加以调整。预处理是将输入的车牌图像二值化处理后进行平滑处理的过程。在进行二值化处理前，要先将拍到的彩色图像转化成灰度图像。本文利用的转换方法是将三原色的加权值作为图像灰度值。计算公式为：g＝0.110B＋0.588G＋0.302R，其中，g代表灰度值，R，G，B代表红、绿、蓝三色的分量值。

2 车牌字符分割

2.1 车牌图像校正

因为车牌和摄像头的安装问题或者拍摄角度问题，拍到的车牌图像往往在水平方向呈倾斜。利用传统的Hough变化检测倾斜花费的时间比较多，于是技术人员可以利用一种基于定位原水平线的校正方法。

Hough变换主要是通过车牌上下边框寻找其中最长线段来判断车牌倾斜情况，而基于定位原水平线的校正方法是以车牌字符的倾斜情况为依据。这种校正方法将图像分割成三等份，选择中间图像中没有铆钉的一份，然后以200为阈值将选取的图像二值化并进行垂直像素投影分割，保证分割后至少2个区域存在完整字符，连接2个字符像素的最高点和最低点以确定原图像的水平线，在确定水平线后利用旋转变换对车牌进行校正。

2.2 车牌字符分割

车牌字符分割是为了将车牌中的每个字符从原图像中切割出来形成独立的字符子图像，以方便车牌识别。常用的字符分割方法有直线分割法、模板匹配的字符分割算法和基于先验知识的字符分割算法。直接分割法就是在车牌定位准确、车牌图像截取完整的情况下根据车牌字符的位置进行切割，其要求车牌图像尺寸精度必须要高，否则会造成切割后的字符不完整，影响字符识别。这种分割法的优点就在于其操作简单，但缺点是其分割点会被噪声干扰，影响准确性。

基于模板匹配的字符分割算法是根据我国车牌的设计特点总结设计的一套字符串匹配算法。我国的车牌第一位是省、自治区及直辖市的简称，第二位是大写英文字母，后五位是大写字母与数字的混合，根据这种规律设计一套算法将图片与模板库中的图案进行比较分割。这种算法要求图像形状较为清晰，如果车牌倾斜，算法会无法比较字符而导致分割的准确性降低。基于先验知识的字符分割算法是按照国家对车牌规定的标准如汉字、英文字母、数字的长宽和间距等作为约束条件对车牌图像进行分割。

3 车牌字符识别

3.1 模板匹配法

模板匹配法是图像识别中比较有代表性的一种方法，它是利用原图像中的特征与模板比较，算出原图像与模板的差距，找出与原图像最接近的模板。这种方法要求技术人员事先建立一个包含二值化数字模板的模板库，模板之间要大小相同，系统在进行车牌与模板匹配时先将车牌图像字符与模板大小统一以方便匹配；然后建立一个相识度公式衡量模板与待识别图的相似度，将模板逐一和待识别字符匹配运算，找出相似度最大的模板字符。

3.2 树分类法

树分类法是根据树形分层理论，采用3个分类器识别车牌。分类器1识别车牌第一个字符，分类器2识别车牌第二个字符，分类器3识别后五位字符。这种分类方法将位置数据归属于某一类，用特征f1将集合{C1，C2，…，Cn}分为几个小组，用特征f2将第一小组再次分组，用特征f3将第二小组再次分组，以此类推，最终达到唯一的种类。这种识别法先对字符轮廓进行定义，再利用轮廓的季节微分变化趋势定义构成字符轮廓的基本基元[2]。

在设计数字和字母分类器时，设计步骤为：检测字符高度与宽度比，比值大于4，字符为1，否则进行第二轮检测，第二轮检测左侧轮廓是否突变并进行排除，排除后进入第三轮，检测突变在上部还是下部，并判断突变为竖直、水平或左右倾斜，最后结合轮廓突变判断字符。

4 总结

综上所述，基于图像处理技术的车牌识别方法推动了我国交通管理方面的发展，但目前的车牌识别方法还存在着效率低的问题。由分析可知，技术人员将拍摄的车牌图像转化为二值图像，并进行预处理，提高了对车牌原图的定位；利用基于定位原水平线的校正方法和模板匹配的字符分割算法使车牌字符分割更清晰准确；利用模板匹配法或树分类法使车牌字符识别更智能；最终实现了基于图像处理技术的车牌识别方法的优化，从而为我国建立智能交通系统奠定基础。

［1］李建华.基于图像处理技术的车牌识别方法研究与实现［D］.开封：河南大学，2015.

［2］阮晓波.基于图像处理技术的车牌识别的研究［D］.合肥：合肥工业大学，2010.

〔编辑：刘晓芳〕

TP391.41

A

10.15913/j.cnki.kjycx.2017.19.065

2095－6835（2017）19－0065－02

黎洪龙（1989—），男，研究方向为交通通信。