基于图像处理技术的车牌识别研究

王子源

摘 要：随着我国公路交通事业的迅速发展，智能交通管理系统已成为了人们关注的焦点问题。车辆牌照识别系统作为智能交通管理系统的一部分，在现实生活中有着广泛的应用。本文对车辆牌照识别系统中的主要部分进行了研究，其中车牌圖像预处理部分包括空间平滑滤波、图像锐化等过程；车牌图像定位采用了基于车牌色彩特征的车牌定位法，并使用Radon变换进行车牌图像的矫正；车牌字符分割采用灰度投影和阈值分割的方法；车牌图像识别采用模板匹配的方法。使用MATLAB软件构建识别系统，经过实验测试，该系统实现了对机动车牌照的准确识别。

关键词：图像预处理 图像定位和矫正 图像分割 车牌图像识别

中图分类号：TP391.41 文献标识码：A 文章编号：1672-3791（2018）02（c）-0003-02

本文的研究课题是基于数字图像处理原理构建车牌识别智能系统，考虑我国汽车牌照自身特征的复杂性以及外部复杂环境等诸多因素，使系统在任何条件下，都能做到车牌成像清晰。

1 车牌图像预处理

准确识别车牌，首先需要将车牌图像进行预处理，得到高质量的图像。

1.1 车牌空间平滑滤波

现在通行的消除图像中随机噪声又不使图像的边缘轮廓和线条变模糊的方式是车牌空间图像平滑，即中值滤波法[1]。作为一种典型的非线性滤波方法，它在消除噪声的同时还能保持图像中的细节部分，防止边缘模糊，有比邻域平均法等线性滤波方法更突出的优点，即运算不需要图像的统计特性。

1.2 车牌图像的锐化

以车牌灰度反差增强为目的的车牌图像锐化处理，目的是增强车牌的轮廓边缘、细节及灰度跳变部分等边缘信息，形成完整的物体边界，以利于车牌图像的轮廓抽取。

车牌图像平滑处理中，主要采用邻域平均法，它是空域处理法的一种。微分法则是车牌图像锐化的主要处理方法。要用微分法处理图像锐化，就要使用梯度算子[2]。常用的有Roberts（罗伯特）算子、Sobel算子、拉普拉斯算子等。

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子，又称为梯度交叉算子。Roberts算子用卷积模板表示如下：

2 车牌的定位和矫正

2.1 车牌的定位

本文采用基于车牌色彩特征的车牌定位法，对分割出来的区域进行识别调整，最终找到车牌区域。在车牌定位中，色彩的因素同样不可忽视。在数字图像处理学中，运用色彩模型对色彩进行描述，最常用的色彩模型是RGB模型和HSI模型。为了减少干扰，可采用HSI模型检测图片的蓝色区域，RGB模型检测图片的白色区域，提出并运用自适应调节方案，对分割出来的区域进行识别调整。根据长宽比，对蓝白色比对的区域进行多次定位，最终找到车牌区域。

2.2 车牌的矫正

由于拍摄角度的不确定，截取的车牌图像可能出现倾斜的情况。针对这种情况，运用Radon变换计算车牌的倾斜角度，并对倾斜的车牌图像进行矫正，以获得高质量的车牌图像，定义沿方向的Radon变换为：

3 车牌图像的识别

3.1 车牌图像的特征提取

计算机能识别车牌，须提取车牌图像的各种特征。特征选择是车牌图像识别中的一个重要环节，直接影响图像识别分类器的设计、性能及其识别结果的准确性。对车牌字符特征的提取主要是形状特征，由其几何属性和统计属性来描述。

3.2 车牌图像的字符识别

车牌图像的字符识别有很多方法，如模板匹配法、神经网络方法、模式识别等。对车牌图像上的字符识别，本文采用模板匹配的方法。对字符图像进行特征匹配，仅需要对目标的某些特征进行匹配，从而使工作量减少，识别速度大幅度提升。

4 实验结果

基于以上理论，使用MATLAB进行编程，即可达到识别车牌的目的。图1～图5是全程展示车牌识别系统各个阶段的运行结果。

5 结语

本文提出了一种基于图像处理技术的车牌识别系统方案，并对方案中所有环节进行了测试。测试结果表明，研究所采用的原理、算法可以实现对车牌的准确识别。

参考文献

[1] 谢凤英.数字图像处理及应用[M].北京：电子工业出版社，2014.

[2] 龚声蓉.数字图像处理与分析[M].北京：清华大学出版社，2006.