信息融合技术在车牌识别中的应用研究

董 燕，朱永胜，李 强

（1.中原工学院，郑州450007；2.济源供电公司，河南 济 源454650）

信息融合技术在车牌识别中的应用研究

董 燕1，朱永胜1，李 强2

（1.中原工学院，郑州450007；2.济源供电公司，河南 济 源454650）

为了提高汽车牌照的识别率，考虑到摄像头安装价格低廉的特点，本文提出采用双摄像头来获取不同角度的车牌图像，并对两幅车牌图像分别进行定位、字符分割和特征提取，再用信息融合的方法来确定更可信的识别结果，以此来降低车牌字符的误识率.实验结果表明，该方法可以提高车牌号码识别的正确率.

车牌识别；信息融合；特征提取

目前，国内外的汽车牌照识别系统大都是基于某一特定角度对车牌进行拍照识别的［1－4］，因此此类系统只能从某一角度达到一定的指标要求.而在实际采集车牌图像的过程中，直接暴露在室外的摄像头不可避免会受到恶劣气候和汽车灯光的影响，这些不利因素直接影响车牌识别率的高低.考虑到目前安装摄像头的成本相对低廉，采用不同的光线照射、拍摄角度，会使采集到的车牌图片包含不同信息量.而信息融合技术近年来得到迅猛发展，它能够利用子源信息间的竞争性、冗余性和互补性，有效地整合和管理信息，提高和改善信息处理系统的性能［5－8］.

本文在前人工作的基础上，尝试将信息融合理论与汽车牌照识别技术相结合，采用双摄像头来获取不同角度的车牌图像，再用信息融合的方法来确定更可信的识别结果，以此来解决由于光线、天气等影响而导致的无法识别或误识别问题.实验结果表明了该算法的有效性，降低了车牌字符的误识率.

1 信息融合理论

1.1 信息融合的基本原理

信息融合技术是综合协调各子源信息，提高和改善信息处理系统性能的技术，从融合的层次上可以分为数据级融合、特征级融合和决策级融合.数据级融合是直接在采集到的原始数据层上进行的融合，是最低层次的融合.特征级融合是利用从各个传感器的原始信息中提取的特征信息进行综合分析和处理的中间层次过程，通常所提取的特征信息应是原始信息的充分表示量或统计量，据此对多传感器信息进行分类、汇集和综合.与上述2种融合技术不同，本文所采用的决策级融合是在信息表示的最高层次上进行融合处理.不同类型的传感器观测同一个目标，每个传感器在本地完成预处理特征抽取、识别或判断，以建立对所观察目标的初步结论；然后通过相关处理决策级融合判决，最终获得联合推断结果，直接为决策提供依据.决策级融合最重要的优点是，这种融合方法在一个或者几个传感器失效时仍能给出最终决策，具有良好的容错能力.决策级融合模型如图1所示.

图1 决策级融合模型

1.2 置信度的算法

对于任何一个模式分类器，除了总体上希望它有尽可能高的识别率外，还希望它能估计每一个分类结果的准确性，即识别结果的置信度.识别置信度与我们常说的识别正确率之间是局部与整体的关系，即置信度反映的是分类器在特征向量空间某点的判决可信度，而识别正确率是置信度在整个特征向量空间定义域上的统计平均值.

本文中对车牌字符识别采用的是特征匹配方法，匹配判决的依据是待识别字符的相似度r.

根据参考文献［5］，定义字符的置信度T为：

式中：rmax为字符与模板的最大相似度；rnextmax为字符与模板的次最大相似度.

车牌上一般有7个字符，计算出每个字符的置信度后，车牌的置信度为7个字符的置信度的平均值.

式中：Ti（i＝1，2，…，7）分别为第1～7个字符的置信度；Tave为车牌的置信度.

2 典型的车牌识别算法

典型的车牌识别过程如图2所示.

图2 车牌识别流程图

这里重点介绍本文采用的图像预处理步骤，即用最佳阈值的迭代算法对车牌图像进行滤波.

设有一幅混入噪声的车牌图像g（x，y），g（x，y）＝f（x，y）＋e（x，y），这里假设噪声是互不相关的，且具有零均值，标准差为ε.首先将含噪图像用小波分解，得到各层高频系数，用迭代算法对小波高层系数进行滤波，去除噪声，再重构得到去噪图像.步骤如下：

对车牌图像g（n）进行小波分解，将3个高频系数分别按如下迭代去噪步骤处理：

（1）选择一个初始阈值的估算值T0＝｛Tk／k＝0｝.

式中：Zmin和Zmax分别为高频系数构成的图像的最大和最小灰度值.

（2）利用阈值Tk把图像分割成2个区域R1和R2，其中，

（3）计算区域R1和R2的灰度值Z1和Z2：

式中：f（i，j）是图像上（i，j）点的灰度值；N（i.j）是（i，j）点的权重系数，一般 N（i，j）＝1.0.

（4）选择新的阈值Tk＋1：

（5）如果Tk＝Tk＋1，则结束；否则，k＝k＋1，转步骤（2）.

采用对称性较好的sym4小波作为基小波，可以避免相对位移.再将处理后的高频系数与初次分解的低频系数进行小波逆变换，得到重构后的去噪图像.处理结果如图3、图4所示.

本文采用特征匹配字符识别法，即将已分割好的字符进行特征提取，然后与模板库中的字符进行匹配，找出匹配度最高的字符即识别结果，如图5所示.

图5 模板匹配字符识别流程图

匹配时，根据车牌的特点，分别取汉字、字母和数字模板进行匹配，最后对结果进行语法分析，确认结果的合法性.

3 基于信息融合的车牌识别技术

本文所采用的基于信息融合的车牌识别技术，是将双摄像头采集到的图像分别进行识别，运用信息融合的知识对识别结果进行处理，采用相应字符最大置信度的方法进行决策级融合，以求出最可靠的结果，具体算法如图6所示.

图6 单字符识别流程图

其中：Xj为车牌图像1的第j（j＝1，2，…，7）个字符，Yj为车牌图像2的第j（j＝1，2，…，7）个字符；r1i（i为所对应模板库的字符个数）为Xj与各标准模板的相似度，r2i（i为所对应模板库的字符个数）为Yj与各标准模板的相似度；T1为字符Xj识别结果的置信度，T2为字符Yj识别结果的置信度；设T1所对应的识别结果为Mi，T2所对应的识别结果为Ni；rs1为字符Yj与标准模版库中的Mi所匹配的相似度，rs2为字符Xj与标准模版库中的Ni所匹配的相似度.

4 实验结果

本文采用的车牌图像是用数码相机对静止状态下的汽车进行不同角度采集而得到的.在实验中，对有效的20组（40张）图像进行处理，其中单车牌识别不考虑拒识的情况.识别结果如表1及图7－图10所示.其中图7为单摄像头1识别的错误结果，图8为单摄像头1的错误结果与单摄像头2的正确结果进行信息融合后出现的正确识别结果，图9为单摄像头1、2均错误的识别结果，图10为运用本算法后出现的正确识别结果.

表1 车牌识别结果统计表

实验结果表明，在同等采集环境下，用相同的车牌字符识别处理技术，若采用本文提出的信息融合技术，可以将两幅不同角度下误识别的车牌图像进行互补，从而将误识率从25%（20%）降低到10%，有效提高了车牌的识别率.由于采集样本数量有限，本次实验未出现拒识的情况.相信随着实验样本的增加，该情况会得到进一步验证.对于采用本文方法仍误识的车牌字符，下一步将从识别算法上进行改进，以进一步提高识别率.

5 结 语

本文针对传统车牌识别系统只从单一角度和侧重点来进行识别的情况，提出采用双摄像头来获取不同角度的车牌图像，再用信息融合的方法来确定更可信的识别结果，以此来降低车牌字符的误识率.实验结果表明，该方法最终能够提高车牌识别率，具有一定的应用推广价值.

［1］ 郭景云.图像处理与车牌识别［J］.科技资讯，2007（12）：6.

［2］ 范春年.汽车车牌自动识别技术研究［D］.南京：南京气象学院，2004.

［3］ 陈轩飞.车牌识别技术的研究［D］.长沙：中南大学，2004.

［4］ 刘维一，盛益强，乔辉，等.特征点匹配法实现汽车牌照的快速识别［J］.光电子激光，2002（3）：274－276.

［5］ 马东，曹培杰，李斌，等.多信息融合的彩色细胞图像分割方法［J］.北京生物医学工程，2000，19（1）：33－38.

［6］ 王月兰，曾迎生.信息融合技术在彩色图像分割方法中的应用［J］.计算机学报，2000，23（7）：763－767.

［7］ LI Perlovsky.Cognitive High Level Information Fusion［J］.Information Sciences，2007，177（10）：2099－2118.

［8］ DOU Wei－bei，RUAN Su，CHEN Yan－ping，et al.A Framework of Fuzzy Information Dusion for the Segmentation of Brain Tumor Tissues on MR Images［J］.Image and Vision Computing，2007，25（2）：164－171.

Application Research of Information Fusion on License Plate Recognition

DONG Yan1，ZHU Yong－sheng1，LI Qiang2
（1.Zhongyuan University of Technology，Zhengzhou 450007；2.Jiyuan Power Supply Company，Jiyuan 454650，China）

To improve the recognition rate of vehicle license，considering the low cost of installing cameras nowadays，this thesis put forwards that，adopting images from two cameras in different angle，the license plate location，character division and feature extraction process are done separately，and then information fusion technique is used to confirm the more reliable recognition result，which can reduce the error recognition rate of characters.The contrast experiments show that this method can improve the accuracy of license plate recognition.

license plate recognition；information fusion；feature extraction

TP391

A

10.3969／j.issn.1671－6906.2011.05.009

1671－6906（2011）05－0034－04

2011－07－21

河南省自然科学研究项目（092300410175）

董 燕（1977－），女，甘肃秦安人，讲师，硕士.