车牌识别技术研究

摘 要：车牌识别技术问题是近年来智能交通系统技术研究的热点问题，车牌识别技术主要包含三个部分：图像预处理、车牌定位及校正、车牌文字识别。本文介绍了复杂背景下车牌识别系统的实现方法。

关键词：车牌识别技术；智能交通；Mean Shit算法

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599 （2013） 09-0000-02

随着汽车在人们的工作、生产和生活中扮演着越来越重要的角色，汽车的保有量也在急速增加。由此带来的交通管理问题也变得越来越复杂，智能交通系统的建立是最好的解决问题的方法。而车牌识别技术在智能交通系统中占有十分重要的地位。停车厂、收费站、生产企业的门禁管理都有车牌识别技术的身影。

在车辆车牌识别技术中的图像提取、字符分割起、字符识别过程中，数字图像处理技术起到了重要作用。但由于图像提取现场可能存在因时间、光线、天气的变化而造成的干扰使车牌成像效果较差的问题。所以目前现有的车牌识别系统都存在因环境变化而产生的识别率变化的问题。

1 车牌图像预处理技术

车牌图像预处理技术一般包括通过滤波技术、灰度化、图像增强、数学形态学等。

1.1 滤波技术

在实际工作场景中采集到的数字图像通常会因为外界环境、摄像设备、传输线路或保存精度等方面的原因，使其在进行预处理前受到各种噪声的污染。并且在图像处理过程中也可能会对图像产生噪声。噪声与我们想要处理的图像没有任何关联，还会对我们的处理产生不好的影响。所以，一般情况下我们会在进行图像处理前对图像采用滤波技术进行处理，常用的滤波方法有：中值滤波、均值滤波、高斯滤波等。

1.2 图像增强算法

图像的对比度不足是图像处理的过程中经常会遇到的问题。主要的原因是在获取车牌图像时受外界环境的影响。对比度不足的图像会影响到图像的后续处理效果，所以，一般情况下，在进行图像处理前会使用灰度变换的方法来对图像进行对比度增强处理，以达到改善视觉效果的目的。

1.3 数学形态学

数学形态学[1]是在1964年由法国巴黎矿业学院博士生赛拉（J. Serra）和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出的。数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。基本方法是利用一个拥有一定形状的结构元素来检测图像的形状和结构。

1.4 Mean Shift算法

Mean Shift这个概念最早是1975年在一篇关于概率密度梯度函数的估计的文章中由Fukunaga等人提出来的，它的意思是偏移的均值向机构量。一般是指一个迭代的步骤，即先算出当前点的偏移均值，移动该点到其偏移均值，然后以此为新的起始点，继续移动，直到满足一定的条件结束。目前，Mean Shift算法较多地应用到图像聚类方面。

2 车牌的定位与校正

本章主要描述的是对已有车牌定位方法的研究，了解它们的算法原理及其优缺点，并提出了一种效果更好适用范围更广的车牌识别系统方法，即将Mean Shift算法运用到车牌识别系统，然后在此基础上对车牌进行校正。

2.1 车牌定位

车牌定位是指根据车牌图像的区域特征来将车牌在图像中的部分从背景图像中分离开来，由于车牌区域在图像特征主要包括颜色和形状，车牌区域的颜色一般为蓝色、黄色或白色，它们与图像的背景颜色存在较大的差异。车牌的形状一般为矩形。而车牌号在外形和排列上都存在规律性。车牌定位技术就是将上述特征经过一定的变换与处理后，使之能作为车牌定位的依据。

常用的车牌定位的方法有基于颜色的方法、基于纹理特征的方法、基于数学形态学的方法、基于小波变换的方法等。这些车牌定位方法，都各自具有不同的局限性。使用Mean Shift算法进行车牌定位可以获得比较好的效果。对于图像空间的所有像素点，在经过Mean Shift算法迭代后，如果最终收敛于同一点，则停止迭代。用同样的方法对图像空间中的所有像素点进行迭代遍历，得出的结果根据收敛点的不同可以把整个空间分成几个区域。这些区域即为可能的车牌区域，再通过上述特征在可能的车牌区域中进行对照分析，就可以得到车牌区域。

2.2 车牌校正

车牌校正是为了解决拍摄的车牌图像因为角度问题，导致定位后的车牌倾斜，而倾斜的车牌会给车牌识别系统的后继步骤增添麻烦，车牌校正是必须的。车牌校正是利用车牌区域的矩形序列分布同组成车牌号的字母、数字位置的分布基本一致的特征，找到了矩形序列中矩形左上角像素点排列的近似斜率，从而找出车牌区域的偏转角度，完成车牌图像区域的校正。

3 车牌的字符分割与字符识别

3.1 车牌字符分割

车牌字符分割主要后面的字符识别做准备，它是把车牌图像区域中的字符和数字一一地分割开，以便于后续处理中对单个字符进行识别。字符分割的方法[2]主要有：基于连通域标记的字符分割算法、灰度垂直投影分割的方法等。

灰度垂直投影分割的方法是车牌字符分割处理中比较热门的技术。李文举[3]等在《种新的面向字符分割的车牌图像预处理方法》一文中提出的算法步骤是：字符上下边界的确定采用的是由中点到两端搜索的方法；运用一维循环清零法对分离出的车牌号图像区域进行垂直分割，从而得到车牌的单个字符；再对二值图像进行垂直投影，若垂线上有亮点则将对应的投影值设为1，否则为0，得到垂直投影矩阵。如果是车牌字符的话，则在生成的垂直投影矩阵上应该是连续的1。如果是字符之间的间隔的话，则应该是连续的0值，噪声点可能会出现单个的1和0值。在对矩阵进行扫描后，就可以识别出字符区和间隔区。

3.2 车牌的字符识别

车牌字符识别是将分割开的单个字符进行匹配判断。常用的车牌字符识别方法主要有：基于模板的识别算法、基于BP神经网络的识别算法等。

基于模板的识别算法由于其处理速度快、识别率高的特点为大多数设计所采用。它是把分割后的单个字符区域与预置的标准字符集进行匹配处理，取标准字符集中相似度最大的字符作为识别结果。这种算法的处理步骤是：将单个字符图像区域进行二值化并改变字符大小，使之与字符集中的字符大小相同，然后再进行匹配操作，筛选出相似首先需要有字符模板库，将待识别的字符进行二值化后，将其大小变成字符模板库中字符大小，然后与库中的字符进行匹配，以相似度最高的字符为最终结果。因为算法简单所以算法的速度较快，只要在前期的预处理中降噪做得比较好，这种算法的识别率也相对较高，是一种简单、快速、有效的字符识别技术，商用价值较高。

从目前研究情况盾来，由于车牌图像拍摄环境的复杂性和多变性，在选择及判断识别技术的好坏时具有一定的难度，现有的一些方法也存在不足。而智能化交通系统对车牌识别技术的需求却十分急迫。因此，需要我们进一步深入研究更有效的车牌识别技术，以使车牌识别系统更加完善。

参考文献：

[1]戴青云，余英林.数学形态学在图像处理中的应用进展[J].控制理沦与应用，2001，1，18（4）：478-482.

[2]左望霞.复杂背景下多车牌图像分割技术研究[D].电子科技大学硕士学位论文，2006.

[3]李文举，梁德群，崔连延，毕胜.一种新的面向字符分割的车牌图像预处理方法[J].计算机应用研究，2004（7）：258-260.

[作者简介]王超（1973.8-），男，重庆江津人，讲师，研究方向：智能算法，软件工程。