字符识别算法在车牌识别系统中的应用研究

刘静　王敬辉　于海青

摘 要：本文以车牌识别系统定位后的车牌字符识别算法为研究对象，分析基于模板匹配的字符识别算法和基于神经网络的字符识别算法，將车牌字符进行分割处理，诠释字符识别算法在车牌识别系统中的应用。

关键词：车牌识别；字符识别算法；字符分割；字符识别

中图分类号：TP391.4

车牌识别系统是根据车牌特征进行信息采集的一种自动化应用系统，在车牌识别系统识别车牌过程中需要经历图像采集、预处理、二值化、车牌定位、字符定位、字符分割和字符识别等过程，本文对车牌识别系统定位后的字符识别算法在车牌识别系统中的应用进行研究，论述车牌识别系统字符识别模块车牌字符预处理和字符特征提取。

1 车牌识别系统概述

1.1 车牌特征。目前我国所采用的车辆车牌编排规则主要是以省份简称汉字为开头，后面接省市代表字母如：A代表省会城市，B代表第二大城市，C代表第三大城市等等，再接分割符，最后5个以数字或者字母组成字符序列组成车牌（特种车辆除外）。

车牌标准尺寸长440mm，宽140mm，单个字符宽度45mm，单个字符高90mm，第二个与第三个字符间距34mm，其他相邻字符间距12mm。车牌颜色大型车辆为黄底黑字，小型车辆为蓝底白字，使馆车辆黑底白字，军警车辆白底黑字。车牌其他特征如图1所示：

1.2 车牌识别系统工作流程。车牌识别系统工作流程是首先，采用车辆图像采集设备对车牌信息进行图像采集，形成车牌图片；其次，将采集到的图像传输到车牌识别系统进行进行分析辨认，将识别结果存入车辆管理数据库中。

1.3 车牌识别系统模块功能。车牌识别系统主要由三大系统模块组成，包括：车辆车牌图像采集模块、车牌识别模块和数据管理模块。其中车牌识别模块是对车辆信息进行确认的主要核心，其将车牌图像采集模块所采集到的车牌图片进行预处理，再将车牌字符进行分割，对车牌字符特征进行提取、训练、识别，输出识别结果。

2 车牌字符识别算法

2.1 基于模板匹配和神经网络的字符识别。基于模板匹配的字符识别算法是首先建立车牌字符标准模板库，将所采集到的字符图像于模板库进行图像比较，计算并识别相似度，进而确认字符信息。基于模板匹配的字符识别算法具有原理简单，运算速度快的特点，但是由于其对复杂字符识和相似字符识别能力较弱。

基于神经网络的字符识别算法采用BP神经网络、Hopfield神经网络、Kohonen神经网络等通过层级处理传递到输出层的各个神经元，当输出结果与期望结果不同时可再进行反向传播，将输入层、隐含层、输出层的权值进行不断调整直到将误差值降为最低，达到预想结果。基于神经网络的字符识别算法具较高的识别率和算法的鲁棒性，但是其复杂程度较高，分析计算耗时较多，对汉字识别难度较大。

由于基于模板匹配和基于神经网络的字符识别具有互补性，可采用将车牌字符进行分割将普通字符采用模板匹配算法进行快速处理，将相似度高的字符采用神经网络算法进行确认，由此，解决二者各自的不足问题。

2.2 车牌字符分割。车牌字符分割可采用多种方法，其中包括：根据车牌字符形态的几何特征进行分割、根据车牌投影像素点个数进行分割、根据字符颜色于背景颜色区域对比特征进行分割、根据车牌边缘特征确认字符边缘位置进行分割和根据字符像素连通性进行分割。

2.3 车牌字符识别。车牌字符识别可采用模板匹配的方法对待识别车牌与模板库集合进行相似度匹配，还可以采用字符特征进行特征提取，将特征库的信息与其匹配进行确认，或者采用神经网络模仿生物神经元结构利用神经网络权值调整构造出相应的分类曲面完成字符的确认。

3 字符识别算法在车牌识别系统中的应用

3.1 车牌预处理。为了更好的分割车牌图像对定位后的车牌图像进行灰度化、二值化、校正、滤波去噪、去边框等。

灰度化，彩色图像具有三个R、G、B三元色，存空间大传输速度慢，常用的图像灰度化处理方法主要包括平均值法、最大值法和加权平均法。平均值法是对图像中的像素点的基色求和再除3；最大值法是对图像像素点的三个基色取色值最大值，再用其替换原始值；加权平均法是对像素点的三个基色进行加权平均，权值可使三个基色达成统一。

二值化，二值化是将灰度图像进行阈值化分割，将图像处理为只包含黑白两种颜色的图像，如果像素点的灰度值大于阈值则用白色（255）替代，如果像素点灰度值小于阈值则用黑色（0）替代。阈值的确定可分为局部阈值和全部阈值，局部阈值是根据监测图像当前像素点局部区域相邻像素点的灰度变化确定阈值，全部阈值是根据整幅灰度图像像素点进行逐点阈值计算。

校正，所采集到的图像都不能保证字符在统一的平行线上，因此对图像的分割带来一定的困难，由此，可采用Hough变换将车牌字符的倾斜度进行校正，使其保持各字符在同一水平直线上。

滤波去噪，车牌识别系统图像采集模块所采集到的图像会受到、光照、雨水、雾霾等的影响使图像处理难度增大，首先，令一个3*3模板在图像上沿行或者列进行移动，再对模板所覆盖的区域像素灰度值进行排序，通过灰度值取中的方法替代模板内的图像灰度值，由此可将图像灰度值进行平均去除相对较亮或者较按的灰度，使图像黑白更加分明。

去边框，车牌识别系统所拍摄的车牌信息包含了不只车牌部分的图像，因此需要对车牌之外的图像进行去边框处理，首先确定车牌的连通区域，将不符合车牌的图像进行清除处理。

3.2 特征提取。车牌字符识别系统性能的准确性与提取车牌特征的高效性和鲁棒性有关，因此，在车牌特征提取中要根据车牌的特征信息将其划分为结构特征和统计特征进行提取。

结构特征是反映字符结构于细节的特征，可对图像的全局结构特征和局部结构细节特征进行分析，全局结构特征是采用Fourier、K-L、Gabor、Slle等变化分析法对图像结构进行分析，局部结构细节特征是对字符的笔画、凹凸度、拐点、交叉点、环等进行分析，进而确定图像字符的结构。

统计特征是对图像的各类特征进行统计，譬如对图像的投影特征、网格特征、轮廓特征、复杂度等进行特征数累加，进而能够确定字符值。

4 结束语

在车牌识别系统中，字符识别算法主要是车牌字符的分割于识别，在本文中，字符识别算法首先要对车牌图像进行灰度化、二值化、校正、滤波去噪和去边框，其次，对车牌特征进行信息提取，为提高字符的识别速度于准确度利用基于模板匹配算法和神经网络的字符识别算法相结合具有一定的可行性。

参考文献：

[1]王磊等.改进的模板匹配方法在车牌识别中的应用[J].计算机工程与应用.2013（05）.

[2]李康顺等.基于演化算法的图像二值化算法研究[J].计算机应用研究.2012（01）.

作者简介：刘静（1979.10-），女，天津河东人，讲师，硕士研究生，研究方向：通信、检测技术。

作者单位：天津现代职业技术学院 机电工程学院，天津 300350