车牌图像识别的研究

王艳军　贾帅龙　王亚龙　刘捷　邱天　钱芮

摘要：随着城市化快速发展，机动车辆的日益普及，随之带来了许多交通问题，车牌识别系统作为智能交通管理的一个重要组成部分，在高速公路收费站和停车场等交通管理中起着重要作用。本文着重研究车牌图像的处理，一个完整的车牌识别系统包括图像预处理、车牌定位、字符分割、字符识别等部分，各部分相互独立又紧密联系。本文通过Matlab软件实现识别过程，对系统进行了验证。

关键词：车牌识别系统；预处理；车牌定位；字符分割

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）18-0175-03

1 研究背景及其现状

从上世纪90年代开始，随着计算机技术的发展，人们开始步入信息化时代自动处理信息的能力日益受到重视。而机动车作为快速行驶工具，其车牌的快速识别对于缓解现在交通拥堵的现象有着重要意义。车牌识别的技术可运用于高速收费站、道路情况监督、智能停车场的管理等方面，因此对车牌的识别已在现代交通领域成为热点问题。但由于车牌识别受到光线、磨损、污染物等因素的影响，目前世界上还未出现较为完善的处理技术。

从20世纪90年代开始，国外研究人员对车牌识别的研究已较为成熟，其中已有Hi-Tech公司的See/CarSystem系列、香港的VECON产品、加拿大的VLPS系统等都已较为成熟，但由于我国车牌没有统一的标准，车牌颜色等的不同、车牌污染现象的存在、中英文混合使用现象、悬挂位置不同等现象的存在导致以上车牌识别系统无法准确识别车牌。

车牌识别系统是以车牌作为识别对象的处理系统，包含了人工智能和图像处理等多个领域。主要识别过程为：当车辆检测部分检测到车辆到达时，触发图像采集单元，采集当前的车牌视频图像并分离出效果好的图片。车牌识别单元对采集到的进行处理，定位出车牌的位置，然后将车牌中的字符分割出来进行识别，最后将车牌输出。

2 图像预处理

在车牌识别系统中由于采集的硬件条件和实际采集环境的影响，采集到的图像质量不是很高，为了能使图像快速识别出来，需要对采集的图像预处理。通过预处理来对图像数据进行优化，除去多余信息并加强图像数据的基本特征，从而提高车牌特征的提取、匹配和识别的准确性。

2.1图像灰度化

通常，车牌图像包含了车牌及背景的彩色图片，彩色图像由三基色组合，即红色（R）、绿色（G）、蓝色（B），称为RGB图像。彩色图像包含了图像的许多信息，但只要利用图像的灰度信息处理，一方面可以提高系统的处理速度，另一方面对处理多种颜色的牌照进行了统一，因此，在汽车牌照分割中，可以将彩色图像转化为灰度图像，然后再对灰度图像处理。

图像灰度化的方法主要有整数方法、平均值法、最大值法和加权平均值法。

1）整数方法：

2）平均值法：

3）最大值法：

4）加权平均值法：

其中RW 、GW 、BW 分别为R、G、B的权值

本文通过“I=gb2gray（RGB）” 函数把车牌图像变成灰度图像，其原始图像如图1所示，灰度化图像如图2所示。

2.2图像滤波

图像滤波，是一种选频装置，为后续处理图像提供可靠性。在复杂环境下获取的车牌图像往往会因为受到各种因素的干扰而包含噪声，需要先进行祛除噪声的工作。最常用的方法是用滤波器进行滤波处理。

Matlab的图像处理工具箱设计了许多滤波器，均值滤波、中值滤波、维纳滤波器等，在这里，我们通过均值滤波和中值滤波来讨论图像滤波方法。

2.2.1均值滤波

均值滤波采用了领域平均法，利用像素平均值来替换原来的像素值。其过程表示为：

均值滤波对去除均匀分布噪声和高斯噪声效果很好，但在降低噪声的同时会使图像模糊。

2.2.2中值滤波

中值滤波是一种非线性数字滤波技术，用于除去图像信号中的噪声。中值滤波先检查输入信号的采样，然后判断是否代表了信号，对观察窗中的数值排序，把观察窗中的中值输出。

在MATLAB软件中调用“I= fspecial（'average'，3）”函数进行中值滤波，用均值滤波器是领域值平均，以达到平滑目的。其中[m n]为 m 行 n 列的滤波器，其处理后图像如图3所示。

2.3图像边缘检测

图像边缘是结合字符边缘和车身颜色准确定位处于复杂情况中的车牌图像。物体与背景之间、物体与物体之间易产生边缘[2]。车牌中主要包含数字，字母，和汉字，他们之间呈水平排列。利用这一特征，我们可以将预处理的车牌图像垂直边缘检测，统计相关的数据信息，得到车牌图像的大概区域。

通过 MATLAB 软件中“BW= edge（I，roberts'，thresh，direction）”函数进行 Roberts 算子边缘检测。用图像对角线方向的两相邻像素为梯度，检测垂直方向、水平方向边缘性能好的边缘。利用局部差分子算子查找边缘，边缘的定位精度比较高。车牌区域的边缘被检测出，达到边缘检测的目的。其图像如图4所示。

3 车牌定位

车牌定位主要是对车牌图像区域的定位和分割，在实际车牌识别系统中，只有车牌区域中的字符具有意义，其他的信息均为无用信息。只有将车牌区域准确定位并分离出来，才能准确识别车牌。在预处理后的灰度图像中准确确定车牌区域的具体位置是车牌定位的主要目的。

目前较成熟的车牌定位方法有以下几种：

3.1 基于颜色的车牌定位方法

首先，根据车牌特有的颜色特征，将拍摄的图像转换为HIS图像，然后对HIS图像进行彩色分割，最后得到准确定位的车牌，该方法定位较为准确，但由于受外在光线影响严重，容易和车身背景的相似颜色相混淆，应用效果并不将理想。 因此，采用字符边缘和颜色定位相结合的方法，对车牌的定位分割更为准确。

3.2 基于边缘检测的车牌定位方法

此方法利用车牌字符存在明显的边缘信息，车牌区域由连续直线所形成的矩形边框等特征信息而提出[3]。车牌定位包括三个步骤：

1）对图像进行边预处理，然后进行边缘检测；

2）提取垂直检测，选中处理后的彩色候选区；

3）对处理的图像进行彩色特征检测；

4）根据彩色候选区与车牌进行比较，最终确定正确的车牌。

3.3 基于神经网络的车牌定位方法

1）首先对车牌字符进行特征提取，利用提取的特征训练神经网络；

2）神经网络在处理复杂的车牌环境具有很明显的优势，处理信息比较大，具有容错，自适应能力强等优点。我们首先对字符预处理、图像压缩、特征编码等信息处理，然后通过神经网络进行识别。

这里我们通过MATLAB软件对图像进行腐蚀，闭运算，来确定车牌区域。腐蚀图像如图5所示，闭运算图像如图6所示。

4 字符分割

我们日常见到的车牌字符间隔较大，不能进行直接识别，需要将字符分割为独立的字符，然后进行识别。

汽车牌照图字符分割算法存在许多难点：

1）在大部分实际应用中都要求算法速度快，从而能够实时地对车辆进行识别以及时地反馈车牌信息，对信息做进一步处理，所以算法执行效率必须很好以满足实时化的要求。

2）有些车辆车牌存在严重的干扰（如褪色，污损），车牌周围有各种装饰物等。

3）车牌本身信息较为复杂，既有汉字也有英文字母与数字。

字符分割方法：

1）首先对提取好的汽车牌照灰度图像进行二值化，图像在二值化后所要处理的数据量大大减少，本算法采用全局阙值法[4]，在MATLAT中采用im2bw函数实现[5]，待处理图像及其二值化效果，其图像如图7所示

2）在车牌二值化后，对各个字符进行分割以便进一步对其进行识别。

5 车牌图像处理的应用

利用车牌图像处理能够快速地识别车辆信息，提高车辆管理效率。在此基础上，我们还可以将车辆信息录入数据库，设计一款能能够与停车场管理系统相匹配的客户端如手机APP，利用图像处理后识别出来的信息实现停车场车位的预约、门禁的识别功能。

1）车位预约

当用户需要在某区域进行停车时，在到达前进行车位预订。可以利用“停车助手”在相应区域进行搜索，数据库提供该区域停车位信息。“停车助手”支持用户根据车位的直线距离、停车价格、停车场评价进行车位的筛选排序。

当用户选定好停车位后进行车位的预定，如果用户有汽车服务的需求也可以在开通汽车服务的停车场进行服务的预约，“停车助手”把用户的预约信息反馈给停车场，停车场进行信息记录，把车位号反馈给用户，为用户预留车位30分钟，并对汽车服务进行事先的准备工作。

2）门禁识别

当用户车辆到达停车场后，用户APP与停车场系统直连，无需停车登记。利用图像识别快速识别出车辆车牌号信息，与预约信息进行核对，核对无误后，放行车辆并记录该车辆进入停车场的时间。

当用户要离开时，可以有两种停车付费方式，一时用户自己在APP上填写离开时间之后直接缴费，在车辆行驶到门禁时，利用图像处理技术识别出车辆信息并与数据库中的车辆缴费信息进行比对，已缴费的放行。二是用户并未提前缴费，当车辆行驶到门禁时，识别出该车辆信息，与数据库比对后生成客户端订单，并有用户确定之后自行扣费放行。

参考文献：

[1] 邱志祺，孙铁强.一种提高图像中值滤波效果的改进算法[J]. 信息技术推广，2014，22（53）：137-138.

[2] 梁娟.一种基于Sobel图像边缘检测的改进算法[J].软件导刊，2014，13（12）：80-82.

[3] 廉宁，徐艳蕾.基于数学形态学和颜色特征的 车牌定位方法[J].图形图象学报，2014，35（5）.

[4] 刘广起，严殊，张晓波.基于 MATLAB 的车牌识别系统的研究[J].通信世界.2015（24）：315-316.

[5] 李莹，秦丽娟，王慧科，等.采用特征点提取算法的车牌倾斜校正方法研究[J].沈阳理工大学学报，2014，33（6）：2-6.