基于颜色直方图的车牌识别技术初探

[摘要]图像识别技术是有着广泛分布而且重要的应用，无论是在计算机视角、医学图像处理，还是工业领域，而其中的代表车牌识别系统则是引用最广的一个分支。文章基于颜色直方图的车牌识别系统的部分关键技术进行研究，依次从车牌图像的预处理、车牌定位以及字符识别展开了分析。

[关键词]HSV；直方图；车牌识别

[DOI]1013939/jcnkizgsc201720151

1前言

在交通管理、车辆监控等应用方面，车牌识别系统广泛地应用在停车场车辆管理、监控违章车辆，而识别车牌的准确性和速度会影响到采集车牌信息的具体效率。车牌识别需要从包含了较多无用信息量的图像中提取出车牌区域，并能对其进行相应字符区域的分割，根据字符特征进行识别。现阶段车牌识别的正确率仍受到许多因素的干扰，为了算法能达到一个比较高的效率来满足自动监控的实时性，为了配合智能交通系统的飞速发展，就需要对各个环节进行深入研究和改进，车牌识别技术仍是具有重要意义的研究课题。本文讨论特征匹配中的统计方法结合人工神经网络算法，运用图像的颜色直方图来实现实时识别过程。

2基于HSV颜色模式的预处理过程

车牌识别系统一般包括图像采集、车牌定位、车牌字符分割和字符识别四个部分。本文不讨论采集部分的实現。图像采集以直接添加形式呈现，即将相关识别图片直接添加入系统。在对图片进行添加后，需要对图片中的信息进行处理，尤其是彩色图片中包含信息量大。而在实时系统中，颜色检索是一种普遍被应用的方法，指的是给定一个查询图像，需要从图像块中找到与之颜色类似的图像，即为图像颜色直方图。

常用到的颜色模型有RGB和HSV种模型，早期图像的检索方法中多使用RGB模式，其原理是用三原色亮度值叠加，因其叠加会产生复合色，由于光照亮度会影响其三原色的亮度值，因此该模型受光照条件影响，在光照条件复杂的车牌识别环境中去除光照影响是非常困难的。为了消除RGB模式的此项弊端，可以考虑使用HSV颜色模式，这个模式用色度（H）、饱和度（S）和亮度（V）3个分量，单独一个分量V表示了亮度信息，而另外两个分量H和S包含了图像的彩色信息，改变其值从某种纯色中获得不同色调的颜色。HSV颜色模型在车牌识别中优势是如果不考虑亮度分量，可以排除光照条件的影响，采用另外两个分量就能区分开不同的颜色区域。基于采集的图像多采用RGB模型，且HSV模型在处理效率方面更加出色，所以可以考虑在应用时将RGB模型转换为HSV模型。转化过程采取参考文献[1]中的办法，其中RGB空间中的向量（r，g，b）转化为

除了选择相应的颜色空间外，颜色直方图的量化也是预处理阶段关心的一个问题。颜色直方图是高位向量数组，需要很大的计算时间，如何量化减少其包含向量个数，量化要求保证差别较大的颜色不能分在同一级，又要保证直方图不能过大。直方图距离表示为欧拉距离，此表示的特点是不关心不同级别的直方图分量，而仅仅关注两个直方图的同一量化级，可在其距离中加入不同权值。

根据一般车牌的牌底颜色，要在颜色空间中定位车牌，首先就必须在图像中找出颜色的区域。根据参考文献3的建议，其中灰度值255用来标识蓝色区域，灰度值200用来标识黄色区域，灰度值150用来标识白色区域，灰度值100用来标识黑色区域，灰度值0用来标识与牌底颜色无关的图像背景。

3字符分割和识别的研究现状

字符分割也分为车牌预处理和分割两部分，先通过对提取出来的车牌部位进行进一步加工去边框，垂直、水平投影处理成合适的图片，然后将预处理的图片分割出来即完成了字符分割功能，在字符识别部分中，模板匹配法是一种特征匹配方法，主要是通过判定测试字符与模板字符间的相似度，将相似性最大的样本作为输入字符的所属类别为结果。如车牌中出现的字符，包括31个省份的简称，24个大写字母以及10个数字可保存为一个识别库。在识别的时候，以现有样本和已经提取出来的测试字符作为两个参数进行比对，得出一个误差值，取其误差最小值作为识别结果。此方法原理简单，但是忽略大量细节，当字符角度出现变化，或者图片出现污渍等情况，此识别法容易出现错误。模板匹配原理直观简单，已经得到了普遍的应用。而神经网络法与模板匹配相比，容错性高。其原理是识别字符的特征提取用来训练神经网络的分类器，通过已经有过大量训练的分类器将字符识别出来。这个过程需要大量样本，复杂度高，分类器的训成需要耗费较长时间，实时系统中难以应用。

本文对基于颜色直方图的车牌识别系统的部分关键技术进行研究，依次从车牌图像的预处理、车牌定位以及字符识别展开了分析，字符分割为进一步研究内容。

参考文献：

[1] Smith J R，Chang S FTools and Techniques for Color Image Retrieval[A].In∶SethiIk，Jain，RC，edStorage & Retrieval for Image an Video Databases IV，IS&T/SPIE Proceeding[C].SPIE∶1996，2670，426-437

[2] 吴大勇，魏平，侯朝桢，等一种车牌图像中的字符快速分割与识别方法[J].计算机工程与应用，2002，38（3）：232-233

[3] 王洪建基于HSV颜色空间的一种车牌定位和分割方法[J].仪器仪表学报，2005，26（8）：371-372

[4] 付炜，赵正则，王大江基于水平灰度跳边和垂直投影的车牌定位方法[J].电子测量技术，2008，31（3）：61-65

[5] 迟晓君，孟庆春基于投影特征值的车牌字符分割算法[J].计算机应用研究，2006，23（7）：256-257

[基金项目]2015年海南省教育厅教改项目（项目编号：Hnjg2015-56）；2016年海南省教育厅教改项目（项目编号：Hnjg2016-45）；海南热带海洋学院2016年校级教育教学改革项目（项目编号：RDJGb2016-37）。

[作者简介]吴淑婷（1985—），女，黎族，海南屯昌人，硕士，讲师。研究方向：软件工程。