车牌识别中的图像预处理研究.docVIP

车牌识别中的图像预处理研究 　　【摘要】车牌图像预处理是提高车牌识别系统后续环节运算效率的重要步骤，尤其对车牌定位起着至关重要的作用。分析现有的图像预处理方法的特点及作用，比较不同方法的处理效果。有效的预处理方法，不仅能够提高图像对比度、消除噪声，还有助于去除多余的干扰、背景等信息，降低伪车牌区域出现的概率。 　　【关键词】图像预处理;车牌识别;对比度;识别率 　　1.引言 　　自1990 年美国智能交通学会提出智能交通系统（ITS）以来，智能交通系统得到了不断研究和发展。伴随着我国汽车业和交通运输业的快速发展，车辆数目迅速增长，交通拥堵和交通事故已成为我国道路交通运输中的突出问题，发展智能交通系统是解决问题的有效办法。车牌识别（LPR）作为智能交通系统的核心环节，是交通系统能否实现智能化、现代化的关键。车牌识别主要是综合利用通信技术、电子信息、图像处理、模式识别、自动化或人工智能等技术，实现车牌的自动监控和识别。 　　2.车牌识别系统 　　车牌识别系统主要由图像采集、图像预处理、车牌定位、车牌字符分割和车牌字符识别等步骤组成。进行车牌识别首先需要获得高质量的车牌图像。经图像采集得到的车辆图像，由于采集设备本身成像质量不同，以及所处环境复杂多变，会受到光照条件不均匀、天气 （如晴天、雾天、傍晚、夜晚等）的影响，使得车辆图像可能会出现模糊、带有噪声的现象。车辆牌照本身的褪色、污损、变形以及倾斜，成像设备与牌照的距离或拍摄角度不合适以及车速较快等因素，都会造成车辆图像质量下降。因此，为了更好地进行车牌识别，在车牌定位前，很有必要对车辆图像进行预处理，以降低干扰或噪声的影响，同时亦能够减少后续计算量。 　　3.图像预处理 　　3.1 图像灰度化 　　车辆图像样本大多都是通过摄像机、数码相机等设备拍摄获取的，采集得到的车辆原始图像是真彩色RGB图像。RGB图像中的每个像素值都是由R（红）、G（绿）、B（蓝）三个基色分量组成，存储每个像素的颜色都需要24比特。所需数据量很大，直接对原始图像进行车牌定位处理速度比较慢，且真彩色车辆图像容易受周围背景颜色的干扰，因此通常先将RGB图像转换成灰度图像，称为灰度化处理。灰度图像只有强度信息而没有颜色信息，在RGB模型中，如果 R=B=G就表示一种灰度图像，存储每个像素的颜色时只需8比特。灰度化处理方法主要有平均值法、最大值法和加权平均值法三种。 　　（1）平均值法 　　求出RGB图像每个像素的R、G、B分量的平均值作为其灰度值，即gray=（R+G+B）/3。 　　（2）最大值法 　　将每个像素的R、G、B分量的最大值作为其灰度值，即gray=max（R，G，B）。 　　（3）加权法 　　根据实验、经验、符合人眼的视觉特性或其他指标，赋予R、G、B各分量不同的权值，即gray=（WrR+WgG+WbB）。其中Wr、Wg、Wb是 R、G、B分量的权值，权值不同就会形成不同灰度的图像。部分研究者将可由RGB颜色空间变换得到的YUV颜色空间的亮度信号Y分量作为灰度值，此时gray=Y=0.299R+0.587G+0.114B，得到了较为合理的灰度图像。 　　3.2 图像增强 　　车辆图像在采集时会受到光照强度、拍摄角度、反光、采集设备曝光不足等诸多因素的影响，可能导致所?集到的图像偏暗或偏亮，图像的灰度集中在较小的区域内、对比度较差，图像细节难以识别、车牌区域模糊不清，就需要进行图象增强来提高对比度，改善图像的整体视觉效果、加强其特征。灰度图像的增强方法有基于空间域（如直方图均衡化、灰度变换、中值滤波等）和基于频率域的方法两种。后者计算量大、效率低，较少被采用，本文主要介绍两种基于空间域的图像增强方法。 　　3.2.1 直方图均衡化 　　若图像的对比度小，图像的灰度直方图会集中在一个较小区域内，图像模糊不清，没有明显的层次感。为了突出感兴趣的细节，比如边缘信息等，就可以使用直方图均衡对图像进行处理。直方图均衡化，是把一已知灰度概率分布的图像变换成一幅具有均匀灰度概率分布的新图像。目的是使图像映射到整个灰度范围内，灰度等级的比例更加平衡。提高了图像的质量和对比度，图像的细节更加清楚，但可能会造成曝光过度、增加噪声。因此，并不是所有的图像都适合进行直方图均衡化。 　　3.2.2 中值滤波 　　中值滤波作为一种非线性滤波技术，在有效抑制孤立噪声的同时能很好地保护图像信号的细节信息，使去噪后的图像清晰、逼真。中值滤波是选定一个窗口，使它在图像的各点上移动，用窗内像素值（或灰度值）的中值来作为中心点位置的像素值。通常选择m×n的矩形窗口作为滤波窗口。若窗口内像素数目为偶数，则中值取按大小排序的最中间两像素灰度的平均值。对低密度分布的孤立噪声具有良好的去除效果，应