数字图像处理技术在车牌识别系统中的应用.docVIP

数字图像处理技术在车牌识别系统中的应用 　　摘 要：随着数字图像处理技术及交通智能化的发展，图像处理技术在当前的智能交通系统中，扮演着极其重要的角色。本文主要针对数字图像处理技术在智能交通系统中的应用，特别是其在车牌识别系统中的算法应用做了详细的阐述，并对技术难题和发展趋势做了深入的探讨。 　　关键词：数字图像处理；车牌定位；字符分割；字符识别 　　中图分类号：TP391.41 　　随着世界经济全球化发展，人们生活和消费水平的日益提高，对汽车的需求量也越来越大，其结果是巨大的城市交通压力摆到了人们的面前，于是如何运用高新科学技术来解决城市交通管理的问题越来越受到人们的重视。智能交通系统（Intelligent Transportation System，ITS）的出现大大的缓解了城市交通所带来的巨大压力，它被认为是有效改善城市交通状况最有利的工具。如今，数字图像处理技术（Digital Image Processing）已发展成为城市生命体承载系统的健康识别和调控理论与方法的研究热点。它的应用范围已从传统的图像处理技术发展到人工智能和高新科技领域，如计算机视觉、数码变焦、机器人学和交通视频监测技术等，以数字图像处理技术为主的研究也成为智能交通系统中的重要前沿研究领域。本文根据数字图像处理技术的特点，详细的介绍了其在车牌识别系统中的应用。 　　1 车牌识别系统简介 　　数字图像处理技术在ITS中最令人感兴趣的便是车牌识别系统（License Plate Recognition System）。车牌识别是一个复杂的过程，包括图像采集、图像预处理、车牌定位与分割、字符识别、输出结果等阶段。图像采集多是由硬件来完成的，是抓取车牌输入到车牌识别系统中的过程；图像预处理是对车牌图像进行处理，减小其数据量和突出图像有价值信息的过程；定位与分割是从处理好的图像中只提取车牌信息，再将它们分隔成单个的字符；字符识别是将分割后的字符识别出来的过程。整个车牌识别过程如图1所示： 　　图1 车牌识别过程框图 　　2 车牌定位 　　车牌定位算法有很多，其核心都离不开车牌图像中车牌所在区域的特征。其中车牌的字符纹理特征、颜色特征以及几何特征是研究车牌定位的主要方向。围绕着这三个特征，车牌定位方法的主要思想即是如何突出车牌的纹理特征，怎样根据车牌的颜色特征以及如何运用车牌的几何特征来进行车牌定位。 　　2.1 基于纹理特征的车牌定位算法 　　车牌本身含有丰富的纹理信息，其主要体现在字符上面，因为字符纹理信息是非常有规则的，关于如何通过这个特征来进行定位的算法比较多，如Liu等[1]提出了一种基于纹理特征自动定位车牌的算法，该算法是通过一维周期算法来进行定位，该方法可以有效的过滤掉车牌周围的噪声，定位准确；全书海等[2]提出一种改进Sobel算子的来进行车牌定位，该方式是通过将传统的Sobel算子只利用水平和垂直方向算子来计算边缘信息改进为通过输出6个方向的算子计算出的值的最大值，最大值对用的模板表示的方向作为该点的边缘方向；Zheng等[3]利用奇异值特征来定位，即通过车牌灰度化后，利用灰度化后字符特征具有一定的跳变性，从而能够将车牌进行定位。此类算法对复杂背景下的图像，也有较好的定位效果，并且具有较好的适应性和鲁棒性；Anagnostopoulos等[4]提出了一种滑动同心窗口的方法来定位车牌，该方法认为图像中车牌的纹理是不规则的，因此，局部特征发生突变的区域即是可能的车牌区域；Caner等[5]利用Gabor滤波算法分析纹理信息，这个方法对于分析纹理的无限方向和尺度十分地有效；Zhang等[6]运用基于Adaboost学习算法结合Harr-like特征，并采用一种分级分类器的结构来进行车牌定位。Harr-like特征常用来进行目标检测，它可以利用分类器分类出车牌的亮度、颜色、尺寸和位置等不变量。 　　所有基于纹理特征的车牌定位算法即使是对车牌边缘发生畸变的情况都十分地有效。然而，这些方法在拥有较多边缘、复杂背景下和不同光照条件下时运算起来都比较复杂。 　　2.2 基于颜色特征的车牌定位算法 　　车牌是由特定的背景颜色组合和字符组成的，因此我们可以通过颜色特征对车牌进行定位。基于颜色特征来进行车牌定位算法大致可以概括为两种：一种是将提取出的车牌从RGB空间转换到HSV（或HSI）空间从而进行车牌定位；另一种则是利用彩色图像的颜色特征来检测图像边缘信息，以达到定位车牌的目的。 　　中国科技大学的陈锻生等[7]研究出了在丰富的背景下对于带有颜色的汽车图像牌照提取与分割技术。该算法通过车牌牌照自身标准模式的多种重要特征，综合了局部特征分布、形状、彩色等信息从而进行车牌定位；华中科技大学的任仙怡等[8]提出了一种利用颜色信息的