一种基于图像处理车牌定位与识别方法.docVIP

一种基于图像处理的车牌定位与识别方法 　　[摘 要]随着计算机技术的发展，人们开始步入信息化时代，因此实现信息的智能识别和处理具有非常重要的意义。本文以智能交通系统中的车牌识别为例，提出了一种基于图像处理的车牌定位识别方法，该方法采用灰度化和二值化以及均值滤波进行了图像预处理，通过边缘检测算子和膨胀腐蚀法实现了车牌定位，并进一步完成了字符分割和字符识别。通过利用Matlab软件对该方法进行了编程实现，处理结果验证了该方法的高效性和精确性。 　　[关键词]图像处理；车牌定位；字符分割；字符识别 　　中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2018）22-0296-02 　　1.概述 　　随着经济的发展，人们的交通出行的需求逐渐提升，因此汽车的数量增长迅速，造成发达城市的交通问题日益严重。汽车作为一种快速行驶工具，其车牌的快速识别技术可运用于高速收费服务、道路情况监督、智能停车管理等多个应用场景，因此实现车牌的图像采集、自动识别对于缓解现在交通拥堵、促进交通管理效率、监督交通法规等方面有着重要意义。 　　从上个世纪90年代开始，国外Hi-Tech公司的See/CarSystem系列、加拿大的VLPS系统等都已较为成熟，以及国内香港的VECON产品已经逐步率领车牌识别这方面的研究工作。在中国大陆地区，由于起步较晚，加上车牌管理的标准不够统一，例如存在车牌颜色的不同、车牌有意或无意的污染、悬挂位置的不统一等棘手问题；以及一些自然因素，如图像采集时光线的干扰、?牌自身的磨损等，也会给图像处理结果带来干扰，从而导致一些常见的自动识别系统无法准确识别车牌[1][2]。因此，设计出一套直接高效的车牌自动定位和识别方法非常迫切。 　　本文结构如下：首先在第2章简要介绍了本文所提方法的基本原理和步骤，进而在第3章设计了算法并采用Matlab软件实现了车牌定位与识别的功能，验证了该方法的可靠性和实用性。本文最后还进行了该工作进行了系统地总结。 　　2.车牌定位与识别的原理及步骤 　　车牌自动识别是一项通过车辆的图像或者视频对车辆车牌号码与颜色进行分析和识别的技术。一个完整的车牌识别系统一般包括图像采集、车辆检测、牌照定位、字符分割、字符识别等多个部分。当检测到车辆到达时图像采集模块将被触发，用于采集当前的视频，进而对采集到的牌照图像进行定位和识别。具体流程如下图1所示。 　　识别车牌一般需要如下三个步骤：（1）通过待识别的照片来确定车牌的位置，即车牌定位；（2）通过图像技术将车牌中的字符分割出来，实现牌照的字符分割；（3）通过将识别出的分隔好的字符进行处理，重组成车牌号码，即车牌字符识别。下面将分别对这三个步骤进行详细介绍。 　　（1）车牌定位。一般采集到的汽车图像所处的光线条件较为综合，因此如何在各类复杂的自然背景中准确地确定车牌区域是整个识别过程的关键。首先根据汽车车牌的典型特征对采集到的图像或者视频进行检索，确定最优图像分析区域，实现车牌的定位，然后将该特征区域从采集图像中分离出来。 　　（2）字符分割。通过以上方法能够确定下来车牌的区域，再通过图像识别技术将所确定的分析区域逐个分成字符，比如采用垂直投影方法。该方法通过计算水平投影进行车牌水平校正，从而去掉车牌的框架，分析垂直投影找到每个字符的中心位置，利用该方法能有效地对复杂光线条件下的牌照图像实现字符分割。 　　（3）字符识别。常用的字符识别算法有人工神经网络和模板匹配两种，其中模板匹配算法需要将得到的字符进行二值化处理，并对二值化字符的尺寸进行缩放，然后将缩放后的结果与字符数据库中模板进行匹配，从而选出结果；常用的人工神经网络算法需要提取分割后的字符，然后从这些字符中获取统一特征进而输入到神经网络中进行学习，通过学到的规律进行匹配识别。在实际应用过程中，车牌识别系统的精确度与多种因素有关，比如车牌的各种污损、字体褪色、车牌角度的不正确摆放、多车牌甚至假车牌等等。同时，在获取实际车牌图像的过程中，车辆的行驶速度、拍摄相机的各种参数也会对车牌的成像素质具有较大的干扰。总体而言，车牌图像的准确性与车牌图像的成像质量都会对识别精度有较大的影响。通过提高识别算法的水平，能在一定程度上提升识别系统的精确度。因此，能否有效的消除或规避这些不同的影响因素，是各类车牌识别系统水平高低以及精确度评判的重要标准。 　　3. 车牌定位与识别的算法及处理 　　为了提高识别的灵敏度和精确性，在正式对车牌定位与识别前先对采集图像进行预处理。[3][4][5]通常，由图像采集设备采集到的图像都是彩色的，如图2（a）所示。彩色图像是由红色（R）、绿色（G）、蓝色（B）三基色组成，也称为RGB图像。尽管RGB图像有利于人眼对其的判别，但是却给图像识别程序