屠 明

(大連民族學(xué)院信息與通信學(xué)院學(xué)生，遼寧大連 116605)

基于虛擬儀器的車牌自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)

屠 明

(大連民族學(xué)院信息與通信學(xué)院學(xué)生，遼寧大連 116605)

以LabVIEW2009試用版為平臺(tái)，利用NI VISION ACCQUISITION 2009和NI VISION DEVELOPMENT MUDULE 2009集成模塊，實(shí)現(xiàn)了車牌識(shí)別的功能，并具有算法簡(jiǎn)單，識(shí)別效果好，用戶界面良好，結(jié)構(gòu)簡(jiǎn)單等優(yōu)點(diǎn)［1］。

1 系統(tǒng)總體設(shè)計(jì)方案

采用一般的130萬像素的USB攝像頭，拍攝到的車牌圖像大小為1280*1024，經(jīng)過灰度轉(zhuǎn)換、圖像增強(qiáng)、濾波、二值化以及膨脹腐蝕等一般的圖像形態(tài)學(xué)處理，以盡量消除車牌附近由于各種原因?qū)ψR(shí)別造成的干擾。將預(yù)處理的圖像進(jìn)行邊緣檢測(cè)，轉(zhuǎn)換成二維數(shù)組并采用基于MATLAB腳本節(jié)點(diǎn)的投影法對(duì)車牌區(qū)域進(jìn)行定位，包括粗定位和細(xì)定位，在預(yù)處理效果比較理想的情況下，定位能取得非常不錯(cuò)的效果。根據(jù)中國(guó)汽車牌照的具體情況訓(xùn)練識(shí)別庫(kù)，得到.abc文件，并對(duì)送入OCR模塊的已定位車牌圖像進(jìn)行識(shí)別。最后基于LabVIEW的數(shù)據(jù)庫(kù)工具包實(shí)現(xiàn)了識(shí)別結(jié)果與車牌數(shù)據(jù)庫(kù)的比對(duì)以得到完整的車牌信息并且對(duì)未在庫(kù)中找到的車牌號(hào)進(jìn)行信息登記和入庫(kù)操作。

2 圖像的獲取與處理

2.1 灰度轉(zhuǎn)換

基于LabVIEW中提供的USB攝像頭的驅(qū)動(dòng)程序，將采集進(jìn)來的32位RGB真彩圖像轉(zhuǎn)化為8位的灰度圖像，圖像獲取及灰度轉(zhuǎn)換部分的軟件實(shí)現(xiàn)如圖1。

圖1 圖像獲取及灰度轉(zhuǎn)換流程框圖

2.2 圖像增強(qiáng)及二值化處理

為了達(dá)到識(shí)別車牌的要求，采用空域法中的直方圖均衡化法增加圖像的對(duì)比度。采用的函數(shù)為Histogram VI和IMAQ equalize VI，前者描述了所采集到圖像的灰度分部直方圖，后者對(duì)該直方圖進(jìn)行均衡化，從而達(dá)到增強(qiáng)圖像對(duì)比度的目的。從實(shí)驗(yàn)結(jié)果來看雖然均衡化后圖像的對(duì)比度明顯增加，但車牌區(qū)域與相鄰區(qū)域還是不能明顯的區(qū)分開來，還需要對(duì)均衡化的圖像進(jìn)行二值化處理。其具體實(shí)現(xiàn)的流程框圖和實(shí)驗(yàn)結(jié)果如圖2。

圖2 圖像增強(qiáng)及二值化處理流程框圖和實(shí)驗(yàn)結(jié)果

2.3 形態(tài)學(xué)處理、濾波及邊緣檢測(cè)

利用LabVIEW提供灰度圖像的形態(tài)學(xué)處理函數(shù) GrayMorphology VI，在使用該函數(shù)之前用IMAQ RemovePartical VI先腐蝕掉較大的干擾，然后再使用GrayMorphology VI來對(duì)灰度圖像進(jìn)行一些基本的形態(tài)學(xué)處理，去除整個(gè)背景下的比較小的噪點(diǎn)。再利用濾波和邊緣檢測(cè)算法中的sobel算子進(jìn)行邊緣檢測(cè)，如圖3。

圖3 經(jīng)形態(tài)學(xué)處理、濾波及邊緣檢測(cè)流程框圖和實(shí)驗(yàn)結(jié)果

2.4 車牌定位及識(shí)別

通過調(diào)用LabVIEW中的MATLAB腳本節(jié)點(diǎn)來實(shí)現(xiàn)，體現(xiàn)了LabVIEW與其他應(yīng)用軟件特別是數(shù)據(jù)處理軟件良好的互聯(lián)性［2］。

采用OCR(光學(xué)字符識(shí)別)實(shí)現(xiàn)車牌的字符識(shí)別，LabVIEW為OCR提供了豐富的函數(shù)和相關(guān)工具，包括字符訓(xùn)練和字符識(shí)別兩部分。經(jīng)定位算法、OCR訓(xùn)練以及識(shí)別的實(shí)驗(yàn)結(jié)果如圖4。

圖4 最終識(shí)別結(jié)果

3 結(jié)語

本設(shè)計(jì)方法提出了一種基于虛擬儀器技術(shù)的車牌識(shí)別方法，軟件設(shè)計(jì)上充分發(fā)揮了LabVIEW圖形化編程語言在圖像處理領(lǐng)域的諸如人性化、智能化以及編程實(shí)現(xiàn)容易、用戶界面友好等優(yōu)點(diǎn)，并結(jié)合MATLAB的強(qiáng)大的數(shù)據(jù)計(jì)算能力，對(duì)用普通USB攝像頭采集到的車牌圖像進(jìn)行處理，并能準(zhǔn)確的從中識(shí)別出車牌號(hào)碼，識(shí)別率較高，從而證明了本設(shè)計(jì)的可靠性。

［1］張桐，陳國(guó)順，王正林.精通LabVIEW程序設(shè)計(jì)［M］.北京:電子工業(yè)出版社，2008.

［2］趙志國(guó).基于改進(jìn)投影法的車牌精確定位算法研究［J］.農(nóng)業(yè)裝備與車輛工程，2008(4):36－38.

TP391.41

A

1009－315X(2011)05－0534－02

2010－11－05;最后

2011－07－26

指導(dǎo)教師:陳興文(1969－)，男，遼寧錦州人，教授，主要從事計(jì)算機(jī)控制及教學(xué)管理研究。

(責(zé)任編輯 劉敏)