趙夏君

(武漢大學(xué)遙感信息工程學(xué)院，湖北武漢 430000)

0 引言

汽車牌照識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)和模式識(shí)別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要的研究課題，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。在不影響汽車運(yùn)行狀態(tài)的情況下，計(jì)算機(jī)自動(dòng)完成車牌的識(shí)別，可降低交通管理工作的復(fù)雜度。車牌自動(dòng)識(shí)別技術(shù)在車輛過(guò)路、過(guò)橋全自動(dòng)不停車收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，因此對(duì)汽車牌照識(shí)別技術(shù)的研究有重要的現(xiàn)實(shí)應(yīng)用意義。

1 問(wèn)題的提出

車牌識(shí)別在交通監(jiān)視，車輛牌監(jiān)控與管理方面有著廣泛的應(yīng)用。目前的車牌識(shí)別方法主要是針對(duì)車輛自動(dòng)注冊(cè)和收費(fèi)，停車場(chǎng)管理等場(chǎng)合，所監(jiān)視的區(qū)域一般只有單一車輛，背景比較簡(jiǎn)單。在我國(guó)的許多運(yùn)用場(chǎng)合監(jiān)視區(qū)域比較復(fù)雜，現(xiàn)有的方法無(wú)法直接運(yùn)用，比如，高速公路的監(jiān)視與監(jiān)控，城市要道的監(jiān)視與監(jiān)控，所監(jiān)控的區(qū)域一般同時(shí)會(huì)出現(xiàn)多輛汽車，背景也比較復(fù)雜。另外，車輛牌照識(shí)別系統(tǒng)是全天候的，若沒(méi)有理想的補(bǔ)充光照明，自然光照度的晝夜變化會(huì)引起牌照?qǐng)D像的對(duì)比度嚴(yán)重不足，使圖像中牌照字符分辨不清，甚至根本無(wú)法定位和分割，更無(wú)法識(shí)別。針對(duì)這些，該技術(shù)在我國(guó)現(xiàn)狀下還有著很大的發(fā)展空間。

2 研究的意義

我國(guó)從70年代開(kāi)始在傳統(tǒng)的交通運(yùn)輸和管理中應(yīng)用了電子信息技術(shù)，隨著社會(huì)的發(fā)展與進(jìn)步，我國(guó)道路在未來(lái)20a內(nèi)仍然處于建設(shè)狀態(tài)，這期間正是智能交通系統(tǒng)在全世界進(jìn)入全面設(shè)施階段，因此我國(guó)需要根據(jù)公路交通的實(shí)際需要探討在我國(guó)公路網(wǎng)中應(yīng)用智能交通系統(tǒng)來(lái)提高交通效率，保障安全和保護(hù)環(huán)境。

3 研究的結(jié)構(gòu)安排

整個(gè)識(shí)別系統(tǒng)中要用到的硬件主要有攝像頭、感應(yīng)器和計(jì)算機(jī)。車牌識(shí)別系統(tǒng)的軟件部分主要分為四大塊，即預(yù)處理、車牌定位、車牌字符的分割和字符識(shí)別。本篇報(bào)告按照如上順序完成。

原始圖像:由停車場(chǎng)固定彩色攝像機(jī)、數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像。

圖像預(yù)處理:對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行濾波，邊界增強(qiáng)等處理以克服圖像干擾。

邊緣提取:通過(guò)微分運(yùn)算，二值化處理，得到圖像的邊緣。

車牌定位:計(jì)算邊緣圖像的投影面積，尋找峰谷點(diǎn)，大致確定車牌位置，再計(jì)算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。最后得到的便為車牌區(qū)域。

字符分割:利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符。

字符識(shí)別:利用模板匹配的方法與數(shù)據(jù)庫(kù)中的字符進(jìn)行匹配從而確認(rèn)出字符，得到最后的汽車牌照，包括英文字母和數(shù)字。

4 算法描述

4.1 算法1二值化

二值圖像是指整幅圖像畫(huà)面內(nèi)僅黑、白二值的圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位。在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要使得字符與背景能夠分割開(kāi)來(lái)，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會(huì)產(chǎn)生額外的空缺等等。車牌識(shí)別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大地提高處理效率。

1)添加二值化的菜單;

2)添加菜單的消息響應(yīng)函數(shù);

3)函數(shù)體的開(kāi)頭部分，獲取圖像信息;

4)計(jì)算閾值。

狀態(tài)法:

①定義閾值;

②定義并初值化灰度統(tǒng)計(jì)數(shù)組hist［256］;

③定義類1質(zhì)量矩和類2質(zhì)量矩、類1灰度均值和類2灰度均值、迭代次數(shù)等;

④計(jì)算閾值(關(guān)鍵代碼)。

4.2 算法2灰度拉伸

圖像識(shí)別是圖像處理的重要方法，圖像邊緣檢測(cè)若有一幅圖，由于拍攝光照不足，使得整幅圖偏暗(例如，灰度范圍從0～55)，或者拍攝時(shí)光照過(guò)強(qiáng)，使得整幅圖偏亮(灰度范圍從200～255)這些情況都是屬于低對(duì)比度，即灰度都擠在一起，沒(méi)有拉開(kāi)?；叶壤斓囊馑季褪前迅信d趣的灰度范圍拉開(kāi)，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達(dá)到了增強(qiáng)對(duì)比度的目的。

4.3 算法3邊緣檢測(cè)

圖像識(shí)別是圖像處理的重要方法，圖像邊緣檢測(cè)是圖像識(shí)別技術(shù)的重要環(huán)節(jié)，一般是通過(guò)提取景物邊緣而獲得邊界。圖像的邊緣對(duì)人的視覺(jué)有重要意義，數(shù)字圖像的邊緣檢測(cè)技術(shù)是下一步圖像分割、提取，乃至識(shí)別的基礎(chǔ)，但是邊緣與物體間的邊界也不完全一致，有時(shí)，有邊緣的地方并不一定就是邊界，反之亦然，所以一定程度上會(huì)加大圖像邊緣檢測(cè)的難度。邊緣通常指的是圖像局部強(qiáng)度變化最顯著的部分。前景目標(biāo)與前景目標(biāo)之間、前景目標(biāo)與背景之間、不同區(qū)域之間。下面是常見(jiàn)的一階邊緣檢測(cè)算子。

4.3.1 Robert算子

Robert算子是一種簡(jiǎn)單的算子，它的計(jì)算梯度幅度值的公式為:

在上式圖中某點(diǎn)(x，y)的像素值為 f(x，y)。Robert算子是基于2×2的梯度算子，該算子邊緣定位準(zhǔn)確，但對(duì)噪聲較敏感，主要用于噪聲少的圖像，其算子模板為:

4.3.2 Prewitt算子

Prewitt邊緣算子是由下面的兩個(gè)卷積核形成。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核進(jìn)行卷積，取最大值作為輸出。該算子的的特點(diǎn)是先對(duì)像素進(jìn)行平均，再微分，這樣做的好處是，對(duì)噪聲有抑制作用但同時(shí)在邊緣的定位方面就不如Robert算子準(zhǔn)確。Prewitt算子表達(dá)式為:

4.3.3 Sobel算子

Sobel邊緣算子是基于3×3的梯度算子，先加權(quán)平均，再微分。Sobel算子的卷積模板由兩個(gè)卷積核定義，分別為水平方向和垂直方向。表達(dá)式如下:

梯度幅度值通常按照下式計(jì)算:

因?yàn)?種方式方法類似，下面以Robert算子為例:

1)在“圖像分割”——“邊緣檢測(cè)”中添加菜單項(xiàng):“Roberts算子、Prewitt算子、Sobel算子、自定義算子”;

2)為各個(gè)菜單添加響應(yīng)函數(shù);

3)設(shè)計(jì)對(duì)話框;

4)函數(shù)體中的開(kāi)頭部分，為相同的代碼(得到圖像的長(zhǎng)和寬，開(kāi)辟新的內(nèi)存空間等):

5)函數(shù)循環(huán)部分:根據(jù)不同的模板來(lái)進(jìn)行不同的卷積運(yùn)算。

5 實(shí)驗(yàn)結(jié)果及分析

原圖如圖1。

灰度拉伸之后圖像如圖2。

圖2 灰度拉伸之后圖像

二值化后圖像如圖3。

圖3 二值化后圖像

邊緣檢測(cè)后處理結(jié)果對(duì)比如圖4。

由以上對(duì)比可見(jiàn)，Robert算子是一種不錯(cuò)的檢測(cè)方式;而且Robert算子邊緣檢測(cè)算法簡(jiǎn)單有效。

圖4 邊緣檢測(cè)后處理結(jié)果對(duì)比圖

6 總結(jié)與展望

本文對(duì)車牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、邊緣檢測(cè)、車牌定位等方面進(jìn)行了系統(tǒng)的分析。在不遠(yuǎn)的未來(lái)，車牌識(shí)別系統(tǒng)將會(huì)有更大的發(fā)展。

［1］葉晨洲，等.車輛牌照字符識(shí)別［J］.上海交通大學(xué)學(xué)報(bào)，2000(5):4～6.

［2］劉智勇，劉迎建.車牌識(shí)別(LPR)中的圖像提取及分割［J］.中文信息學(xué)報(bào)，2000，14(4):29 ～36.

［3］張 禹，馬駟良，韓 笑，等.車牌識(shí)別中的圖像提取及分割算法［J］.吉林大學(xué)學(xué)報(bào)，2006，44(3):407 ～410.

［4］劉佐濂，鄧榮標(biāo)，孔嘉圓.一種車牌識(shí)別算法的實(shí)現(xiàn)［J］.中國(guó)科技信息，2005(23):9～12.

［5］宋建才.汽車牌照識(shí)別技術(shù)研究［J］.工業(yè)控制計(jì)算機(jī)，2004:44～45.