劉靜　王敬輝　于海青

摘 要：本文以車牌識別系統(tǒng)定位后的車牌字符識別算法為研究對象，分析基于模板匹配的字符識別算法和基于神經(jīng)網(wǎng)絡的字符識別算法，將車牌字符進行分割處理，詮釋字符識別算法在車牌識別系統(tǒng)中的應用。

關鍵詞：車牌識別；字符識別算法；字符分割；字符識別

中圖分類號：TP391.4

車牌識別系統(tǒng)是根據(jù)車牌特征進行信息采集的一種自動化應用系統(tǒng)，在車牌識別系統(tǒng)識別車牌過程中需要經(jīng)歷圖像采集、預處理、二值化、車牌定位、字符定位、字符分割和字符識別等過程，本文對車牌識別系統(tǒng)定位后的字符識別算法在車牌識別系統(tǒng)中的應用進行研究，論述車牌識別系統(tǒng)字符識別模塊車牌字符預處理和字符特征提取。

1 車牌識別系統(tǒng)概述

1.1 車牌特征。目前我國所采用的車輛車牌編排規(guī)則主要是以省份簡稱漢字為開頭，后面接省市代表字母如：A代表省會城市，B代表第二大城市，C代表第三大城市等等，再接分割符，最后5個以數(shù)字或者字母組成字符序列組成車牌（特種車輛除外）。

車牌標準尺寸長440mm，寬140mm，單個字符寬度45mm，單個字符高90mm，第二個與第三個字符間距34mm，其他相鄰字符間距12mm。車牌顏色大型車輛為黃底黑字，小型車輛為藍底白字，使館車輛黑底白字，軍警車輛白底黑字。車牌其他特征如圖1所示：

1.2 車牌識別系統(tǒng)工作流程。車牌識別系統(tǒng)工作流程是首先，采用車輛圖像采集設備對車牌信息進行圖像采集，形成車牌圖片；其次，將采集到的圖像傳輸?shù)杰嚺谱R別系統(tǒng)進行進行分析辨認，將識別結果存入車輛管理數(shù)據(jù)庫中。

1.3 車牌識別系統(tǒng)模塊功能。車牌識別系統(tǒng)主要由三大系統(tǒng)模塊組成，包括：車輛車牌圖像采集模塊、車牌識別模塊和數(shù)據(jù)管理模塊。其中車牌識別模塊是對車輛信息進行確認的主要核心，其將車牌圖像采集模塊所采集到的車牌圖片進行預處理，再將車牌字符進行分割，對車牌字符特征進行提取、訓練、識別，輸出識別結果。

2 車牌字符識別算法

2.1 基于模板匹配和神經(jīng)網(wǎng)絡的字符識別?；谀０迤ヅ涞淖址R別算法是首先建立車牌字符標準模板庫，將所采集到的字符圖像于模板庫進行圖像比較，計算并識別相似度，進而確認字符信息?；谀０迤ヅ涞淖址R別算法具有原理簡單，運算速度快的特點，但是由于其對復雜字符識和相似字符識別能力較弱。

基于神經(jīng)網(wǎng)絡的字符識別算法采用BP神經(jīng)網(wǎng)絡、Hopfield神經(jīng)網(wǎng)絡、Kohonen神經(jīng)網(wǎng)絡等通過層級處理傳遞到輸出層的各個神經(jīng)元，當輸出結果與期望結果不同時可再進行反向傳播，將輸入層、隱含層、輸出層的權值進行不斷調(diào)整直到將誤差值降為最低，達到預想結果。基于神經(jīng)網(wǎng)絡的字符識別算法具較高的識別率和算法的魯棒性，但是其復雜程度較高，分析計算耗時較多，對漢字識別難度較大。

由于基于模板匹配和基于神經(jīng)網(wǎng)絡的字符識別具有互補性，可采用將車牌字符進行分割將普通字符采用模板匹配算法進行快速處理，將相似度高的字符采用神經(jīng)網(wǎng)絡算法進行確認，由此，解決二者各自的不足問題。

2.2 車牌字符分割。車牌字符分割可采用多種方法，其中包括：根據(jù)車牌字符形態(tài)的幾何特征進行分割、根據(jù)車牌投影像素點個數(shù)進行分割、根據(jù)字符顏色于背景顏色區(qū)域對比特征進行分割、根據(jù)車牌邊緣特征確認字符邊緣位置進行分割和根據(jù)字符像素連通性進行分割。

2.3 車牌字符識別。車牌字符識別可采用模板匹配的方法對待識別車牌與模板庫集合進行相似度匹配，還可以采用字符特征進行特征提取，將特征庫的信息與其匹配進行確認，或者采用神經(jīng)網(wǎng)絡模仿生物神經(jīng)元結構利用神經(jīng)網(wǎng)絡權值調(diào)整構造出相應的分類曲面完成字符的確認。

3 字符識別算法在車牌識別系統(tǒng)中的應用

3.1 車牌預處理。為了更好的分割車牌圖像對定位后的車牌圖像進行灰度化、二值化、校正、濾波去噪、去邊框等。

灰度化，彩色圖像具有三個R、G、B三元色，存空間大傳輸速度慢，常用的圖像灰度化處理方法主要包括平均值法、最大值法和加權平均法。平均值法是對圖像中的像素點的基色求和再除3；最大值法是對圖像像素點的三個基色取色值最大值，再用其替換原始值；加權平均法是對像素點的三個基色進行加權平均，權值可使三個基色達成統(tǒng)一。

二值化，二值化是將灰度圖像進行閾值化分割，將圖像處理為只包含黑白兩種顏色的圖像，如果像素點的灰度值大于閾值則用白色（255）替代，如果像素點灰度值小于閾值則用黑色（0）替代。閾值的確定可分為局部閾值和全部閾值，局部閾值是根據(jù)監(jiān)測圖像當前像素點局部區(qū)域相鄰像素點的灰度變化確定閾值，全部閾值是根據(jù)整幅灰度圖像像素點進行逐點閾值計算。

校正，所采集到的圖像都不能保證字符在統(tǒng)一的平行線上，因此對圖像的分割帶來一定的困難，由此，可采用Hough變換將車牌字符的傾斜度進行校正，使其保持各字符在同一水平直線上。

濾波去噪，車牌識別系統(tǒng)圖像采集模塊所采集到的圖像會受到、光照、雨水、霧霾等的影響使圖像處理難度增大，首先，令一個3*3模板在圖像上沿行或者列進行移動，再對模板所覆蓋的區(qū)域像素灰度值進行排序，通過灰度值取中的方法替代模板內(nèi)的圖像灰度值，由此可將圖像灰度值進行平均去除相對較亮或者較按的灰度，使圖像黑白更加分明。

去邊框，車牌識別系統(tǒng)所拍攝的車牌信息包含了不只車牌部分的圖像，因此需要對車牌之外的圖像進行去邊框處理，首先確定車牌的連通區(qū)域，將不符合車牌的圖像進行清除處理。

3.2 特征提取。車牌字符識別系統(tǒng)性能的準確性與提取車牌特征的高效性和魯棒性有關，因此，在車牌特征提取中要根據(jù)車牌的特征信息將其劃分為結構特征和統(tǒng)計特征進行提取。

結構特征是反映字符結構于細節(jié)的特征，可對圖像的全局結構特征和局部結構細節(jié)特征進行分析，全局結構特征是采用Fourier、K-L、Gabor、Slle等變化分析法對圖像結構進行分析，局部結構細節(jié)特征是對字符的筆畫、凹凸度、拐點、交叉點、環(huán)等進行分析，進而確定圖像字符的結構。

統(tǒng)計特征是對圖像的各類特征進行統(tǒng)計，譬如對圖像的投影特征、網(wǎng)格特征、輪廓特征、復雜度等進行特征數(shù)累加，進而能夠確定字符值。

4 結束語

在車牌識別系統(tǒng)中，字符識別算法主要是車牌字符的分割于識別，在本文中，字符識別算法首先要對車牌圖像進行灰度化、二值化、校正、濾波去噪和去邊框，其次，對車牌特征進行信息提取，為提高字符的識別速度于準確度利用基于模板匹配算法和神經(jīng)網(wǎng)絡的字符識別算法相結合具有一定的可行性。

參考文獻：

[1]王磊等.改進的模板匹配方法在車牌識別中的應用[J].計算機工程與應用.2013（05）.

[2]李康順等.基于演化算法的圖像二值化算法研究[J].計算機應用研究.2012（01）.

作者簡介：劉靜（1979.10-），女，天津河東人，講師，碩士研究生，研究方向：通信、檢測技術。

作者單位：天津現(xiàn)代職業(yè)技術學院 機電工程學院，天津 300350