石昊蘇

摘 要：文章討論了車輛牌照圖像識別整個過程的四個環(huán)節(jié)：預(yù)處理、車輛牌照定位、字符分割、字符識別。通過優(yōu)化改進Canny算法有效地解決了圖像質(zhì)量不足，批量、自動識別車輛牌照的相關(guān)問題。

關(guān)鍵詞：圖像識別；圖像增強；車輛牌照；字符識別

中圖分類號：TN247 文獻標識碼：A

Research on Image Recognition Technology Based on Vehicle License Plate

SHI Haosu

（Northwest University of Politics and Law，Xi'an 710063，China）

Abstract：This paper，the whole process of vehicle license plate image recognition is discussed in four aspects：preprocessing，vehicle license plate location，character segmentation and character recognition.Through the analysis of the part of the algorithm，the problem of image quality is solved effectively，and the related problems of batch and automatic vehicle license plate recognition are identified.

Keywords：image recognition；image enhancement；vehicle license；character recognition

1 引言（Introduction）

隨著科技進步、汽車普及家庭化，在城市治安防控和城市管理中對機動車的有效管理越來越顯得重要。車輛牌照作為車輛的重要特征之一，如何根據(jù)公安系統(tǒng)“天網(wǎng)工程”（或其他視頻采集系統(tǒng)）捕獲、采集的車輛圖像，快速、準確、自動識別車輛牌照，是近些年來許多專家學(xué)者研究的熱點課題。

車輛牌照圖像一方面往往因受現(xiàn)場自然光照、雨霧、儀器硬件設(shè)備、拍攝角度、車輛行駛速度等客觀條件限制，圖像質(zhì)量不足，從而給牌照的識別帶來一定的難度。另外一方面車輛牌照的圖像具有形狀固定、色彩簡單等不同于其他圖像的明顯特征，從而在識別上又另有辟徑。本文將車輛牌照圖像識別技術(shù)分成的四個步驟：圖像預(yù)處理、車輛牌照定位、字符分割、字符識別[1]，并分別進行論述。

2 預(yù)處理（Pre-processing）

預(yù)處理是車輛牌照圖像識別的前提、重要組成部分，是對采集到的圖像進行特征提取、分割以及識別前進行的操作[2]。通常情況下，攝像頭采集到的圖像為RGB格式，需要進行灰度化、二值化、傾斜校正、濾波等一些預(yù)處理。

（1）圖像的灰度化

①EQ（f）在0≤f≤L-1范圍內(nèi)是一個單值單增函數(shù)，保證原車輛牌照圖像的灰度級在經(jīng)過增強處理后，依然是正確的排列順序。

②對于0≤f≤L-1有0≤g≤L-1，條件保證變換前后圖像灰度值動態(tài)范圍的一致。

滿足上述兩個條件的累積分布函數(shù)，可以將原車輛牌照圖像f的分布轉(zhuǎn)換成g的均勻分布。因此，直方圖均衡化映射函數(shù)應(yīng)當(dāng)為：

gk=EQ（fk）=（ni/n）=pf（fi），（k=0，1，2，…，L-1）

按照這灰度映射關(guān)系對原始圖像的每一個像素點進行灰度轉(zhuǎn)換，便可以完成對原始圖像的直方圖均衡化[3]。

（2）二值化

經(jīng)過灰度處理后的車輛牌照圖像亮度信息包含有256個灰度級，它的明暗度這時就很容易區(qū)分了。車輛牌照識別時，我需要將牌照從整個背景中徹底分離出來。為了達到這個目的，我們常常直接把圖像分為牌照和背景兩部分，用來盡可能避免背景像素干擾。這樣我們只能用兩個灰度級：0和1。通常目標像素值為1，背景像素值為0。因此，我們對圖像進行二值化處理后，就能的到自己需要的圖像[4]。

假設(shè)灰度圖像進行二值化處理前的像素值為f（x，y），其中（x，y）表示二值化前灰圖像的空間點坐標，二值化后灰度圖像的像素值g（x，y）為：

其中，c為我們所說的閾值。

（3）濾波法

濾波法是一種非線性的圖像平滑性的技術(shù)。常常采用的中值濾波法，將一個滑動性的窗口內(nèi)的每一像素點的灰度值進行統(tǒng)計，隨后使用該窗口內(nèi)的所有像素點灰度值的中值來替換掉原來中心的灰度值[5]。

3 車輛牌照定位（Vehicle license plate localization）

我國車輛牌照相對其他國家而言，由漢字、英文字母和數(shù)字共七個字符構(gòu)成，有一定的復(fù)雜性。但同時也具備顯著特點：車輛牌照圖像區(qū)域的像素點明顯多于其他部分、字符的大小和個數(shù)固定且間隔距離相等。

目前車輛牌照的定位方法主要有基于邊緣檢測的方法、小波分析法、基于顏色特征的方法、基于神經(jīng)網(wǎng)絡(luò)的方法、基于紋理特征的方法。其中以基于邊緣檢測的方法比較經(jīng)典，邊緣檢測的算法有Sobel算子、Roberts算子、Laplacian算子、Log算子以及Canny算子，這些算子利用了車輛牌照邊緣處灰度級劇烈變化進行圖像邊緣檢測。

傳統(tǒng)Canny算法在計算梯度幅值時，將待檢測點直接參與運算，抑制噪聲能力弱。改進后應(yīng)該是待檢測點不參與運算。新的偏導(dǎo)數(shù)公式如下：

PX[i，j]=（I[i，j+1]-I[i，j-1]+I[i+1，j+1]-I[i+1，j-1]）/2

Py[i，j]=（I[i-1，j]-I[i+1，j]+I[i-1，j+1]-I[i+1，j+1]）/2

雖然改進前后計算原理相同，都是通過同方向雙向箭頭兩端的像素值相減[6]后求和，再求其平均值。但計算模板不同，梯度幅值和梯度方向更加精確。

其次可以考慮針對傳統(tǒng)Canny算法“人為指定雙閾值”，根據(jù)非極大值抵制圖像的內(nèi)容自適應(yīng)給出恰當(dāng)?shù)碾p閾值。盡可能讓高閾值出現(xiàn)在非邊緣區(qū)域外、低閾值出現(xiàn)在弱邊緣附近，有效修補高閾值的邊緣。

4 字符分割（Characters segment）

由于圖像采集設(shè)備拍攝角度原因，采集到的大量車輛牌照圖像會有一定程度的傾斜，如果不進行傾斜矯正，導(dǎo)致圖像切分后，在字符識別拉伸時發(fā)生扭曲，影響識別效果。盡管可以使用Hough變換，但傳統(tǒng)的Hough因為要對每一個像素進行計算，所以處理的時間長?？梢钥紤]車輛牌照圖像兩端的斜率K來調(diào)整圖像的位置，提高效率。

本文建議使用基于Radon變換的車牌傾斜校正的方法[7]。根據(jù)車輛牌照圖像自身特點：固定矩形，變形程度較小，將原來XY平面內(nèi)的點映射到AB平面上。這樣原XY平面的一線直線在AB平面上都位于同一個點，通過記錄AB平面點的積累厚度，可反知XY面上線的存在。在新平面下得到相應(yīng)的點積累的峰值可得出原平面的顯著線集，進而確定圖像傾斜角度。選擇Radon變換在θ=-900°～900°進行變換。

算法可以利用垂直投影法，色彩信息分割法。垂直投影法上下掃描得到車牌牌照圖像高度，左右掃描找到第一字符，后繼續(xù)左右掃描，直到車牌全部掃描完畢。色彩信息分割法。根據(jù)車輛牌照前景色與背景色差異巨大，對兩種色彩進行連續(xù)不分析，最終確定車牌字符的位置，將字符分割。

此外還有模板匹配分割字符法、連通域字符分割法。

5 字符識別（Characters recognition）

字符識別首先要建立起字符模板。將構(gòu)成車輛牌照的代表直轄市、?。ɑ蜍娋厥廛囕v）的漢字、0—9、A—Z收集起來，組成字庫。

基于簡單模板匹配算法，經(jīng)過字符分割后的車輛牌照字符圖像與模板庫中的字符進行逐一匹配來識別字符。但經(jīng)過字符分割后的字符圖像常常尺寸大小不一致，因此需要對字符進行歸一化處理。即將車輛牌照字符圖像按比例線性縮放成9×16的點陣圖像，使其等于標準模塊的字符大小。然后計算字符圖像與字符模板的相似度與差異度，一般相似度大于95%以上，且差異度小于30%，可以認為匹配。

字符識別方法還有基于人工神經(jīng)網(wǎng)絡(luò)識別算法、基于統(tǒng)計特征識別算法和基于結(jié)構(gòu)特征識別算法等。

6 結(jié)論（Conclusion）

本文對車輛牌照圖像處理的四個步驟：預(yù)處理、定位、分割、識別進行綜述。分析了就定位中的改進算法Canny將待檢測點不參與運算，使得圖像抑制噪聲能力增強、在梯度幅值和梯度方向更加精確。從而解決車輛牌照圖像高效批量、自動識別問題。

參考文獻（References）

[1] 趙珊，等.基于Matlab圖像處理的汽車牌照識別技術(shù)研究[J].測繪工程，2014，23（1）：70-72.

[2] 卓俊宇，胡志慧.一種基于Open CV的車牌識別定位方法的研究與實現(xiàn)[J].中國管理信息化，2015，18（13）：209-210.

[3] 岡薩雷斯.數(shù)字圖像處理Matlab版[M].北京：電子工業(yè)出版社，2007.

[4] D.P.Mukherjee Debasish Jana.計算機圖形學(xué)算法與實現(xiàn)[M].北京：清華大學(xué)出版社，2012.

[5] 李俊山，李旭輝.數(shù)字圖像處理[M].北京：清華大學(xué)出版社，2007.

[6] 孫金嶺，等.基于顏色特性和改進Canny算子的車牌圖像定位[J].吉林大學(xué)學(xué)報（理學(xué)版），2015，53（4）：693-697.

[7] 蔣治華，等.一種非傳統(tǒng)車牌傾斜矯正方法[J].計算機應(yīng)用研究，2006，23（3）：175-177.