陳云彪，張麗琴，李漢明，白興瑞

（龍巖學(xué)院，福建龍巖，364000）

基于邊緣檢測的車牌識別算法的實(shí)現(xiàn)

陳云彪，張麗琴，李漢明，白興瑞

（龍巖學(xué)院，福建龍巖，364000）

針對傳統(tǒng)車牌識別的不足，本文提出了基于邊緣檢測的車牌識別的算法。該算法首先對攝像頭獲取的車牌圖像預(yù)處理，去除圖像無用信息，然后運(yùn)用Robert算子檢測車牌邊緣,并對車牌區(qū)域進(jìn)行圖像較正，用高斯濾波法去除噪聲并且提取車牌信息特征，接著對車牌區(qū)域水平和豎直方向運(yùn)用觸點(diǎn)定位法分割字符，對車牌分割后與相應(yīng)字符模版匹配，利用預(yù)測模型預(yù)測識別結(jié)果，最后識別出車牌字符。

邊緣檢測；字符分割；字符識別；車牌識別

1 車牌識別算法

1.1 算法原理

本文主要介紹了基于robert算子的邊緣檢測的車牌識別技術(shù)。在車牌圖像處理中，邊緣指的是圖像信息變化強(qiáng)度最顯著的部分，Robert算子是運(yùn)用局部差分算法的檢測結(jié)果計(jì)算邊緣的方法,它由(1)式給出:

1.2 算法流程

車牌自動識別技術(shù)是計(jì)算機(jī)視覺、圖像處理和模式識別技術(shù)相結(jié)合的產(chǎn)物，是智能交通系統(tǒng)中一項(xiàng)非常重要的技術(shù)[1]。本文基于邊緣檢測的車牌識別流程主要如下：圖像預(yù)處理，高斯噪聲去噪，邊緣算子檢測，車牌區(qū)域較正，用robert算子車牌定位，車牌信息提取，車牌字符分割[2]，最后通過模版配對后識別出車牌。

1.3 圖像預(yù)處理

為了準(zhǔn)確定位車位的水平和垂直邊界，須要對車牌區(qū)域做特征增強(qiáng)處理，輸入二值圖像后進(jìn)行圖像增強(qiáng)，再噪聲去除。本文把RGB真彩圖像轉(zhuǎn)換為[0，255]范圍的灰度圖像。

本文采用領(lǐng)域均值法消除噪聲，計(jì)算出車牌區(qū)域的像素及其相關(guān)領(lǐng)域內(nèi)像素的平均值或加權(quán)平均值，本文把閾值設(shè)置為中心像素與鄰域平均值的差值，大于該閾值的像素點(diǎn)替換成平均值，而小于閾值的則保留原值不變，算法公式(2)如下。

其中iz是以(,)x y為中心的鄰域像素值；iw是對每個鄰域像素的加權(quán)系數(shù)或模板系數(shù)；mn是加權(quán)系數(shù)的個數(shù)。

1.4 車牌定位

在對車牌進(jìn)行定位之前需要對其邊緣檢測，我們運(yùn)用robert算子進(jìn)行邊緣檢測，從復(fù)雜的外界環(huán)境中提取車牌區(qū)域信息。本文先掃描出計(jì)算梯度局部最大值對應(yīng)的點(diǎn)，并把此點(diǎn)認(rèn)為邊緣點(diǎn)，去除非局部最大值，以此類推比較準(zhǔn)確計(jì)算出車牌邊緣。本文采用角點(diǎn)定位掃描的方法定位車牌區(qū)域，便可較為準(zhǔn)確的得到車牌字符圖像。

車牌二值子的是根據(jù)車牌邊緣計(jì)算而來，在取二值子變化的最大值和最小值的中值為初始閾值[3]。確定閾值后對車牌區(qū)域進(jìn)行多次掃描，計(jì)算四個角點(diǎn)位置后定位出車牌信息。預(yù)先處理車牌的水平和垂直投影曲線，通過分析車牌區(qū)域峰和谷的分布特性，合并水平投影和鄰近峰值區(qū)域[4]，算法如下：

其中，f(x,y)是在坐標(biāo)(x,y)的像素值，N表示多少像素點(diǎn)需要進(jìn)行加權(quán)平均計(jì)算。

1.5 字符分割與識別

把車牌字符中漢字和字母的大小和位置信息進(jìn)行連通域合并[5]。在對字符分割前應(yīng)對車牌進(jìn)行校正，對分割出的字符間的粘邊和斷裂，在車牌精確分割前需對形變車牌圖像傾斜進(jìn)行校正[6]。由于車牌邊緣通常為矩形,因此我們運(yùn)用hough變換來計(jì)算矩形邊長的水平投影夾角。

在分割出車牌字符后，本文采用模版匹配法進(jìn)行車牌字符識別，通過字符直觀形象進(jìn)行特征抽取，將輸入的車牌字符的分類器中匹配[7]。

圖1 車牌區(qū)域定位結(jié)果圖

2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)所用車牌是攝像機(jī)拍攝取得,它由漢字,字母和數(shù)字組成，通過實(shí)驗(yàn)結(jié)果表明，此算法能較好的識別出車牌中漢字，字母和數(shù)字。

3 結(jié)論

本文介紹了一種基于邊緣檢測的車牌識別方法，并對車牌識別中的一些不足進(jìn)行改進(jìn)，重點(diǎn)介紹了車牌邊緣檢測和字符分割的過程。實(shí)驗(yàn)仿真表明，該算法能較好的識別車字符，并提高識別速度，在未來交通智能化方面有較為廣泛的運(yùn)用前景。

[1]丁偉,改進(jìn)神經(jīng)網(wǎng)絡(luò)算法在車牌識別中的應(yīng)用[J].計(jì)算機(jī)仿真,2011.28(8):359-362.

[2]安勇,張高偉.基于灰度圖像的車牌識別系統(tǒng)[J].計(jì)算機(jī)工程與科學(xué),2006.28(2):61-62.

[3]駱雪超等.一種基于車牌特征信息的車牌識別方法[J].華南理工大學(xué)學(xué)報(bào):自然科學(xué)版,2003. 31(4):70-73.

[4]Zhifan, F. and F. Kangling. Research and implementation of an improved license plate recognition algorithm. in Biomedical Engineering and Informatics (BMEI), 2011 4th International Conference on. 2011: IEEE.

[5]章毓晉.圖像處理和分析技術(shù)[M].北京: 高等教育出版社,2008.

[6]何鐵軍,張寧,黃衛(wèi).車牌識別算法的研究與實(shí)現(xiàn)[J].公路交通科技,2006.23(8):147-149.

[7]韓立明,王波濤.車牌識別中關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì),2010(17):3919-3923.

The algorithm of license plate recognition based on edge detection

Chen Yunbiao，Zhang Liqin，Li Hanming，Bai Xingrui
（Longyan University,Longyan Fujian，364000）

We proposed the algorithm of license plate recognition based on edge detection in this paper.Firstly,the license image is preprocessed which is captured from camera. Secondly, we use the Robert operator to detect the license edge, correct the area of license image, clear the noise with the Gaussian filter and extract the license plate information characteristics. Thirdly, Using the contacting location method to locate the characters and matching with the character template. At last,the license plate can be recognized as the matched character template.

Edge detection; character segmentation; character recognition; license plate recognition