周光祥 葉俊明* 桂林電子科技大學

關(guān)鍵字：車牌識別 小波變換 閾值去燥

現(xiàn)代社會交通管理智能化，自然環(huán)境復雜多變，車牌識別效率容易被影響。在圖像不清晰時，利用小波變換方法，進行圖像的去燥和有用圖像信號增強。

一、基于小波變換的圖像預處理

強化圖像有用車牌信息，然后需要對有各種顏色的圖像進行灰度化處理。小波變換濾波是將圖像信息從空間域轉(zhuǎn)換至小波域，處理圖像的小波系數(shù)；再通過逆向變換的方法，從小波域轉(zhuǎn)換至空間域，實現(xiàn)圖像重構(gòu)。先將含有環(huán)境噪聲的車牌圖像進行灰色處理，然后對這灰色圖像進行小波變換，獲得小波域的圖像小波系數(shù)。對小波域的圖像小波系數(shù)進行圖像濾波，采用小波閾值去燥方法。對去燥后的圖像小波系數(shù)進行圖像增強，提高車牌信息的小波系數(shù)。對該小波系數(shù)進行小波逆向數(shù)學運算，獲得光照不均噪聲后的新圖像數(shù)據(jù)，新灰度圖像清晰度高；最后對該新圖像信號進行二值化處理，數(shù)學運算效率良好。

（1）圖像灰度化

相機采集的圖像是彩色的，顏色信息與車牌識別的精度關(guān)系很小。顏色信息的數(shù)據(jù)量大，進行小波運算的速度很慢[3]。為了提高速度，減小運算時間，需要把圖像進行灰色化運算處理。

（2）小波變換域進行圖像濾波，改進的小波閾值去燥方法

在小波域中，去燥的閾值函數(shù)決定噪聲消除的效果。傳統(tǒng)的閾值函數(shù)分別是硬函數(shù)和軟函數(shù)，它們的缺點是各層小波系數(shù)閾值的設置大小不變。當小波層數(shù)變化時，對應的小波系數(shù)也隨之變化，傳統(tǒng)的閾值函數(shù)不能解決該問題，這缺點造成固定閾值去燥效果差。本文提出了一種新的閾值函數(shù)如公式（1）和（2）所示。

在公式（1）和（2）中，新閾值函數(shù)中，將小于閾值的小波系數(shù)保留部分有用信息，克服了傳統(tǒng)硬、軟閾值函數(shù)把該部分有用信息系數(shù)清零的缺點。數(shù)據(jù)變量為小波系數(shù)，數(shù)據(jù)變量為去燥后新的小波系數(shù)，數(shù)據(jù)變量λj為第j 層去燥閾值。新的閾值函數(shù)具有連續(xù)性，閾值函數(shù)根據(jù)小波層數(shù)變化自動調(diào)整系數(shù)λj。小波系數(shù)和分解層數(shù)變化時，新的閾值函數(shù)自動進行匹配變化，并且對有用信息進行適當?shù)脑鰪姟?/p>

（3）小波變換域進行圖像增強，圖像進行二值化處理

圖像增強是在小波域中進行有用信號的強化處理。增強字符信息的小波系數(shù)，提高車牌定位的準確度，增加字符識別的效率。圖像的灰度對比度越高，圖像越清晰；為了提高它的對比度，進行灰度拉伸處理?；疑珗D像信息包含有很多有用信息，需要有一個灰度化閾值，小于該閾值的數(shù)據(jù)為0，大于等于該閾值的數(shù)據(jù)為1。通過大量的實驗可以獲得合適的閾值，保留盡可能多的有用信息，實現(xiàn)圖像二值化。

二、車牌定位、字符分割和識別算法

在圖像進行二值化的基礎(chǔ)上，尋找最符合牌照特征的區(qū)域，這就是車牌定位。對圖像進行粗略車牌定位，結(jié)合垂直邊緣匹配檢測方法和形態(tài)學方法，依據(jù)車牌的形狀特點，尋找車牌大致區(qū)域，獲得二值化的車牌區(qū)域圖像。

字符分割實質(zhì)就是進行數(shù)學運算，它影響后續(xù)數(shù)據(jù)處理的效率。第一步，在水平方向，對車牌圖像進行數(shù)學投影運算，投影曲線變換情況反映字符數(shù)據(jù)信息坐標位置，車牌邊框的投影直方圖兩側(cè)會出現(xiàn)明顯的波谷。該波谷代表字符的邊框，本系統(tǒng)只需要保留兩個波谷中間的字符信息，必須截去上下邊框及其外部的信號。第二步，采用垂直投影法，獲得有明顯波峰波谷的曲線，這些波峰波谷的變化能有效表征出字符與字符的分離位置，最后將二值化的車牌區(qū)域圖像分割為數(shù)個字符。

首先建立標準的字符模板圖像庫，對分割出來的字符和模板圖像庫進行比較，數(shù)學運算出它們的相似度，根據(jù)相似度的大小來判定該字符是什么文本字符。采用大量樣本數(shù)據(jù)進行訓練，提高模板匹配方法的效率。數(shù)學形態(tài)學方法進行字符圖像的特征提取，獲得有用的特征信息，提高識別字符的效率。

三、車牌識別G 語言程序設計及實驗測試

（1）車牌識別G 語言程序?qū)崿F(xiàn)步驟和部分代碼

以LabVIEW 為 平 臺，利 用NI VISION 模 塊 和wavelet analysis tool 模塊，實現(xiàn)車牌識別功能。首先使用函數(shù)Gray Morphology VI 對圖像進行形態(tài)學處理, 然后使用wavelet analysis tool 模塊中的小波變換函數(shù)進行小波變換。通過自定義閾值函數(shù)，把小波系數(shù)進行數(shù)學運算，除去無用的干擾信號，加強特定信息的數(shù)據(jù)。使用wavelet analysis tool 模塊中的小波變換函數(shù)進行小波逆向變換，對數(shù)據(jù)進行二中處理。先采用垂直邊緣匹配檢測方法進行車牌定位，再運用垂直投影法進行字符分割。采用LabVIEW自帶的字符識別函數(shù)進行字符識別運算，獲得文本字符數(shù)據(jù)，輸出結(jié)果車牌字符，結(jié)束程序。車牌識別算法的G 語言程序?qū)崿F(xiàn)步驟如圖1所示。

圖1 車牌識別算法的G 語言程序?qū)崿F(xiàn)步驟

車牌識別算法的部分G 語言代碼如圖2 所示。從圖中可以看出，先提取車牌圖像，再進行基于小波變換的圖像預處理，然后進行車牌定位算法。圖像被拍攝后，利用NI VISION 模塊的“IMAQ Get File Info”函數(shù)獲取圖像文件信息。通過小波變換圖像預處理子函數(shù)，實現(xiàn)圖像的小波變換，然后對小波系數(shù)進行去燥處理，再進行小波逆變換。利用“vision assistant”函數(shù)是視覺助手，可以進行二值化、字符分割、OCR 光學字符識別等處理。在LabVIEW2014 軟件中，采用OCR Training Interface 函數(shù)，設計G 語言，獲得字符數(shù)據(jù)庫。在車牌定位算法子函數(shù)中，采用G 語言設計代碼，該子函數(shù)搜索7 個字符的具體位置，獲得包含這7 個字符的數(shù)據(jù)，其他數(shù)據(jù)去除掉。

圖2 車牌識別算法的部分G 語言代碼

（2）車牌識別算法的實驗測試

在天氣、光照等環(huán)境變化條件下，采集1000 幅圖像，使用本車牌識別軟件系統(tǒng)進行測試，結(jié)果車牌識別率達到96%。實驗結(jié)果表明，本文的車牌識別方法有效，能在LabVIEW 平臺實現(xiàn)該方法的程序設計，能夠滿足實際工程的應用。

四、結(jié)束語

本文提出了一種改進的小波閾值函數(shù)，該函數(shù)具有連續(xù)性，有效保留字符信號。當小波層不同時，該函數(shù)可以根據(jù)不同層噪聲數(shù)據(jù)大小的變化自動調(diào)整閾值的大小。在Lab VIEW2014 軟件中，編寫了車牌識別算法的G 語言程序代碼，實現(xiàn)工程應用。采集1000 幅圖像，對該G 語言程序進行實驗測試，實驗結(jié)果表明車牌識別效率很高。