基于幾何特征的車牌識別系統關鍵技術研究*

楊曉玲

（閩南理工學院電子與電氣工程系，福建 石獅 362700）

0 前言

車輛牌照識別（License Plate Recognition，LPR）[1]作為現代交通管理智能化重要手段，是智能交通與智能監測、控制的重要環節之一。完整的車牌識別系統（如圖1所示）主要由車牌預處理、車牌定位、車牌字符分割這三個核心環節組成。在整個識別系統中，車牌區域的準確定位最為關鍵，它是車牌識別系統的先決環節；其次尤為重要的是車牌字符分割，其精確的結果保證了整個車牌識別系統的完整。

1 車牌識別系統程序設計與仿真實現

1.1 車牌圖像預處理

本設計需要對車牌圖像進行預處理主要有兩個原因。一方面，由于車牌圖像在采集與獲取的過程中容易受到惡劣天氣、車輛運動、儀器設備噪聲干擾等外界因素的不良影響，需要對獲得的車牌圖像進行濾波去噪操作；另一方面，本研究在車牌定位環節利用的是車牌區域的矩形結構和周長、面積為恒值并匹配的幾何特征方法實現，它必須先保證車牌區域具有連通特性，因而采用數學形態學的方法來獲得車牌區域的連通效果[2]。

圖1 車輛牌照識別系統

在圖像增強理論中，用圖像平滑技術去除圖像噪聲主要有鄰域平均法和中值濾波兩種方法。本研究采用的是中值濾波進行車牌圖像去噪，因為中值濾波相比于鄰域平均法更適合消除圖像的孤立噪聲點，同時又能保持圖像的細節[3]。這與干擾車牌圖像的噪聲類型是一致的，同時保留車牌字符的重要細節信息。

把獲取的24位RGB彩色車牌圖像進行灰度化處理，以便下一步在Matlab實驗平臺上可以對圖像進行中值濾波操作。其核心程序語句及運行結果（如圖2）如下：

im＿gray＝rgb2gray(im);%對原圖像進行灰度化

im＿gray＝medfilt2(im＿gray，[3，3]);%對圖像進行中值濾波

數學形態學是用具有一定形態的結構元素去量度和提取圖像中的對應形狀，以達到對圖像分析和識別的目的[4]。它由一組形態學的代數運算組成，基本的運算有4個：膨脹、腐蝕、開啟和閉合，本設計主要采用腐蝕和膨脹運算。

膨脹是把圖像區域周圍的背景點合并到區域中，其結果使區域的面積增大相應數量的點。膨脹運算將相鄰的物體連接起來，其集合語言的定義為： X⊕S＝｛x|S+x?x≠?｝。

圖2 車牌圖像去噪

腐蝕的作用是消除物體所有的邊界點，腐蝕算法可用來消除物體之間的粘連，還可用來識別物體。其集合語言的定義為：XΘS＝｛x|S+x?X｝。

根據車牌圖像的結構特點用sobel算子對已濾波的車牌圖像進行邊緣檢測，得到圖像的主要輪廓，然后先選擇一個半徑比較大的結構元素S對圖像進行膨脹腐蝕，根據其輸出結構進一步逐次修正S的大小進行對圖像進行膨脹和腐蝕運算[8]。最后再對邊界圖進行小區域連通，使車牌區域連通為一個方塊。核心程序和運行結果（如圖3）如下：

BW＝edge(im＿gray，＇sobel＇);%找出圖像邊緣

[imx，imy]＝size(BW);%計算圖像大小

B0＝conv2(double(BW)，double(msk));%對邊緣區域進行加強

圖3 車牌圖像的連通區域實現

B6＝imerode(B5，s);

%對邊界圖進行小區域連通，使車牌區域連通為一個方塊

[B，L]＝bwboundaries(B6，4);

imshow(label2rgb(L， @jet， [.5.5.5]));title(＇邊界圖連通后的圖像＇);%對連通區域進行標記

1.2 車牌定位

車牌區域的準確定位是整個車牌識別系統獲取車牌的先決條件，而我國的車牌都具有以下兩個幾何特征[6-7]：

（1）車牌區域為矩形結構，且長寬固定，長寬比＝4.5∶1；

（2）車牌的周長與面積的平方滿足：[2×(4.5+1)×L]2/(4.5×L2)≈27， L為車牌的寬度。

本研究的車牌定位環節用到的數學公式有：

（1）用質心確定位置：

（3）區域周長計算：邊界點數之和。

核心的程序語句及仿真結果（如圖4）如下：

stats＝regionprops(L，＇Area＇，＇Centroid＇);%找到每個連通域的質心

perimeter＝sum(sqrt(sum(delta＿sq，2)));%計算邊界周長

area＝stats(k).Area;%獲取邊界所圍面積

metric＝27*area/perimeter＾2;%計算匹配度

[a，b]＝size(g);

for i＝a/2:-1:1%從圖像水平中軸開始向上掃描，當白點數少于每行總點數的1/10時，停止掃描，并將該行定義為車牌字符區域的上限

for i＝a/2:a%從圖像水平中軸開始向下掃描，當白點數少于每行總點數的1/10時，停止掃描，并將該行定義為車牌字符區域的下限

goal＝g(line＿up:line＿down，1:b);%根據之前定義的上下限截取車牌字符區域

圖4 車牌區域定位

1.3 車牌字符分割

車牌字符分割在車牌定位之后，車牌字符的字體為印刷體，字體固定，字符顏色與背景顏色反差很大，而且字母和數字具有豎連通的特性。由于字符顏色與背景顏色反差很大，宇符提取一般以處理二值圖為主。字符分割的難點在于當圖像質量差別較大，部分車牌字符和背景對比度小時，二值化后，字符容易與背景融合在一起；此外，當車牌污損或者車牌圖片傾斜較大時，車牌的二值圖中的字符可能存在粘連，造成車牌字符分割錯誤。以前的字符分割算法主要有固定邊界分割、投影分割、連通區域分割等[8-9]。因為車牌字符間間隔較大，不會出現字符粘連，同時尋找連續有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要進行字符分割[10]。核心的程序語句及仿真結果（如圖5）如下：

%尋找連續有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割

圖5 車牌字符分割

2 結論

本文針對現有車牌識別算法的一些不足，提出了基于灰度圖像幾何特征的車牌圖像預處理、車牌區域準確定位和車牌字符分割的方法，并以Matlab為開發平臺完成了車牌識別系統的三個關鍵環節。較好地解決了車牌圖像背景復雜、抗噪性能低等問題，提高了車牌定位的準確性和車牌字符分割的精確性。與傳統的運用幾何特征進行車牌識別系統設計的相關方法相比，該研究使用的方法性能穩定，車牌定位和字符分割準確性高，在工程實踐中有很好的應用前景。

［1］姚振杰，易衛東.一種用于車牌識別的圖像超分辨率算法［J］.中國科學院研究生院學報，2013（1）：165-167.

［2］V Loumos，E Kayafas.A License Plate Recognition Algorithm for Intelligent Transp-ortation System Applications［J］.IEEE Intelli-gent Transportation Systems Society，2006，7（11）：1524-9050.

［3］李云紅，屈海濤.數字圖像處理［M］.北京：北京大學出版社，2012.

［4］張弘.數字圖像處理及分析［M］.北京：機械工業出版社，2007.

［5］李志強，李涌斌.車牌識別技術的發展及研究現狀［J］.科技信息，2012（5）：134-135.

［6］李雄.幾何特征形態學車牌識別系統研究［J］.計算機仿真，2012（4）：354-355.

［7］王允強，吳濤，張方方.基于數學形態學的實用車牌定位算法及實現［J］.計算機技術與發展，2010（11）：230-234.

［8］劉爽.基于數學形態學的車牌定位識別系統設計［J］.自動化與儀器儀表，2012（6）：218-219.

［9］馬爽，樊養余，雷濤，等.一種基于多特征提取的實用車牌識別方法［J］.計算機應用研究，2013（6）：256-257.

［10］Kim K I，Kwon Y.Single-image super-resolution using sparse regression and natural image prior［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence.2010，32（6）：1102-1209.