基于图像处理的车牌识别研究

摘要：针对智能交通管理系统中的车牌识别问题，提出应用图像处理技术对汽车的牌照进行识别。车牌定位（LPL， License Plate Location）、车牌分割（LPS， License Plate Segmentation）、车牌识别（LPR， License Plate Recognition）是实现车牌识别系统的最主要的三个部分。先采用HSV模型和RGB模型识别与分割彩色图像，并初步定位车牌图像；再采用radon变换实现车牌的倾斜校正，用投影法对车牌进行定位和分割；最后通过语音读出识别到的车牌信息。通过MATLAB编程进行实验仿真，结果表明利用图像处理技术能够快速地识别出汽车牌照，是一种研究车牌识别的有效方法。

关键词：图像处理；车牌定位；车牌定位；车牌分割；倾斜校正

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）19-4541-03

License Plate Recognition Based on Image Processing

ZHENG Xue

（Nanjing University of Finances and Economics， Department of Information Engineering， Nanjing 241000，China）

Abstract： The application of image processing technique was put forward to identify the license plate aiming at solving the problem of license plate recognition in the intelligent traffic management system. License plate location， character segmentation， and license plate recognition are the most important three parts， which constitute the license plate recognition system. First， using HSV model and RGB model to identify and segment the color image， and preliminary positioning for the license plate image. Then license plate tilt correction was processed by Radon transform， and using the projection method for license plate location and segmentation. At last， read the result of license information recognized. Simulation by MATLAB programming and experiment， the results show that using image processing technology can quickly identify the license plate， and is an effective method to study the license plate recognition.

Key words： image processing； license plate location； license plate segmentation； license plate recognition； tilt correction

近年来，我国的经济发展迅速，人们的生活水平不断提高，私家车数量越来越多，公路交通事业迅速发展，交通拥堵和交通事故日益严重，传统的人工管理方式已经越来越无法满足人们对交通控制和安全管理的要求。因此，智能交通系统（ITS，Intelligent Transport System）[1]逐渐兴起，并成为当前交通管理的主要方式，这是现代信息智能化的结果。智能交通系统运用先进的计算机等技术将人、车、路有机地联接起来，形成有序的系统，该系统的投入使用，在一定程度上改善了交通质量，保障了交通安全，极大地提高了交通运输的效益。

LPR（License Plate Recognition，车牌自动识别）技术是智能交通系统中最关键、最核心的技术。车牌自动识别系统要求在不影响汽车状态的情况下，通过计算机自动采集汽车图片，对采集的汽车图片进行图像处理以及智能算法研究，提取汽车牌照的字符特征，完成汽车车牌的识别。随着图像处理技术、模式识别技术等相关技术的发展，车牌自动识别系统技术逐渐成为现代交通领域研究的重点和热点课题之一，它在城市交通、停车场和高速公路收费管理系统中有着广泛的应用。

1 车牌识别关键技术

车牌识别系统的主要组成部分包括：车牌图像采集、车牌图像预处理、车牌定位、车牌字符分割和车牌字符识别。

1） 车牌图像采集：通过CCD摄像头或摄像机拍摄含有车辆牌照的图像。通过视频卡输入计算机等待处理。

2） 车牌预处理：对采集的车牌图像输入计算机进行预处理，突出车牌的主要特征，便于提取车牌信息。图像预处理主要是对待处理图像进行图像格式的转换和压缩、图像去噪、图像增强等操作。

3） 车牌定位：对车牌图像中的车牌字符区域进行定位，该过程主要利用车牌区域的特征信息。

4） 车牌字符分割：为得到车牌信息中的每个字符，需要对定位后的车牌区域中的字符进行分割。

5） 车牌字符识别：对得到的单个车牌字符进行识别。

目前，常用的车牌定位算法有：基于数学形态学车牌定位[3] 、基于投影法的车牌定位[4]、基于字符纹理分析车牌定位[5]等。常用的车牌字符分割算法主要有：区域连通法[6]、投影分割法[7]、基于人工智能算法[8]。最常用的车牌字符识别方法：基于模板匹配[9][10]和基于人工智能方法[11-14]。基于人工智能方法又包括基于统计学习方法、前向神经网络等。其中基于统计学习理论的方法不适合大样本字符的识别；而基于前向神经网络的识别方法比较耗时。该方法需要先提取字符的特征来训练神经网络，然后对待识别的字符进行识别，传统的BP神经网络就是典型的基于前向神经网络识别方法。

现实中采用的车牌识别技术主要有以下两大类：

1） 条形码识别技术与射频识别技术。这类车牌识别技术准确可靠，但管理范围有限。该技术通常提前在车辆上安装装置，建立后台管理系统等，主要依靠被检测车辆的主动参与。

2） 图像处理技术。适用范围广，可以实时监控所有通行车辆的信息，同时可以方便地实现图像回放、检索等工作。基于图像处理的车牌识别系统，不需要在汽车上安装任何装置，即可智能化管理通行车辆。

本文提出采用基于图像处理技术对汽车牌照进行特征提取和分割，实现车牌特征的识别。

2 基于图像处理的车牌识别系统

数字图像处理起源于20世纪20年代，人们日常看到的图像可以用数学模型表示为[f（x，y）]。现实生活中事物都可以对光进行反射，通过量度目标物体反射的光，可以看到目标物体的图像。计算机只能处理数字化的图像，因此采集设备所获取的图像必须经过离散处理和量化处理。

运用数字图像处理技术解决汽车车牌识别最早是在20世纪80年代，其主要过程就是对拍摄采集到的车牌图像进行分析，有效地自动提取车牌信息，确定汽车车牌号。

本文采取的基于图像处理技术的车牌识别系统原理框图如图1所示：

图1 车牌识别系统原理图

2.1 图像采集

本文采用拍摄的含有汽车车牌的汽车图片作为原始识别图像，这类图片受到车牌清晰、拍摄距离、拍摄角度的影响。特别注意的是，该文采集的主要是车牌底色为蓝色、车牌信息为白色的汽车车牌图片。采集结束后，通过量化过程将模拟图像变换为便于计算机处理的数字形式。

2.2 汽车车牌的初步定位

由于采集到的汽车图片通常不仅包含需要的车牌信息，还包含了很多其他信息，如汽车型号、汽车外形等特征，所以首先需要将待处理的车牌进行初步定位，剔除那些无用的信息，将车牌分割出来，便于进一步的操作。在处理车牌底色为蓝色、车牌信息为白色的汽车车牌图像时，采用HSV模型[15]识别蓝色，用RGB模型[16]识别白色，分别扫描Y方向蓝色像素点和X方向白色像素点，找出车牌区域，并以一定的长宽比进行裁剪，使用HSV彩图提取图像。

2.3 车牌图像预处理

本文的预处理主要是将初步定位得到的彩色车牌图像转换成灰度车牌图像，便于提取车牌特征。

2.4 车牌倾斜校正

提取灰度车牌图像的边缘，采用radon变换对车牌图像进行倾斜校正处理[17]，变换角度为1°～180°，角度增量为1°，统计radon变换得到的最大值，记录此时的倾斜角度，实现利用radon变换完成车牌图像的倾斜校正。

2.5 车牌定位与分割

使用闭合运算，腐蚀擦除不是汽车车牌信息的部分，为了能够更加容易观察车牌信息，腐蚀擦除结果进行反色显示。该文采用投影法[7]对车牌进行定位，对图像分别往左边和下面进行投影，找到图像边界，按一定长宽比裁剪出车牌图像，完成车牌定位与分割。

2.6 单个字符修正与裁剪

对车牌上的汉字、字母和数字进行修正，裁剪出每个字符的具体的上下边界，根据每个字符的边界，对每个字符进行倾斜校正，然后把字符信息保存在数组里。

2.7 车牌识别结果

每个字符包含自身独立的字符信息，我们通过语音形式逐一读取识别待检测识别的汽车车牌的每个字符，最后提示完成车牌检测。

3 实验结果与分析

3.1 实验结果

选取采集到的汽车图片作为实验输入参量，按照上述提出的汽车牌照识别方法进行仿真识别，实验结果通过截图如下面各图所示。其中图2是采集的汽车图片与初步定位车牌，图3是车牌处理过程，图4是车牌分割过程，图5是车牌识别过程。

（a） 采集的汽车图片 （b） 车牌的初步定位

图2 汽车图片与初步定位车牌

（a） 车牌图像预处理 （b） 倾斜校正

图3 车牌图像处理与校正

（a）腐蚀擦除 （b） 擦除反色 （c） Y方向处理

图4 车牌定位与分割

（a） 单个字符修正与裁剪 （b） 语音识别车牌

图5 车牌识别仿真结果

3.2 实验结果分析

本文提出基于数字图像处理技术的汽车牌照识别方法，针对采集到的彩色图片，使用HSV模型和RGB模型识别蓝色和白色，完成车牌图像的初步定位，然后进行图像格式转换，在处理灰度车牌图像过程中，运用radon变换进行车牌倾斜校正，运用投影法完成车牌定位，再对车牌图像中的每个字符进行修正和分割，提取单个字符的特征信息并存储，最后通过语音方式读出检测图片的车牌信息，完成车牌检索识别。此方法能够有效地识别静态汽车车牌，但是对动态的汽车车牌采集过程需要改进。

4 总结与展望

目前，高大高校、学者们都致力于研究车牌识别方法，也相继提出一些可行的车牌识别系统。在实际生活中，随着智能交通系统的构建，智能车牌识别系统的应用也正在逐渐扩大。但是，车牌识别技术的实际应用仍存在一些难题。

显然，车牌本身的污染、缺损也会影响识别率。而由于天气或者路况不好，使得一些车辆的车牌被灰尘、泥土沾染，这就加大了车牌识别的难度；更有一些行驶时间较长的车辆，自身车牌字符已经部分缺损或严重缺损至人眼都很难辨别了，这些情况都会影响车牌的自动识别，往往会导致误识别。在车牌定位方面，采集的汽车车牌位置不固定、汽车图片不清晰等都给车牌定位方法的选择带来了一定的困难。

在以后的研究中，如何提高车牌字符识别系统的自适应性和鲁棒性，将是一个技术改进与完善的目标。为了能够减轻车牌定位系统和字符分割系统的压力，实现对有一定噪声或变形的字符图像的正确识别，设计一个抗干扰性能良好的车牌字符识别系统对整个车牌自动识别系统都是有益的。

参考文献：

[1] 张红英，彭启琮.数字图像修复技术综述[J].中国图像图形学报，2007，12（1）：1-2. （下转第4549页）

（上接第4543页）

[2] 胡小锋，赵辉.Visual C++/MATLAB图像处理与识别实用案例精选[M].北京：人民邮电出版社，2004.

[3] 焦蓬蓬，郭依正.一种基于数学形态学的车牌定位与分割方法[J].自动化技术与应用，2013（06）：57-59.

[4] 王雨.车牌定位与字符分割技术研究[D].武汉：华中科技大学图书馆，2007.

[5] 万燕，徐勤燕，黄蒙蒙.复杂背景中基于纹理和颜色的车牌定位研究[J].计算机应用与软件，2013，10：259-262+316.

[6] 甘玲，林小晶.基于连通域提取的车牌字符分割算法[J].计算机仿真，2011（4）：336-339.

[7] VOJTECH FRANE，VACLAV HLAVAC.License Plate Character Segmentation Using Hidden Markov Chains[J].DAGM，2005，2663：385-392.

[8] HALINA KWASNIEKA，BARTODZ WAWRZYNIAK.License Plate Localization and Recognition in Camera Pictures Artificial Intelligence Methods[J].2002，11：13-15.

[9] 魏武，张起森，王明俊，等.一种基于模板匹配的车牌识别方法[J].中国公路学报，2001，14（1）：104-106.

[10] 王欣，殷肖川，周翔翔.一种改进的模板匹配识别算法[J].计算机工程与应用，2007，43（36）：238-240.

[11] DRAGHICI .A Neural Network Based Artificial Vision System for License Plate Recognition[J].Int.J.Neural Systems，vol. 8.pp. 113-126，1997.

[12] .基于神经网络的车牌识别技术研究[D].南京：南京邮电大学，2011.

[13] 丁伟.改进神经网络算法在车牌识别中的应用[J].计算机仿真，2011，28（08） ：359-363.

[14] 黄卫华.基于BP神经网络的车辆车牌识别系统的研究与实现[D].成都：电子科技大学，2008.

[15] 张丽静，孙杰，殷晓宇.基于HSV颜色空间的车牌定位方法[J].微计算机信息，2008（7） ：247-248.

[16] 郑成勇.一种RGB颜色空间中的车牌定位新方法[J].中国图象图形学报，2010，11：1623-1628.

[17] 贾晓丹，李文举，王海姣.一种新的基于Radon变换的车牌倾斜校正方法[J].计算机工程与应用，2008，44（3）：245-248.