中心議題：

• 基於圖像處理技術的汽車牌照識別係統設計

解決方案：

• 針對過亮或者過暗的圖像采取不同的二值化策略
• 根據字符識別的結果采用回溯方法來驗證車牌定位和字符切分的準確性
• 采用神經網絡作為分類器均可以提高字符識別的準確率

引言

    智能交通係統的研究領域十分廣闊，各國各地區的側重點也有所不同。如：電子收費係統是ITS在公路收費領域的具體表現，可解決收費站的“瓶頸”製約，較好地緩解收費站的交通擁擠
、排隊等候以及環境汙染等問題。為了滿足這些需求
，十分有必要在智能交通管理係統引入車輛牌照自動識別技術。
    汽車牌 照是車輛最清晰
、準確、唯一的標誌。車輛牌照識別(Vehicle License Plate Recognition
，簡稱VLPR)係統作為一個專門的計算機視覺係統，它能夠自動拍攝車輛行進中的動態數據，有效判斷和提取有車牌的圖像數據，並實 時準確的識別出車輛牌照上的字符。

1 汽車牌照自動識別係統的實現流程

    一個完整的汽車牌照自動識別係統主要分為圖像采集，圖像處理，車牌定位
，字符分割，字符識別等幾個部分。圖1所示是一個汽車牌照自動識別係統的主要工作流程圖。
 

1．1 圖像采集與處理

    tuxiangcaijimuqianzhuyaocaiyongzhuanyongshexiangjilianjietuxiangcaijika，huozhezhijielianjiebianxieshibijibenjinxingshishituxiangcaiji，tongshijiangmonixinhaozhuanhuanweishuzixinhao。tuxiangchulizhuyaoshiduicaijidetuxiangjinxingzengqiang、恢複、變換等處理，目的是突出車牌的主要特征，以便更好地提取車牌區域。

1．2 車牌定位

    從(cong)人(ren)眼(yan)視(shi)覺(jiao)的(de)角(jiao)度(du)出(chu)發(fa)
，同(tong)時(shi)根(gen)據(ju)車(che)牌(pai)的(de)字(zi)符(fu)目(mu)標(biao)區(qu)域(yu)特(te)點(dian)



，在(zai)二(er)值(zhi)化(hua)圖(tu)像(xiang)的(de)基(ji)礎(chu)上(shang)，可(ke)以(yi)提(ti)取(qu)其(qi)相(xiang)應(ying)的(de)定(ding)位(wei)特(te)征(zheng)。這(zhe)從(cong)本(ben)質(zhi)上(shang)說(shuo)
，就(jiu)是(shi)一(yi)個(ge)在(zai)參(can)量(liang)空(kong)間(jian)尋(xun)找(zhao)最(zui)優(you)定(ding) 位(wei)參(can)量(liang)的(de)問(wen)題(ti)，它(ta)需(xu)要(yao)用(yong)最(zui)優(you)化(hua)方(fang)法(fa)予(yu)以(yi)實(shi)現(xian)。一(yi)般(ban)可(ke)計(ji)算(suan)邊(bian)緣(yuan)圖(tu)像(xiang)的(de)投(tou)影(ying)麵(mian)積(ji)
，尋(xun)找(zhao)峰(feng)穀(gu)點(dian)
，大(da)致(zhi)確(que)定(ding)車(che)牌(pai)位(wei)置(zhi)
，再(zai)計(ji)算(suan)此(ci)連(lian)通(tong)域(yu)內(nei)的(de)寬(kuan)高(gao)比(bi)
，剔(ti)除(chu)不(bu)在(zai)域(yu)值(zhi)範(fan)圍(wei) 內的連通域，最後得到的就是車牌區域。車牌定位是車輛牌照自動識別係統中的關鍵和難點


，實際圖像中的噪聲
、複雜的背景等幹擾都會給定位增加困難。車輛牌照 的分割是一個尋找最符合牌照特征區域的過程。
    車牌檢測定位方法包括圖像預處理，車輛牌照粗定位，車輛牌照精確定位等幾個組成部分。圖2所示是本係統的車牌定位流程圖。
 

    圖像預處理部分的功能是將已經變成電信號的信息加以區分
，同時去除信號中的汙點、空白等噪聲，並根據一定準則除掉一些非本質信號，再對文字的大小、位置和筆劃粗細等進行規範化
，最後簡化判斷部分的複雜性。
    chepaizhaocudingweibufenjianggeichuruogangedaijinyibupanduanshibiedehouxuanchepaiquyu，ruguohouxuanquyudegeshuweiling，zeshuomingbenfutuxiangbuhanchepai
，yejiubuyongjinxingxiayibudeshibie。
    車牌照精確定位就是對車牌候選區域進行分類
，以判斷哪一個是真正的車牌區域並給出車牌區域的坐標。

1．3 車輛牌照的字符分割

    車(che)輛(liang)牌(pai)照(zhao)的(de)字(zi)符(fu)分(fen)割(ge)是(shi)把(ba)經(jing)過(guo)定(ding)位(wei)後(hou)的(de)車(che)牌(pai)區(qu)域(yu)切(qie)分(fen)成(cheng)若(ruo)幹(gan)個(ge)子(zi)區(qu)域(yu)，每(mei)一(yi)個(ge)子(zi)區(qu)域(yu)包(bao)含(han)一(yi)個(ge)字(zi)符(fu)。字(zi)符(fu)分(fen)割(ge)的(de)任(ren)務(wu)是(shi)把(ba)多(duo)行(xing)或(huo)多(duo)字(zi)符(fu)圖(tu)像(xiang)中(zhong)的(de)每(mei)個(ge)字(zi)符(fu)從(cong)整(zheng)個(ge)圖(tu)像(xiang)中(zhong)分(fen)割(ge)出(chu)來(lai)，使(shi)其(qi)成(cheng)為(wei)單(dan)個(ge)字(zi)符(fu)。
    對於一般的字符識別來說，其識別過程是從輸入的待識別字符(樣本)點陣圖形中提取描述該字符的特征，再根據一定準則來判定該樣本所屬的模式類別。因此
，字符描述、特征提取與選擇、分類判決等是字符識別的三個基本環節。

2 車牌字符的識別

    字(zi)符(fu)識(shi)別(bie)是(shi)車(che)牌(pai)照(zhao)識(shi)別(bie)係(xi)統(tong)的(de)最(zui)重(zhong)要(yao)的(de)組(zu)成(cheng)部(bu)分(fen)

，該(gai)部(bu)分(fen)需(xu)要(yao)對(dui)圖(tu)像(xiang)采(cai)集(ji)，圖(tu)像(xiang)處(chu)理(li)，車(che)牌(pai)照(zhao)定(ding)位(wei)，字(zi)符(fu)切(qie)分(fen)所(suo)得(de)到(dao)的(de)結(jie)果(guo)進(jin)行(xing)識(shi)別(bie)處(chu)理(li)
，以(yi)最(zui)終(zhong)得(de)到(dao)車(che)輛(liang)牌(pai)照(zhao)的(de)字(zi)符(fu)。
    本文論述的車輛牌照字符識別方法分為字符圖像預處理、特征提取、分類器設計等部分。

2．1 字符圖像預處理

    zifutuxiangyuchulijiushiduishurudezifutuxiangjinxingchuli，yishiqibianchengmouzhongtedingdebiaozhunxingshi
，shihouxudetezhengtiquhezifushibiegengrongyijinxing。qizhuyaogongnengyouliangdian：一是消除圖像中的噪聲，修正圖像斷線或粘連現象；二是通過各種線性、非線性歸一化方法，使變換後的圖像相對穩定
，便於識別。

2．2 特征提取

    tezhengtiqudezhuyaomudeshicongyuanshishujuzhongchouquchuyongyuqufenbutongleibiedebenzhitezheng。youyubutongdetezhengdeshiyongxingbutong，guduibutongxiaoguodezifusuotiqudetezhengxingnengyebujinxiangtong，yin 此ci
，用yong單dan一yi的de特te征zheng已yi經jing很hen難nan適shi應ying受shou多duo種zhong條tiao件jian影ying響xiang的de車che牌pai照zhao字zi符fu的de識shi別bie。另ling外wai，由you於yu不bu同tong特te征zheng的de不bu同tong維wei之zhi間jian所suo表biao示shi的de意yi義yi也ye不bu太tai相xiang同tong，且qie權quan重zhong也ye可ke能neng相xiang差cha很hen多duo，如ru果guo采cai 用(yong)直(zhi)接(jie)組(zu)合(he)的(de)方(fang)法(fa)，就(jiu)會(hui)使(shi)權(quan)重(zhong)較(jiao)大(da)的(de)特(te)征(zheng)占(zhan)主(zhu)導(dao)地(di)位(wei)，而(er)忽(hu)略(lve)了(le)權(quan)重(zhong)較(jiao)小(xiao)的(de)特(te)征(zheng)。要(yao)解(jie)決(jue)這(zhe)種(zhong)問(wen)題(ti)，可(ke)以(yi)采(cai)用(yong)特(te)征(zheng)向(xiang)量(liang)歸(gui)一(yi)化(hua)法(fa)或(huo)者(zhe)加(jia)權(quan)的(de)辦(ban)法(fa)
，將(jiang)兩(liang)種(zhong)特(te)征(zheng)通(tong)過(guo) 加權的方法組合起來
，從而達到組合使用兩種特征的目的。
[page]
2．3 分類器設計

    分fen類lei器qi就jiu是shi在zai特te征zheng空kong間jian中zhong用yong某mou種zhong方fang法fa將jiang被bei識shi別bie對dui象xiang歸gui為wei某mou一yi類lei別bie。其qi基ji本ben做zuo法fa是shi在zai樣yang本ben訓xun練lian集ji的de基ji礎chu上shang確que定ding某mou個ge判pan決jue規gui則ze，以yi使shi按an這zhe種zhong判pan決jue規gui則ze對dui被bei識shi別bie對dui象xiang進jin行xing分fen類lei所suo造zao成cheng的de錯cuo誤wu率lv最zui小xiao或huo引yin起qi的de損sun失shi最zui小xiao。
    采用神經網絡作為分類器時，需要有一定的訓練樣本，而且樣本個數不能太少，但是，本文的實驗環境中的車牌上，漢字、英文樣本較少，甚至某些漢字英文僅有一 gehuozhejigeyangben，yinerwufabaozhengshenjingwangluodexunlianchengdu。yinci
，benwencaiyongmobanpipeifa。mobanpipeifashijishangjiushicaiyongduogebiaozhunyangbendejulifenleiqi。tongchangkeliyongpingjunyangbenfa laijisuanyangbenjunzhiyijiangqizuoweimeigeleibiedebiaozhunyangben
，ranhoujisuandaishibieyangbenyubiaozhunyangbenjiandejuli，zuihouxuanzejulizuixiaodebiaozhunyangbenzuoweidaishibiedeyangbenleibie。
    通常采用的距離準則如下；
    (1)Minkowsky距離
    該距離是若幹種距離的通式表示：
   

    (2)“City block”距離
    即街區距離，它是對Manhattan距離的修正，同時加上了權重。即：
   

    (3)Euclidean距離
    即歐氏距離，是Minkowsky距離在λ=2時的特例
，其優點是各點連續可微：
   

    (4)Mahalanobis距離
    即馬氏距離，它注意到樣本的統計特性，而排除了樣本間的相關性影響。它可表示為：
   

    本設計選用了歐式距離。因為歐式距離可以隻計算，這樣可以降低計算時間。

3 結束語

    本ben文wen提ti到dao的de車che牌pai照zhao識shi別bie方fang法fa具ju有you很hen好hao的de識shi別bie效xiao果guo，並bing可ke針zhen對dui出chu現xian的de漏lou識shi和he識shi別bie錯cuo誤wu等deng現xian象xiang做zuo出chu改gai進jin，預yu處chu理li時shi還hai可ke對dui圖tu像xiang亮liang度du進jin行xing分fen析xi，針zhen對dui過guo亮liang或huo者zhe過guo暗an的de圖tu像xiang采cai 取不同的二值化策略
；也可以根據字符識別的結果采用回溯方法來驗證車牌定位和字符切分的準確性
；字符識別部分可增加字符模版的訓練樣本數量，而采用神經網 絡作為分類器均可以提高字符識別的準確率。