基于数字图像处理技术在汽车牌照识别系统的应用研究
时间：2021-05-11 00:00:16 来源：雅意学习网 本文已影响 人 
摘要：随着生活水平的日益提高，各大城市汽车数量也不断增加，因此交通状况日益受到人们的重视。如何进行有效地交通管理，成为各政府相关部门越来越关注的焦点。汽车牌照自动识别是智能交通管理系统中的关键技术之一，本文介绍一种基于数字图像处理的车牌识别系统，该系统主要由图像的采集、图像预处理、牌照定位、字符分割和字符识别五部分组成。牌照自动识别技术的工作是处理并分析摄取的视频流中具有复杂背景的车辆图像，即牌照字符定位、字符分割，最后自动识别汽车牌照上的字符。
关键词：汽车牌照识别；智能交通管理；数字图像处理
中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599 （2012） 19-0000-02
车辆牌照识别系统（vehicle license plate recognition system，简称LPR）是现代智能交通系统中的一项重要研究课题，是实现智能交通的重要环节，涉及领域异常广阔，包括模式识别、计算机视觉以及数字图像处理技术等。随着智能交通系统的迅猛发展，对于汽车牌照识别技术的研究也随之发展起来。如今的世界已经发展成为数字化信息时代，很多难以解决的问题依托这一平台得到完美的解决。智能交通系统可以在不影响汽车正常行驶的状态下自动完成对牌照的有效识别，很显然这一技术的发明对于交通管理工作起到了很大的推动作用。目前，车辆牌照识别技术已经广泛应用于高速公路的监测，电子收费，安全停车管理，交通违规管理，偷盗车辆辨别等重要领域，其发展对于人民的生活、社会经济以及城市的建设产生了积极而深远的影响，因此对于汽车牌照识别技术的研究具有重要的现实意义。
数字图像处理技术作为车牌识别系统中最为重要的技术之一，在其中发挥了不可估量的作用。随着近些年来数字图像处理技术的高速发展，也为车牌识别系统的建立提供了有效的技术保障。电子摄像得到的结果是彩色图像，而且不可避免地含有各种噪声干扰，为了能够分割出车牌的有效区域并在有效区域中分离中单个车牌字符，我们可以数字图像处理技术来进行相关处理，从而达到清晰识别的目的。车辆牌照识别系统按顺序一般可分为五大部分，按顺序依次为图像采集、图像预处理、牌照定位、字符分割与字符识别。图1便是具体流程。
1 系统总体设计
1.1 图像采集。图像采集过程的实施比较方便，主要方法是通过CCD摄像头与计算机的视频捕捉卡直接相连来完成，在监控图像中实时抓取到含有车辆信息的图像。该部分功能简单易行，故不作过多阐述。
1.2 图像预处理。在图像的采集、传输或转变的过程当中，由于各方面因素的相互影响，不可避免地会导致图像的降质。图像预处理的目的是通过一系列的技术来改善图像现存的效果，将图像转换成更加适合人和机器进行处理和分析的形式。图像预处理的步骤多种多样，包括图像分割、锐化处理、图像的二值化、图像细化等等，根据不同的图像会应用不同的处理方法。在车牌识别系统中，由于初始采集的图像往往受到外界各种因素的影响，因此有时候并不一定适合车牌的字符提取和识别（比如图像背景过于复杂、图像太暗或者太亮、存在噪声干扰等等）。所以必须对车牌的图像进行一系列预处理，从而达到突出车牌区域和各种有效字符信息的目的。
图像灰度化：简单的讲，图像灰度化就是将彩色通过一定的手段转换成灰度的方法。由于电子设备摄取的汽车牌照样本都是彩色的，这就在一定程度上对整个系统的处理速度产生延缓作用，而且大量的颜色信息也增加了在计算机中的存储开销，这就意味着在对图像进行识别处理之前必须将彩色图像转换为灰度图像。彩色图像的像素色为RGB（R，G，B），而灰度图像则是一种特殊的彩色图像，其中R、G、B三个分量是相同的，因此灰度图像的像素色便可表示为RGB（r，r，r）。这就是说，一个灰度图像仅能表示256种颜色，它突出的不过是关于图像强度的信息，这样一来便只需用一个数据矩阵实现对于灰度图像的存储，后续有关图像的计算量就会减少很多。灰度化的处理主要有三种方法：分别是最大值法、平均值法和加权平均值法。
最大值法：使R、G、B的值等于3个值当中最大的一个，即
通过最大值法可以形成亮度很高的灰度图像。
平均值法：使R、G、B的值等于3个值求和的平均值，即
通过平均值法可以形成比较柔和的灰度图像。
加权平均值法：根据相关指标以及各自的重要性特点，将R、G、B赋于不同的权值，使得R、G、B等于它们值的加权和平均，即
其中Wr Wc，Wa，分别为R，G，B的权值。相关理论及实验证明，由于人眼对于各种颜色的敏感度不同，只有权值设置比较合理时，才能得到人们所需的灰度图像。
二值化：在图像预处理中，二值化的图像能够用几何学中的概念进行特征分析和描述，所以相对于灰度图像来说优势很明显，对其合理应用具有非常重要的价值。图像经过二值化处理之后使其数据量减少，能够突出地显示人们所需要的轮廓，有利于图像的进一步处理。所以在进行二值图像分析之前，即使在某些情况下图像本身是有灰度的，我们也会设法将它转换成二值图像再进行处理。
在实际操作过程中，我们是将256个亮度等级的灰度图像通过适当的阈值选取后从而获得反映图像整体和局部特征的二值化图像，由此便能够将字符与背景分割开来。通过二值变换后的图像能够保持原有的形态，不丢掉形状等信息，不会产生额外的空缺。对图像进行二值化处理，能大大提高效率，从而有效地满足了车牌识别系统处理速度高、成本低、信息量大的要求。将原灰度图像用f（x，y）表示，二值化后的图像用g（x，y）表示，则二值化的过程可以表示如下：
1.3 牌照定位。通常我们使用的车牌是由字符、背景和边框组成的，在边缘图像提取完成之后，字符与背景处就形成了比较显著的边缘。在此考虑汽车本身所具有的特点，汽车牌照大部分位于缓冲器上或者是邻近的区域，摄取的整幅图像下面部分就是路面，通常情况下路面是比较光滑的，所以我们可以在进行边缘提取的时候就能够将这部分杂质滤有效地去除掉，从而使得干扰图像的噪声全部处于车牌之上。由此，我们采用两个阶段来进行牌照定位。
