基于图像处理技术的车牌识别方法研究
时间：2021-05-12 20:01:01 来源：雅意学习网 本文已影响 人 
【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。
【关键词】图像处理技术 车牌识别方法 抓取识别
【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03
1 引言
随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。
2 车牌识别技术概述
2.1 车牌识别技术现状
近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。
2.2 车牌识别技术的研究意义
一方面是缓解交通压力的实际需求，随着我国汽车保有量的迅猛增加，我国的交通压力也越来越大，在这种情况下迫切需要出台一些行之有效的措施和技术来协助进行智能化和自动化的管理，以此缓解压力，由此可见交通压力的需求也迫切需要进行车牌识别技术研发。另一方面，科学技术的发展，物联网技术的发展，也要求交通管理行业进行智能化的研发，车牌识别技术作为智能交通管理的重要组成部分，通过这方面的研发，也能有效提高交通管理的效率，从而实现行业的创新，促使行业的发展。
3 车牌识别系统组成与研发难点
3.1 车牌识别系统的组成
车牌识别系统主要是将数字摄影技术和计算机智能管理技术进行融合，通过图形处理和模式识别技术，来进行图像提出、车牌定位工作，以此实现对车辆的自动化、智能化管理。车牌识别系统一般分为几个方面（如图1），首先在检测区域设置车辆图像采集设备，再次通过采集设备将图像上传至计算机，通过计算机实现图像定位、分割、识别处理，最后再通过识别结果来进行具体交通管理问题，这也是本文我们将研究的重点。
3.2 车牌识别工作的难点
从上图一车牌识别系统工作流程图中我们可以看出在整个车牌识别工作中，主要工作又5部分，图像特征提取、图像预处理、车牌的定位与分割、字符分割与标准以及最终的识别与输出，在这个过程中车牌图像的定位与分割是整个系统的关键，其处理质量直接影响到整个系统的速度和准确度，但实际操作过程中，获取的图片会受到天气、速度、路况以及车身情况等各个因素影响，最终抓取的图片会存在清晰度、准确度的问题，但如果不能准确抓取，后续工作将无法开展，因此这是研究的关键和难点之一。除此，最后的识别步骤关系到最终结果，因此对识别结果的准确性要求极高，其直接决定着整个系统是否能进行最终使用，否成功，在本次研究中，这两个点也是我们关注的问题。本文我们主要是基于图像处理技术进行车牌识别，本次研究我们将以现有的模式识别为理论，以现有图像处理为技术，分别对车牌图像分割，特征进行提取，再从车牌定位、字符分割、字符识别三个方面进行重点研究探讨。
3.3 具体车牌识别方法研究
3.3.1车牌定位
首先车牌定位依靠的是抓取的图片，但在实际操作过程中，会因为车牌本身的底色、自然环境、天气以及车牌本身的灰度、广告以及粉尘等原因导致无法准确识别，最终导致无法准确定位，对此，我们采取以下方法来攻破这一难题。
（1）采用边缘检测方法将原始图像转化成灰度图
传统车牌定位的识别是依靠车牌的边界来进行抓取的，但本次研究我们采取了边缘检测发来进行定位抓取，与边界不同，边缘检测是由灰度值的变化而不是根据实际的间隔线，因为间隔线会因为速度和环境出现扭曲、模糊的情况，但边缘不会，边缘是根据灰度值的变化来看的，在图像中，不同物体的边缘会比较明显，通过边缘检测则相对会更准确。但因为边缘检测是根据图像强度计算像素而来，因此对于图片质量要求会比较高，一些质量不高的图片则会出现无法计算的情况，因此我们在采用边缘法进行定位时，加入了滤波器对图片进行降噪，并且采用了一定的方式方法来控制滤波器在处理过程中边缘强度和图像噪声的平衡。除此，在滤波器滤噪后我们通过计算机进行了梯度幅值增强图像，以此排除一些幅值相差较大却不是边缘的点，最后再利用边缘位置的像素分辨率估计边缘的方位，以达到提高定位准确度的效果。
（2）通过二值图像形态学来降噪
除了采用滤波器进行降噪外，本次研究我们尝试了通过二值图像形态学来进行降噪處理。通过数学学科中的形态学能有效减缓图像数据，通过膨胀、腐蚀、开运算、比运算等4个基本运算将一些不相干的结构元素简化，但在简化图像的同事能保持图像的形象特征，通过这种方式我们能效的去除掉车身的装饰、广告等元素。本次研究我们采取的二值图像则采取这一方式，首先通过腐蚀的计算来消除图像的边界点（也是我们说的开运算），再消除边界点后，将图像的小物体图像删除，使剩下的图像比原图像变得更简单，从而有效的实现降噪处理，然后再通过膨胀处理有效的填补了车身本身的小空洞，使车身和车牌成为一个整体的目标物体，有效联通了车身和车牌的域（这也是我们所说的闭运算），通过比运算以连接相近的物体图像，填充物体图像中的像素小洞，使车牌和车身连成一体，从而更好的确认车牌与车辆的相符度。
