1．摘要

　　在智能交通領域，汽車牌照自動識別系統是道路交通智能化的重要因素，包括車牌定位、字符分割和字符識別三個主要部分。本項目主要探討車牌定位和字符分割兩個部分，字符 識別部分由于開發板資源有限，因此采用matlab完成算法驗證。本文首先確定車輛牌照在原始圖像中的水平位置和垂直位置，從而定位車輛牌照，然后采用局部投影進行字符分割。在字符識別部分，采用較為簡單的末班匹配方法進行識別。實驗結果表明，該方法具有良好的識別性能。隨著公路逐漸普及，我國的公路交通 事業發展迅速，所以人工管理方式已經不能滿足實際的需要，微電子、通信和計算機技術在交通領域的應用極大地提高了交通管理效率。汽車牌照的自動識別技術必將得到廣泛應用，如小區門禁、智能電子交通警察、犯罪分子車輛追蹤等等領域。

　　2．設計原理

　　由于車輛牌照是機動車唯一的管理標識符號，在交通管理中具有不可替代的作用，因此車輛牌照識別系統應具有很高的識別正確率，對環境光照條件、拍攝位置和車輛行駛速度等因素的影響應有較大的容閾，并且要求滿足實時性要求。

　　
圖1 牌照識別系統總體流程

　　該系統是圖像處理與字符識別技術在智能化交通管理系統中的應用，它主要由圖像的采集和預處理、牌照區域的定位和提取、牌照字符的分割和識別等幾個部分組成，如圖1 所示。其基本工作過程如下：

　　（1）當行駛的車輛經過時，觸發埋設在固定位置的傳感器，系統被喚醒處于工作狀態；一旦連接攝像頭光快門的光電傳感器被觸發，設置在車輛前方、后方和側面的相機同時拍攝下車輛圖像；

　　（2）由攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計算機進行預處理，圖像預處理包括圖像轉換、圖像增強、濾波和水平較正等；

　　（3）由檢索模塊進行牌照搜索與檢測，定位并分割出包含牌照字符號碼的矩形區域；

　　（4）對牌照字符進行二值化并分割出單個字符，經歸一化后輸入字符識別系統進行識別。

　　3．算法的詳細設計步驟

　　3.1 提出總體設計方案

　　車輛牌照識別整個系統主要是由車牌定位和字符識別兩部分組成，其中車牌定位又可以分為圖像預處理及邊緣提取模塊和牌照的定位及分割模塊；字符識別可以分為字符分割與特征提取和單個字符識別兩個模塊。

　　為了用于牌照的分割和牌照字符的識別，原始圖象應具有適當的亮度，較大的對比度和清晰可辯的牌照圖象。但由于該系統的攝像部分工作于開放的戶外環境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預處理。

　　牌照的定位和分割是牌照識別系統的關鍵技術之一，其主要目的是在經圖象預處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統識別之用，分割的準確與否直接關系到整個牌照字符識別系統的識別率。

　　由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調整、鏡頭的光學畸變所產生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節不清、筆劃斷開或粗細不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準確性。因此，需要對字符在識別之前再進行一次針對性的處理。

　　為了進行牌照識別，需要以下幾個基本的步驟：

　　a.牌照定位，定位圖片中的牌照位置；

　　b.牌照字符分割，把牌照中的字符分割出來；

　　c.牌照字符識別，把分割好的字符進行識別，最終組成牌照號碼。

　　車牌識別的最終目的就是對車牌上的文字進行識別。主要應用的為模板匹配方法。

　　3.2 圖象的采集與轉換

　　考慮到現有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區域與背景明顯地區分出來，本系統中，對藍底白字這種最常見的牌照，采用藍色B 通道時牌照區域為一亮的矩形，而牌照字符在區域中并不呈現。因為藍色（255，0，0）與白色（255，255，255）在B 通道中并無區分，而在G、R 通道或是灰度圖象中并無此便利。同理對白底黑字的牌照可用R 通道，綠底白字的牌照可以用G 通道就可以明顯呈現出牌照區域的位置，便于后續處理。原圖、灰度圖及其直方圖見圖2與圖3。對于將彩色圖象轉換成灰度圖象時，圖象灰度值可由下面的公式計算：

　　G=0.110B+0.588G+0.302R???????????? （1）

　　G= （B+G+R）/3?????????????????????? ? ? ?? ? （2）

　　3.3 預處理及邊緣提取

　　
圖2 預處理及邊緣提取流程圖

　　3.4 平滑處理

　　對于受噪聲干擾嚴重的圖象，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低通濾波器來濾除噪聲，但實際中為了簡化算法也可以直接在空域中用求鄰域平均值的方法來削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域S 有兩種表示方法：8鄰域和4鄰域分別對應的鄰域平均值為

　　其中，M 為鄰域中除中心象素點f（i，j） 之外包括的其它象素總數，對于4鄰域M=4，8 鄰域M=8。然而，鄰域平均值的平滑處理會使得圖象灰度急劇變化的地方，尤其是物體邊緣區域和字符輪廓等部分產生模糊作用。為了克服這種平均化引起的圖象模糊現象，我們給中心點象素值與其鄰域平均值的差值設置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖象模糊。

　　由上圖可以歸納起來以下方面：原始圖像清晰度比較高，從而簡化了預處理，結合MATLAB實驗過程，得出不是每一種圖像處理之初都適合濾波和邊界增強。本次汽車車牌的識別，為了保存更多的有用信息。

　　3.5 牌照的定位

　　牌照的定位和分割是牌照識別系統的關鍵技術之一，其主要目的是在經圖象預處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統識別之用，分割的準確與否直接關系到整個牌照字符識別系統的識別率。由于牌照圖象在原始圖象中是很有特征的一個子區域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割。

　　自然環境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定牌照區域是整個識別過程的關鍵。首先對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區域作為候選區，然后對這些侯選區域做進一步分析、評判，最后選定一個最佳的區域作為牌照區域，并將其從圖象中分割出來。流程圖如下：

　　圖3 牌照的定位流程圖