车牌识别图像处理算法的研究与实现(5)

汽车牌照识别技术（License Plate Recognition，LPR）是ITS的重要组成部分，多应用在电子计费领域。LPR系统是一个以特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌图像，自动分割字符，运用模式识别、人工智能技术，实时准确地自动识别出车牌的数字、字母及汉字字符，使得车辆的电脑化监控和管理成为现实。LPR系统的应用领域有高速公路收费、小区停车场管理系统、车流量统计系统等。常用的LPR识别技术有IC卡识别技术、条形码识别技术和图像处理识别技术。基于图像处理技术的LPR系统无需在车上额外安装条形码或者IC卡，因而不必改造现有的车辆系统，相对其他两种识别技术来说适用面广，更容易普及。

基于图像处理技术的LPR系统的最终目标是从图片中识别出所有车牌号码和车牌颜色（或者车牌类型）。如果直接从采集到的图片中寻找车牌字符，以现有的图像处理技术来看难度非常之大。为了降低难度，一般将LPR软件部分分为三大模块，分别是车牌定位、字符分割和字符识别。车牌定位的任务是从图片中给出车牌位置；字符分割的任务是在定位后的车牌图像中将字符一个个切分出来，这一部分还包括倾斜校正和颜色分类；字符识别的任务是识别切分出来的字符。LPR系统流程图如图1-1所示。

图1-1 LPR系统流程图

1.2 车牌自动识别系统国内外研究现状

现在世界各国都投入大量的人力物力研究LPR系统，国外研究机构有美国的Electro-Optical Technologies Inc.（/lnelson/lpir.html），新加坡的Optasia公司（/optasia/imps.html），国内的有汉王公司（/），香港的Asia Vision Technology Ltd.（/）等多家公司。

LPR系统以计算机视觉和模式识别技术为基础，随着新技术的提出，人们期望着新技术的应用能够提高识别率，缩短计算时间，并且扩大适用范围。因此，国内外一直都有大批学者参与LPR系统的研究，研究情况大致如下：

（1）常见的车牌定位算法有以下4种：

① 基于边缘信息的定位方法

上海交通大学的李树广[1]提出一种基于车牌字符边缘统计和颜色特征的综合定位方法，通过对垂直边缘的统计分析将邻近的边缘点进行连接，结合颜色特征对连接形成的块状区域进行筛选以提取车牌区域。华中科技大学的罗帆[2]提出一种基于边缘图像频率变换特征的车牌定位算法。清华大学的汪志兵[3]提出一种基于纹理特征抽取的车牌定位预处理方法，利用改进的Sobel算子，提取车牌区域45°和135°方向的边缘纹理，以突出车牌区域的纹理特征。中科院自动化研究所的Bai Hongliang[4]提出一种基于边缘统计信息和数学形态学的车牌定位方法，其特点是充分利用垂直边缘的统计信息，由此得到几个候选矩形区域，再用分层分析和数学形态学相结合的方法确定最终的定位图。

② 基于数学形态学的定位方法

西北工业大学的左奇[5]提出一种基于数学形态学的车牌图像分割方法，其特点是基于数学形态学处理的点运算转化为仅有几十条直线的线运算，以提高运算速度和抗干扰能力。澳门科技大学的Cheokman Wu[6]提出一套适用于澳门车牌的识别方案，其中车牌定位的方法是，对输入的灰度图像进行开运算，然后用原图与其相减，得到去除背景的预处理图，再使用投影法确定车牌区域。印度的P. V. Suryanarayana[7]提出一种基于数学形态学的车牌定位方法，根据字符特征如长宽、间距设计合理的形态学结构元。

③ 基于颜色信息的定位方法

浙江大学的张引[8]提出了一种运用彩色图像边缘检测算子ColorPrewitt和

彩色边缘检测与区域生长相结合的车牌定位算法。西北大学的王夏黎[9]利用车牌区域在HSV颜色空间中的经验值对输入的彩色图像直接进行二值化，再结合空间聚类方法和投影法提取车牌。中山大学的张树波[10]也是利用HSV颜色模型进行分析，对输入的彩色图像进行颜色分类，每一类颜色对应一个灰度级，处理后生成5级灰度图，再结合数学形态学、字频统计方法判断车牌位置。中国科技大学的王卫[11]则是利用HSI颜色模型计算输入图像的色彩距离图谱，然后通过自适应熵阈值的选取确定车牌候选区域，再根据车牌纹理特征对候选区域进行筛选以得到精确位置。赵雪春[12]提出基于HSI和多级混合集成分类器的车牌定位方法，采用多层感知器网络对输入彩色图像进行彩色分割，再通过投影分割出车牌区域。

④ 其他综合多种算法的定位方法

清华大学的陈寅鹏[13]提出一种综合多种特征的车牌定位算法，引入字符分割结果的识别可信度去除伪车牌，以解决背景复杂的彩色图像中车牌定位问题。泰国的Premnath Dubey[14]提出一种利用密度累加的车牌定位预处理方法，首先计算输入图像的垂直边缘图，然后用连线方式将符合要求的像素连接在一起，以突出像素密集区域，最后从这些区域中确定车牌位置。奥地利的Wenjing Jia[15]提出一种基于区域特征的车牌定位算法，其特点是首先采用均值移位法从彩色图片中选出候选区域，然后计算区域特征，再用Mahalanobis分类器进行分类得到定位结果。

（2）常见的字符识别方法：

① 模板匹配方法

中科院自动化研究所的童剑军[16]对相似字进行深入的分析，提出了一种“子区域权值模板”车牌字符精判别方法，将归一化后的字符分为6个子区域，不同的相似字赋予不同的权，并对相似字做进一步的判别，以提高整体识别率。韩国的Mi-Ae Ko对车牌字符识别做了深入的研究，在2003年的文章[17]里介绍了加权模板匹配的字符识别方法。

② 基于神经网络的字符识别方法

中国科学技术大学的黄戈祥[18]提出了ART2神经网络在LPR系统中的应用，利用Zernike矩提取字符旋转不变特征，并以ART2神经网络作为分类器实现字符识别。华东交通大学的胡晓燕[19]对BP神经网络和ART自组织网络两种字符识别算法进行了综合实验和比较。西安电子科技大学的赵先军[20]对BP神

经网络的车牌字符识别进行了深入研究。

③ 基于SVM的字符识别方法

北京理工大学的高珊[21]采用SVM方法识别车牌字符，根据车牌字符特征将子分类器分为4组以提高识别率，该校的王晓光[22]提出一种基于SVM的车牌汉字识别方法，实验结果显示，在小样本的情况下，SVM的识别率优于BP神经网络，并避免神经网络的局部极值问题。

④ 其他方法

荷兰的Hans A. Hegt[23] 提出一套车牌定位和字符识别的方法，其中字符识别使用Hotelling变换提取特征向量，然后结合距离比分类器进行识别。韩国的Mi-Ae Ko在2004年的文章[24]里提出一种基于特征的字符识别方法，提取字符的仿射不变参数和仿射不变特征作为分类器的参数。台湾的Shen-Zheng Wang[25]针对字符旋转问题，提出一种实用的字符识别方法。以色列的Vladimir Shapiro[26]提出一种适用于多国车牌的车牌字符识别方法，该方法能够排除字符断裂、倾斜变形对识别的影响，具有较好的鲁棒性。

最近几年的研究方向除了新算法的引入还有拍摄技术研究、脱离PC机的软硬件设计以及LPR的推广应用。日本的Takashi Naito[27]对拍摄角度进行深入的研究，设计了一个双CCD拍摄系统以解决光照问题。荆州师范学院的刘庆祥[28]提出一套实用的LPR系统图像获取方案，对摄像机的位置标定、摄像头曝光量、车速车距的限定等问题进行了详细的分析和讨论。Giovanni Garibotto[29]提出LPR在测速系统中应用。意大利的Rodolfo Zunino[30]提出一种基于矢量量化（vector quantization， VQ）的车牌定位和图像编码算法，由于VQ编码能够提供与图像内容相 …… 此处隐藏：3045字，全部文档内容请下载后查看。喜欢就下载吧 ……