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

    圖tu像xiang采cai集ji目mu前qian主zhu要yao采cai用yong專zhuan用yong攝she像xiang機ji連lian接jie圖tu像xiang采cai集ji卡ka，或huo者zhe直zhi接jie連lian接jie便bian攜xie式shi筆bi記ji本ben進jin行xing實shi時shi圖tu像xiang采cai集ji，同tong時shi將jiang模mo擬ni信xin號hao轉zhuan換huan為wei數shu字zi信xin號hao。圖tu像xiang處chu理li主zhu要yao是shi對dui采cai集ji的de圖tu像xiang進jin行xing增zeng強qiang、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

    congrenyanshijiaodejiaoduchufa，tongshigenjuchepaidezifumubiaoquyutedian
，zaierzhihuatuxiangdejichushang，keyitiquqixiangyingdedingweitezheng。zhecongbenzhishangshuo，jiushiyigezaicanliangkongjianxunzhaozuiyouding 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。
    車che牌pai照zhao粗cu定ding位wei部bu分fen將jiang給gei出chu若ruo幹gan個ge待dai進jin一yi步bu判pan斷duan識shi別bie的de候hou選xuan車che牌pai區qu域yu
，如ru果guo候hou選xuan區qu域yu的de個ge數shu為wei零ling，則ze說shuo明ming本ben幅fu圖tu像xiang不bu含han車che牌pai，也ye就jiu不bu用yong進jin行xing下xia一yi步bu的de識shi別bie。
    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

    zifushibieshichepaizhaoshibiexitongdezuizhongyaodezuchengbufen，gaibufenxuyaoduituxiangcaiji，tuxiangchuli，chepaizhaodingwei，zifuqiefensuodedaodejieguojinxingshibiechuli
，yizuizhongdedaocheliangpaizhaodezifu。
    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

    字zi符fu圖tu像xiang預yu處chu理li就jiu是shi對dui輸shu入ru的de字zi符fu圖tu像xiang進jin行xing處chu理li，以yi使shi其qi變bian成cheng某mou種zhong特te定ding的de標biao準zhun形xing式shi
，使shi後hou續xu的de特te征zheng提ti取qu和he字zi符fu識shi別bie更geng容rong易yi進jin行xing。其qi主zhu要yao功gong能neng有you兩liang點dian：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

    特te征zheng提ti取qu的de主zhu要yao目mu的de是shi從cong原yuan始shi數shu據ju中zhong抽chou取qu出chu用yong於yu區qu分fen不bu同tong類lei別bie的de本ben質zhi特te征zheng。由you於yu不bu同tong的de特te征zheng的de適shi用yong性xing不bu同tong，故gu對dui不bu同tong效xiao果guo的de字zi符fu所suo提ti取qu的de特te征zheng性xing能neng也ye不bu盡jin相xiang同tong，因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

    fenleiqijiushizaitezhengkongjianzhongyongmouzhongfangfajiangbeishibieduixiangguiweimouyileibie。qijibenzuofashizaiyangbenxunlianjidejichushangquedingmougepanjueguize
，yishianzhezhongpanjueguizeduibeishibieduixiangjinxingfenleisuozaochengdecuowulvzuixiaohuoyinqidesunshizuixiao。
    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 個ge或huo者zhe幾ji個ge樣yang本ben，因yin而er無wu法fa保bao證zheng神shen經jing網wang絡luo的de訓xun練lian程cheng度du。因yin此ci，本ben文wen采cai用yong模mo板ban匹pi配pei法fa。模mo板ban匹pi配pei法fa實shi際ji上shang就jiu是shi采cai用yong多duo個ge標biao準zhun樣yang本ben的de距ju離li分fen類lei器qi。通tong常chang可ke利li用yong平ping均jun樣yang本ben法fa 來(lai)計(ji)算(suan)樣(yang)本(ben)均(jun)值(zhi)以(yi)將(jiang)其(qi)作(zuo)為(wei)每(mei)個(ge)類(lei)別(bie)的(de)標(biao)準(zhun)樣(yang)本(ben)，然(ran)後(hou)計(ji)算(suan)待(dai)識(shi)別(bie)樣(yang)本(ben)與(yu)標(biao)準(zhun)樣(yang)本(ben)間(jian)的(de)距(ju)離(li)，最(zui)後(hou)選(xuan)擇(ze)距(ju)離(li)最(zui)小(xiao)的(de)標(biao)準(zhun)樣(yang)本(ben)作(zuo)為(wei)待(dai)識(shi)別(bie)的(de)樣(yang)本(ben)類(lei)別(bie)。
    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

    benwentidaodechepaizhaoshibiefangfajuyouhenhaodeshibiexiaoguo，bingkezhenduichuxiandeloushiheshibiecuowudengxianxiangzuochugaijin，yuchulishihaikeduituxiangliangdujinxingfenxi，zhenduiguolianghuozheguoandetuxiangcai 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。