基于MALAB的车牌定位算法研究

汽车牌照自动识别技术 (A u t o m o b i l e License Plate Recognition, ALPR) 技术是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题, 是实现交通管理智能化的重要环节。汽车牌照自动识别系统是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统, 它利用每一辆汽车都有唯一的车牌号码, 通过摄像机所拍摄的车辆图像进行车牌号码的识别。而车牌定位是车牌识别技术最重要的一步, 因此研究车牌定位具有重要的现实应用意义。

1 图像预处理

车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来, 并以位图的格式存放在系统内存中。而实际拍摄的车辆图像效果往往不理想, 如受外界光线对车牌的不均匀反射、恶劣天气的影响、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆行驶变形等等。这些都给车牌的定位增加了难度。但我们可以对车辆图像根据不同应用特点进行识别前的预处理, 尽最大可能提高车牌正确定位, 这些图像预处理包括图像灰度变换、倾斜校正、等。

2 灰度修正

灰度修正通常采用直方图修正法使图像具有期望的灰度分布.水平方向为像素灰度值, 垂直方向为该像素值出现的数量, 根据灰色图像直方图调整图像像素值的分布范围, 确保图像亮度值均匀和平滑, 同时如果直方图中存在多个峰值, 则按直方图峰值计算出限定阀值, 然后进行分段图像处理, 由此分离出背景和噪声。

3 图像滤波

图像滤波的目的是为了减少图像中的噪声, 一般情况下在空间域内采用领域平均法来减少噪声, 在频率域内由于噪声频谱多在高频段, 因此釆用各种形式的低通滤波方法来减少噪声。空间域是指对图像像素灰度值直接运算后取代, 频率域是对图像的像素值进行变换运算后反变换取代, 如傅立叶变换等。采用M A T L A B工具自定义滤波函数, 实现图像的平滑处理。

4 图像增强

由于车牌的边框的特征必须明显, 后期的车牌特征才能很好的提取。利用m a t l a b工具箱中的灰度变换工具imadijut函数来实现, 同时配合improfile函数对图像进行分析, 根据车牌底色和字符的像素值, 将其对比度调到最大, 实现图像的增强。

5 车牌定位研究

车牌定位比较好的定位算法有基于车牌文字变化特点的自动扫描识别算法、基于特征的车辆牌照定位算法、基于变换函数提取车牌的算法、基于视觉的车辆牌照检测等。另外, 一些学者们从一些数学工具着手, 利用数学形态学、小波分析、遗传算法等方法对一些传统定位方法进行改进。

6 图像边缘检测

根据每个像素在某个区域内的灰度变化, 利用边缘二阶方向导数变化规律实现边缘检测。常用方法有Laplacian边缘增强、S o b e l梯度方向边缘增强等。

本文对图像进行水平边缘检测, 有效地检测出水平方向的边缘像素, 然后对检测结果二值化处理, 记录边缘点, 然后对边缘点按照从上到下, 从左到右进行扫描 (定义位x和y方向扫描) , 得到整个图像的跳变点分布。根据车牌的长宽比例确定车牌的区域, 利用分割技术将车牌从整幅图像中分割出来。

7 MATLAB环境下车牌定位系统的设计

本文利用matlab工具实现车牌定位系统的设计, 采用图像预处理和车牌定位技术实现对车牌的定位。如图1所示车牌定位系统框架和定位图片。

8 结语

本文在M A T L A B环境下实现车牌定位算法和定位系统的研究, 从实验结果上分析, 该算法可实现较好的车牌定位, 但是如遇图片不清晰时算仍具有一定的局限性。车牌定位系统的设计为车牌定位算法的研究提供了一个面向用户的操作平台。

摘要：利用Matlab工具实现车牌定位算法研究。利用灰度修正、滤波和图像增强等预处理方法, 较好地消除了图像的噪音, 提高了图像质量。通过对车牌特征的研究, 利用边缘检测和扫描方法实现车牌定位。

关键词：图像预处理,车牌定位,图像分割

参考文献

[1] 杨卫平, 李吉成, 沈振康.车牌目标的自动定位技术[J].中国图象图形学报, 2002, 7 (8) :836～839.

[2] 崔江, 王友仁.车牌自动识别方法中的关键技术研究[J].计算机测量与控制.2003, 11 (4) :260～262.

[3] 余锦水, 黎绍发.基于边缘与S V M的车牌自动定位与提取[J].计算机应用研究, 2006, 10:131～133.