车牌号码识别

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

摘要：车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块，用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。关键词：车牌号识别、MATLAB仿真、数学形态分析

引言

随着我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也同益提高，智能交通系统(ITS)己成为当前交通管理发展的重要方向，而车辆牌照识别(LPR)系统作为智能交通系统的一部分起着举足轻重的作用，它在高速公路、城市道路和停车场等项目管理中占有无可替代的重要地位，它的广泛应用必将有助于我国交通管理自动化的进程[1]。

车辆牌照识别系统已经广泛应用于社会各个领域，其中包括：(1)交通流量检测；(2)交通控制与诱导；(3)机场、港口等出入车辆管理；(4)小区车辆管理；(5)违章车辆监控；(6)不停车自动收费；(7)道口检查站车辆监控；(8)公共停车场安全防盗管理；(9)计算出行时间；

(10)失窃车辆查询和需要车牌认证的场合等。尤其在高速公路收费系统中，实现不停车收费提高公路系统的运行效率，LPR系统更具有不可替代的作用。

1设计背景

车牌自动识别(LPR)技术是计算机视觉、图像处理技术与模式识别技术的融合,是智能交通系统(IntelligentTranportationSytem,简称ITS)中一项非常重要的技术。现有的车牌识别系统的识别率还不可能达到100%,因此研究的空间很大。

车牌自动识别系统的工作流程主要分车辆检测、图像抓拍、牌照自动识别、数据传输等；整个具体流程就是当车辆通过埋在车道上的感应线圈时，车辆检测器向处理单元发出车辆通过信号．处理单元收到车辆通过信号后启动抓拍单元的辅助光源，发出一束宽度为O．AS的脉冲闪光，同时采集牌照摄像头送出的图像信号，通过抓拍单元所得的图像信息，牌照自动识别单元将牌照进行定位、字符边缘提取、字符祖切分、字符细切分、字符特征提取、字符识别、牌照底色识别等处理，完成对车辆牌照的自动识别过程，数据传输单元把识别出的车

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

辆牌照信息及图像传送给上端机处理后并打印出来。目前可以完成车牌识别功能的技术分为间接法和直接法两种：前者是基于Ic卡(即无线电频率鉴别(REID))或者是基于条形码的识别。后者是基于图像的汽车牌照识别[2]。

在车牌自动识别系统中，我们的工作主要在于识别引擎的研发。也就是说将己经完成定位工作的汽车牌照进行字符切割及字符的识别以及最终物出车牌号码。其中字符的切割是使字符本质部分得以保留甚至是突出的关键预处理步骤；字符的识别是整个系统中最关键的环节，因为它们直接决定了识别系统的性能。

2总体方案及原理描述

本文将设计一个简易车牌号识别最小系统。整个系统包括图像的采集、车牌的提取、字

符的分割和文字的识别等四个模块。系统流程图如下图所示： 本文解决的主要问题包括车牌号的提取和字符的分割。设计好的系统预计能够准确的从原始的采集图像中准确快速的找出车牌号并加以字符的分割。

3关键技术及仿真结果

MATLAB是矩阵实验室（Matri某Laboratory）的简称，是美国MathWork公司出品的商3.1MATLAB程序的简介业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，主要包括MATLAB和Simulink两大部分。

Matlab具有简单易用的程序语言。Matlab一个高级的矩阵/数组语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。新版本的MATLAB语言是基于最为流行的C＋＋语言基础上的，因此语法特征与C＋＋语言极为相

似，而且更加简单，更加符合科技人员对数学表达式的书写格式。使之更利于非计算机专业的科

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

技人员使用。而且这种语言可移植性好、可拓展性极强，这也是MATLAB能够深入到科学研究及工程计算各个领域的重要原因。本文即是利用MATLAB程序完成各个功能模块的建立并处理相应的图像以检验模块的效果。

下面将一一介绍本系统的各个组成模块。 3.2图像采集模块

本文中不详细介绍图像采集部分。由CCD摄像机采集的图像可以BMP位图图像格式存于微机，为了用于牌照的分割和牌照字符的识别，原始图像具有适当的亮度，较大的对比

度和清晰可辩的牌照图像。下图便为采集所得图像： 3.3车牌的提取

本文准备采用先对图像进行噪声处理，然后利用obel操作数对图像进行边缘的提取，然后选取合适的阈值对图像进行二值化处理，再利用数学形态处理找出车牌的大致位置。最后把车牌从图形中分割出来。由于噪声处理的方法很多，本文中不一一讲述，只从边缘提取开始处理，下面将依次介绍相关的处理方法。

3.3.1obel操作数

两个具有不同灰度的相邻区域之闻总存在边缘，边缘是灰度不连续的结果，这种不连续常可利用求导数方便地检测到，一般常用一阶和二阶导数来检测边缘。一阶或二阶导数所对

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

应的边缘检测操作数又叫微分操作数，边缘检测操作数检查每个像素点的邻域并对灰度变化率进行量化，也包括方向的确定。大多数使用基于方向导数的掩模求卷积的方法。下面介绍一种常见的边缘检测操作数,obel操作数：

下面两个范本新示的两个卷积核形成了Sobel边缘操作数。图像中每个点都用这两个核做卷积。一个核对垂直边缘响应最大，另一个核对水平边缘回应最大。两个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度图像。

1)垂直操作数：[-1,0,1;-2,0,2;-1,0,1] 2)水平操作数：[-1,-2,-1;0,0,0;1,2,1] 下图为obel 操作数处理后的图像：

3.3.2二值化处理

车牌定位与字符分割技术主要应用于实时处理系统中，因此为适应实时性要求，有

必要减化运算复杂程度，提高运算效率。图像二值化是把拥有256个灰度级的灰度图像，转化为只有两级的图像，合并了许多与目标搜索不相关的灰度级。

二值化的关键是找到合适的阈值，可通过观察图像的直方图来选取阈值。选取后，即可得到较为理想的二值化图像。下图为MATLAB处理的二值化图像(处理程序见附录)：

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

3.3.3数学形态学处理技术

本文所采用的车牌提取方法主要是在二值图像中完成的，图像二值化以后大部分与牌字符区域灰度级差别比较大的区域被合并至背景区域，但仍有部分同车牌区域灰度相近的干扰噪声存在于二值图像中，在二值图像中进一步去除这些干扰噪声就要利用学形态学处理方法。

数学形态学的基本运算有四个：膨胀、腐蚀、开启和闭合。先腐蚀后膨胀的过程称为开运算。先膨胀后腐蚀的过程称为闭运算。形态算是针对二值图像依据数学形态学集合论方法发展起来的图像处理方法。很多针对车牌定位的文献中，就是采用的数学形态学理论并结合牌照的形状特征进行车牌的精确定位。

数学形态学的特点是能将复杂的形状进行分解并将有意义的形状分量从无用的信息中提取出来。本文就是采用数学形态法对车牌进行提取的，首先将原二值化图像进行膨胀，然后再做闭运算，最后做腐蚀。最终只剩下车牌区域。其MATLAB仿真图如下：

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。 通过闭运算的直方图为：

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

利用数学形态处理后的图像很容易便可提取出车牌的大致区域，如果还有其它冗余区域，可以用颜色去伪车牌等方法加以甄别[6]。本文不再阐述。从上图可看出车牌的区域为1——470列、75——200行。 最后提取的车牌如下：

3.4字符的分割

在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，常采用垂

直面积投影法来实现。上图所示的车牌的直方图为：

由于字符块在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，并且这个位置应满足车牌的字符书写格式、字符尺寸和其它一些条件的。下图是在垂直方向上的面积投影图。从图形中我们很直观的看出投影值中出现了间隙，6个字母中间的间隙

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

只有5个，还有三个间隙是字符间的。有字符的列其灰度值比较高，无字符的则相对比较低。依据这一点，再结合车牌的特征，很容易得到每个字符的起始终止位置。其MATLAB仿真后分

割的字符如下（程序见附录）： 3.5文字识别

字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。基于范本匹配的OCR的基本过程是:首先对待标识符元进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法:一种方法是先对待标识符元进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字

符识别的主要方法。本文不做详细介绍。至此各个模块的功能已经介绍完毕。

4小结

本文实现了最简易的车牌号识别系统的设计。解决了组成光电跟踪系统所必须的各个技术。为今后进一步研究车牌号识别建立了平台。但是本文还有很多解决的问题：

(1)本文未考虑运动目标图像的车牌定位与字符分割，尤其是是对于车速较高情况下产生

车辆牌照的自动识别是智能交通系统中一项很重要的技术。本文以一幅汽车牌照的识别为例,具体介绍了车牌自动识别的原理。整个处理过程分为图像采集、车牌定位、字符分割、字符识别四大模块,用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。

的虚像缺乏针对性算法。这一缺陷直接影响到算法的实用性，因此如何解决虚像对于字符分割造成的影响是本文努力的方向。

(2)本文未对雨雪天气条件和昏暗光照下的定位进行研究，对于拍摄角度较大造成的车牌图像透视变形严重情况下的定位与字符分割研究的不够全面。我国车辆悬挂车牌强制性标准差等原因造成的车牌图像透视现象多种多样，如何在车牌图像透视变形严重情况下实现准确定位与字符分割也是今后努力的方向。