車牌字符特征提取及識(shí)別方法研究

摘 要：在社會(huì)經(jīng)濟(jì)高速發(fā)展的時(shí)代，智能交通系統(tǒng)的應(yīng)用越來越普及。其中，車牌識(shí)別已經(jīng)成為研究的熱點(diǎn)。本文提出了一種基于模板匹配的車牌字符識(shí)別方法，對(duì)車牌中漢字和數(shù)字字母的特征提取進(jìn)行了研究，并根據(jù)提取的字符特征利用模板匹配的方法對(duì)車牌字符進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)車牌字符具有良好的識(shí)別效果。

關(guān)鍵詞：智能交通；車牌識(shí)別；模板匹配；特征提取

中圖分類號(hào)：TP391.41

車牌識(shí)別是智能交通系統(tǒng)的重要組成部分。隨著國內(nèi)外專家和學(xué)者不斷的深入研究，很多優(yōu)秀的車牌識(shí)別方法被提出。我國的標(biāo)準(zhǔn)車牌不僅包含數(shù)字和英文字母，還包括漢字。另外，車牌圖像容易受到外界因素的影響，這也是國內(nèi)現(xiàn)有的車牌識(shí)別方法識(shí)別效率不夠高的原因。目前，常用的字符識(shí)別算法主要分為兩大類，一類是基于學(xué)習(xí)的識(shí)別方法另一類是基于匹配的識(shí)別方法。本文采用的是基于模板匹配的車牌字符識(shí)別方法，該方法首先要提取字符的特征值，為模板匹配提供依據(jù)。

1 字符歸一化

所謂大小歸一化就是將不同尺寸的字符圖像通過幾何變換來統(tǒng)一大小。假設(shè)原始圖像f（x，y），歸一化后的圖像為g（x′，y′），歸一化后的圖像與原圖像的坐標(biāo)之間的關(guān)系如公式1所示：

其中，a=width/width′，b=height/height′，width和height是原始圖像f（x，y）的寬和高，而width′和height′是歸一化后的圖像的寬和高。經(jīng)過歸一化處理后，在點(diǎn)（x′，y′）處的像素灰度值如公式2所示：

g（x′，y′）=f（x，y） （2）

2 字符特征提取

2.1 數(shù)字字母特征提取。左右輪廓特征能很好的反映出數(shù)字字母的特征，并且計(jì)算量較小。

掃描字符圖像時(shí)，掃描線遇到的第一個(gè)字符像素和圖像邊界的水平距離。記左側(cè)輪廓特征為L(zhǎng)（i），則左輪廓特征值可用公式3表示：

L（i）=left（i）-lborder （3）

其中，left（i）代表字符圖像中第i行最左側(cè)邊界點(diǎn)的位置，lborder是字符圖像左側(cè)邊界。同理，字符圖像中第i行的右輪廓特征R（i）可以用公式4表示：

R（i）=right（i）-rborder （4）

其中，right（i）代表字符圖像中第i行最右側(cè)邊界點(diǎn)的位置，rborder是字符圖像左側(cè)邊界。

將字符圖像分成六份后，取樣位置按照斐波那契數(shù)列的形式進(jìn)行設(shè)置，即在靠近圖像上下邊緣的第一部分和第六部分，以及圖像的中間位置的第三部分和第四部分圖像的1/8、2/8、3/8、5/8、8/8處進(jìn)行取樣，得到字符圖像的20個(gè)左輪廓特征值。在提取右輪廓的特征時(shí)可以只在字符圖像的中間的第三部分、第四部分和靠近下邊緣的第六部分進(jìn)行特征提取，采樣位置也采用同左輪廓相同的不均勻采樣方式，這樣右輪廓特征有15個(gè)。因此，字符左右輪廓的特征就是一個(gè)35維的特征向量。

2.2 漢字特征提取。由于不同的漢字結(jié)構(gòu)不同，筆劃特征也不相同。本文從漢字圖像的水平和垂直兩個(gè)方向提取筆劃特征，主要有水平全穿越、垂直全穿越、水平半穿越、垂直半穿越等。

（1）全穿越。全穿越方法分為水平全穿越和垂直全穿越，能夠很好的反映出漢字整體的筆劃特征。水平全穿越是從水平方向掃描圖像，計(jì)算掃描線穿越筆劃的次數(shù)。本文主要是從圖像的1/4、3/4處進(jìn)行掃描，獲得兩個(gè)位置的穿越筆劃的次數(shù)，并將其保存到數(shù)組中。如圖1中水平方向上的兩條紅線即為水平掃描線。在1/4和3/4處圖1中的水平全穿越次數(shù)分別為2和4。

圖1 穿越位置示意圖

垂直全穿越是從垂直方向?qū)D像進(jìn)行掃描。同水平全穿越一樣，本文也是從圖像寬度的1/4、3/4處對(duì)圖像進(jìn)行垂直方向上的掃描。

（2）水平半穿越、垂直半穿越。半穿越就是對(duì)圖像掃描時(shí)，并不是完全的掃描某一行或某一列，而只是掃描到圖像的二分之一處。例如水平半穿越只是穿越漢字圖像的左半部分或右半部分，而不是穿越整個(gè)字符。如圖1中所示，半穿越時(shí)掃描線掃描到1/2處的綠色線時(shí)結(jié)束，半穿越可以很好的反映出漢字的左半部分和右半部分或上下部分的筆劃特點(diǎn)。

3 模板匹配

3.1 建立標(biāo)準(zhǔn)模板。為了提高車牌字符識(shí)別準(zhǔn)確率，本文從經(jīng)常出現(xiàn)的車牌圖片中選取邊緣效果比較好的圖像經(jīng)過歸一化作為圖像模板。以0-9等十個(gè)數(shù)字為例，將字符圖像大小歸一化為48*30大小的圖像作為數(shù)字的標(biāo)準(zhǔn)模板。

3.2 模板匹配。首先將待識(shí)別的字符圖像大小歸一化與標(biāo)準(zhǔn)模板尺寸相同，然后提取待識(shí)別字符的特征向量，計(jì)算待識(shí)別字符圖像和模板特征值之間的歐幾里得距離，其中選擇差別最小的作為字符的識(shí)別結(jié)果。

4 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文所采用的字符特征對(duì)字符識(shí)別的效果，本文利用MATLAB進(jìn)行了仿真實(shí)驗(yàn)。具體過程如下：

車牌圖像經(jīng)過二值化后的圖像如圖2所示：

圖2 車牌原始圖像及二值化后圖像

將處理后的車牌圖像分割成單個(gè)的待識(shí)別字符圖像，如圖3所示：

圖3 圖4 圖5

將圖3中待識(shí)別字符圖像大小歸一化為48*30，歸一化后的圖像如圖4所示：

上文中已經(jīng)設(shè)置了字符的標(biāo)準(zhǔn)模板，并提取了標(biāo)準(zhǔn)模板的特征值，其中漢字的標(biāo)準(zhǔn)特征數(shù)組為A，字符的標(biāo)準(zhǔn)特征數(shù)組為TZ。分別提取圖4中漢字和字符的特征，利用與標(biāo)準(zhǔn)模板特征值之間的歐氏距離進(jìn)行字符識(shí)別，最后的識(shí)別結(jié)果如圖5所示。

5 結(jié)束語

本文采用模板特征匹配的方法對(duì)字符進(jìn)行識(shí)別。對(duì)于車牌中的漢字和數(shù)字字母分別提取筆劃特征以及左右輪廓特征，根據(jù)提取的特征與模板特征進(jìn)行匹配，根據(jù)匹配結(jié)果對(duì)字符進(jìn)行識(shí)別。使用本文的車牌識(shí)別方法在MATLAB環(huán)境下進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，該方法的識(shí)別結(jié)果準(zhǔn)確率較高。

參考文獻(xiàn)：

[1]張媛.運(yùn)動(dòng)模糊圖像的處理[D].安徽大學(xué)，2005.

[2]謝偉生.車牌定位于字符分割算法的研究與實(shí)現(xiàn)[D].四川：西南交通大學(xué)，2010.

[3]焦婷婷，侯德文.車牌字符分割問題[J].山東科學(xué)，2008（21）：39-45.

[4]顧晨勤，葛萬成.基于模板匹配算法的字符識(shí)別研究[J].通信技術(shù)，2009（42）：220-222.

作者簡(jiǎn)介：張瑩（1988-），女，山東萊蕪人，碩士研究生，研究方向：圖像處理，智能控制理論與應(yīng)用。

作者單位：青島科技大學(xué) 信息科學(xué)技術(shù)學(xué)院，山東青島 266061