基于圖像去霧功能的車牌識別算法研究

龐寧清，徐云龍，劉潤可，李丹，肖勝龍，劉向玲

（蘇州大學(xué)應(yīng)用技術(shù)學(xué)院計算機(jī)系，江蘇蘇州，215325）

0 引言

隨著人們生活水平的提高，幾乎每家都有汽車，而隨著科技的發(fā)展以及車輛數(shù)量的增加，停車場、道路監(jiān)控等地方都會通過識別車牌信息來獲取車輛信息。在遭遇霧霾等糟糕天氣時，拍攝的圖像會出現(xiàn)失真等問題，單純的車牌識別系統(tǒng)會無法識別到準(zhǔn)確的車牌信息。本項目是基于MATLAB設(shè)計的一款能夠在霧霾天氣，或者能見度不高的環(huán)境下進(jìn)行車牌識別的裝置。

1 汽車牌照識別系統(tǒng)的總體設(shè)計方案

汽車牌照識別系統(tǒng)需要應(yīng)用到圖像采集與預(yù)處理、牌照定位、字符分割以及識別等等相關(guān)技術(shù)，這是一個非常復(fù)雜的過程。

將牌照識別系統(tǒng)分為硬件和軟件兩個大部分，其中硬件部分的主要任務(wù)是完成汽車牌照圖像的采集，軟件部分需要對采集到的圖像信息進(jìn)行處理，提取出牌照位置并且識別出牌照信息。整個系統(tǒng)的核心部分的工作是軟件部分，能否通過汽車牌照對車輛進(jìn)行有效的管理，很大程度上取決于軟件部分的準(zhǔn)確性[1]。汽車牌照識別系統(tǒng)一般應(yīng)該包括以下五個部分：圖像采集、圖像預(yù)處理、牌照定位、字符分割、字符識別。

2 圖像預(yù)處理

在對汽車牌照進(jìn)行定位之前，需要對圖像進(jìn)行預(yù)處理。由于MATLAB在處理圖像時，不僅會讀取車的牌照部分，還會讀取汽車本身和背景部分。在牌照定位前，對圖片信息預(yù)處理從而改善圖像質(zhì)量。

2.1 灰度處理

灰度圖像是一幅二維圖像，灰度圖像的變換采用了Rgb2gray函數(shù)。Rgb2gray：轉(zhuǎn)換RGB圖像為灰度圖像，格式：I=rgb2gray(RGB)。原始圖像和灰度圖如圖1所示。

圖1 原圖及灰度圖像

2.2 圖像增強(qiáng)

為提高識別率和精確度，必須在邊緣提取前增強(qiáng)汽車牌照部位和其他部位的對比度，使二維灰度化的圖像明暗對比鮮明。

本次設(shè)計中我們將采取直方圖均衡化的方式來對圖像進(jìn)行增強(qiáng)處理。由于圖像有時會出現(xiàn)整體偏暗或者整體偏亮的情況，要使用MATLAB中的變換函數(shù)將原圖像的直方圖修的更為均勻，使其層次鮮明豐富，從而避免整體偏暗或者整體偏亮的極端情況，我們稱這種方法為直方圖均衡化[11]。

在此，我們假設(shè)r表示原始圖像的灰度級，假設(shè)s表示經(jīng)過直方圖均衡化之后的灰度級。若一幅圖像的像元數(shù)為n，共有l(wèi)個灰度級，nk代表灰度級為rk的像元的數(shù)目，則第k個灰度級出現(xiàn)的概率可表示為：

有以上公式可以得到，我們可以由圖像的直方圖算出來各像素在均衡之后的灰度值。

本次圖像增強(qiáng)的實現(xiàn)采用了Histeq函數(shù)。格式：I=histeq(gray)；圖像增強(qiáng)圖像如圖2所示。

圖2 增強(qiáng)圖像

2.3 邊緣提取

在檢測邊緣時，為突出圖像灰度變化的作用，需要利用微分算子把圖像信息進(jìn)行微分運(yùn)算；另外，由于在圖像邊緣處的地方灰度變化比較大，所以此處圖像微分計算所得到的值比較高；我們可以把此值作為相應(yīng)點的邊緣強(qiáng)度；將設(shè)置好的閾值與分支比較結(jié)果來判斷和提取邊緣點，只要分支大于閾值，我們就可以將其作為邊緣點來提取。

常用的邊緣檢測算子有Sobel算子、Prewitt算子和Canny算子[9]。四種檢測算子均可以較好的完成邊緣提取的任務(wù)。但考慮到不確定的外觀因素，在汽車圖像中的牌照區(qū)域突現(xiàn)時，為增加車牌的邊緣定位精準(zhǔn)確性，需要抑制其他相應(yīng)部分的邊緣。所以，由于Canny算子表現(xiàn)出來的能有效檢測車牌區(qū)域紋理的特性，本文將使用Canny算子來檢測汽車牌照邊緣。

3 車牌定位

3.1 車牌定位及分割

要想實現(xiàn)快速準(zhǔn)確定位車牌，需要綜合考慮多種定位方法。由于本次是針對藍(lán)色車牌的識別系統(tǒng)設(shè)計，所以利用RGB模型結(jié)合車牌顏色特征，選取合適的顏色分量閾值來進(jìn)行車牌的快速準(zhǔn)確定位。定位出車牌在圖像中的大概位置就要對車牌進(jìn)行提取，分割出車牌。

圖3 車牌定位及分割

3.2 車牌預(yù)處理

由于放置不當(dāng)或拍攝角度問題，分割下來的車牌可能存在水平或垂直方向的傾斜。為了準(zhǔn)確的分割字符，識別出車牌，所以分割下來的車牌要進(jìn)行傾斜校正。一般情況下傾斜校正分為兩步，第一步是計算出傾斜的角度，第二步是根據(jù)傾斜的角度進(jìn)行旋轉(zhuǎn)變化。

本文主要使用Radon變換進(jìn)行車牌校正。Radon函數(shù)是處理圖像經(jīng)常使用到的工具之一，主要用來計算指定方向上的圖像矩陣的投影。

車牌水平方向傾斜校正步驟如下：(1)將分割的車牌灰度化，邊緣提??；(2)調(diào)用Radon函數(shù)進(jìn)行水平方向投影，計算傾斜角度；(3)調(diào)用Imrotate函數(shù)進(jìn)行旋轉(zhuǎn)。

4 字符分割

為了得到包含車牌字符的水平條形區(qū)域，需要將分割后的車牌圖形進(jìn)行二值化和傾斜校正，然后將車牌字符分割出來，以便于識別。本文采用的字符分割方法是先規(guī)定分割出的車牌區(qū)域長×寬為238×52，設(shè)置閾值為2，尋找大于閾值2的列的數(shù)目，然后找到跳變對應(yīng)的前邊緣和后邊緣所對應(yīng)的列，當(dāng)跳變點所對應(yīng)的前邊緣和后邊緣所對應(yīng)列的長度是238×52的0.02倍時進(jìn)行分割。

字符分割完之后要對分割的字符進(jìn)行歸一化處理，以滿足下一步字符識別的需要。本文設(shè)計把分割的字符統(tǒng)一規(guī)定為12×24個像素。分割字符結(jié)果如圖4所示。

圖4 字符分割結(jié)果

5 字符識別

在準(zhǔn)確地把字符切分開之后，要完成整個汽車牌照識別系統(tǒng)的最后一步，即字符的識別。這一步是計算量比較大的一步。經(jīng)過多年的研究，目前有多種字符識別方法。本文設(shè)計的汽車牌照識別系統(tǒng)是基于BP神經(jīng)網(wǎng)絡(luò)的識別系統(tǒng)。

BP(Back Propagation) 神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它采用了誤差反向傳播算法。BP神經(jīng)網(wǎng)絡(luò)的實現(xiàn)分為學(xué)習(xí)過程和識別過程兩個部分，在學(xué)習(xí)過程中，同時進(jìn)行著兩個過程，分別是信息的正向傳播和誤差的反向傳播?；贐P算法的前饋網(wǎng)絡(luò)由輸入層、隱層、輸出層三個部分組成。

通常我們采用Sigmoid型的激活函數(shù)作為輸出函數(shù)，如式5-1所示。Sigmoid型函數(shù)具有個單元特性，然后把隱含節(jié)點的輸出信息傳送到輸出節(jié)點，最后就可以將結(jié)果輸出。通過網(wǎng)絡(luò)學(xué)習(xí)的正向和反向傳播過程的反復(fù)運(yùn)用可以修改權(quán)值，從而得到最小的誤差信號。當(dāng)誤差達(dá)到理想值時，就可以結(jié)束網(wǎng)絡(luò)學(xué)習(xí)過程[12]。

車牌識別的好壞在于模板庫建立的大小，要想使車牌識別率高，首先要建立比較大的模板庫。汽車牌照的字符一般有7個，第一個字符是漢字，通常代表車輛所屬省份，第二位是字母，緊接其后的為字母與數(shù)字的混合[11]。

BP神經(jīng)網(wǎng)絡(luò)識別分割字符的流程為建立模板庫，送入神經(jīng)網(wǎng)絡(luò)，設(shè)置神經(jīng)網(wǎng)絡(luò)參數(shù)并訓(xùn)練，分隔字符送入神經(jīng)網(wǎng)絡(luò)，識別輸出結(jié)果。

6 算法應(yīng)用

車輛牌照的識別技術(shù)應(yīng)用廣泛，包括：交通流量檢測，機(jī)場港口出入車輛管理。交通流量檢測運(yùn)用時，交通監(jiān)控拍下車輛的車牌號，通過一系列的圖像處理得到較清晰的車牌圖像，通過多個路段的監(jiān)控拍攝，大概判斷出車輛行駛路段，從而達(dá)到預(yù)測和交通流量檢測的目的。機(jī)場港口出入車輛管理運(yùn)用時通過監(jiān)控檢測車牌，通過圖像處理識別出飛機(jī)或者輪船的牌號，從而對相應(yīng)的飛機(jī)或者輪船進(jìn)行駛出，駛?cè)氲认嚓P(guān)的管理操作。