车牌识别综述,写的不错,引用率挺高的

　　　 48 郑州轻工业学院学报(自然科学版)2001年　具有适当的亮度和对比度.但由于摄像部分位于户外,车辆牌照不整洁,光照条件不好,摄像头与牌照的距离或角度不合适以及车速较快等因素的影响,图像可能模糊、歪斜或缺损,因此需要对原始图像进行预处理.

2.1.1　图像转换及压缩

BMP格式是以象素为单位记录图像的,每个象素点均由红、绿、蓝3色组成,每个色彩通道的颜色值均由8位字节表示.然而,除了少数文献[1,2]提到可借助色彩信息对牌照进行检测与分割外,绝大多数牌照识别系统采用不含色彩信息的灰度图像,即图像中每个象素仅用1个8位字节表示其亮度值.

要使处理速度达到实时的要求,就要对图像进行压缩.实验证明,16pixel×16pixel就足够保持输入字符的形状[3],确保识别的正确性.对图像进行压缩应选择合适的压缩比,防止丢失字符信息,造成识别错误.图像压缩的算法较多,行程编码算法(RLC)、滑动窗口压缩算法等在字符识别系统中运用较多.

2.1.2　图像增强

由于车辆牌照识别系统需全天候工作,自然光照度的昼夜变化会引起牌照图像的对比度严重不足,若无理想的补充光,就可能造成图像字符不清,甚至无法识别.因此,图像增强处理无论对改善牌照图像的可辨认度,还是简化字符的定位与分割,都是很有必要的.增强图像对比度的方法有灰度线性变换、图像平滑处理和线性滤波器[2]等.

2.1.3　图像水平校正

对车辆牌照进行拍摄时,须调整摄像机角度以保持牌照横向边缘的倾斜度尽可能小,并且让牌照在整幅图像中处于相对居中的位置,即图像的视觉中心上.但是,摄像机通常安装在路边或高处,这会产生车辆牌照与摄像头成像平面不平行、图像倾斜、图像变形的问题,影响牌照的检测与分割.针对图像旋转倾斜的问题,文献[6]提出了基于区域生长算法的牌照校正方法.通常情况下,图像的水平校正放在牌照的二值化、分割,甚至是字符的切分之后进行,这样可使图像处理的运算量大大减少.

2.2　牌照的定位与分割

牌照的定位与分割是牌照识别系统的关键技术之一,其主要目的是在预处理后的灰度图像中确定牌照的具体位置,并将包含牌照字符的子图像从整个图像中分割出来,供字符识别子系统识别.由于牌照图像在原始图像中是很有特征的一个子区域,确切地说是水平度较高的横向近似长方形,它在原始图像中的相对位置比较集中,而且其灰度值与周围区域有明显的不同,因而在其边缘就会形成灰度突变的边界,这就便于通过边缘检测来对灰度图像进行分割.所谓边缘检测就是寻找灰度值发生急剧变化的区域,可以用图像灰度的一阶偏微分(梯度算子 )和二阶偏微分(拉普拉斯算子 2)的值来判定边缘点,亦可将图像与二维高斯(Gaussian)函数经拉普拉斯运算的函数 h(x,y)进行卷积后检测出来.基于图像轮廓线(边缘线)的牌照图像定位算法[8,9],对特征明显的牌照图像定位和分割十分有效,且算法简便可行.

统计投影直方图的方法[10]是通过对原始图像在水平和垂直2个方向的灰度投影直方图案的分析来确定牌照位置的.将原始图像进行二值化后再运用投影直方图的方法可确定牌照在整个图像中的位置,也可以利用牌照的四边形区域的几何特点,通过检测四边形的边框或四角来确定牌照的位置[1].

2.3　字符识别的预处理

由于拍摄时的光照条件,牌照的整洁程度,摄像机的焦距调整、镜头的光学畸变等因素都会不同程度地造成牌照字符边界模糊、细节不清、笔划断开或粗细不均,致使字符提取困难,影响字符识别的准确性,因此,需要在识别前对字符进行有针对性的预处理.

2.3.1　图像二值化

一幅8位的灰度图像仍有256个灰度等级,对此灰度图像进行二值化实质上是将图像中的每个象素按一定规则进行分类,也就是将图像转换成只有2个等级(黑、白)的二值图像.最简单的分类规则是依据区域相似性和不连续性,取一灰度阈值,大于此阈值的象素点置为黑(或白),而小于此阈值的象素点置为白(或黑).在阈值选取时,为了简化运算,可以取图像灰度平均值为阈值[2];为解决光照不均的问题,可以采取牌照字符分别二值化的方法[10][2]2[7][5][4],即先对牌照图像进行字符分割,再对分割出来的字符分别进行梯度统计,取得各

;