基于DSP的圖像處理在車牌識(shí)別中的應(yīng)用

1 圖像預(yù)處理及車牌字符分割
1.1預(yù)處理 LPR的攝像部分工作于開放的戶外環(huán)境，拍照時(shí)的光線，攝像機(jī)與牌照的距離和角度等都會(huì)造成采集圖像的模糊、歪斜等，嚴(yán)重影響車牌的分割識(shí)別。所以在進(jìn)入車牌識(shí)別模塊之前，首先要對(duì)采集到的車牌圖像進(jìn)行預(yù)處理。目前，適應(yīng)于各種應(yīng)用環(huán)境的，較為通用的圖像預(yù)處理方法還不是很成熟，論文在現(xiàn)有車牌預(yù)處理算法的基礎(chǔ)上，針對(duì)車牌圖像提出了改進(jìn)的預(yù)處理方案。具體過程是在現(xiàn)有的中值濾波、灰度化及二值化的常規(guī)處理后，又提出了對(duì)二值圖像進(jìn)行二次中值濾波來對(duì)二值圖像降噪，并將通常用于實(shí)現(xiàn)車牌定位的銳化邊緣算法運(yùn)用到預(yù)處理中，為去除車牌圖像背景，提取車牌字符做好了準(zhǔn)備
1.1.1 中值濾波 中值濾波對(duì)于消除孤立點(diǎn)，即椒鹽噪聲和線段干擾十分有用，特別是對(duì)于二進(jìn)制的椒鹽噪聲尤為有效，所以論文對(duì)二值圖像再次進(jìn)行了中值濾波。CCS仿真測(cè)試表明，中值濾波后的車牌二值圖像，清晰度得到了顯著提高（如圖 1所示），為車牌字符分割打好了基礎(chǔ)。

1.1.2銳化邊緣

在車牌識(shí)別系統(tǒng)中通常采用銳化邊緣的方法實(shí)現(xiàn)車牌定位，論文將其用于預(yù)處理，采用 Roberts算子，利用局部差分算子尋找邊緣，對(duì)車牌二值圖像進(jìn)行了邊緣銳化(如圖 2所示),為去除車牌背景提取字符做好了準(zhǔn)備，同時(shí)經(jīng)過邊緣銳化提取了車牌邊框及字符的外部輪廓信息，相對(duì)整個(gè)車牌信息，后續(xù)處理的數(shù)據(jù)量大大減少了，從而提高了系統(tǒng)的處理速度。


1.2車牌字符分割算法及改進(jìn) 車牌字符分割是在車牌定位后把車牌的整體區(qū)域分割成單字符區(qū)域。字符分割算法主要有自頂向下分割、邊緣檢測(cè)分割、迭代像素聚類和區(qū)域生長(zhǎng)法等。論文結(jié)合車牌自身的特點(diǎn)，提出了先去車牌背景提取字符，再進(jìn)行字符分割的改進(jìn)的車牌分割方案。
1.2.1字符提取 車牌背景對(duì)車牌字符的正確分割和識(shí)別有很大的影響，為了提高識(shí)別效率，論文在車牌分割之前，充分利用定位車牌兩鉚釘中間部分無鉚釘干擾，且字符與車牌邊框的粘連度較小的特點(diǎn)，首先采用改進(jìn)的局部投影法去除了車牌圖像的背景（邊框、鉚釘以及噪音），準(zhǔn)確提取出車牌圖像的純字符區(qū)（如圖4(b)所示）。首先，截取車牌二值圖像的中間部分（通常為車牌長(zhǎng)度的 1/3到 2/3部分）進(jìn)行局部水平投影，通過從中間向兩邊掃描投影值（0或 255）的大小尋找字符區(qū)域的上下邊界，再根據(jù)車牌各字符字體高度相等的特點(diǎn)，即可去除車牌的上下邊框和鉚釘。同理，對(duì)去除水平背景的二值圖像進(jìn)行垂直投影并從左到右掃描投影值，便可找到并去除車牌圖像的左右邊框，徹底提出車牌中的字符圖像
1.2.2字符分割

論文利用車牌圖像小且內(nèi)容簡(jiǎn)單的特點(diǎn)，將自頂向下分割法與邊緣檢測(cè)分割法相結(jié)合，采用了改進(jìn)的垂直投影法，對(duì)邊緣銳化了的純字符圖像做垂直投影，從右向左掃描黑白跳變點(diǎn)來實(shí)現(xiàn)車牌字符分割。由于是對(duì)純字符的二值圖像進(jìn)行垂直投影，且車牌的邊框和鉚釘?shù)缺尘耙呀?jīng)去除，所以有連續(xù)黑點(diǎn)的地方就是字符所在地，連續(xù)黑點(diǎn)的間斷點(diǎn)（白點(diǎn)）則是分割點(diǎn)。再根據(jù)車牌字符分隔點(diǎn)的初始位置比例關(guān)系為6：
8：6：6：6：6，以及字符的平均字寬和兩字符左邊界之間的平均距離關(guān)系，去除可能存在的錯(cuò)誤切分。
2 車牌字符識(shí)別算法及改進(jìn)
字符識(shí)別是 LPR系統(tǒng)的最后一個(gè)環(huán)節(jié)，也是整個(gè)車牌識(shí)別系統(tǒng)的關(guān)鍵，識(shí)別方法的好壞直接影響到整個(gè)車牌最終的識(shí)別效果。
2.1字符歸一化 由于分割出來的字符圖像大小有差異，而字符特征提取及模板匹配都是建立在各字符圖像大小一致的基礎(chǔ)上，所以在對(duì)字符識(shí)別前首先需要進(jìn)行字符歸一化，包括分割字符歸一化和標(biāo)準(zhǔn)字符歸一化。論文根據(jù)字符提取時(shí)得到的各字符的上下邊界以及字符分割時(shí)得到的各字符的左右邊界，分別計(jì)算出各字符的高度和寬度，并求出各自的最大值作為分割字符最小包絡(luò)歸一化的識(shí)別模板尺寸，通過調(diào)試，考慮到計(jì)算量的問題論文將標(biāo)準(zhǔn)字符模板統(tǒng)一為 W40*H40的像素大小。
2.2特征提取圖像特征通?？梢苑譃榻Y(jié)構(gòu)特征和統(tǒng)計(jì)特征兩類，論文將兩者相結(jié)合，采用對(duì)各字符的外部輪廓進(jìn)行統(tǒng)計(jì)特征提取的方法實(shí)現(xiàn)特征提取，包括待識(shí)別字符的特征提取和標(biāo)準(zhǔn)字符模板的特征提取。首先，將邊緣銳化并二值化了的分割字符分成 3x3的 9份，并計(jì)算每一份中像素點(diǎn)總數(shù)與黑象素點(diǎn)(目標(biāo)點(diǎn))個(gè)數(shù)的比值，從而得到一個(gè) 9維特征向量，然后提取該向量作為待識(shí)別字符的特征。同理可以得到模板字符的特征向量，建起模板字符特征庫。實(shí)踐證明，當(dāng)字符的形狀發(fā)生變化時(shí)，該方法仍可以保證特征提取的正確性。并且相對(duì)字符的整體信息，對(duì)字符的邊緣信息進(jìn)行特征提取計(jì)算量要少的多，從而提高了處理速度。
2.3字符識(shí)別

車牌字符的識(shí)別算法主要有模板匹配法、統(tǒng)計(jì)模式識(shí)別和基于神經(jīng)網(wǎng)絡(luò)法?；谀０迤ヅ渌惴ㄊ紫葘⒋R(shí)別字符二值化，再將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果[2][3]。由于這種算法穩(wěn)定性較差且耗時(shí)較長(zhǎng)，所以論文提出基于特征向量的匹配算法，具體算法是將待識(shí)別字符的特征向量與模板字符特征庫中的特征向量依次對(duì)應(yīng)相減，若結(jié)果為零向量則完全匹配，其對(duì)應(yīng)的模板字符即為識(shí)別結(jié)果。若為非零向量，則對(duì)這 9個(gè)差值的絕對(duì)值求和，取最小值對(duì)應(yīng)的標(biāo)準(zhǔn)模板字符作為最佳匹配字符并將其輸出，完成了字符識(shí)別。由于數(shù)字“1”的字高與字寬之比大于3，而其他字符的高寬之比都小于3，所以論文首先根據(jù)這一特性判斷分割字符是否為“1”，若是則識(shí)別結(jié)果輸出標(biāo)準(zhǔn)字符“1”，若不是則依次對(duì)分割字符進(jìn)行字符歸一化、特征提取和基于特征向量的模板匹配，輸出識(shí)別結(jié)果。這樣既可以較為簡(jiǎn)單和準(zhǔn)確的識(shí)別字符“1”，而且不需要建字符“1”的模板特征向量，減少了計(jì)算量，提高識(shí)別了速度，同時(shí)也降低了整體識(shí)別的難度。