對不同車牌識別算法的研究分析

1、A Comparative Study on Different License PlateRecognition AlgorithmsHadi Sharifi1 and Asadollah Shahbahrami21 Department of Information TechnologyUniversity of Guilan, Rasht, Iransharifiha2 Department of Computer EngineeringUniversity of Guilan, Rasht, Iranshahbahramiguilan.ac.ir對不同車牌識別算法的研究分析摘要：近年來

2、，汽車車牌識別系統(tǒng)應用在許多交通管理和安全系統(tǒng)中，如自動速度控制，跟蹤被盜汽車，自動收費管理，訪問控制有限領域等。本文從精度與性能上討論了幾種常用識別車牌技術的優(yōu)劣。這樣的評價將提供給開發(fā)商或最終用戶，有利于為他們選擇出最合適的應用技術。研究表明，動態(tài)規(guī)劃算法是最快算法而Gabor變換是最準確的算法。關鍵詞：車牌識別，Hough變換，Gabor變換，動態(tài)規(guī)劃，形態(tài)學。1 引言車牌識別（LPR）是今天生活的重要課題。道路上總是充滿了各種機動車輛的，重要的是開發(fā)出識別他們的應用技術，如速度控制和安全管理。LPR用于實時系統(tǒng)，它能夠提供精確可接受的響應時間1。LPR系統(tǒng)是基于圖像處理技術和字符識別系

3、統(tǒng)的。每個LPR系統(tǒng)由三個基本部分組成，即圖像采集，車牌檢測（LPD）和光字符識別（OCR）。圖像采集部分是使用相機從運動傳感器上接收信號和捕捉圖像。為了減少運動模糊，它應該使用高速快門。LPD用來分析系統(tǒng)拍攝的圖像，辨別板位置或字母數(shù)字字符。有些算法是基于車牌的圖像特征來識別的，如形狀、顏色、高度、寬度比。這些算法的性能是非常敏感的。當改變環(huán)境條件，如光照或天氣條件時，將會影響圖像特征的質(zhì)量。第三部分將分割字符，并且使用OCR模塊讀取分割的字符會出現(xiàn)在板塊2。對象識別系統(tǒng)包括兩大功能，檢測場景中的對象并承認該對象3。大部分圖像處理技術的LPD是應用基于Gabor變換，Hough變換的神經(jīng)網(wǎng)絡

4、或Ada-Boost 算法。本文研究和評估了一些類似的LPD算法。本文組織如下：第2節(jié)介紹LPD算法，第3節(jié)對它們的性能進行比較。最后在第4節(jié)總結(jié)研究。2LPD算法在本節(jié)我們討論了基于動態(tài)規(guī)劃，Hough變換，Gabor變換和基于形態(tài)學的各種算法。2.1動態(tài)規(guī)劃的方法在基于動態(tài)規(guī)劃（DP）的算法上4，開發(fā)商不需要找到圖像中的車牌板的位置，這是因為它在車牌上直接分割了字母數(shù)字字符。它也并不需要任何隨強度變化的圖像特征，如車牌邊緣、顏色、線條等。為了實現(xiàn)這一算法，廣泛應用的是檢測車牌號碼的定位點。每個點有一些關鍵規(guī)格，如高度、寬度、中心點的坐標和提取它的臨界值。它使用能量最小化框架來提取正確的定位

5、點。這要求相鄰字符的兩個中心點之間的垂直和水平距離必須最小化。如果兩個相鄰的定位點的中心距離為d，如圖所示。1、在允許的范圍內(nèi)，他們可以認為是正確數(shù)字字符的一部分。圖1兩個相鄰字符之間的定位點的幾何規(guī)范，兩個點之間的水平距離（d）4提取定位點的模塊的計算時間會隨著閾值改變而改變，且圖像標記算法必須為每個閾值執(zhí)行一次。DP算法計算時間較少，所以它被稱為是一種快速算法。2.2Hough變換第二個算法是基于相結(jié)合的Hough變換和輪廓算法1。它是從二進制圖像上檢測線的最有效算法之一。它查找的是包含車牌字符的兩條平行線之間的區(qū)域。執(zhí)行時間長是Hough變換的缺點。當被應用到一個高分辨率的二進制圖像時它

6、需要太多的計算，換句話說，高分辨率圖像的計算時間是很長的。雖然圖像細化的前期處理可以提高算法速度，Hough變換計算時間仍然很高，它是很難用于實時交通管理系統(tǒng)的。為了提高性能，Hough變換將與輪廓算法相結(jié)合進行。在提取的邊圖像中，我們使用輪廓檢測算法來封閉邊界對象。這些輪廓線會轉(zhuǎn)化為霍夫坐標，并找到兩組相互作用的平行線（兩平行線相交其他一組平行線，建立成一個平行四邊形的形式對象）作為一個待識別車牌區(qū)域。由于只有很少（黑色）像素的輪廓線，這些點的霍夫坐標轉(zhuǎn)換，只需要非常少的計算。因此該算法的速度有著顯著改善，且無精度損失。如圖2。1 預選車牌3 預選車牌圖2結(jié)合等高線算法和Hough變換的LP

7、D系統(tǒng)1然而，這種技術可能會檢測到車燈或擋風玻璃，因為他們與車牌一樣有平行四邊形的形狀。提取要檢測車牌的成效可以評估一個模塊是否拒絕了不正確的四邊形而留下了真正的車牌。在夾著要檢測車牌區(qū)域的兩條水平線間，它可以精確地計算在橫向坐標上如何進行線條傾斜。然后，它適用于調(diào)整到直角度的旋轉(zhuǎn)變換。處理完后，這些二進制待檢測區(qū)域要通過一些試探式算法來進行評估。評價待檢測的車牌的算法有兩個主要步驟，步驟如下：1、在此評估階段，寬度與高度的比例檢查將在一個允許的范圍內(nèi)進行，如果我們考慮到寬度為W，高度為H，并允許范圍（最小范圍和最大范圍），那么滿足：最小范圍<W/H<最大范圍。2、利用計數(shù)水平橫向

8、削減的對象來評估提取車牌的技術。有一個作為每個所需車牌類型的預定義對象范圍應該削減在一個板塊的水平線內(nèi)。檢查此屬性是有很用的，用于評估提取車牌的技術。2.3 Gabor變換Gabor變換也被應用于LPR2。一個計算機視覺系統(tǒng)，在通過Gabor變換檢測和矢量量化分割車牌后，最終能夠檢測到圖像中的字符。Gabor濾波器是紋理分析的主要工具之一。這種技術的優(yōu)點是它的質(zhì)地分析適用于所有的方向和規(guī)模。Gabor濾波器的卷積結(jié)果會直接被用于車牌檢測。12 Gabor濾波器有0°、45°、90°、135°的四個方向和9、11、15個像素的三個不同的尺度。圖3顯示了灰度

9、圖像和其Gabor濾波器的響應。圖像中的高值表示可能的板塊檢測區(qū)域。為了分割這些區(qū)域，我們使用第一臨界值算法來產(chǎn)生二進制圖像。然后，形態(tài)學擴張運算符用于二進制圖像且合并其鄰近區(qū)域。最后，我們就簡單提取到車牌區(qū)域。圖4顯示了給定方法檢測下的結(jié)果。2.4 基于形態(tài)學算法形態(tài)學是圖像處理的工具，它是基于形狀的5，6。每個形狀有一個結(jié)構元素（SE）并且形態(tài)的使用者使用此SE來分析數(shù)字圖像。車牌是一個矩形的形狀，所以車牌的形態(tài)是適合有矩形板的LPR。使用這種方法時，因為許多物體也是矩形所以它們可能被檢測到。要想評估選取車牌的技術和應用中是否拒絕了虛假的物體，我們要找到一些選取車牌定位的特性，如形狀、長寬

10、比、寬度、高度比等，并對它們進行檢查。描述基于形態(tài)運算符的LPR步驟如下：1、包含RGB圖像轉(zhuǎn)換為灰度圖像的預處理階段。如果原始圖像應用了灰度，則需要這一步的時間可以節(jié)省掉。2、對灰度圖像使用Sobel邊緣檢測算法。3、邊緣擴張符（形態(tài)學）。4、關閉運算符（形態(tài)學）。5、噪音清理。6、評價選取出檢測車牌的功能。圖3左邊的圖像是原始圖像，右圖像是Gabor濾波器響應23 討論動態(tài)規(guī)劃算法是并不需要任何邊緣檢測的算法。環(huán)境條件幾乎不影響圖像的功能。換句話說，在一天的白天或夜晚，每一個天氣條件都能夠保證其正常性能。DP在把灰度圖像轉(zhuǎn)換為二進制與邊緣檢測時都不會消耗處理器的時間周期。Hough變換算法是一個耗時的方法。為了提高其性能，必須在預處理階段執(zhí)行細化算法。Gabor方法在LPR的兩個部分，即檢測車牌和分割字符上有著高效率，但它的缺點是當計算復雜時消耗時間很長?；谛螒B(tài)學的算法準確性最低和執(zhí)行速度最快，但它實現(xiàn)起來很簡單。表1比較討論了基于四個基本因素的方法。表1比較基于四個基本因素的車牌識別算法方法實現(xiàn)的復雜度環(huán)境條件的敏感度邊緣檢