數(shù)字圖像分析技術(shù)在車牌識(shí)別中的應(yīng)用研究

鐘彩 楊興耀 周翼

摘要：文章以解決城市交通問(wèn)題為依據(jù)，分析了數(shù)字圖像分析技術(shù)在車牌識(shí)別領(lǐng)域中的應(yīng)用，首先對(duì)該技術(shù)進(jìn)行了介紹，了解到其應(yīng)用的優(yōu)勢(shì)，其次闡述了技術(shù)應(yīng)用要點(diǎn)與問(wèn)題，為之后的工作明確方向，最后分析了數(shù)字圖像分析技術(shù)的實(shí)際運(yùn)用，目的在于發(fā)揮技術(shù)優(yōu)勢(shì)，高效率識(shí)別車牌信息。

關(guān)鍵詞：數(shù)字圖像分析技術(shù)；車牌識(shí)別；噪聲點(diǎn)；城市交通

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2019）04-0204-02

信息時(shí)代下，社會(huì)發(fā)展也逐漸朝著智能、科技的方向不斷發(fā)展，這就為各個(gè)行業(yè)明確了新的發(fā)展目標(biāo)。城市交通領(lǐng)域，隨著人們經(jīng)濟(jì)能力的不斷提升，汽車購(gòu)買(mǎi)力也隨之提升，導(dǎo)致城市中出現(xiàn)交通堵塞的問(wèn)題，有時(shí)一旦出現(xiàn)事故，無(wú)法快速識(shí)別車牌，嚴(yán)重影響了辦事效率。為此，研發(fā)車牌圖像預(yù)處理、定位與分割識(shí)別技術(shù)，設(shè)計(jì)一種適合現(xiàn)代智能交通系統(tǒng)，成為解決城市交通自動(dòng)管理問(wèn)題的有效方法。

1 數(shù)字圖像分析技術(shù)概述

數(shù)字圖像分析技術(shù)中囊括了數(shù)據(jù)數(shù)字通訊傳輸技術(shù)、信息技術(shù)、電子控制技術(shù)以及計(jì)算機(jī)圖像處理技術(shù)，是覆蓋多領(lǐng)域的一種信息化智能技術(shù)，其本身?yè)碛幸韵绿攸c(diǎn)：

1.1 準(zhǔn)確度高

根據(jù)現(xiàn)有相關(guān)技術(shù)，完全可以將模擬圖像數(shù)字轉(zhuǎn)化成任意尺寸的二維數(shù)組，其關(guān)鍵在于圖像數(shù)字化設(shè)備性能。那么計(jì)算機(jī)這一信息設(shè)備，不考慮數(shù)組和像素的數(shù)位，所有的處理程序大致相同[1]。也就是說(shuō)，原理角度不管圖像精度如何，都能夠完成分析工作，只需要對(duì)程序內(nèi)數(shù)組參數(shù)進(jìn)行改變。所以對(duì)于數(shù)字圖像分析技術(shù)而言，其本身準(zhǔn)確度也非常高。

1.2 圖像再現(xiàn)性高

數(shù)字圖像分析技術(shù)和模擬圖像處理技術(shù)之間存在很大區(qū)別，前者不會(huì)受圖像存儲(chǔ)、傳輸?shù)纫蛩氐挠绊懚霈F(xiàn)降低圖像質(zhì)量的現(xiàn)象。圖像數(shù)字化處理時(shí)需要將原稿再現(xiàn)，那么數(shù)字圖像分析期間便可以始終保證圖像清晰地體現(xiàn)出來(lái)。如此一來(lái)，車牌識(shí)別也有了強(qiáng)大的技術(shù)支持。

1.3 信息壓縮性能強(qiáng)

信息論范疇內(nèi)將數(shù)據(jù)壓縮稱作信源編碼，數(shù)字圖像包含的所有像素點(diǎn)便被賦予了關(guān)聯(lián)性。圖像畫(huà)面當(dāng)中的一些像素均存在相似的灰度。以電視畫(huà)面為例，處于同一行的兩個(gè)相鄰像素之間的相關(guān)系數(shù)超過(guò)0.9，臨近兩幀相關(guān)性所具有的關(guān)聯(lián)性要大于幀內(nèi)相關(guān)性。所以，數(shù)字圖像分析技術(shù)應(yīng)用過(guò)程中體現(xiàn)出非常強(qiáng)的信息壓縮性能，有利于縮短數(shù)據(jù)儲(chǔ)存需要的時(shí)間與空間。

2 數(shù)字圖像分析技術(shù)應(yīng)用要點(diǎn)與問(wèn)題

2.1 應(yīng)用要點(diǎn)

1）車牌圖像預(yù)處理。圖像質(zhì)量是影響車輛識(shí)別率高低的關(guān)鍵因素，將數(shù)字圖像分析技術(shù)應(yīng)用于車牌識(shí)別，其原理是對(duì)高清攝像抓拍采集到的原始圖像進(jìn)行噪聲過(guò)濾、二值化、邊緣增強(qiáng)、對(duì)比度調(diào)整等前期預(yù)處理；2）車牌圖像定位。從預(yù)處理后的車牌圖像中進(jìn)行定位操作，這是車牌識(shí)別系統(tǒng)的一個(gè)難點(diǎn)，車牌定位的準(zhǔn)確與否直接決定后面字符分割和識(shí)別效果。數(shù)字圖像分析技術(shù)應(yīng)用的核心是對(duì)車牌圖像紋理特征分析定位，在經(jīng)過(guò)圖像預(yù)處理之后的灰度圖像上進(jìn)行行列掃描，通過(guò)行掃描和模板匹配方法先確定在列方向上含有車牌線段的候選區(qū)域，再確定該區(qū)域的起始行坐標(biāo)和高度，然后對(duì)該區(qū)域進(jìn)行列掃描確定其列坐標(biāo)和寬度，由此確定一個(gè)車牌區(qū)域，本項(xiàng)目以改進(jìn)的Hough算法，來(lái)實(shí)現(xiàn)車牌圖像準(zhǔn)確定位；3）車牌字符分割及識(shí)別。圖像定位出車牌區(qū)域后，通過(guò)灰度化、灰度拉伸、二值化、邊緣化等處理，進(jìn)一步精確定位字符區(qū)域，然后根據(jù)字符尺寸特征采用動(dòng)態(tài)模板法進(jìn)行字符分割，并將字符大小進(jìn)行歸一化處理，然后通過(guò)分類判別函數(shù)和分類規(guī)則，與字符數(shù)據(jù)庫(kù)模板中的標(biāo)準(zhǔn)字符表達(dá)形式進(jìn)行匹配判別，就可以識(shí)別出輸入的字符圖像。本文采用垂直投影自適應(yīng)算法，將車牌7個(gè)字符（包括漢子、字母和數(shù)字）從定位后的牌照區(qū)域分割出來(lái)，然后采用神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法，識(shí)別率達(dá)到99%以上。

2.2 存在問(wèn)題

1）車牌預(yù)處理及定位。實(shí)際應(yīng)用過(guò)程中，動(dòng)態(tài)采集到的圖像進(jìn)行濾波、邊界增強(qiáng)等需要深入處理，緩解圖像帶來(lái)的干擾，并且優(yōu)化車牌識(shí)別效果，采用預(yù)處理方法來(lái)獲取車牌的傾斜度，并進(jìn)行旋轉(zhuǎn)校正，去除車牌的邊框和鉚釘。以區(qū)域波峰密度為特征，提出一種基于改進(jìn)的Hough變換算法對(duì)車牌進(jìn)行自動(dòng)定位；2）車牌分割及識(shí)別。將字符（包括漢字、字母和數(shù)字）從定位后車牌圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)的膨脹運(yùn)算以強(qiáng)化整個(gè)字符信息，再對(duì)膨脹后的圖像進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算以去除孤立的噪聲點(diǎn)，結(jié)合垂直投影法、模板匹配法和識(shí)別車牌的先驗(yàn)知識(shí)來(lái)獲取車牌字符的左右分割位置，采用垂直投影的自適應(yīng)算法對(duì)分割后的單個(gè)車牌字符進(jìn)行大小歸一化處理。

3 數(shù)字圖像分析技術(shù)在車牌識(shí)別中的應(yīng)用

通過(guò)數(shù)字圖像分析技術(shù)進(jìn)行車牌識(shí)別，需要建立一種實(shí)時(shí)、準(zhǔn)確、高效的自動(dòng)管理系統(tǒng)，以實(shí)現(xiàn)城市機(jī)動(dòng)車輛的自動(dòng)化管理，達(dá)到提高交通運(yùn)輸效率，緩解交通堵塞，提高路網(wǎng)通過(guò)能力，減少交通事故的目的。為了最大程度發(fā)揮出數(shù)字圖像分析技術(shù)優(yōu)勢(shì)，展開(kāi)以下分析：

3.1 前期車牌圖像的識(shí)別與定位

通過(guò)數(shù)字圖像分析技術(shù)識(shí)別車牌，重點(diǎn)在于車牌圖像的分析與處理，這一點(diǎn)主要涉及三個(gè)技術(shù)：1）車牌圖像預(yù)處理：對(duì)采集到的車牌圖像進(jìn)行前期分析，采用二值化處理和增強(qiáng)操作，消除圖像中無(wú)關(guān)信息，將圖像的主要特征突現(xiàn)出來(lái)，只留車牌有效區(qū)域；2）車牌圖像精準(zhǔn)定位：從預(yù)處理后的車牌區(qū)域中提取相應(yīng)特征值，通過(guò)模板匹配方法確定其中心坐標(biāo)，利用改進(jìn)后的Hough算法，實(shí)現(xiàn)對(duì)車牌圖像的準(zhǔn)確定位；3）車牌字符分割及識(shí)別：采用垂直投影自適應(yīng)算法，將車牌7個(gè)字符（包括漢子、字母和數(shù)字）從定位后的圖像區(qū)域中分割出來(lái)，然后通過(guò)分類判別函數(shù)和分類規(guī)則，與字符數(shù)據(jù)庫(kù)模板中的標(biāo)準(zhǔn)字符表達(dá)形式進(jìn)行匹配判別，就可以識(shí)別出輸入的字符圖像，識(shí)別率達(dá)到99%以上。

3.2 車牌圖像的處理

3.2.1 幾何處理

車牌圖像的幾何處理，主要是將坐標(biāo)進(jìn)行變換，再通過(guò)放大、縮小以及旋轉(zhuǎn)等方式，將諸多圖像配準(zhǔn)，并展開(kāi)圖像全景的畸變與校準(zhǔn)，從而計(jì)算圖像的周長(zhǎng)和面積[2]。

3.2.2 圖像變換

因?yàn)檐嚺茍D像有很大的陣列，可以在空間域內(nèi)直接處理，所以期間涉及很大的計(jì)算量[3]。鑒于此，一般會(huì)通過(guò)圖像變換使空間域處理變更為變換域處理，一方面可以將車牌識(shí)別中的計(jì)算量減少，另一方面也可以提高圖像處理效果。

3.2.3 圖像增強(qiáng)

車牌處理過(guò)程中，對(duì)其進(jìn)行圖像增強(qiáng)主要目的在于以下幾點(diǎn)：1）通過(guò)相應(yīng)的技術(shù)將圖像視覺(jué)效果進(jìn)行優(yōu)化，以保證車牌圖像清晰度；2）將車牌圖像轉(zhuǎn)變成符合所具備分析的模式，處理之后將重要信息凸顯出來(lái)，從而提高圖像信息應(yīng)用價(jià)值[4]。立足于作用域這一角度，圖像增強(qiáng)也可以體現(xiàn)為空間域增強(qiáng)、頻率域增強(qiáng)這兩個(gè)方面，空間域增強(qiáng)主要是直接展開(kāi)圖像像素灰度的處理，頻率域則是基于傅立葉變換處理圖像像素灰度。

3.2.4 圖像復(fù)原

車牌識(shí)別過(guò)程中，圖像的傳輸與記錄會(huì)因?yàn)橐恍┮蛩亟档蛨D像質(zhì)量，也就是所謂的圖像退化，重點(diǎn)表現(xiàn)為圖像模糊、失真等。使用圖像復(fù)原這一方法，可以將其中存在的干擾、模糊等消除，確保圖像可以恢復(fù)原狀。實(shí)際應(yīng)用過(guò)程中，需要先構(gòu)建退化模型，通過(guò)不同逆退化技術(shù)恢復(fù)圖像。

3.2.5 圖像分割

所謂圖像分割，即將車牌識(shí)別到的圖像劃分成彼此不重疊的區(qū)域，將所需要的關(guān)鍵信息提取出來(lái)。一般比較常用的分割技術(shù)包括邊緣檢測(cè)、邊緣跟蹤以及分裂分割法等幾種，通過(guò)合理分割達(dá)到以下幾個(gè)目標(biāo)：（1）提取有價(jià)值的信息；（2）發(fā)現(xiàn)最佳分割渠道，建立質(zhì)量評(píng)價(jià)機(jī)制；（3）通過(guò)信息化技術(shù)實(shí)現(xiàn)自動(dòng)化分割。

3.2.6 圖像重建

以上分析的幾種分析、處理方式均是關(guān)于圖像的處理，輸入、輸出的內(nèi)容均為圖像。但是圖像重建這一方法，是關(guān)于數(shù)據(jù)的處理，輸入數(shù)據(jù)之后獲得的結(jié)果為圖像[5]。車牌識(shí)別過(guò)程中，圖像重建一般是應(yīng)用代數(shù)法或者迭代法、卷積反投影法等，尤其是卷積反投影法的應(yīng)用最普遍，這主要是因?yàn)樾矢?、運(yùn)算量少。需要注意的是，三維重建算法也是發(fā)展比較迅速的技術(shù)，涉及計(jì)算機(jī)圖形學(xué)的相關(guān)知識(shí)，將若干二維圖像合成處理之后可以獲得三維圖像，這時(shí)再利用光照模型以及渲染技術(shù)，便可以獲得高質(zhì)量的圖像。

3.2.7 圖像編碼

圖像編碼這種處理技術(shù)術(shù)語(yǔ)信息論范圍，其核心在于按照視覺(jué)生理學(xué)、心理學(xué)所體現(xiàn)出來(lái)的諸多特點(diǎn)，通過(guò)圖像信號(hào)統(tǒng)計(jì)功能對(duì)車牌圖像信號(hào)展開(kāi)編碼處理，也就是所謂的數(shù)據(jù)壓縮技術(shù)，比較適用于大數(shù)據(jù)量圖像的處理。通常圖像編碼可以有效縮小圖像分析數(shù)據(jù)的存儲(chǔ)量，使數(shù)據(jù)存儲(chǔ)與傳輸更加快捷，同時(shí)也能夠高質(zhì)量壓縮信息，便于提取車牌圖像中有價(jià)值的信息，為之后的車牌識(shí)別提供參考。

3.2.8 模式識(shí)別

模式識(shí)別是數(shù)字圖像分析技術(shù)的一個(gè)全新范疇，比較常見(jiàn)的識(shí)別方式有統(tǒng)計(jì)識(shí)別、句法結(jié)構(gòu)模式識(shí)別以及模糊識(shí)別這三種方法[6]。其中，統(tǒng)計(jì)識(shí)別方法更加關(guān)注圖像特征的識(shí)別，句法結(jié)構(gòu)識(shí)則是以結(jié)構(gòu)、基元為主，模糊識(shí)別主要是將模糊數(shù)學(xué)所涉及的概念體現(xiàn)在車牌圖像識(shí)別與分析當(dāng)中。

4 結(jié)束語(yǔ)

綜上所述，數(shù)字圖像分析技術(shù)在車牌識(shí)別中應(yīng)用，可以憑借技術(shù)本身的優(yōu)勢(shì)建立自動(dòng)管理系統(tǒng)，快速識(shí)別車牌中的有效信息，有效提升交通運(yùn)輸效率，最大限度地緩解交通堵塞問(wèn)題。

參考文獻(xiàn)：

[1] 魏程程.數(shù)字圖像隱寫(xiě)與隱寫(xiě)分析技術(shù)的研究[J].信息與電腦（理論版），2018（12）：213-215.

[2] 丁圓圓，張振，賴華偉，王永剛.基于數(shù)字圖像相關(guān)性方法的脆性材料拉氏反分析實(shí)驗(yàn)技術(shù)[J].爆炸與沖擊，2018，38（06）：1310-1316.

[3] 董湘婉，袁向榮，任張晨，徐旻杰，劉輝.數(shù)字圖像技術(shù)在三等跨連續(xù)梁振動(dòng)分析中的運(yùn)用[J].實(shí)驗(yàn)室研究與探索，2018，37（03）：14-16.

[4] 趙一帆，王付勝，裴惠，劉佳杭.基于數(shù)字圖像技術(shù)的LY12鋁合金形變分析[J].理化檢驗(yàn)（物理分冊(cè)），2018，54（01）：1-5+11.

[5]孫千喜.大數(shù)據(jù)時(shí)代下數(shù)字圖像分析與處理技術(shù)在籃球方面的應(yīng)用[J].中國(guó)新通信，2018，20（01）：209-210.

[6] 卞秀蓉，周子勤.數(shù)字圖像處理技術(shù)與邊緣檢測(cè)分析[J].現(xiàn)代信息科技，2017，1（04）：54-55.

【通聯(lián)編輯：光文玲】