【文章內(nèi)容簡介】 光線較暗時，不同的人工光照角度、方位和亮度對車牌識別系統(tǒng)影響也不一樣。盡管規(guī)范車牌對光的散射能力較強，但人工光照的方位角度不會影響車牌的亮度。亮度不均勻?qū)嚺普斩祷惴ǖ倪m應(yīng) 性提出了更高的要求。不同的實際工程，圖像的分辨率要求也不同。分辨率大小影響車牌識別系統(tǒng)的識別速度和字符的識別率。分辨率過高時，整個識別系統(tǒng)的處理時間會明顯增多，特別是在車牌分割，車牌二值化的處理中時間會顯著增加。分辨率過低，字符識別率會下降，字符中的漢字二值化效果較差，車牌識別系統(tǒng)的識別率會下降。 除了這三點客觀因素外，對于本文的而言，從各種干擾中得到車牌區(qū)域，把傾斜的車牌校正，以及把粘連的車牌字符分割開都是系統(tǒng)成敗的關(guān)鍵。而如何準確且快速地實現(xiàn)系統(tǒng)要求更是系統(tǒng)設(shè)計的難點。 車牌定位 車牌定位方法的出發(fā)點是通過車牌區(qū)域的特征來判斷車牌，所利用的車牌的特征主要包括： (1)車牌區(qū)域的幾何特征，即在某個相對固定的拍照位置拍得的圖像上車輛牌照子圖像區(qū)域 l 每度和寬度一定，并且寬高比例一定。 (2)紋理特征，目前車輛牌照是由一個省份漢字 (軍警牌除外 )后跟字母或阿拉伯?dāng)?shù)字組成的 7 個字序列。除第 1 個漢字外，字母和數(shù)字的筆畫在豎直方向都是連通的，且其之間有一定的間隔。 14 (3)顏色特征，現(xiàn)有車牌有四種類型：小型汽年的藍底白字車牌，大型汽年的黃底黑字車牌，軍警車的白底黑字、紅字車牌，外籍汽車的 黑底白字車牌。牌照矩形區(qū)域內(nèi)的顏色一定是限定的四種色彩之一，特征明顯。 目前，車牌定位方法可以分為兩大類： (1)基于灰色圖像的車牌定位方法， (2)基于彩色圖像的車牌定位方法。 車牌字符分割 車牌字符分割技術(shù)是指將定位后的車牌區(qū)域分割成單個字符區(qū)域。字符區(qū)域分割的準確與否將直接影響到下一步的字符識別，因此許多學(xué)者也對此進行了研究，提出了很多關(guān)于車牌字符分割的方法。 分割方法實現(xiàn)方式雖然各式各樣，但歸結(jié)起來總是基于幾個基本點： (1)車牌區(qū)域的垂直投影呈現(xiàn)明顯的波峰和波谷，波峰即為字符區(qū)域，波谷基本 上都是字符間的間隙。 (2)第一個字符為漢字由于左右偏旁漢字中會出現(xiàn)間隙，而第二個字符和第三個字符間隔較大，所以可由 此做分界線，分段分割。 (3)字符比例固定。車牌字符總長度為 409mm，其中單個字符寬度為 45mm 高度為90mm，第二和三字符間間距為 34mm，其中中間小圓點寬度為 lOmm，與第二和三字符間間距為 12mm，其余字符間間距為 12mm；字符“ l”的寬度約為 13． 5mm，與其它字符間間距約為 22． 5mm，連續(xù)兩個字符“ l”間間距約為 38． 5mm，第三字符為字符 1時，與第二字符問問 距約為 44． 5mm。標準字符不包含字符“ I”，故可以不考慮這種情況。 (4)字符顏色與車牌底色具有固定的顏色搭配。如果單純地使用顏色對特征點進行投影以精確定位車牌邊界時，由于顏色判斷的精確度的誤差和顏色對干擾點的存在，本應(yīng)連續(xù)的字符邊緣可能會有斷裂，而不應(yīng)是字符邊緣的卻有可能存在干擾點。這時就會對分析造成很大的影響。而將車牌區(qū)域二值化后，由于字符顏色與車牌底色的強烈色彩反差，字符與底色呈現(xiàn)兩極化。但是此時仍不適合于做投影分析，因為車牌區(qū)域圖像內(nèi)仍可能有干擾像素，如白色車輛的藍白車牌 (如圖 29(b))，此時如果得到的車牌區(qū)域包含了車身部分，則二值化后車身區(qū)域與字符屬于同一顏色。對這樣的圖像進行投影得不到精確定位需要的信息。 3 車牌字符匹配算法 配方法大致可以分為三大類：直接匹配法，特征法和高級特征算法。 直接匹配法 15 直接利用原始圖像的像素值進行匹配。可以充分利用圖像的所有信息來高 精度地區(qū)分不同對象，因此處理的信息量很大，計算復(fù)雜度提高。這類算法的特 點是對圖像之間的微小差別非常敏感。一個細微的變化 (比如光照條件的微小變化 而導(dǎo)致的圖像灰度值的細微變換 )就會對匹配算法的計算結(jié)果產(chǎn) 生很大的影響，有 可能導(dǎo)致匹配的失敗。所以這種算法抗噪聲，抗干擾的能力比較差，只能適用于 兩幅圖像具有相同的外界條件的情況下作精細的匹配川。 特征法 利用圖像的物理形狀特征 (點、線 )，如邊緣，骨架線條，角點等等，需要 進行相關(guān)計算的像素點數(shù)目有了明顯的減少，并具有更強的適應(yīng)能力。這種算法 對于一些細微的干擾不太敏感，而是依賴于提取的圖像特征。其關(guān)鍵是尋找易于 識別和區(qū)分的特征，基于特征集之間的相似性度量來找到模板在圖像中的匹配位 置 f8}。 高級特征算法 使用高級特征的算法。 如基于約束的樹搜索，可以利用深度優(yōu)先搜索策略， 依靠解釋樹尋找局部一致的匹配。基于多尺度特征作特性匹配，則是對圖像信息 引入多種級別的抽象，可遵循先輪廓后細節(jié)，先宏觀后微觀，先易于辨認的部分 后較為模糊的部分的人類視覺匹配規(guī)律，能夠提高圖像匹配的可靠性。 4 實驗結(jié)果及分析 車牌匹配算法實現(xiàn) 16 圖 3 系統(tǒng)整體流程圖 Fig 3 Overall system flow chart 實 驗結(jié)果 17 圖 4分割出來的字符（ 1） 圖 5分割出來的字符（ 2） Fig4 Segmentation out of character Fig5 Segmentation out of character （ one） （ two） 圖 6分割出來的字符（ 3） 圖 7分割出來的字符（ 4） Fig6 Segmentation out of character Fig7 Segmentation out of character （ three） （ four） 圖 7分割出來的字符（ 5） 圖 8分割出來的字符（ 6） Fig7 Segmentation out of character Fig8 Segmentation out of character （ five） （ six） 18 圖 9分割出來的字符（ 7） Fig9 Segmentation out of character（ 7） 19 圖 10匹配后圖片 Fig10 Matching image 實驗結(jié)果分析 實驗較清晰的輸出了結(jié)果，其中圖 4 到圖 9 都是分割出來的圖片，圖 10 是這次實驗的關(guān)鍵，他說所有分割出來的字符圖像與模板庫里面比配后再將比配度最大的依次輸出的結(jié)果 。 5 本文主要工作總結(jié) 研究結(jié)果 本文首先從數(shù)字圖像匹配技術(shù)在圖像處理中的地位出發(fā)，從各個方面介紹了圖像匹配技術(shù)的重要性。接著又從數(shù)字圖像常用的匹配方法，在車牌識別中的應(yīng)用 在實驗的過程中主要利用的是 MATLAB 為工具進行實驗，然后圍繞圖像匹配技術(shù)在車牌字符匹配中的應(yīng)用進行了以下幾個方面的研究工作： 對圖像分割的概念進行詳細的陳述。 本次運用了 MATLAB 軟件進行實驗，展示實驗效果，得到了較好的演示，根據(jù)實驗現(xiàn)象對匹配技術(shù)在車牌字符識別技術(shù)進行實驗。 結(jié)論 通過研究分析，可以得到以下 結(jié)論： 車牌字符匹配的重點是對字符的匹配，因此該方法的關(guān)鍵是如何對字符進行匹配， 怎樣進行匹配如果匹配選擇不合適，則影響了圖像匹配出來的效果，同時也影響下一部車牌識別的效果。 20 從實驗現(xiàn)象可以看出，實驗出來的圖片效果和真實的圖片非常接近。因此，此實驗就效果而言，已經(jīng)非常的不錯了，至于在現(xiàn)實中的效果如何，就不得而知了。 同樣是匹配算法，不同的匹配算法對同一幅圖像匹配出來的效果是不相同的，因為每一種我們要知道沒有哪一種匹配算法的絕對合適，從以上實驗現(xiàn)象可以看出，例如：這個匹配方法還是比較適合我們的實驗的，將來在車 牌識別系統(tǒng)中應(yīng)該也是大有用處的。 圖像匹配法是將分割出來的車牌字符逐個與自己所建庫里面的字符匹配將匹配度最高的庫字符輸出，每幅子圖像的尺寸不能太小，否則統(tǒng)計處的結(jié)果無意義。 每幅圖像的匹配是任意的，所以我們要對字符進行固定大?。? X= imresize(x,[40 20])。這樣就可以與庫里面的圖片進行匹配了。 通常對于每一幅圖像的匹配，僅僅只用一種圖像匹配方法是不夠的，僅僅擁有依照匹配算法本身進行了完善歸納和分類的圖像匹配理論也是遠遠不夠的，每種方法都有它不足的地方，一次僅僅只用一種方法往往 達不到很好的效果，可以運用其他的方法結(jié)合使用，互相彌補不足。結(jié)合自己先知的知識，研究符合具體圖像特性的匹配模型，才是提高圖像匹配的重要手段。 盡管人們在圖像匹配方面做了很多的研究，但是，迄今為止沒有哪種方法是適合所有圖像的，本文中提到的方法都有它的前提條件，因此，對于特定的圖像匹配，最主要的是分析這幅圖像的特性，針對這幅特定的圖像的特點，制定適合它的方案，以達到最好的匹配效果。 展望 車牌識別技術(shù)是智能交通領(lǐng)域研究中的重要組成部分，隨著經(jīng)濟的不斷發(fā)展，車輛在人們工作生活中占據(jù)著越來越重要的地位，車 輛數(shù)目的增多給車輛管理提出了更高的要求，因此車牌字符匹配技術(shù)有著廣泛的應(yīng)用前景。 近年來研究成果越來越多 ,但由于車牌識別技術(shù)本身所具有的難度 ,使研究沒有大的突破性的進展 .我們需要積極引進國外技術(shù)，使自己能有更好的發(fā)展 參考文獻 [1]烏凌超，莫玉龍 . 基于獨立分量分析的字符識別方法 [J]. 上海大學(xué)學(xué)報 (自然科學(xué)版 ).2021 21 [2]趙雪松，陳淑珍．綜合全局二值比與邊緣檢測的圖像分割方法 [J]．計算機輔助設(shè)計與圖形學(xué)學(xué)報， 2021， l3(2)： ll8— 121 [3]靳宏磊，朱蔚萍，李立源．二維灰 度直方圖的最佳分割方法 [J]模式識別與人工智能， l999， l2(3)： 329— 333． [4]樂 寧，梁學(xué)軍，翁世修．圖像過渡區(qū)算法及其改進 fJ]．紅外與毫米波學(xué)報， 2021，20(3)： 2l1— 21． [5]文喬農(nóng) ,王海瑞 ,危春波 ,車 牌