【正文】 y and good at antijamming，which create favorable conditions for the following character recognition． Keywords：license plate recognition。character segmentation 。如何有效地進(jìn)行交通管理日益成為各國(guó)政府相關(guān)部門所關(guān)注的焦點(diǎn)。智能交通系統(tǒng)ITS是90年代興起的新一代交通運(yùn)輸系統(tǒng)，迄今為止國(guó)際上沒有公認(rèn)的定義。智能交通系統(tǒng)在有效利用現(xiàn)有交通設(shè)施、減少交通負(fù)荷和環(huán)境污染、保證交通安全、提高運(yùn)輸效率、促進(jìn)社會(huì)經(jīng)濟(jì)發(fā)展、提高人民生活質(zhì)量、推動(dòng)社會(huì)信息化及形成新產(chǎn)業(yè)等方面均具有極其重要的作用，從而受到世界各國(guó)的重視。車輛牌照識(shí)別(Vehicle License Plate Recognition，VLPR)技術(shù)是車輛自動(dòng)識(shí)別技術(shù)的重要組成部分：其功能是對(duì)采集到的汽車圖像進(jìn)行處理和分析，以自動(dòng)識(shí)別其中的牌照編號(hào)。通過車牌識(shí)別系統(tǒng)的圖像采集和處理獲得盡可能多的車牌信息，達(dá)到識(shí)別車牌號(hào)碼的目的，從而使現(xiàn)代交通領(lǐng)域達(dá)到更高的智能化管理程 度。它可以應(yīng)用于以下領(lǐng)域： (1)交通監(jiān)控。它還可以同雷達(dá)測(cè)速器或其它的檢測(cè)器配合使用，以檢測(cè)超速的車輛。 (2)交通流控制指標(biāo)參量的測(cè)量。該系統(tǒng)能夠測(cè)量和統(tǒng)計(jì)很多交通流指標(biāo)參數(shù)，如總的服務(wù)效率，總行程時(shí)間，以后簡(jiǎn)稱為車輛牌照識(shí)別為車牌識(shí)別。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。這是由于該系統(tǒng)能夠監(jiān)視道路情況和測(cè)量交通流量指標(biāo)，能及時(shí)發(fā)現(xiàn)超速，堵車，排隊(duì)、事故等交通異?，F(xiàn)象。根據(jù)識(shí)別出的車牌號(hào)碼從數(shù)據(jù)庫(kù)中調(diào)m該車檔案材料，可發(fā)現(xiàn)沒及時(shí)交納養(yǎng)路費(fèi)的車輛。若與車型檢測(cè)器聯(lián)用，可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。由于能自動(dòng)識(shí)別車牌號(hào)碼，因而極易發(fā)現(xiàn)被盜車輛。這為防范、發(fā)現(xiàn)和追蹤涉及車輛的犯罪，保護(hù)重要車輛(如運(yùn)鈔車)的安全有重大作用，從而對(duì)城市治安及交通安全有重要的保障作用。由于需適應(yīng)各種復(fù)雜背景，加之要識(shí)別的車輛種類繁多、顏色變化多端，以及檢測(cè)時(shí)要適應(yīng)不同天氣變化導(dǎo)致的不同光照條件，因此，目前的車牌識(shí)別系統(tǒng)都或多或少地存在一些問題。 研究的主要內(nèi)容車牌識(shí)別系統(tǒng)車牌識(shí)別系統(tǒng)是以特定目標(biāo)一一車輛牌照為對(duì)象的專用計(jì)算機(jī)視覺系統(tǒng)。一個(gè)典型的車牌識(shí)別系統(tǒng)包括圖像采集、車牌定位、字符分割、字符識(shí)別以及結(jié)果輸出五個(gè)功能模塊，其原理流程如圖11 所示：圖1 車牌識(shí)別系統(tǒng)流程圖 Fig l license plate recognition system flow chart 系統(tǒng)的工作原理：當(dāng)車輛通過檢測(cè)區(qū)域時(shí)，檢測(cè)裝置將車輛的通過信號(hào)傳送到圖像采集設(shè)備；圖像采集設(shè)備采集車輛圖像，并將圖像傳送到計(jì)算機(jī)；計(jì)算機(jī)對(duì)車牌進(jìn)行自動(dòng)定位和識(shí)別并將識(shí)別結(jié)果送至監(jiān)控中心或收費(fèi)處等應(yīng)用場(chǎng)所。下面簡(jiǎn)述各部分的主要功能： (1)圖像采集部分:當(dāng)系統(tǒng)發(fā)現(xiàn)有車輛通過時(shí)(通過檢測(cè)器檢測(cè)或是通過視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè))，觸發(fā)圖像采集系統(tǒng)，一般采用CCD攝像機(jī)攝取車牌前視圖或后視圖，由光照檢測(cè)裝置控制現(xiàn)場(chǎng)的光照，位置檢測(cè)裝置控制攝像機(jī)的拍攝角度。(3)車牌定位：車牌的定位是一個(gè)尋找最符合車牌特征區(qū)域的過程，從本質(zhì)上講，就是一個(gè)在參量空間尋找最優(yōu)定位參量的問題。在車牌定位過程中，由于采集到的圖像中軍牌區(qū)域經(jīng)常是傾斜的，為避免后續(xù)的字符分割和字符識(shí)別的失敗，必須對(duì)車牌行傾斜校正。 (5) 字符識(shí)別:對(duì)分割得到的字符圖像進(jìn)行歸一化處理，進(jìn)行字符識(shí)別，轉(zhuǎn)換為文本存入數(shù)據(jù)庫(kù)或直接顯示出來。 一個(gè)車牌識(shí)別系統(tǒng)是否實(shí)用，最重要的指標(biāo)是識(shí)別率。為了測(cè)試一個(gè)車牌識(shí)別系統(tǒng)的識(shí)別率，需要將該系統(tǒng)安裝在一個(gè)實(shí)際應(yīng)用環(huán)境中，全天候運(yùn)行24 小時(shí)以上，采集至少1000 輛自然車流通行時(shí)的車牌照進(jìn)行識(shí)別，并且需要將車輛牌照?qǐng)D像和識(shí)別結(jié)果保存下來，以便調(diào)取查看。必須認(rèn)識(shí)到的一點(diǎn)是系統(tǒng)的識(shí)別率達(dá)到100%是不可能的，因?yàn)檐嚺普瘴蹞p、模糊、遮擋，或者惡劣的天氣情況(下雪、冰雹、大霧等)都會(huì)影響到系統(tǒng)的識(shí)別率。一個(gè)識(shí)別率很高的系統(tǒng)，如果需要幾秒鐘，甚至幾分鐘才能識(shí)別出結(jié)果，那么這個(gè)系統(tǒng)就會(huì)因?yàn)闈M足不了實(shí)時(shí)要求而毫無實(shí)用價(jià)值。國(guó)際交通技術(shù)提出的識(shí)別速度是1 秒以內(nèi)，越快越好。后臺(tái)管理體系的功能應(yīng)該包括: （1）識(shí)別結(jié)果和車輛圖像數(shù)據(jù)的可靠存儲(chǔ)。 （2）有效的自動(dòng)比對(duì)和查詢技術(shù)。如果車牌號(hào)碼沒有被正確讀取時(shí)，可采用模糊查詢技術(shù)以得出相對(duì)最佳的比對(duì)結(jié)果。一個(gè)好的車牌識(shí)別系統(tǒng)不僅可聯(lián)網(wǎng)運(yùn)行，還需要提供實(shí)時(shí)通信、網(wǎng)絡(luò)安全、遠(yuǎn)程維護(hù)、動(dòng)態(tài)數(shù)據(jù)交互、數(shù)據(jù)庫(kù)自動(dòng)更新、硬件參數(shù)設(shè)置、系統(tǒng)故障診斷等功能。 。目前國(guó)際通行的兩條主流技術(shù)路線是自然光和紅外光圖像采集識(shí)別。 自然光路線是指白天利用自然光線，夜間采用輔助照明光源，用彩色攝像機(jī)采集車輛真彩色圖像，用彩色圖像處理方法識(shí)別車牌。紅外光路線是指利用車牌反光和紅外光的光學(xué)特性，用紅外攝像機(jī)采集車輛灰度圖像，由于紅外特性，車輛圖像上兒乎只能看見車牌，然后用黑白圖像處理方法識(shí)別車牌。因紅外光是不可見光，它不會(huì)對(duì)駕駛員產(chǎn)生視覺影響。采用紅外燈的缺點(diǎn)就是所捕獲的車輛牌照?qǐng)D像不是彩色的，不能獲取整車圖像，并且嚴(yán)重依賴車牌的反光材料。一個(gè)車牌識(shí)別系統(tǒng)的基本硬件配置是由攝像機(jī)、主控機(jī)、采集卡、照明裝置組成的，而軟件是由一個(gè)具有車牌識(shí)別功能的圖像分析和處理軟件，以及一個(gè)滿足具體應(yīng)用需求的后臺(tái)管理軟件組成。另外一種形式是開放式的軟、硬件體系，即硬件采用標(biāo)準(zhǔn)工業(yè)產(chǎn)品，軟件作為嵌入式軟件。開放式體系的優(yōu)點(diǎn)是由于硬件采用標(biāo)準(zhǔn)工業(yè)產(chǎn)品，運(yùn)行維護(hù)容易掌握，備品備件采購(gòu)可以從任何一家供應(yīng)商獲得，不必?fù)?dān)心因?yàn)橐患夜?yīng)商倒閉或供貨不足而出現(xiàn)產(chǎn)品永久失效或采購(gòu)困難的問題。車牌識(shí)別系統(tǒng)有兩種觸發(fā)方式，一種是外設(shè)觸發(fā)，另一種是視頻觸發(fā)。視頻觸發(fā)方式是指車牌識(shí)別系統(tǒng)采用動(dòng)態(tài)運(yùn)動(dòng)目標(biāo)檢測(cè)和圖像序列處理技術(shù)，實(shí)時(shí)檢測(cè)車道上車輛的運(yùn)動(dòng)狀況，發(fā)現(xiàn)車輛通過時(shí)捕捉車輛圖像，識(shí)別車輛牌照，并進(jìn)行后續(xù)處理。車牌識(shí)別系統(tǒng)在實(shí)驗(yàn)室里已經(jīng)取得了令人滿意的效果，但很難應(yīng)用于實(shí)際工程中，這是因?yàn)閷?shí)驗(yàn)室的環(huán)境是處于理想狀態(tài)的，而在自然環(huán)境里，由于受到天氣等因素的影響，識(shí)別率很難達(dá)到要求。牌照缺乏統(tǒng)一的標(biāo)準(zhǔn)。由于缺乏統(tǒng)一的標(biāo)準(zhǔn)，使得車牌識(shí)別過程中字符的分割難度較大，缺乏統(tǒng)一的模式規(guī)則的指導(dǎo)作用。有些牌照被污損，而有些牌照的字符模糊不清，對(duì)光線的散射性不好，這些不確定性極大地影響了識(shí)別的準(zhǔn)確率。車牌附近往往有復(fù)雜的外形或擋車器等，不利于車牌的定位和分割。外界光照條件各不相同，白天和晚上光照不同。不同的光照角度，對(duì)車牌光照的均勻度影響也較大。 外界背景的復(fù)雜程度也影響著車牌的定位準(zhǔn)確率。例如與車牌字符相似的背景遠(yuǎn)處的廣告語容易影響車牌的粗定位。不同實(shí)際工程其攝像方位和角度不一樣。相對(duì)來說，攝像角度越小，車牌在平面圖像中變形越小，識(shí)別效果越好。 光線較暗時(shí)，不同的人工光照角度、方位和亮度對(duì)車牌識(shí)別系統(tǒng)影響也不一樣。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。分辨率大小影響車牌識(shí)別系統(tǒng)的識(shí)別速度和字符的識(shí)別率。分辨率過低，字符識(shí)別率會(huì)下降，字符中的漢字二值化效果較差，車牌識(shí)別系統(tǒng)的識(shí)別率會(huì)下降。而如何準(zhǔn)確且快速地實(shí)現(xiàn)系統(tǒng)要求更是系統(tǒng)設(shè)計(jì)的難點(diǎn)。 (2)紋理特征，目前車輛牌照是由一個(gè)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(gè)字序列。 (3)顏色特征，現(xiàn)有車牌有四種類型：小型汽年的藍(lán)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。 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。目前基于灰度圖像的車牌定位方法主要有以下幾種。該方法利用汽車牌照中文字筆畫變化頻率比較穩(wěn)定的特點(diǎn)，即筆畫間隔的像素是穩(wěn)定在某一個(gè)范圍內(nèi)、筆畫數(shù)也存在下限的特征。這樣在已縮小的范圍內(nèi)再用上述方法進(jìn)行遞歸檢測(cè)，直到牌照位置比較穩(wěn)定為止。 (2)基于數(shù)學(xué)形態(tài)學(xué)的定位方法。數(shù)學(xué)形態(tài)學(xué)進(jìn)行圖像處理的基本思想，是利用一個(gè)結(jié)構(gòu)元素來探測(cè)一個(gè)圖像，看是否能將這個(gè)結(jié)構(gòu)元素很好的填放在圖像內(nèi)部，同時(shí)驗(yàn)證填放元素的方法是否有效。使用數(shù)學(xué)形態(tài)學(xué)方法之前通常先將圖像轉(zhuǎn)換為二值圖片，然后設(shè)計(jì)一結(jié)構(gòu)元素對(duì)圖片進(jìn)行膨脹可以連接車牌區(qū)域像素點(diǎn)，對(duì)圖片進(jìn)行腐蝕可以去除噪聲。通常還耍利用車牌的一些先驗(yàn)知識(shí)去除偽車牌區(qū)域。圖像的邊緣是指在灰度級(jí)上發(fā)生急劇變化的區(qū)域，而在背景或者物體的內(nèi)部這種灰度的變化是比較平緩的。能夠進(jìn)行檢測(cè)的方法有多種，如Roberts邊緣算子、Prewitt算子、Sobel算子以及拉普拉斯邊緣檢測(cè)。各算子對(duì)不同邊緣類型的敏感程度不同，產(chǎn)生的效果也不一樣，經(jīng)過大量實(shí)驗(yàn)分析可知，Roberts邊緣算子是一種利用局部方差算子尋找邊緣的算子，定位比較精確；Prewitt算子和Sobel算子對(duì)噪聲有一定的抑制能力，但不能完全排除偽邊緣；拉普拉斯算子是二階微分算子，對(duì)圖像中的階躍型邊緣點(diǎn)定位準(zhǔn)確且具有旋轉(zhuǎn)不變性，但容易丟失一部分邊緣的方向信息，同時(shí)抗噪能力較差。 使用邊緣檢測(cè)方法的定位準(zhǔn)確率較高，反映時(shí)間快，能有效去掉噪聲，適合于包含多個(gè)車牌的圖像，并且在多車牌圖像的情況下定位速度也很快。定位后的區(qū)域在外界有干擾以及車牌傾斜時(shí)比車牌稍大。因此，很多研究人員認(rèn)為彩色圖像比灰度圖像更有利于圖像分割和目標(biāo)提取。 (2)彩色邊緣檢測(cè)算子與區(qū)域生長(zhǎng)相結(jié)合的牌照定位算法。 (3)利用顏色空間距離和相似度進(jìn)行車牌底色的顏色分割，再采用投影法根據(jù)車牌的寬高比確定車牌候選區(qū)域，最后對(duì)候選區(qū)域的灰度圖像進(jìn)行紋理分割提取車牌。3．2 基于數(shù)學(xué)形態(tài)法的車牌定位基于灰度的方法能很好的利用車牌區(qū)域的灰度分布、字符排列、長(zhǎng)寬比例、邊緣特性等特征?；诓噬珗D像的車牌定位技術(shù)的研究增加了彩色信息，改善了車牌的定位效果。 上述方法雖然已經(jīng)考慮了車牌底色的顏色信息，但是卻沒有考慮到車牌顏色特征的另一個(gè)重要特點(diǎn)，即車牌背景與字符具有固定的顏色搭配。其中，李文舉提出了邊緣顏色對(duì)的概念。車牌背景與字符交界的點(diǎn)必然存在固定的顏色配對(duì)，將這些固定的顏色配對(duì)點(diǎn)稱為顏色對(duì)特征點(diǎn)。以上所述藍(lán)白特征點(diǎn)、黃黑特征點(diǎn)和白黑特征點(diǎn)就是我國(guó)車牌中可能出現(xiàn)的三種顏色對(duì)特征點(diǎn)。 考慮到車牌背景與字符的固定顏色搭配，在HSI彩色空間對(duì)彩色圖像進(jìn)行色彩分析，并找出顏色對(duì)特征點(diǎn)。又考慮到車牌區(qū)域每一行上字符與背景跳變很頻繁，得到顏色對(duì)特征點(diǎn)后，設(shè)計(jì)一種水平方向上的形態(tài)學(xué)算子，把每一行上相距較近的顏色對(duì)特征點(diǎn)連接起來，再使用一個(gè)更大的形態(tài)學(xué)算了進(jìn)行去噪，在得到的車牌區(qū)域中根據(jù)車牌的先驗(yàn)知識(shí)分析去除偽車牌區(qū)域。為了不影響車牌定位的準(zhǔn)確性，我們需要對(duì)圖片進(jìn)行圖像增強(qiáng)。在較暗的圖像中，直方圖的組成成分集中在灰度較低的一側(cè)；而明亮圖像的直方圖則傾向于灰度級(jí)較高的一側(cè)；對(duì)于低對(duì)比度的圖像直方圖 則集中于一段較窄的灰度級(jí)中。對(duì)車牌圖像進(jìn)行直方圖均衡后可以提高其對(duì)比度，有利于提高車牌定位的準(zhǔn)確性。圖 2 RGB分量均衡化 Fig 2 RGB ponent equalization 圖 3 HSI分量均衡化 Fig 3 HSI ponent equalization 以上為彩色圖像均衡化步驟。人類的視網(wǎng)膜南感光細(xì)胞覆蓋。顏色豐要是由視網(wǎng)膜上稱為錐狀體的三種不同的感光細(xì)胞感知不同波長(zhǎng)的光而形成的。因此，紅、綠、藍(lán)這三個(gè)顏色被稱為人類視覺的三原色，由此形成的一套理論稱為三原色原理，R、G、B分別表示構(gòu)成顏色的一個(gè)分量。之所以將顏色模型稱為顏色空間，是因?yàn)槿藗儼l(fā)現(xiàn)用笛卡爾空間坐標(biāo)的形式來映射顏色模型往往顯得更加直觀、有效。圖 4 RGB顏色空間 Fig 4 RGB color space如圖4所示，RGB顏色空間將所有的顏色值映射到一個(gè)立方體中。取值為0表示最小的顏色分量，而l表示最大的顏色分量。 在RGB顏色空間中，黑色(無光)點(diǎn)為坐標(biāo)原點(diǎn)，以(0，0，0)為起點(diǎn)，其他顏色都可以看作足在原點(diǎn)即黑色的基礎(chǔ)上疊加三種顏色分量形成的。用RGB顏色空間來描述色彩雖然方便，但不符合人眼的視覺原理。為了定 量地描述顏色對(duì)人眼的視覺作用，可以選用色調(diào)(hue)、飽和度(saturation)、亮度 (intensity)這三個(gè)與視覺特征有關(guān)的量。色調(diào)是由物體反射光線中占優(yōu)勢(shì)的波長(zhǎng)來決定的，不同的波長(zhǎng)產(chǎn)生不同的顏色感覺，如紅、橙、黃、綠、青、藍(lán)、紫等。顏色的飽和度是指一個(gè)顏色的鮮明程度，飽和度越高，顏色越深，如深紅，深綠。在顏色中加上白色或灰色愈多，其飽和度就愈小。圖 5 HSI顏色空間Fig 5 HSI color space為了準(zhǔn)確迅速地檢測(cè)顏色，需要將圖像由RGB顏色空間轉(zhuǎn)換至HSI顏色空間。3．3．2提取顏色對(duì)特征點(diǎn) 我國(guó)車牌顏色的重要特點(diǎn)是車牌背景與字符具有固定的顏色搭配，即白底黑字(白牌)、藍(lán)底白字(藍(lán)牌)、黑底白字(黑牌)和黃底黑字(黃牌)。 HSI顏色空間模型中的i分量與圖像的彩色信息無關(guān)，h分量抽出了色度而忽略了亮度信息，可以減少光照影響。但是，白色的色度沒有意義，黑色的色度和飽和度也沒有意義，也就是說這些分量取值不規(guī)律。在實(shí)際中的各種車牌顏色的閾值范圍通過收集的樣本車牌的顏色值統(tǒng)計(jì)得到。 在以上的判斷條件里面，藍(lán)色和黑色的取值范圍有重臺(tái)的部分，這是因?yàn)榇婀饩€較晴的條件下，藍(lán)色和黑色的亮度分量比較接近：考慮到四種底色的車牌顏色搭配中，沒有藍(lán)色和黑色的搭配，所以這兩種顏色取值范圍可以有重合的部分。通過上面的分析可以得到車牌及其背景的顏色邊緣點(diǎn)。由于有車牌區(qū)域顏色固定搭配的先決條件．因此，下面還可以繼續(xù)根據(jù)顏色邊緣點(diǎn)的配對(duì)規(guī)律來繼續(xù)排除多余的非車牌干擾點(diǎn)。4 車牌字符分割算法與實(shí)現(xiàn)4．1常見字符分割方法 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(gè)字符區(qū)域。遲曉君等提出了基于投影特征值的車牌字符分割算法。吳進(jìn)軍等提出了車牌字符分割新方法。王興玲提出了基于類間方差車牌字符分割的模板匹配算法。趙海燕等提出了基于最小面積法進(jìn)行的車牌字符分割。陳黎等提出基于聚類分析的車牌字符分割方法。北京理工大學(xué)的吳大勇、魏平等提出了基于區(qū)域最小值判斷分割點(diǎn)的算法引。在確定具體分割點(diǎn)時(shí)，先找投影信息的波谷橫坐標(biāo)x，接著利用以x為