数字图像分析技术在车牌识别中的应用研究

钟彩 杨兴耀 周翼

摘要：文章以解决城市交通问题为依据，分析了数字图像分析技术在车牌识别领域中的应用，首先对该技术进行了介绍，了解到其应用的优势，其次阐述了技术应用要点与问题，为之后的工作明确方向，最后分析了数字图像分析技术的实际运用，目的在于发挥技术优势，高效率识别车牌信息。

关键词：数字图像分析技术；车牌识别；噪声点；城市交通

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2019）04-0204-02

信息时代下，社会发展也逐渐朝着智能、科技的方向不断发展，这就为各个行业明确了新的发展目标。城市交通领域，随着人们经济能力的不断提升，汽车购买力也随之提升，导致城市中出现交通堵塞的问题，有时一旦出现事故，无法快速识别车牌，严重影响了办事效率。为此，研发车牌图像预处理、定位与分割识别技术，设计一种适合现代智能交通系统，成为解决城市交通自动管理问题的有效方法。

1 数字图像分析技术概述

数字图像分析技术中囊括了数据数字通讯传输技术、信息技术、电子控制技术以及计算机图像处理技术，是覆盖多领域的一种信息化智能技术，其本身拥有以下特点：

1.1 准确度高

根据现有相关技术，完全可以将模拟图像数字转化成任意尺寸的二维数组，其关键在于图像数字化设备性能。那么计算机这一信息设备，不考虑数组和像素的数位，所有的处理程序大致相同[1]。也就是说，原理角度不管图像精度如何，都能够完成分析工作，只需要对程序内数组参数进行改变。所以对于数字图像分析技术而言，其本身准确度也非常高。

1.2 图像再现性高

数字图像分析技术和模拟图像处理技术之间存在很大区别，前者不会受图像存储、传输等因素的影响而出现降低图像质量的现象。图像数字化处理时需要将原稿再现，那么数字图像分析期间便可以始终保证图像清晰地体现出来。如此一来，车牌识别也有了强大的技术支持。

1.3 信息压缩性能强

信息论范畴内将数据压缩称作信源编码，数字图像包含的所有像素点便被赋予了关联性。图像画面当中的一些像素均存在相似的灰度。以电视画面为例，处于同一行的两个相邻像素之间的相关系数超过0.9，临近两帧相关性所具有的关联性要大于帧内相关性。所以，数字图像分析技术应用过程中体现出非常强的信息压缩性能，有利于缩短数据储存需要的时间与空间。

2 数字图像分析技术应用要点与问题

2.1 应用要点

1）车牌图像预处理。图像质量是影响车辆识别率高低的关键因素，将数字图像分析技术应用于车牌识别，其原理是对高清摄像抓拍采集到的原始图像进行噪声过滤、二值化、边缘增强、对比度调整等前期预处理；2）车牌图像定位。从预处理后的车牌图像中进行定位操作，这是车牌识别系统的一个难点，车牌定位的准确与否直接决定后面字符分割和识别效果。数字图像分析技术应用的核心是对车牌图像纹理特征分析定位，在经过图像预处理之后的灰度图像上进行行列扫描，通过行扫描和模板匹配方法先确定在列方向上含有车牌线段的候选区域，再确定该区域的起始行坐标和高度，然后对该区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域，本项目以改进的Hough算法，来实现车牌图像准确定位；3）车牌字符分割及识别。图像定位出车牌区域后，通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域，然后根据字符尺寸特征采用动态模板法进行字符分割，并将字符大小进行归一化处理，然后通过分类判别函数和分类规则，与字符数据库模板中的标准字符表达形式进行匹配判别，就可以识别出输入的字符图像。本文采用垂直投影自适应算法，将车牌7个字符（包括汉子、字母和数字）从定位后的牌照区域分割出来，然后采用神经网络的图像识别方法，识别率达到99%以上。

2.2 存在问题

1）车牌预处理及定位。实际应用过程中，动态采集到的图像进行滤波、边界增强等需要深入处理，缓解图像带来的干擾，并且优化车牌识别效果，采用预处理方法来获取车牌的倾斜度，并进行旋转校正，去除车牌的边框和铆钉。以区域波峰密度为特征，提出一种基于改进的Hough变换算法对车牌进行自动定位；2）车牌分割及识别。将字符（包括汉字、字母和数字）从定位后车牌图像进行数学形态学的膨胀运算以强化整个字符信息，再对膨胀后的图像进行形态学开运算以去除孤立的噪声点，结合垂直投影法、模板匹配法和识别车牌的先验知识来获取车牌字符的左右分割位置，采用垂直投影的自适应算法对分割后的单个车牌字符进行大小归一化处理。

3 数字图像分析技术在车牌识别中的应用

通过数字图像分析技术进行车牌识别，需要建立一种实时、准确、高效的自动管理系统，以实现城市机动车辆的自动化管理，达到提高交通运输效率，缓解交通堵塞，提高路网通过能力，减少交通事故的目的。为了最大程度发挥出数字图像分析技术优势，展开以下分析：

3.1 前期车牌图像的识别与定位

通过数字图像分析技术识别车牌，重点在于车牌图像的分析与处理，这一点主要涉及三个技术：1）车牌图像预处理：对采集到的车牌图像进行前期分析，采用二值化处理和增强操作，消除图像中无关信息，将图像的主要特征突现出来，只留车牌有效区域；2）车牌图像精准定位：从预处理后的车牌区域中提取相应特征值，通过模板匹配方法确定其中心坐标，利用改进后的Hough算法，实现对车牌图像的准确定位；3）车牌字符分割及识别：采用垂直投影自适应算法，将车牌7个字符（包括汉子、字母和数字）从定位后的图像区域中分割出来，然后通过分类判别函数和分类规则，与字符数据库模板中的标准字符表达形式进行匹配判别，就可以识别出输入的字符图像，识别率达到99%以上。

3.2 车牌图像的处理

3.2.1 几何处理

车牌图像的几何处理，主要是将坐标进行变换，再通过放大、缩小以及旋转等方式，将诸多图像配准，并展开图像全景的畸变与校准，从而计算图像的周长和面积[2]。

3.2.2 图像变换

因为车牌图像有很大的阵列，可以在空间域內直接处理，所以期间涉及很大的计算量[3]。鉴于此，一般会通过图像变换使空间域处理变更为变换域处理，一方面可以将车牌识别中的计算量减少，另一方面也可以提高图像处理效果。

3.2.3 图像增强

车牌处理过程中，对其进行图像增强主要目的在于以下几点：1）通过相应的技术将图像视觉效果进行优化，以保证车牌图像清晰度；2）将车牌图像转变成符合所具备分析的模式，处理之后将重要信息凸显出来，从而提高图像信息应用价值[4]。立足于作用域这一角度，图像增强也可以体现为空间域增强、频率域增强这两个方面，空间域增强主要是直接展开图像像素灰度的处理，频率域则是基于傅立叶变换处理图像像素灰度。

3.2.4 图像复原

车牌识别过程中，图像的传输与记录会因为一些因素降低图像质量，也就是所谓的图像退化，重点表现为图像模糊、失真等。使用图像复原这一方法，可以将其中存在的干扰、模糊等消除，确保图像可以恢复原状。实际应用过程中，需要先构建退化模型，通过不同逆退化技术恢复图像。

3.2.5 图像分割

所谓图像分割，即将车牌识别到的图像划分成彼此不重叠的区域，将所需要的关键信息提取出来。一般比较常用的分割技术包括边缘检测、边缘跟踪以及分裂分割法等几种，通过合理分割达到以下几个目标：（1）提取有价值的信息；（2）发现最佳分割渠道，建立质量评价机制；（3）通过信息化技术实现自动化分割。

3.2.6 图像重建

以上分析的几种分析、处理方式均是关于图像的处理，输入、输出的内容均为图像。但是图像重建这一方法，是关于数据的处理，输入数据之后获得的结果为图像[5]。车牌识别过程中，图像重建一般是应用代数法或者迭代法、卷积反投影法等，尤其是卷积反投影法的应用最普遍，这主要是因为效率高、运算量少。需要注意的是，三维重建算法也是发展比较迅速的技术，涉及计算机图形学的相关知识，将若干二维图像合成处理之后可以获得三维图像，这时再利用光照模型以及渲染技术，便可以获得高质量的图像。

3.2.7 图像编码

图像编码这种处理技术术语信息论范围，其核心在于按照视觉生理学、心理学所体现出来的诸多特点，通过图像信号统计功能对车牌图像信号展开编码处理，也就是所谓的数据压缩技术，比较适用于大数据量图像的处理。通常图像编码可以有效缩小图像分析数据的存储量，使数据存储与传输更加快捷，同时也能够高质量压缩信息，便于提取车牌图像中有价值的信息，为之后的车牌识别提供参考。

3.2.8 模式识别

模式识别是数字图像分析技术的一个全新范畴，比较常见的识别方式有统计识别、句法结构模式识别以及模糊识别这三种方法[6]。其中，统计识别方法更加关注图像特征的识别，句法结构识则是以结构、基元为主，模糊识别主要是将模糊数学所涉及的概念体现在车牌图像识别与分析当中。

4 结束语

综上所述，数字图像分析技术在车牌识别中应用，可以凭借技术本身的优势建立自动管理系统，快速识别车牌中的有效信息，有效提升交通运输效率，最大限度地缓解交通堵塞问题。

参考文献：

[1] 魏程程.数字图像隐写与隐写分析技术的研究[J].信息与电脑（理论版），2018（12）：213-215.

[2] 丁圆圆，张振，赖华伟，王永刚.基于数字图像相关性方法的脆性材料拉氏反分析实验技术[J].爆炸与冲击，2018，38（06）：1310-1316.

[3] 董湘婉，袁向荣，任张晨，徐旻杰，刘辉.数字图像技术在三等跨连续梁振动分析中的运用[J].实验室研究与探索，2018，37（03）：14-16.

[4] 赵一帆，王付胜，裴惠，刘佳杭.基于数字图像技术的LY12铝合金形变分析[J].理化检验（物理分册），2018，54（01）：1-5+11.

[5]孙千喜.大数据时代下数字图像分析与处理技术在篮球方面的应用[J].中国新通信，2018，20（01）：209-210.

[6] 卞秀蓉，周子勤.数字图像处理技术与边缘检测分析[J].现代信息科技，2017，1（04）：54-55.

【通联编辑：光文玲】