基于MATLAB图像处理的恶劣天气自动车牌识别系统设计

许多 张仕霞

摘 要 针对恶劣天气环境下传统的自动车牌识别系统存在运行时间长、输出车牌信息不准等问题，本文提出了借助MATLAB的图像处理功能从图像去雾、车牌定位、字符识别三个模板进行自动车牌识别系统的设计，并采用暗通道优先、支持向量机、模板匹配三种算法，通过实验验证了车牌定位和字符识别的准确性提高效果良好。

关键词 车牌识别  暗通道优先  支持向量机  模板匹配

中图分类号  TP3文献标志码  A

引 言

全球汽车的使用越发呈爆炸式增长，人类的生活出行更加方便了，但同时也对城市交通造成了巨大的压力。车辆的普及对交通设施与交通监管部门提出了更高的要求，传统的人工管理手段和交通基础已经不足以解决日益繁重的车辆管理工作[1]。为了更加智能、高效的交通监督与管理，人们基于人工智能技术的发展提出了“智慧交通”的概念，通过使用一系列的车辆检测和道路实时监控设备来获取道路交通的各类信息，实现了交通管理的自动化、智能化。

智能交通系统是将传感器技术、自动控制理论、人工智能等科学技术有效结合并综合运用于现代交通的运输管理体系。车牌作为一辆车的重要信息源，自动车牌识别技术更是智能交通系统的重要组成部分。

自动车牌识别系统对当今世界的交通工作的处理起到不容忽视的作用[2]。

在恶劣天气条件下，自动车牌识别系统受到灰尘、烟雾以及污渍遮挡等影响，使得图像模糊不清、信息不准等现象，这将大大降低所得图像的利用价值[3]。因此，设计一种准确且功能强大的车牌识别系统非常重要。本文基于MATLAB设计能够在恶劣天气下使用的自动车牌识别系统。

0 系统结构设计

在恶劣天气环境下实现对车辆车牌的检测与识别，自动车牌识别系统主要从图像去雾、车牌定位、字符识别三个模块进行设计[4]，设计结构流程如图1。

3.4 边缘检测

边缘检测能够标出车牌信息的大幅度变化，可以使车牌在没有背景和车牌字体的情况下进行分离，以此防止提取图像颜色特征值时周围出现类似颜色对过程造成干扰。图5显示边缘检测后的车牌图像。

3.5 支持向量机定位车牌

找到车牌所在的区域是识别车牌信息的重点。通常情况车牌都为矩形，有固定的长宽比，一般是根据研究对象的大小形状进行识别。

但是如果仅依靠车牌大小尺寸来定位车牌区域具有局限性。要解决此类问题，可以使用机器学习中的支持向量机（SVM）对车牌区域进行分类[8]。SVM会从图像中识别一些独有的特征集，用这样的功能来训练SVM再对其他图像进行测试。

3 字符识别

在上述过程中已经成功将车牌位置定位，但是依然将面对在恶劣天气下，如积雪、泥渍等附着在车牌上导致车牌字符不能正确显示，从而使系统不能准确检测出车牌的正确信息。本文将采用模板对比的方法来解决此类问题，以提高系统检测准确度[9]。

4.1 字符分割

车牌的字符间隔一般比较大，字符与字符间是没有连接的，所以本文寻找有连续文字的字符块，按照字符的宽度来确定出合适的阈值，假如宽度大于这个阈值，即说明这一块是多个字符的组合，便需要对这一部分进行切割，然后保存剩余部分并且覆盖住原来的图像继续进行切割，依次执行，直到分割出所有字符。当所有字符都被分割出后就能够进行下一步的字符识别。图6便是此阶段分割出来后的车牌单个字符。

4.2 光学字符识别

目前光学字符识别（ORC）对车牌字符的检测主要有两种算法：一是基于人工神经网络的算法以及基于模板匹配的算法。本文将采用模板匹配算法来进行车牌字符的识别。

模板匹配即使用模板图像和原始图像进行比较，寻找原始图像中是否存在与该模板图像相同或相似的区域，即事先分割好的单个字符依次与模板图像作对比，最为相近的即默认输出为正确结果。本文使用的测度方法是误差平方和。

4.3 输出车牌字符信息

4 實验结果及分析

为验证本文设计的系统在精确度和效率上均优于传统的识别系统，设计了验证模型与本文系统进行比较。验证模型在图像去雾时采用直方图均衡化算法且车牌定位时仅依靠车牌大小尺寸不引入支持向量机进行分类，其余过程在与本文设计系统过程一致。

通过实验显示，验证模型因为仅依靠车牌尺寸进行定位，所以定位车牌时的错误率很大，即使定位出了正确位置，但是输出的车牌信息却无法保证准确性。

5 系统平台搭建

为实现信息交互，本系统基于MATLAB GUI搭建图形化操作界面[10]。点击“输入图像按钮”即可开始预处理图像，预处理的过程即对输入图像进行去雾、以及车牌定位功能，成功定位车牌后便可以点击“检测车牌信息”输出识别后的字符信息。

6 结束语

在全球逐渐加剧的恶劣天气问题下，复杂环境下的车牌识别就显得尤为重要，要有效获取车牌的准确信息比较困难。本文提出了优化系统，并通过基于MATLAB对车牌图像识别的模拟研究，对已有的自动车牌识别系统进行了算法的改进。通过实验验证本文的优化系统具有有效性。

参 考 文 献

[1] 邓嘉诚，黄贺声，杨林，魏亚东.车辆牌照识别技术现状[J].现代信息科技，2019，3（16）：78-83.

[2] 张莉莉，武艳.基于 MATLAB 的车牌识别系统的设计仿真[J].数字技术与应用，2017（10）：127-128.

作者简介：许多，2000年2月，男，汉，出生地：四川巴中，所属学校：西南财经大学天府学院，所属部门：智能科技学院，研究方向：机器学习、图像处理、生物信息