论文导读:：介绍了校园车牌识别系统中存在的问题，提出综合校园车牌的特点，采用Matlab和C#联合编程实现车牌快速定位和识别。实践证明，该系统简化了识别流程，减低了硬件成本，识别效果较好。
关键词：车牌识别，联合编程，多特征，灰度二值化，倾斜矫正
0 前言
车牌是机动车唯一的管理标识符号，车牌识别是智能化交通系统中的核心技术[1]。目前，小轿车数量大大增加，如何设计一种适合校园使用的车牌识别系统成为研究的热点。
1 校园车牌识别系统中的困难
一般的车牌识别系统，往往需要高速摄相机、采集卡、高性能计算机和设计比较复杂的软件，造价较高。能不能通过常规的摄像头等低廉的硬件，配合简化识别流程的快速识别系统实现校园车牌识别系统呢？笔者对此进行了研究。
2 校园车牌快速识别系统的思路
实际上，校园中的车牌识别是有一定特点的。首先，校园中的车辆主要为小轿车倾斜矫正，也就是具有蓝底白字的特征[2]。其次，这些车牌的长宽比是固定的，没有边框的为4.5，有边框的为2.7。再次，车牌中含有类字符区，即横向区域灰度有明显波峰波谷变化[3]。另外，与高速公路上的汽车不同，校园中的小轿车行驶的速度较慢，普通摄像头完全能满足应用需求。综合这些特点，可以设计出步骤简化、成本低廉的识别系统。
3 校园车牌识别系统的设计流程
基于多特征的校园车牌快速识别系统的硬件部分为普通的摄像头和计算机，而软件部分采用在图像处理上具有独特优势的Matlab和擅长界面的C#联合编程实现。一般来说，车牌识别包括车牌定位、车牌字符分割和车牌字符识别等步骤，但实际上，摄像头获取到的车牌的角度并不标准，因此，还需要进行矫正。因此，其设计流程如如1所示。
图1 系统的设计流程
4 校园车牌识别系统的实现
4.1 车牌快速定位
首先，通过对蓝底白字车牌的特征倾斜矫正，可以实现快速定位。根据经验，采用如下公式能非常快速的找到车牌：
Blue>80&Blue>Green*1.9&Green>Red
输入图片和定位后的效果如图2所示论文网。
 
图2 输入照片和定位后的图片
4.2图像灰度二值化
彩色图像信息量较大，极大影响计算的速度[4]。因此，应把图像转换为灰度图像。在Matlab中，采用rgb2gray命令[5]，即可将彩色图像快速转换为灰度图像，效果如图3所示。
图3 图像灰度二值化
4.3车牌倾斜矫正
由于拍摄条件的多样性和实际情况的差异性,摄像头采集到的图像质量不一样,车牌图像难免存在倾斜,给后面的字符分割带来困难,进而影响到字符识别的准确率。因此需要进行车牌倾斜矫正。
一般来说，可以采用radon变换或Hough变换[6]。例如，采用sobel边缘检测算子对图3进行radon变换，即可实现快速矫正：
[R,P]=radon(I,theta);
[K,J]=find(R>=max(max(R)));
I=imrotate(I, 90-J);
效果如图4所示。
图4矫正后图像
4.4字符分割和字符提取
完成定位、矫正后，可以采用垂直投影法、连通区域法和静态边界法等方法实现字符分割和字符提取[7]。最后，利用神经网络、PSO算法等技术，将提取到的字符和字库中存放的模板进行比较分析，即可获得最终的结果[8]。
4.5联合编程
虽然Matlab在图像处理方面具有无可比拟的优点，但是其GUI设计、网络通信、数据库交互等方面的能力不足，因此本系统采用了微软的旗舰语言C#进行设计架构、调用Matlab子函数的思路。
首先，在Matlab中设计好各个图像处理的子函数。然后，用deploytool对子函数创建NET类型的工程倾斜矫正，编译好相应的动态链接库文件(dll)。最后，在Visual Studio 2010中引用MWArray.dll后，即可正确调用Matlab图像处理的功能了。其核心程序如下：
using bao;
usingMathWorks.MATLAB.NET.Utility;
usingMathWorks.MATLAB.NET.Arrays;
bao.LPR carPic = newbao.LPR );
carPic.identify(image);
该系统对某大学校园中抓拍的一百多张小车图片进行了识别，效果良好。
5 结束语
根据校园车牌的多种特征，利用Matlab和C#联合编程，通过快速定位、灰度二值化、倾斜矫正、字符分割和字符提取步骤，实现校园车牌识别系统，大大简化识别流程，减低成本，提高了识别的速度和准确率。
参考文献
[1]陈银燕.车牌识别算法的研究与实现[D].优秀硕士论文,哈尔滨理工大学,2008:1-5.
[2]魏先民.蓝底白字汽车牌照的定位方法[J].福建电脑,2006,(04):160-161.
[3]冯伟兴.汽车牌照定位及车号识别技术研究[D].哈尔滨工程大学,2005:12-13.
[4]庞茂群,邓开发.一种基于灰度图像的车牌定位方法[J].计算机工程与科学,2009,31(10):39-41.
[5]王嘉梅,苏红,陆高等.基于图像分割的静止图像车牌识别系统研究[J].云南民族大学学报(自然科学版),2005,14(1):75-77.
[6]林俊,杨峰,林凯.一种利用Hough变换和先验知识的车牌识别新方法[J]. 信息化纵横,2009,(17):23-25.
[7]Sang U k Lee,Seok YookChung.A Comparative Performance Study of Several Global Thresholding Techniquesfor Segmentation[J].Computer Vision,
Graphics,and ImageUnderstanding.1990,50(2):17-19.
|
