一种车牌字符自动识别方法

摘要

本发明公开了一种车牌字符自动识别方法，包括以下步骤：输入彩色车辆图像；对图像进行预处理；在不同光线条件下选择不同算法进行车牌定位；车牌进行水平倾斜矫正和垂直倾斜矫正；采用基于聚类连通和垂直投影的方法对步骤d得到的车牌进行字符分割；使用改进的模板匹配法对步骤e得到字符进行字符识别；输出步骤f的识别结果。本发明的车牌字符自动识别方法，显著地提高整个车牌字符自动识别系统的使用性能。在所述车牌定位步骤中，本发明能够利用车牌区域的特点，在不同光线条件下选择不同算法进行车牌定位，保证在出现干扰的情况下也能准确定位车牌区域位置。

主权项

一种车牌字符自动识别方法，包括以下步骤：a、输入彩色车辆图像；b、对步骤a得到的彩色车辆图像进行预处理；c、在白天光线比较好的情况下，采用基于颜色点对搜索和数学形态学的车牌定位算法对步骤b得到的彩色车辆图像进行车牌定位；在白天光线不佳或者夜晚情况下，采用基于灰度图像的车牌定位算法对步骤b得到的彩色车辆图像进行车牌定位；假设车牌的字符颜色为A色，车牌的底色为B色，步骤c中所述基于搜索颜色点对与数学形态学的车牌定位算法包括以下步骤：(一)对含有车辆的彩色图像进行灰度化和二值化处理，计算最大方差阈值，得到相应的二值图像；(二)在计算机内存中开辟一块内存区域，用于存储二值图像数据，二值图像的长宽与彩色图像的长宽相等，每个像素点的值初始化为255；(三)扫描二值图像中的A色像素点，如果在彩色图像相应位置左侧找到B色像素点，则认为这个A色像素点是车牌字符与车牌底色的起始边界点，即车牌字符的起始像素点，标记这个点的位置；(四)继续扫描二值图像的A色像素点，如果在彩色图像相应位置的右侧找到B色像素点，则认为这个A色像素点是车牌字符与车牌底色的终止边界点，即车牌字符的终止像素点，并标记这个点的位置；(五)如果车牌字符的起始像素点与车牌字符的终止像素点相差值在50个像素之内，则认为这块区域为车牌字符像素点区域，并在步骤(三)的图像中用黑色像素点标记这些点；(六)完整扫描整幅图像，直到找出图像中的所有A色和B色颜色点对；(七)使用二值开运算处理对步骤(6)得到的颜色点进行处理；(八)使用腐蚀操作对二值开运算处理以后的颜色对进行处理，进一步扩大颜色点对的范围；(九)使用膨胀操作对颜色点对进行处理，得到一片连续的像素点区域，这块区域就是车牌候选区；步骤c中所述基于灰度图像的车牌定位算法包括以下步骤：A1、首先对含有车辆的彩色图像进行灰度化和二值化处理；B1、采用每隔三行扫描一行的方法，标记黑白像素点变化次数最多的行号r_m，并记下变化次数m；C1、以r_m为基础，统计上下3行，判断其黑白像素点变化次数是否与第r_m行的变化次数接近，车牌区域的黑白像素点的变化次数的范围是从0.75m到1.25m，即车牌中黑白变化的次数是在一个稳定范围之内，而非车牌区域的黑白像素变化次数是不稳定的；D1、重复步骤B1和步骤C1，得到车牌的上下边界，从而确定车牌候选区；d、分别对步骤c定位得到的车牌进行水平倾斜矫正和垂直倾斜矫正，其中，车牌的水平倾斜矫正和垂直倾斜矫正分别采用基于车牌边缘点纵坐标方差最小的水平倾斜校正法和基于单个字符垂直倾斜角度的车牌整体垂直倾斜校正法进行；e、采用基于聚类连通和垂直投影的方法对步骤d得到的车牌进行字符分割；所述基于聚类连通和垂直投影的方法先找出图像中的连通域，再通过车牌的先验知识对连通域进行筛选；f、使用改进的模板匹配法对步骤e得到字符进行字符识别；其中，改进的模板匹配法包括以下步骤：(1)建立匹配模板库；(2)对车牌字符进行细化运算，使得字符的笔画宽度为一个像素宽度；(3)对步骤(2)得到的车牌字符滤除离散噪声点；(4)将经过细化和滤除离散噪声点以后的车牌字符进行归一化处理，归一化处理以后进行图像反转处理，将车牌背景变成白色，字符变成黑色；(5)将步骤(4)得到的车牌字符图像与匹配模板库进行对比，得到匹配模板；(6)扫描车牌字符图像，当遇到一个字符像素时，在匹配模板5×5的像素区域范围内寻找最近的字符像素点，并计算最近的字符像素点与匹配模板最近距离的大小，计算车牌字符像素与匹配模版的最小距离之和，找出车牌字符与匹配模板的最小距离之和；(7)扫描匹配模版图像，当遇到一个字符像素时，在车牌字符5×5的像素区域范围内寻找最近的字符像素点，并计算最近的字符像素点与车牌字符最近距离的大小,计算匹配模版与车牌字符的最小距离之和，找出匹配模版与车牌字符的最小距离之和；(8)比较(6)和(7)的最小距离之和，取小值对应模板作为车牌字符的匹配结果；(9)按照上述步骤将车牌字符一一进行匹配，最终得到车牌信息；g、输出步骤f的识别结果。