车牌识别掀起交通管理的智能篇章

　　图像识别

　　算法

　　目前车牌识别系统的软硬件相对而言都较为成熟，其中图像识别的过程虽然根据各个厂家的研发能力与侧重点有所不同，但其大致过程可总结为如下五个步骤：

　　· 图像的预处理：对采集到的图片的背景以及噪声进行处理，方便后续工作;

　　· 车牌定位：通过形态学滤波等方式，使车牌区域连通，并根据车牌的先验知识，对联通区域进行筛选;

　　· 车牌校正：捕捉到的车牌可能跟摄像头存在角度差，用相应算法进行变换校正;

　　· 车牌分割：对车牌进行投影分析的时候，根据车牌字符之间的宽度使之分割成一个个字符;

　　· 字符识别：模板匹配，对分割来的字符进行归一化，与标准字库里的字符进行逐一比较识别。

　　“近年来出现了一些较新的识别算法与技术，如扩展小波分析、Fractal、Morphology、Retinex、超分辨率以及遗传和神经网络算法等。其中Fractal算法广泛用于图形/图像处理和纹理分析，将杂乱无章随意性很强的事物以数学的方法加以规范和描述，在分析和描绘自然现象上有独到之处。Retinex是基于人类视觉系统的图像增强理论，可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，具有很广的应用前景。而超分辨率算法，可以以人为的方式模拟地恢复出图像获取过程中丧失的一些信息，使数字图像能够还原为原始信息。这些算法和理论在未来图像处理技术发展的道路上都可能产生很大的影响。”大华产品经理朱克玉对于近年来出现的算法做了如上归纳。

　　而杭州中威电子股份有限公司工程师陈芝斌则进一步补充了国外的相关进展：“YuniaoCul提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。EunRyung等利用图像中的颜色分量，对车辆牌照进行定位识别，其中提到了三种方法：以Hough变换为基础的边缘检测定位识别;以灰度值变换为基础的识别算法;以HLS彩色模式为基础的车牌识别系统，它们的识别率分别为81.25%、85%、91.25%。”