復雜背景下的車牌自動識別系統(tǒng)

1．2 車牌的定位
根據(jù)拍攝到的車牌圖像的特點，牌照一般是在圖像的下方，且牌照下方多數(shù)是地面，在水平方向上，地面的圖像灰度分布比較均勻；而牌照區(qū)域由于圖像字符的分布，使得圖像灰度值在水平方向上的變化頻率比較大，且變化間隔較均勻。根據(jù)上面的分析，車牌從下至上來定位可以避免上面復雜背景的干擾，縮短定位時間。圖像不同部分的水平灰度值變化如圖4～7所示，其中圖4是車牌區(qū)域中字符下邊緣的與上邊緣的水平灰度值的變化(圖中白線所示)，圖5是車牌區(qū)域外下邊緣與上邊緣的水平灰度值的變化。根據(jù)灰度值的變化便可定位出車牌的字符區(qū)域，如圖6所示。

2 字符的分割
經(jīng)過圖像分割后的車牌區(qū)域中，字符與牌照底的內(nèi)部灰度較均勻，而字符與底色在灰度上有較大差異，并且字符間有明顯的間距。根據(jù)這個特點，將字符區(qū)域中字符像素的個數(shù)垂直投影來進行字符的分割。設置一個閾值T用來區(qū)分字符與牌照底色，hhi(0≤iW)表示水平位置i處字符在垂直方向的像素個數(shù)，W表示車牌區(qū)域的寬度。當字符區(qū)域的灰度值h>T時，對應的水平位置的hhi自增1。統(tǒng)計后hhi顯示如圖7所示，可以看出灰度值的垂直投影間存在明顯的間隔，并與字符間隔相對應。
根據(jù)hhi的值，當

根據(jù)式(2)分割后的字符如圖8所示，分割效果比較明顯。

3 結(jié)論
本文提出了一種改進的模糊C均值聚類算法用來對車牌圖像進行分割，改進算法中通過圖像灰度直方圖來初始化聚類中心與聚類數(shù)目，并對聚類中的隸屬度做了相應的修正。在車牌定位與字符分割中，結(jié)合車牌中字符的分布特點，根據(jù)水平灰度值的變化曲線，來實現(xiàn)車牌的定位；根據(jù)字符區(qū)域中字符像素個數(shù)的垂直投影，來實現(xiàn)字符的分割。本文中的算法采用VC++6．0編程實現(xiàn)，并對多幅背景復雜的車輛圖像進行了實驗，實驗結(jié)果表明該算法能夠較快、較準確地獲得車牌自動識別效果。