復雜背景下的車(chē)牌自動(dòng)識別系統

1．2 車(chē)牌的定位
根據拍攝到的車(chē)牌圖像的特點(diǎn)，牌照一般是在圖像的下方，且牌照下方多數是地面，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。根據上面的分析，車(chē)牌從下至上來(lái)定位可以避免上面復雜背景的干擾，縮短定位時(shí)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(chē)牌區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(xiàn)所示)，圖5是車(chē)牌區域外下邊緣與上邊緣的水平灰度值的變化。根據灰度值的變化便可定位出車(chē)牌的字符區域，如圖6所示。

2 字符的分割
經(jīng)過(guò)圖像分割后的車(chē)牌區域中，字符與牌照底的內部灰度較均勻，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。根據這個(gè)特點(diǎn)，將字符區域中字符像素的個(gè)數垂直投影來(lái)進(jìn)行字符的分割。設置一個(gè)閾值T用來(lái)區分字符與牌照底色，hhi(0≤iW)表示水平位置i處字符在垂直方向的像素個(gè)數，W表示車(chē)牌區域的寬度。當字符區域的灰度值h>T時(shí)，對應的水平位置的hhi自增1。統計后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hhi的值，當

根據式(2)分割后的字符如圖8所示，分割效果比較明顯。

3 結論
本文提出了一種改進(jìn)的模糊C均值聚類(lèi)算法用來(lái)對車(chē)牌圖像進(jìn)行分割，改進(jìn)算法中通過(guò)圖像灰度直方圖來(lái)初始化聚類(lèi)中心與聚類(lèi)數目，并對聚類(lèi)中的隸屬度做了相應的修正。在車(chē)牌定位與字符分割中，結合車(chē)牌中字符的分布特點(diǎn)，根據水平灰度值的變化曲線(xiàn)，來(lái)實(shí)現車(chē)牌的定位；根據字符區域中字符像素個(gè)數的垂直投影，來(lái)實(shí)現字符的分割。本文中的算法采用VC++6．0編程實(shí)現，并對多幅背景復雜的車(chē)輛圖像進(jìn)行了實(shí)驗，實(shí)驗結果表明該算法能夠較快、較準確地獲得車(chē)牌自動(dòng)識別效果。