下载文档原格式
微电子学与计算机２００７年第２４卷第２期１引言智能交通系统（ＩＴＳ）是一个热点研究领域，受到日益广泛的关注，车牌识别是其重要组成部分。
对行驶车辆的牌照进行自动识别，从而完成自动收费、无人停车管理等，这无疑节省了人力、物力，同时提高了交通管理的效率。
车牌识别系统主要包括四大部分，如图１所示。
在准确定位车牌后，字符分割的好坏对字符识别率起着至关重要的作用。
由于处于实际环境中，受天气、光照、观察点的影响，经定位后的车牌还是存在各种各样的噪声。
因此，必须对图像进行预处理，以改善图像质量，提高字符识别率［１￣３］。
２面向字符分割的图像预处理２．１光照不均校正与对比度增强车牌不可避免的存在噪声，而且由于车牌识别系统在室外２４小时工作，光照度大范围变化，也存在光照不均，亮度太低、对比度太小等情况，这些都会降低系统的字符识别率，因此需要采取去噪，光照不均校正和对比度增强等措施。
本文应用中值滤波滤除噪声，通过低通滤波获得图像背景的照度估计，再从原始图像中减去此照度来校正光照不均［４］，然后通过对比拉伸变换增强对比度［５］。
２．２二值化分割由车牌定位得到的车牌字符图像一般为彩色图或灰度图，为方便后面的字符分割和识别要先对图像进行二值化处理，二值化的好坏直接影响到后一种新的车牌图像字符分割与识别算法陈振学１，汪国有１，刘成云２（１华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室，湖北武汉４３００７４）（２武汉科技大学信息科学与工程学院，湖北武汉４３００８１）摘要：提出了一种新的字符分割算法，该算法利用由中间向两端搜索的方法确定字符的上下边界，且利用一维循环清零法及先验知识垂直分割得到单个的字符。
实验结果表明，该算法较好的解决了以上问题，适用于各种质量的车牌图像，分割的正确率较高。
关键词：智能交通系统；字符分割；投影特征；先验知识中图分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１０００－７１８０（２００７）０２－００４２－０３ＡＮｏｖｅｌＡｌｇｏｒｉｔｈｍｏｆＣｈａｒａｃｔｅｒＳｅｇｍｅｎｔａｔｉｏｎｉｎＬｉｃｅｎｓｅＰｌａｔｅｓＲｅｃｏｇｎｉｔｉｏｎＣＨＥＮＺｈｅｎ－ｘｕｅ１，ＷＡＮＧＧｕｏ－ｙｏｕ１，ＬＩＵＣｈｅｎｇ－ｙｕｎ２（１ＩｎｓｔｉｔｕｔｅｏｆＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ＆ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＳｔａｔｅＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎＬａｂｏｒａｔｏｒｙｆｏｒＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ＆ＩｎｔｅｌｌｉｇｅｎｃｅＣｏｎｔｒｏｌ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）（２ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅＬＰＲ（ＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ）ｓｙｓｔｅｍｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｓｔｅｐｓ：ｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｎｇ，ｃｈａｒａｃｔｅｒｓｅｇｍｅｎ－ｔａｔｉｏｎａｎｄｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ．ＣｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｓｔｅｐｉｎａＬＰＲｓｙｓｔｅｍ．Ｔｈｅｒｅａｒｅｍａｎｙｆａｃｔｏｒｓｔｈａｔｃａｕｓｅｔｈｅｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｔａｓｋｄｉｆｆｉｃｕｌｔ，ｓｕｃｈａｓｉｍａｇｅｎｏｉｓｅ，ｐｌａｔｅｆｒａｍｅ，ｒｉｖｅｔ，ｓｐａｃｅｍａｒｋ，ｐｌａｔｅｒｏｔａｔｉｏｎａｎｄｉｌｌｕｍｉｎａｔｉｏｎｖａｒｉａｎｃｅ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｃｈａｒａｃｔｅｒｓｔｏｐ－ｂｏｔｔｏｍｅｄｇｅｓｃａｎｂｅｏｂｔａｉｎｅｄｂｙｓｅａｒｃｈｉｎｇｆｒｏｍｍｉｄｄｌｅｔｏｅｎｄ．Ａｎｄｔｈｅｎ，ｔｈｅｓｉｎｇｌｅｃｈａｒａｃｔｅｒｓｃａｎｂｅｓｅｇｍｅｎｔｅｄｕｓｉｎｇｏｎｅ－ｄｉｍｃｙｃｌｅｃｌｅａｒｉｎｇａｎｄｐｒｉｏｒｋｎｏｗｌｅｄｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏ－ｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ＩＴＳ；Ｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ；Ｐｒｏｊｅｃｔｉｏｎｆｅａｔｕｒｅ；Ｐｒｉｏｒｋｎｏｗｌｅｄｇｅ收稿日期：２００５－１０－２４基金项目：总装备部基金项目（５１４０１０２０２０１ＪＷ０５２１）４２２００７年第２４卷第２期微电子学与计算机续的操作。
基于小波分析的车牌字符分割方法摘要:针对汽车车牌图像自动识别的问题,提出了一种对多字符图像的分割技术。
此技术具有很好地分析信号局部特征的优点,利用小波分析与图像投影特征相结合的方法,快速检测出图像中多字符的边缘突变点,将多字符图像分割成多个单字符区域,从而实现一幅图像中多字符的定位及分割。
关键词：车牌；字符分割；小波分解引言随着我国经济的高速发展和人民生活水平的提高,汽车成为人们日常生活中不可缺少的组成部分,因此在交通管理、车辆管理、收费管理等方面车牌的识别也显得尤为重要了。
其中字符图像分割是车牌自动识别的关键技术,也是车牌自动识别的第一步,它的准确性和可靠性,将为后续的图像处理和识别打下良好的基础。
因此,汽车车牌在自动检测和识别之前必须对车牌图像中的多个字符进行目标定位及分割。
字符分割效果的好坏,直接影响了自动检测和识别的效率,因此,本文提出了基于小波分析和投影特征的车牌字符分割技术。
图像分割是对图像进行处理时必不可少的工作,是图像分析的第一步。
目前图像分割方法大多都是基于一维或二维灰度直方图对图像做阈值化处理。
虽然阈值点通常在直方图的局部极小值点附近,然而实践中要用计算机来找到这一点并不容易。
因为不知道物体和背景的像素个数、均值、方差等等特征量,通常是采用估计阈值的大致范围的办法来计算阈值,这样选取的阈值误差大,图像分割效果不好。
本文抓住小波分析能够很好的分析信号局部特征的优点,检测出其它分析方法忽略的信号特性,找到多个目标物体的边缘突变点,从而实现多字符图像的目标定位及分割。
1 图像预处理为了提高车牌字符分割的效果,首先对汽车图像进行一系列的处理:下面对其部分进行说明:1.1 灰度变换为了增强图像的对比度,使其明暗鲜明,我们对图像进行灰度变换从而消除光照不均对图像分割的影响。
假设原始图像f(x,y)的灰度范围大部分在[a,b],希望变换后图像g(x,y)的灰度范围扩展至[c,d],M 为原始图像中的最大灰度值,可采用下面的公式来实现:()⎪⎩⎪⎨⎧≤≤≤≤+--≤≤=a y x f c b y x f a c y x f c b c d a y x f c d y x g ),(0,),(,),()/()(),(,,1.2 二值化图像的二值化是一种将连续色调图像变成黑白图的方法。
引言上世纪以来，随着科学技术的日新月异，人们的生活发生了巨大的变化，尤其是自动化交通工具的普及使人们享受到了前所未有的便捷，但是交通发展的同时也带来很多问题，因而人们一直在探索利用现有的技术使交通更加顺畅、安全。
智能交通系统（Intel-ligent Transportation System,ITS)是人们提出的一种有效地解决交通问题的方案，而车牌识别(License Plate Recognition,LPR)是ITS 中的关键技术之一，同时作为一项单独的技术，车牌识别在公共安全、交通管理等部门有着极其重要地应用前景。
本文所探讨的针对我国汽车牌照的字符分割算法正是车牌识别系统的基础与关键之所在,因为只有正确地分割字符才能保证后期正确地识别车牌号码完成指定的功能。
应用的广泛性也决定了该算法具有一定的难度，对于我国来讲，汽车牌照图字符分割算法存在许多难点，如：1）在大部分实际应用中都要求算法速度快，从而能够实时地对车辆进行识别以及时地反馈车牌信息，对信息做进一步处理，所以算法执行效率必须很好以满足实时化的要求。
2）有些车辆车牌存在严重的干扰（如褪色，污损），车牌周围有各种装饰物等。
3）车牌本身信息较为复杂，既有汉字也有英文字母与数字。
基于上述考虑，本论文中的算法流程简单，思路清晰、明了，以垂直投影法[1]基础，利用先验知识大大增加了对汽车牌照图像的处理准确性，本算法先将图像二值化图，所处理的数据量小，未对图像进行大量复杂的运算，有利于算法简单、高效实现。
1字符分割算法1）首先对提取好的汽车牌照灰度图像进行二值化，图像在二值化后所要处理的数据量大大减少，本算法采用全局阙值法[2]，在MATLAT 中采用im2bw 函数实现[3]，阙值参数为0.7，待处理图像及其二值化效果如图1、2所示。
2）在车牌二值化之后之后对各个字符进行分割以便进一步对其进行识别。
算法分析：在车牌二值化图像中，一般字符部分是白色，其它部分是黑色，这里使用垂直投影法逐个统计每列中所包含的白色像素的数量，结果如图3所示,在各个字符的间隙处的列白色像素很少，甚至为0。
一种简易的车牌定位及字符分割方法摘要：针对车牌识别技术中车牌定位及字符分割所存在各种问题，本文诣在运用数学形态学、radon变换理论，结合现有的车牌识别技术，提出了一种新的算法。
一定程度上提高了车牌识别的准确率，加快识别速度。
在研究的同时对其中出现的干扰问题进行了具体分析，处理。
关键字：车牌定位；字符分割；二值形态学Abstract: To solve some problems in vehicle license plate location and character segmentation in the vehicle license plate recognition system, mathematical morphology, radon transform theory and the existing license plate recognition technology were combined and introduced in this paper. This paper presents a new algorithm，to some extent improved the accuracy of license plate recognition, speed up the recognition speed. A variety of interference is a detailed analysis and processing in this algorithm.Key words: vehicle license plate location; character segmentation; Binary Morphology1前言随着社会工业化的快速发展，一些如城市道路、收费站、停车场等场所的交通密度日益增加，这对交通控制、安全管理的要求也日益提高。
1 绪论1.1 背景介绍为了实现车牌字符识别，通常要经过车牌位置检测、车牌字符分割和字符识别三个关键步骤。
车牌位置检测是根据车牌字符目标区域的特点，寻找出最符合车牌特征的区域。
车牌字符分割就是在车牌图像中找出所有字符的上下左右边界，进而分割出每个车牌字符。
在实际应用中，车牌字符分割的效果对车牌字符识别正确率会产生很大的影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差异，进而影响图像分割的效果，因此车牌字符分割这一技术仍然具有很大的研究意义。
在实际的监控场景中，车牌图像的透视失真通常是由于拍摄视角的变化或车辆位置的移动，相机光轴偏离车牌平面的法线方向造成的。
由于车牌图像在整幅图像中占有较小的比例，所以车牌图像几何校正主要工作是校正车牌图像的旋转和剪切失真。
旋转投影法和直线拟合法是两种主要的偏斜校正方法。
旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后统计垂直投影数值为0的点数，得到最大值对应的角度。
这种方法受背景区域的干扰比较大。
另一种方法是直线拟合车牌字符的左边界点从而获得垂直倾斜角，该方法为直线拟合法。
该方法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出的直线通常不能真正用来代表车牌的垂直倾斜方向，检测出的角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。
因此找到一种更准确和迅速的车牌垂直倾斜矫正方法是十分重要的。
通过得到最小的字符投影点坐标方差，得到另一种车牌垂直矫正方法。
首先将车牌字符图像进行水平校正，根据字符的区域的上下边界，将车牌字符进行粗分割。
然后将剪切变换后的字符点进行垂直偷用。
当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是确定垂直投影的倾斜角并对此进行校正。
投影法是目前最常用的车牌分割算法之一，其算法简单并且计算复杂度低。
该方法的核心思想是将车牌图像进行水平投影和垂直投影，利用峰谷特征来定位车牌字符的上下左右边界。
常用的车牌识别算法包括以下几种：
1. 车牌定位算法：用于确定车辆图像中车牌的位置。
这种算法通常会使用图像处理技术，如梯度信息投影统计、小波变换、车牌区域扫描连线算法等，以识别图像中的车牌区域。
2. 字符分割算法：在车牌定位后，需要将车牌中的字符进行分割。
这种算法通常会使用图像处理技术和机器学习算法，如基于深度学习的字符分割算法，以准确地将各个字符分割开来。
3. 字符识别算法：用于识别分割后的字符。
这种算法通常会使用机器学习算法，如卷积神经网络（CNN）或循环神经网络（RNN），以对字符进行分类和识别。
4. 神经网络识别算法：大规模神经网络识别算法是一种深度学习算法，它能够同时处理车牌定位和字符识别两个任务，具有更高的准确性和鲁棒性。
5. 启发式车牌定位算法：综合利用了图像处理技术和机器学习算法，以提高车牌定位的准确性。
这种算法通常会使用一些特征选择方法，如SVM、HOG等，以将车牌区域和非车牌区域进行区分。
6. 角度偏差和光照波动控制算法：在车牌定位和字符识别过程中，车辆的角度偏差和光照波动会影响算法的准确性。
这种算法通常会使用一些图像处理技术，如滤波、归一化等，以减小这些因素的影响。
这些算法在车牌识别过程中相互配合，以实现准确的车牌识别。
微电子学与计算机２００７年第２４卷第２期１引言智能交通系统（ＩＴＳ）是一个热点研究领域，受到日益广泛的关注，车牌识别是其重要组成部分。
对行驶车辆的牌照进行自动识别，从而完成自动收费、无人停车管理等，这无疑节省了人力、物力，同时提高了交通管理的效率。
车牌识别系统主要包括四大部分，如图１所示。
在准确定位车牌后，字符分割的好坏对字符识别率起着至关重要的作用。
由于处于实际环境中，受天气、光照、观察点的影响，经定位后的车牌还是存在各种各样的噪声。
因此，必须对图像进行预处理，以改善图像质量，提高字符识别率［１￣３］。
２面向字符分割的图像预处理２．１光照不均校正与对比度增强车牌不可避免的存在噪声，而且由于车牌识别系统在室外２４小时工作，光照度大范围变化，也存在光照不均，亮度太低、对比度太小等情况，这些都会降低系统的字符识别率，因此需要采取去噪，光照不均校正和对比度增强等措施。
本文应用中值滤波滤除噪声，通过低通滤波获得图像背景的照度估计，再从原始图像中减去此照度来校正光照不均［４］，然后通过对比拉伸变换增强对比度［５］。
２．２二值化分割由车牌定位得到的车牌字符图像一般为彩色图或灰度图，为方便后面的字符分割和识别要先对图像进行二值化处理，二值化的好坏直接影响到后一种新的车牌图像字符分割与识别算法陈振学１，汪国有１，刘成云２（１华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室，湖北武汉４３００７４）（２武汉科技大学信息科学与工程学院，湖北武汉４３００８１）摘要：提出了一种新的字符分割算法，该算法利用由中间向两端搜索的方法确定字符的上下边界，且利用一维循环清零法及先验知识垂直分割得到单个的字符。
实验结果表明，该算法较好的解决了以上问题，适用于各种质量的车牌图像，分割的正确率较高。
关键词：智能交通系统；字符分割；投影特征；先验知识中图分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１０００－７１８０（２００７）０２－００４２－０３ＡＮｏｖｅｌＡｌｇｏｒｉｔｈｍｏｆＣｈａｒａｃｔｅｒＳｅｇｍｅｎｔａｔｉｏｎｉｎＬｉｃｅｎｓｅＰｌａｔｅｓＲｅｃｏｇｎｉｔｉｏｎＣＨＥＮＺｈｅｎ－ｘｕｅ１，ＷＡＮＧＧｕｏ－ｙｏｕ１，ＬＩＵＣｈｅｎｇ－ｙｕｎ２（１ＩｎｓｔｉｔｕｔｅｏｆＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ＆ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＳｔａｔｅＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎＬａｂｏｒａｔｏｒｙｆｏｒＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ＆ＩｎｔｅｌｌｉｇｅｎｃｅＣｏｎｔｒｏｌ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）（２ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅＬＰＲ（ＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ）ｓｙｓｔｅｍｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｓｔｅｐｓ：ｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｎｇ，ｃｈａｒａｃｔｅｒｓｅｇｍｅｎ－ｔａｔｉｏｎａｎｄｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ．ＣｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｓｔｅｐｉｎａＬＰＲｓｙｓｔｅｍ．Ｔｈｅｒｅａｒｅｍａｎｙｆａｃｔｏｒｓｔｈａｔｃａｕｓｅｔｈｅｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｔａｓｋｄｉｆｆｉｃｕｌｔ，ｓｕｃｈａｓｉｍａｇｅｎｏｉｓｅ，ｐｌａｔｅｆｒａｍｅ，ｒｉｖｅｔ，ｓｐａｃｅｍａｒｋ，ｐｌａｔｅｒｏｔａｔｉｏｎａｎｄｉｌｌｕｍｉｎａｔｉｏｎｖａｒｉａｎｃｅ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｃｈａｒａｃｔｅｒｓｔｏｐ－ｂｏｔｔｏｍｅｄｇｅｓｃａｎｂｅｏｂｔａｉｎｅｄｂｙｓｅａｒｃｈｉｎｇｆｒｏｍｍｉｄｄｌｅｔｏｅｎｄ．Ａｎｄｔｈｅｎ，ｔｈｅｓｉｎｇｌｅｃｈａｒａｃｔｅｒｓｃａｎｂｅｓｅｇｍｅｎｔｅｄｕｓｉｎｇｏｎｅ－ｄｉｍｃｙｃｌｅｃｌｅａｒｉｎｇａｎｄｐｒｉｏｒｋｎｏｗｌｅｄｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏ－ｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ＩＴＳ；Ｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ；Ｐｒｏｊｅｃｔｉｏｎｆｅａｔｕｒｅ；Ｐｒｉｏｒｋｎｏｗｌｅｄｇｅ收稿日期：２００５－１０－２４基金项目：总装备部基金项目（５１４０１０２０２０１ＪＷ０５２１）４２２００７年第２４卷第２期微电子学与计算机续的操作。
二值化的方法很多，有全局阈值法、局部阈值法等。
全局阈值法根据图像的直方图或灰度的空间分布确定一阈值，并据此阈值实现灰度图像到二值图像的转化，但是对输入图像的量化噪声或不均匀光照等情况抵抗能力差，应用受到极大的限制。
局部比较法通过定义考察点的领域，并由领域计算模板来实现考察点灰度与领域的比较，较全局法有更广泛的应用，但其实现速度慢，不能保证字符笔划的连通性。
这里采用局部ＯＴＳＵ聚类法确定阈值，将车牌图像二值化［６］。
二值化结果如图２所示。
用这种聚类准则分割图像，当目标在图像中占有适当的比例时，分割结果比较好，而且算法比较简单，有利于实时处理。
２．３车牌的倾斜校正由于道路的坡度、车牌的悬挂、摄像头与车牌之间存在倾斜角度等影响，使得拍摄到的车牌图像产生了倾斜，给字符分割和识别造成困难。
因此，需要在字符分割之前进行车牌的倾斜校正。
本文采用Ｈｏｕｇｈ变换的方法进行车牌倾斜校正［７，８］，通过Ｈｏｕｇｈ变换求取车牌的边框参数后，进而确定车牌区域四个顶点的坐标，然后通过双线性空间变换对畸变图像进行校正。
校正结果如图３所示。
３字符分割算法３．１字符上下边界的确定（去除铆钉的影响）对车牌图像进行水平投影，字符在垂直方向往往对应于两个波谷之间的一段距离。
可以求得车牌区域水平投影直方图的平均值ｉＡｖｇＶａｌ，当在直方图中出现极值点的值小于ｉＡｖｇＶａｌ／３时可以认为是波谷点。
依据此方法，将投影图二值化，结果见图４（ａ）。
然后，由车牌图像高度的中点为起始点，分别向两端搜索，直到搜索到第一个波谷点为止，记下这两个波谷点，即为字符的上下边界，它们之间的部分就是需要的字符。
结果见图４（ｂ），可见边框和铆钉都去除了。
３．２单个字符的分割根据ＧＡ３６－９２规定，车牌外轮廓尺寸为４４０ｍｍ×１４０ｍｍ，字符样式为Ｘ１Ｘ２・Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７，其中Ｘ１是各省、直辖市的简称，Ｘ２是英文字母，Ｘ３Ｘ４是英文字母或阿拉伯数字，Ｘ５Ｘ６Ｘ７是３位阿拉伯数字，每个字符宽４５ｍｍ，高９０ｍｍ，间隔符宽１０ｍｍ，字符间隔１２ｍｍ，字符与车牌上下边界距离２５，字符与车牌左右边界距离１５．５ｍｍ［９］。
利用这些先验信息作为约束条件，就可以在清除杂点和间隔符的基础上，比较准确的找到垂直分割线的位置。
本文在采用清除杂点和间隔符的方法时，使用的是一维循环清零法，该算法通过对垂直投影图经过一次扫描，就可以达到目的。
不过，在清除杂点和间隔符的同时，也将垂直投影较短的字符“１”清除掉了。
对于这个问题，我们可以利用前面的先验知识，如果相邻字符间的距离大于某一阈值，则可认为该相邻字符间存在‘１’字符，并记录后，传给字符识别函数，从而可提高字符识别的效率。
因为车牌字符周围区域含有噪声和污点，在垂直投影矩阵Ｈｏｒ中反映为零散的１点或少量的１点。
而车牌字符区域的灰度起伏较为集中且不会断开，为了清除这些干扰点，本文使用一维循环清零法，该方法可以在对Ｈｏｒ矩阵只进行一遍扫描的情况下统计出连续１点的个数，并将少于某个设定车牌高度点数阈值ＴＨ３的连续１点清零。
４３微电子学与计算机２００７年第２４卷第２期具体步骤如下：（１）初始化访问标志辅助参数向量为０，即Ａ＝｛Ａｓｓｉｓ（ｍ）＝０｝，０代表未被扫描过；初始化栈Ｓ１、Ｓ２，其中Ｓ１记录坐标，Ｓ２记录连续１的个数；（２）从上到下依次扫描Ｈｏｒ中的每个点ｈｏｒ（ｉ），若ｈｏｒ（ｉ）＝１且Ａｓｓｉｓ（ｉ）＝０，把ｈｏｒ（ｉ）的坐标ｉ压入Ｓ１中，并将Ｓ２中的值加１，同时置该坐标的访问标志为１，即Ａｓｓｉｓ（ｉ）＝１；（３）检查该坐标的相邻像素点，如果其值为１，且其访问标志为０，则转入（２），否则，转入（４）；（４）检查栈Ｓ２中的值ｓｕｍ，即当前类似车牌区域的高度，若ｓｕｍ小于预先设定的阈值ＴＨ３，则利用栈Ｓ１中元素所记录的坐标信息将该段连续的像素点置为０；（５）清空栈Ｓ１和Ｓ２；（６）是否扫描完所有点，若是，则转入（７），否则，转入（２）；（７）结束。
经过上述处理得到的水平投影，去掉了车牌字符区域周围的干扰，而保留了车牌字符的位置信息。
此时，只需找到Ｈｏｒ中１点集的各个起始和终止位置，分割即可得需要的车牌单个字符。
字符分割结果如图５所示。
由图８可以看出，车牌字符能够正确分割，只不过字符“１”被当作干扰点，也被清除了。
对于这个问题，我们可以通过字符之间的距离与位置的先验知识，将字符“Ａ”与“Ｋ”、“４”与“０”之间的字符确定为“１”。
我们采用一个包含５９８幅车牌图像的车牌库作为实验数据库，正确分割率到达了９６．８％。
结果表明，本算法能准确有效地进行车牌字符分割。
４结束语本文提出了一种新的车牌图像字符分割算法。
该算法能准确地进行车牌字符分割的任务。
车牌图像的预处理工作，有效地提高了分割的准确率。
基于水平投影二值化的从中间向两端搜索的方法，能很好的解决车牌铆钉及边框的影响。
基于一维循环清零法的垂直投影法，结合字符宽度的先验知识，能有效的实现单个字符的分割。
该算法还存在一些需要改进的地方。
特别是对于警车、军车车牌以及其它上下两行字符的车牌，本算法并不适用，这将是笔者下一步改进的方向。
参考文献：［１］ＨｅｇｔＪＡ，ＤｅｌａＨａｙｅＲＪ，ＫｈａｎＮＡ．Ａｈｉｇｈｐｅｒｆｏｒｍａｎｃｅｌｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｒｎｅｔ－ｉｃｓ，ＳａｎＤｉｅｇｏ，Ｃａｌｉｆｏｒｎｉａ，１９９８，４３５７￣４３６２［２］ＮｉｕＸｉｎ，ＳｈｅｎＬａｎ－Ｓｕｎ．Ｒｅｓｅａｒｃｈｏｎｌｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇ－ｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ＆ＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙ，１９９９，１８（１２）：１４￣１７［３］ＰａｏｌｏＣｏｍｅｌｌｉ，ＰａｏｌｏＦｅｒｒａｇｉｎａ，ＭａｒｉｏＮｏｔｔｕｒｒｒｎｏＧｒａｎｉｅｒｉ，ｅｔａｌ．Ｏｐｔｉｃａｌｒｅｃｏｇｎｉｔｉｏｎｏｆｍｏｔｏｒｖｅｈｉｃｌｅｌｉｃｅｎｓｅｐｌａｔｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ，１９９５，４４（４）：７９０￣７９９［４］ＭＳｈｒｉｄｈａｒ，ｅｔａｌ．ＬｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎｕｓｉｎｇＳＫＩＰＳＭ［Ａ］．ＭａｃｈｉｎｅＶｉｓｉｏｎａｎｄＴｈｒｅｅＤｉｍｅｎｓｉｏｎａｌＩｍａｇｉｎｇＳｙｓ－ｔｅｍｓｆｏｒＩｎｓｐｅｃｔｉｏｎａｎｄＭｅｔｒｏｌｏｇｙ，ＰｒｏｃｅｅｄｉｎｇｓｏｆＳＰＩＥ，２００１，７２￣７９［５］ＲａｆａｅｌＣＧｏｎｚａｌｅｚ，ＲｉｃｈａｒｄＥＷｏｏｄｓ．Ｄｉｇｉｔａｌｉｍａｇｅｐｒｏ－ｃｅｓｓｉｎｇ，ＳｅｃｏｎｄＥｄｉｔｉｏｎ［Ｍ］．２００２，８５￣８６［６］汪国有，邹玉兰，凌勇．基于显著性的ＯＴＳＵ局部递归分割算法［Ｊ］．华中科技大学学报，２００２，３０（９）：５７￣５９［７］ＷｅｎＣＹ，ＹｕＣＣ，ＨｕｎＺＤ．Ａ３－Ｄｔｒａｎｓｆｏｒｍａｔｉｏｎｔｏｉｍ－ｐｒｏｖｅｔｈｅｌｅｇｉｂｉｌｉｔｙｏｆｌｉｃｅｎｓｅｐｌａｔｅｎｕｍｂｅｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｏｒｅｎｓｉｃＳｃｉｅｎｃｅｓ，２００２，４７（３）：５７８￣５８５［８］郝永杰，刘文耀，路烁．畸变汽车牌照图像的空间校正［Ｊ］．西南交通大学学报，２００２，３７（４）：４１７￣４２０［９］ＺｈａｎｇＹｉｎ，ＰａｎＹｕｎ－Ｈｅ．Ｐｒｅｐｒｏｃｅｓｓｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｃｈａｒ－ａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎｏｆＬｉｃｅｎｓｅＰｌａｔｅ［Ｊ］．ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ，１９９９，１６（７）：８５￣８７作者简介：陈振学男，（１９７７－），博士研究生。
