基于DSP的图像处理在车牌识别中的应用

　　2.3字符识别

　　车牌字符的识别算法主要有模板匹配法、统计模式识别和基于神经网络法。基于模板匹配算法首先将待识别字符二值化，再将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果[2][3]。由于这种算法稳定性较差且耗时较长，所以论文提出基于特征向量的匹配算法，具体算法是将待识别字符的特征向量与模板字符特征库中的特征向量依次对应相减，若结果为零向量则完全匹配，其对应的模板字符即为识别结果。若为非零向量，则对这9个差值的绝对值求和，取最小值对应的标准模板字符作为最佳匹配字符并将其输出，完成了字符识别。由于数字"1"的字高与字宽之比大于3，而其他字符的高宽之比都小于3，所以论文首先根据这一特性判断分割字符是否为"1"，若是则识别结果输出标准字符"1"，若不是则依次对分割字符进行字符归一化、特征提取和基于特征向量的模板匹配，输出识别结果。这样既可以较为简单和准确的识别字符"1"，而且不需要建字符"1"的模板特征向量，减少了计算量，提高识别了速度，同时也降低了整体识别的难度。

　　3系统组成原理

　　3.1硬件结构框图

　　车牌识别系统分为硬件部分和软件部分两部分。它的基本硬件配置是由摄像机、工控机、采集卡、照明装置组成。而软件则是由基于DSP的具有车牌识别功能的图像分析处理软件，和满足具体应用需求的后台管理软件组成。车牌识别系统的流程图如图3所示。其中车牌识别软件部分具体又分为三个步骤：车牌定位、车牌图像预处理字符分割和字符识别。首先通过车牌定位获取车牌图片，随后将图片切割成包含单个字符的七个子图像，最后对各个字符进行字符识别，得出识别结果。

　　3.2芯片的选择

　　TMS320VC6713是TI公司推出的新一代高性能、低价位、低功耗的32位浮点数字信号处理器，其主要特点是运行速度快、大容量的片内存储器、大范围的寻址能力、优化的CPU结构、低功耗设计[4]。虽然TMS320C67XX的运算速度比不上定点的定点系列是TMS320C62XX，但是67系列的高性能及其良好的表现，足以满足数字图像处理系统的要求。并且相对定点系列，浮点数字信号处理器在编写程序时可以不用考虑烦琐的Q点数值。综合考虑，系统采用TMS320C6713系列的DSP进行车牌识别模块的相关处理。

　　4.CCS软件仿真与识别效果分析

　　系统采用TMS320C6713系列的DSP进行仿真测试，仿真环境为CodeComposerStudio(CCS)。

　　仿真测试表明，论文提出的预处理过程对图像的降噪、增强达到了较好的处理效果(如图1、图2所示),而且在一定程度上解决了由外界光线造成的车牌图像对比度低的问题，对可见光具有一定的鲁棒性。论文结合车牌结构的特点，采用局部投影法有效地对预处理后的定位车牌进行了纯字符提取，如图4(b)所示。由于字符提取驱除了车牌图像的边框、铆钉等车牌背景，所以有效的降低了分割和识别的难度，如表1所示，通过对358副定位车牌的测试，正确提取字符图像的为356副，提取率为99.44%，提取错误的2副图像是由车牌定位不准确所致。正确分割和识别的车牌图像为355副，识别率为99.16%。

　　5结论

　　论文基于DSP对车牌识别模块中的图像预处理，字符分割及字符识别技术分别提出了改进算法。图像预处理部分，改进点在于提出了对二值图像进行二次中值滤波来对二值图像降噪，并将锐化边缘算法运用到了预处理中。CCS仿真结果表明,论文提出的预处理方案能够有效的提高图像的质量，同时采用Roberts算子进行边缘锐化，为车牌纯字符区域的提取打好了基础。字符分割部分的改进点，一是通过对边缘锐化并二值化的车牌图像进行局部投影，有效的去除了车牌的边框和铆钉，准确的提出了车牌的字符区域。二是对纯字符图像进行字符分割，使分割正确率达到了99.16%，提高了分割的准确性。车牌字符识别部分，改进处在于对各字符的外部轮廓进行统计特征提取，并基于特征向量的进行匹配识别。仿真结果表明，改进的算法具有良好的鲁棒性，识别正确率达到了99.16%，提高了识别效率。(发布者：chiying)