【摘要】本文首要研究基于传统的模板匹配的字符识别算法和基于BP神经网络字符识别算法。首先介绍车牌图像灰度化处理、车牌图像二值化进行图像预处理。车牌定位算法主要介绍边缘检测定位算法然后对定位好的车牌进行矫正。车牌字符分割算法主要研究基于连通预字符分割算法。最后利用MATLAB仿真进行基于模板匹配的字符识别算法和BP神经网络字符识别算法进行对比。
【关键词】字符定位，字符分割，字符识别，BP神经网络，MATLAB仿真
1 前言
随着科技与经济的快速发展，由于汽车给人们带来了便捷，使得汽车的使用量急剧上升。目前智能交通逐渐受到人们广泛关注，而车牌识别技术作为智能交通中的重要技术之一，也被详细的研究。本文主要对基于模板匹配的字符识别算法和BP神经网络字符识别算法的研究，同时进行MATLAB仿真。
2 车牌图像预处理算法概述
车牌图像一般是将通过摄像头采集到的视频转换成图片的形式，在转换的过程中首先要进行去除噪声等预处理操作。车牌图像预处理的目的就是将能影响到最后结果的因素去除掉，从而保证车牌号码识别的准确性，并提高车牌识别的速率。本文主要研究以下两方面的算法：
1）灰度化处理的转化公式如下所示：
.png)
（1）
其中Y代表像素的灰度值，R、G、B分别表示红、绿、蓝三种颜色的分量值。
2）二值化：车牌图像二值化处理就是让图像的像素点矩阵中的每个像素点的灰度值为0（黑色）或者255（白色），也就是让整个图像呈现只有黑和白的效果。二值化全局阀值公式如下所示：
.png)
(2)
3.车牌定位以及车牌矫正
1）边缘检测车牌定位算法：边缘是图像中像素发生剧烈变化而不连续的结果。边缘检测是图像基于边界分割的第一步。Roberts边缘算子是由一个2x2的模板组成的，采用的计算原理是对对角方向相邻的两个像素进行相减操作。从车牌图像处理的真实效果来看，边缘定位相对较为准确并且对噪声略微敏感。因此边缘检测定位算法更适用于边缘明显且噪声较少的图像进行分割。
2）车牌矫正：本次研究主要是进行车牌水平角度矫正，运用Radon变换，将倾斜的车牌进行矫正。从而使字符分割更为准确。Radon变换的倾斜矫正的大致过程如下所示：
第一步，利用Canny算子提取出已经二值化后的车牌边缘。
第二步，Radon变换计算出车牌的180°和90°方向的倾斜角。
第三步，逆旋转相应的角度修正倾斜。
对函数在x轴上进行投影。对平面空间函数作Radon变换，即求该函数在y轴方向上的线积分，具体的公式为：
.png)
4.车牌字符分割
基于连通域的字符分割算法的实现步骤为：
第一步：初始化。
第二步：寻找起始点（扫描二值图）。如果像素灰度值为0则继续扫描，若为1并且未被标记则扫描相邻像素标记值，如果全是0则表示当前像素是新联通域的起始点。
第三步：确定同一连通域的像素集合，寻找连通域的所有位置
第四步：分割字符。将所有的字符分割成与模板匹配中的字符模板中存储的字符相同的尺寸。基于连通域的字符分割算法的效果图如图1所示：
.png)
图1基于连通域的字符分割算法效果图
5.车牌字符识别算法
目前用在车牌字符识别(OCR)中的字符识别算法主要有两类：一种是基于模板匹配的车牌字符识别算法。另一类是基于BP人工神经网络的车牌字符识别算法。以下为二者的具体研究过程：
1）基于模板匹配字符识别算法：结合方便本次研究所选的普通车牌的特点，总共建立了10个数字、26个字母与4个汉字的匹配模板。首先取出字符分割得到的字符，然后取出待识别字符与匹配模板中的字符逐一进行匹配，将取出的字符依次与模板字符相减，得到的数值0的个数越多代表车牌匹配度就越高。统计对每幅图相减后得到的所有值为0的个数保存，并且找出0值总数最大的字符，将字符为识别出来的结果。具体效果如图3所示。
2）主要有两种方法来利用人工神经网络进行车牌字符识别:一种是要先对需要识别的字符进行特征提取，随即利用所获得的字符特征来建立训练神经网络结构。字符识别是准确率与字符特征的提取有关，然而要尽可能得到准确的字符特征往往比较耗时。因此研究的首要研究对象是关于字符特征的提取。另一种方法是利用人工神经网络的特点，直接将需要处理的车牌图像输入网络，进而利用网络对字符特征进行自动提取直到车牌字符识别成功为止。具体效果如图2所示。
.png)
图 2 BP神经网络字符识别与基于模版匹配字符识别仿真对比图
6.实验结果分析
基于模板匹配字符识别算法和基于BP神经网络字符识别算法都是要先创建一个用于与分割后得到的字符逐一匹配的字符模板。从实验结果上来看基于模板匹配字符识别算法的识别率为71.4286%，BP神经网络字符识别算法的识别率为85.7143%。显而易见，BP神经网络字符识别算法的识别的准确率以及识别率都明显高于基于模板匹配的字符识别算法。因此大多数的车牌识别系统采用的是基于BP神经网络字符识别算法。
参考文献：
[1] 方玺,张一凡. 基于边缘检测算法的混凝土裂纹识别研究[J]. 混凝土,2014,(2),dio:10.3969/j.issn.1002-3550.2014.02.010
[2] 刘威.车牌倾斜校正算法研究[J].制造业自动化,2014
[3] 马东.基于MATLAB的汽车牌照识别的研究[J].电子世界,2011
[4] 周明月.一种快速车牌识别系统[J].长春理工大学学报（自然科学版）,2011
[5] 金磊.基于机器视觉的全向移动车运动控制研究[J].武汉理工大学,2018