基于DSP的圖像處理在車牌識別中的應用
加入技術交流群
3.1硬件結構框圖
車牌識別系統分為硬件部分和軟件部分兩部分。它的基本硬件配置是由攝像機、工控機、采集卡、照明裝置組成。而軟件則是由基于 DSP的具有車牌識別功能的圖像分析處理軟件，和滿足具體應用需求的后臺管理軟件組成。車牌識別系統的流程圖如圖 3所示。其中車牌識別軟件部分具體又分為三個步驟：車牌定位、車牌圖像預處理字符分割和字符識別。首先通過車牌定位獲取車牌圖片，隨后將圖片切割成包含單個字符的七個子圖像，最后對各個字符進行字符識別，得出識別結果。
本文引用地址：http://www.104case.com/article/188308.htm
3.2芯片的選擇
TMS320VC6713是 TI公司推出的新一代高性能、低價位、低功耗的 32位浮點數字信號處理器，其主要特點是運行速度快、大容量的片內存儲器、大范圍的尋址能力、優化的 CPU結構、低功耗設計 [4]。雖然TMS320C67XX的運算速度比不上定點的定點系列是 TMS320C62XX，但是 67系列的高性能及其良好的表現，足以滿足數字圖像處理系統的要求。并且相對定點系列，浮點數字信號處理器在編寫程序時可以不用考慮煩瑣的 Q點數值。綜合考慮，系統采用 TMS320C6713系列的DSP進行車牌識別模塊的相關處理。
4.CCS軟件仿真與識別效果分析
系統采用 TMS320C6713系列的 DSP進行仿真測試，仿真環境為 Code Composer Studio (CCS)。
仿真測試表明，論文提出的預處理過程對圖像的降噪、增強達到了較好的處理效果(如圖1、圖2所示),而且在一定程度上解決了由外界光線造成的車牌圖像對比度低的問題，對可見光具有一定的魯棒性。論文結合車牌結構的特點，采用局部投影法有效地對預處理后的定位車牌進行了純字符提取，如圖4(b)所示。由于字符提取驅除了車牌圖像的邊框、鉚釘等車牌背景，所以有效的降低了分割和識別的難度，如表1所示，通過對 358副定位車牌的測試，正確提取字符圖像的為 356副，提取率為 99.44%，提取錯誤的 2副圖像是由車牌定位不準確所致。正確分割和識別的車牌圖像為 355副，識別率為99.16%。
5 結論
論文基于 DSP對車牌識別模塊中的圖像預處理，字符分割及字符識別技術分別提出了改進算法。圖像預處理部分， 改進點在于提出了對二值圖像進行二次中值濾波來對二值圖像降噪，并將銳化邊緣算法運用到了預處理中。CCS仿真結果表明, 論文提出的預處理方案能夠有效的提高圖像的質量，同時采用Roberts算子進行邊緣銳化，為車牌純字符區域的提取打好了基礎。字符分割部分的改進點，一是通過對邊緣銳化并二值化的車牌圖像進行局部投影，有效的去除了車牌的邊框和鉚釘，準確的提出了車牌的字符區域。二是對純字符圖像進行字符分割，使分割正確率達到了99.16%，提高了分割的準確性。車牌字符識別部分，改進處在于對各字符的外部輪廓進行統計特征提取，并基于特征向量的進行匹配識別。仿真結果表明，改進的算法具有良好的魯棒性，識別正確率達到了99.16%，提高了識別效率。
評論