基于多模板匹配的车牌字符识别算法

基于多模板匹配的车牌字符识别算法块差别很大，则停止匹配。

多模板匹配

传统模板匹配算法抗干扰能力差，只是选用了一些标准的字符作

板，然后选取平均值，这样很难适用于实际环境中的字符识别。

车牌照识别，字符分割时常会出现分割不准确，或者定位的时候

牌字符的左右边界定位不准造成字符左右笔画缺失等，如图1，2 图3 多模板库的构建(其中a为标准模板，b为左偏，c为右偏) ，碰到这些情况传统的模板匹配算法就很难分辨。。我们针对此

提出了一种改进的模板匹配算法:多模板匹配算法。多模板库的构建是为了尽可能的保证原有字符的特征，而又

造具有差异性的模板库。图4是多模板库图片示例:

图1 定位不准导致的笔画缺失

(a)数字“2”的多模板库

2.2基于分块的多模板匹配

由于多模板匹配在算法执行上存在多次匹配，所以其识别时间和

效率不是很高，尽管现在对硬件设备处理速度的要求已经变得越来越

宽松了，然而为了进一步提高系统的实时性与识别效率，本文提出一

种基于分块匹配的思想来加速匹配。

其原理是:以待识别字符的几何中心为原点，以过原点的水平

4个象限。从第一象限开始进行模板匹配，然线、垂直线将字符分成

后依次对二三四象限进行匹配。如果第一象限匹配后与模板差别较

大，则停止匹配。基本算法如下:设待处理字符的二值化图像为:{F(i, j), i=1, 2, 图7 多模板匹配进行车牌字符识别

, n, j=1, 2, , n, , m}，模板的二值化图像为{T(i, j), i=1, 2, 从图6 中可以看出，运用传统的模板匹配算法，其车牌汉字 j=1, 2, 取值为有图像的点取“1”，没有 , m}，且各F(i, j)，T(i, j) “闽”被错误识别成了“晋”字，尽管其他字符笔画完整的能被正确

图像的点取“0”。匹配系数为: 识别，但是仍然影响系统的最终识别率。

运用本文的多模板匹配算法，其结果示例如图7所示: 从图中可

以看出，运用多模板匹配算法，能有效的去除字符笔画

左右缺失带来的干扰，能有效的识别出正确的字符，而且其时间开销 (2.1) 58ms相对于传统模板匹配的59ms还少。其最终识别结果如表1所示: 若P<0.5则继续搜索下一个模板，若P>0.9时为最大时，即为所 kk 表1 实验结果要匹配的字符。该种算法在多模板匹配保证了字符识别准确率的前提方法总数正确错误正确率平均识别时间下，通过改

变匹配模板区域大小，对模板进行分块，可以减少了模板内像素数量传统模板匹配 35 9 26 25.7% 74.7ms 和搜索时间，准确的找到匹配的目标，较好的解决了匹配的准确率与

运算量之间的矛盾。多模板匹配 35 33 2 94.3% 63.5ms 3. 实验及结果

本文的编程环境为MATLAB7.0，测试图像为随机收集的445张车

牌图像，其中由于定位和分割不准确导致汉字“闽”左边出现字符笔从实验结果可以看出，由于字符笔画缺失严重，传统的模板匹配

算法不能有效的识别出这些字符，从表1中可以看出本文的基于分块 35张，其图像示例如图5所示: 画丢失的有25.7%提高到94.3%，该算法不仅能大的多模板匹配算法能将识别率从

大提高识别的正确率，而且还能有效的节约系统时间，比传统的模板

10ms的处理时间，提高了系统性能。匹配算法减少了大概

但是仍然有两张图片识别不出来，这主要是模板库的构建仍然不

够全面和丰富，通过改进模板库的构建以达到更好的识别效果将是本

文下一步所要做的工作。

参考文献: 图5 “闽”字左边字符笔画严重缺失[1] Li C. L. Hui KC. Feature recognition by template matching [J].

Computers-Graphics, 2000，24:569~582

[2] 吴伟伟、王小红、周亚南. 字符识别中两种改进的模板匹配算通过传统的模板处理方法进行处理，其结果如图6所示:

法[J]. 传感器世界. 2008.6

[3] 马俊莉、莫玉龙、王明祥. 一种基于改进模板匹配的车牌字符

识别方法[J].小型微型计算机系统. 2003 vo1.24 No.9

[4] 王明俊、王敏、张起森、黄心汉、魏武. 基于模板匹配和神经

网络的车牌字符识别方法[J]. 模式识别与人工智能，2001 vo1.14 No.0l 作者简介: (1984-) 男，江西宜春人，厦门大学硕士研究生，研

究方向:计算机图像处理。