基于FPGA 的车牌字符识别方法的研究

摘 要：设计了根据车牌的彩色特征对车牌位置进行粗定位，再利用车牌字符二值化特征来精确定位的双重车牌定位方法。在中值滤波和二值化等预处理后，提取出车牌中的字母和数字字符并建立相应的模板，通过字符归一化在NIOS II 中采用最大相似度算法较好的识别了车牌号码。实验结果表明，该方法具有良好的实时性和较高的识别率。
关键词：车牌字符检测； NIOS II； 归一化； 模板匹配；

0 引言
智能交通系统已成为当前交通管理发展的重要方向, 而车辆牌照识别是计算机视觉与模式识别在智能交通领域应用的重要研究课题之一 ,有着广泛的实际应用前景[1]。传统的车辆牌照识别大多以PC平台上的纯软件算法[2][3]或DSP处理器[4]为核心来实现。由PC机构建的系统非小型化，在系统实时性的方面存在不足，主要用于前期算法的研究；而以通用的数字信号处理器(DSP)为核心的车牌识别系统外围电路设计复杂, 开发调试困难，系统的可扩展性和升级性较差。本文所构建的车牌字符系统基于FPGA平台，具有并行运算能力强、接口逻辑丰富等特性，为构建实时、便携的车牌字符识别系统提供了一种有效、可行的解决方案。
1 系统概述
系统的整体设计流程如下图1-1 所示。

本系统主要采用Altera公司的DE2开发板为实验平台，根据该系统实现的功能，将系统划分为硬、软件两部分，硬件部分包括车牌采集[5][6]和A/D转换、车牌预处理等；软件部分主要使用Cyclone II FPGA内嵌的NIOS II软核，采用SOPC Builder配置生成片上系统，并使用模板匹配算法对车牌进行识别，最后识别结果在LED上显示。
2 车牌预处理
2.1 粗定位和灰度化
车牌定位是整个系统的关键问题之一，它直接影响了后续的分割以及识别的准确率。考虑到整个图像车牌部分的字符颜色和车牌背景颜色差别很大，其灰度级别分布有一定规律和范围，兼之车牌的宽度有一定的比例，因此可以将车牌从背景图片中分离出来。
我国现有的车辆主要有蓝底白字牌照、黄底黑字牌照等四种类型。鉴于车牌前景、背景色的颜色特征，可以通过对颜色通道的分析来大致的确定车牌所在的位置以完成车牌位置的粗定位。在确定参数的时候，除了要考虑主色的下限参数以外还要考虑另外二个通道的上限参数。经过反复的试验对比后得出经验参数值为：以蓝底白字的车牌为例，在RGB 三个通道中:R< 10’b0110110000; G<10’b0111010000; B>10’0110110000，由以上参数为扫描阈值，自动剔除车牌位置之外的其他图电感器厂家像部分，完成粗定位。
2.2 中值滤波处理
粗定位后的车牌首先进行灰度化处理以减小数一体成型电感器据量利于实时处理。其次为了抑制车牌图像在采集时产生的椒盐噪声等脉冲噪声影响，改善图像质量，本文对灰度化后的车牌图像进行中值滤波处理。
在FPGA中实现中值滤波，出于实际处理速度、处理效果和器件资源考虑，本文选用3×3邻域窗口。考虑到FPGA强大的并行处理数据能力，此处设计一种对3×3邻域中九个数据一起处理的方法，它是基于三输入排序单元构成，而每个三输入单元又是由若干二输入单元构成。这种方法比传统的冒泡排序法减少了逻辑资源的占用，却和其一样能找出中值，且只需经差模电感过3级的比较，即3个时钟周期的延时就可以找出中值。图2-2为本文在FPGA中设计实现快速中值滤波的框图。据此即完成了所采集的车牌图像的线绕电感中值滤波去噪。

2.3 二值化处理
因为车牌定位和字符分割都是基于车牌区域的二值化结果进行，所以二值化的效果直接影响到车牌识别的效果。由于要从待检测的车牌图像区域截取图像的背景不会很复杂。前景区域和背景区域的差异比较明显，所以车牌图像的灰度直方图将有明显双峰效果。本文通过直方图的双峰法的方法来求取阈值，对车牌图像进行二值化处理。
3 车牌检测
在对采集到的车牌图像二值化处理以后，一帧图像的大小大幅度减小，约为400k 左右，下面就是把该二值化车牌图像传输至NIOS II 软核内进行分割等后续处理，考虑到NIOS II软核中资源丰富的特点，本文通过增加输入输出口的数量来提升数据传入的速度，从而满足系统的实时性处理要求。根据数据传输需求，本文设计通过22 个32bit 的输入输出口来传送数据，虽然22&tim

大电流电感