唐靈潔,胡紅萍,白艷萍,楊麗麗
(中北大學(xué)理學(xué)院,山西太原 030051)
車(chē)牌識(shí)別是智能交通系統(tǒng)中的重要組成部分,車(chē)牌識(shí)別的過(guò)程包括車(chē)牌定位、車(chē)牌分割、車(chē)牌識(shí)別。其中,車(chē)牌定位是所有工作的前提和基礎(chǔ)。目前,已經(jīng)有很多學(xué)者在這方面進(jìn)行了研究,提出了很多車(chē)牌定位的算法,但是隨著車(chē)型的日益增加,背景變化多端,常用的一些算法已經(jīng)難以克服一些新的干擾情況。
目前車(chē)牌定位提取方法主要有神經(jīng)網(wǎng)絡(luò)、灰度特征法、紋理特征、投影法、數(shù)學(xué)形態(tài)學(xué)等,在定位過(guò)程中,它們各有自己的優(yōu)缺點(diǎn)[1]。本文針對(duì)這些算法的特點(diǎn),選取了數(shù)學(xué)形態(tài)學(xué)與投影法相結(jié)合的方法,對(duì)圖像進(jìn)行粗定位和精定位,最后,根據(jù)車(chē)牌自身的長(zhǎng)寬比例等先驗(yàn)知識(shí)對(duì)車(chē)牌進(jìn)行最終的定位。
在對(duì)車(chē)牌進(jìn)行定位之前,需要對(duì)圖像進(jìn)行預(yù)處理,以方便定位工作能更好的進(jìn)行。我國(guó)的車(chē)牌主要有藍(lán)底白字、黃底黑字、黑底白字等多種顏色,由于拍攝的車(chē)牌受天氣、光線的影響較大,用顏色作為主要的定位手段可靠性不強(qiáng),因此要對(duì)其進(jìn)行灰度轉(zhuǎn)換,由于噪聲、光照等原因還要對(duì)圖像進(jìn)行平滑、去噪、濾波等處理。
本文采取的灰度轉(zhuǎn)換公式如下[2]:
式(1)中,Gray為灰度值;R,G,B 分別為紅色、綠色和藍(lán)色分量值。
圖1、圖2為灰度化后的對(duì)比圖。
圖1 原始圖像
圖2 灰度化后圖像
二值化[3]圖像在數(shù)字圖像處理中占有非常重要的地位,二值化的效果直接影響到根據(jù)車(chē)牌區(qū)域特征進(jìn)行車(chē)牌定位及后續(xù)工作,而二值化的關(guān)鍵在于閾值的選擇。
閾值選擇的方法可以分為全局閾值法、局部閾值法和動(dòng)態(tài)閾值法等。經(jīng)過(guò)對(duì)多種方法做評(píng)估,通過(guò)分析比較發(fā)現(xiàn),采用改進(jìn)的Otsu 法[4]適應(yīng)性較強(qiáng),故本文采用改進(jìn)的Otsu 法來(lái)對(duì)灰度化處理后的圖像,進(jìn)行二值化處理。圖3、圖4分別為二值化前后圖像。
圖3 二值化前
圖4 二值化后
數(shù)學(xué)形態(tài)學(xué)[5]是由一組形態(tài)學(xué)的代數(shù)算子組成,其中最基本、最重要的形態(tài)學(xué)算子是:腐蝕和膨脹,其他的一些形態(tài)學(xué)算子如開(kāi)、閉等都是由這2種最基本的形態(tài)學(xué)算子組合而成的。
二值圖像的膨脹和腐蝕定義如下:
圖像集合A用結(jié)構(gòu)元素B來(lái)膨脹,記作A⊕B,定義為:
圖像集合A用結(jié)構(gòu)元素B來(lái)腐蝕,記作AΘB,定義為:
膨脹與腐蝕是不可恢復(fù)的運(yùn)算,但通過(guò)腐蝕與膨脹可以構(gòu)成開(kāi)運(yùn)算和閉運(yùn)算。
開(kāi)運(yùn)算是指A先被B腐蝕,再被B膨脹的過(guò)程,可以消除細(xì)小物體并在纖細(xì)處分離物體和平滑較大物體邊界;記作AoB,定義為:
閉運(yùn)算過(guò)程與開(kāi)運(yùn)算相反,它能填充物體內(nèi)細(xì)小空洞,連接鄰近物體和平滑邊界。記作A·B,定義為:
基于形態(tài)學(xué)的圖像邊緣檢測(cè)的關(guān)鍵是如何利用形態(tài)學(xué)的各種基本運(yùn)算的組合構(gòu)造形態(tài)學(xué)邊緣檢測(cè)算子,以及如何選取結(jié)構(gòu)元素來(lái)較好地解決邊緣檢測(cè)精度與抗噪聲性能的協(xié)調(diào)問(wèn)題。平常一些基本的形態(tài)學(xué)邊緣檢測(cè)算子對(duì)待噪聲都比較敏感,只適用于噪聲較小的圖像,本文在基本形態(tài)學(xué)邊緣檢測(cè)算子基礎(chǔ)上進(jìn)行了改進(jìn),得到改進(jìn)的抗噪膨脹型算子[6]如下式:
圖5、圖6分別為對(duì)圖像邊緣檢測(cè)前后對(duì)比圖像。
圖5 邊緣檢測(cè)前
圖6 邊緣檢測(cè)后
經(jīng)過(guò)形態(tài)學(xué)邊緣檢測(cè)之后,大體外輪廓為一矩形區(qū)域,但車(chē)牌區(qū)域還是斷開(kāi)的,為了進(jìn)一步提取車(chē)牌區(qū)域,需要用數(shù)學(xué)形態(tài)學(xué)對(duì)圖像進(jìn)行處理,使車(chē)牌區(qū)域內(nèi)部連通,而使車(chē)牌區(qū)域與干擾區(qū)域斷開(kāi)。本文連續(xù)運(yùn)用閉運(yùn)算(圖7)、第一次開(kāi)運(yùn)算(圖8)、第二次開(kāi)運(yùn)算(圖9)之后,檢測(cè)到的區(qū)域如圖7-9所示。
圖7 閉運(yùn)算
圖8 第一次開(kāi)運(yùn)算
圖9 第二次開(kāi)運(yùn)算
由圖可以看出,經(jīng)過(guò)一系列閉、開(kāi)運(yùn)算之后,斷裂的區(qū)域很好的粘連,而一些細(xì)小的干擾區(qū)域也很好的去除掉,并且較好地平滑了圖像,方便了后續(xù)工作的進(jìn)行。
下面對(duì)以上得到的二值圖像進(jìn)行水平和垂直方向的投影[7],車(chē)牌邊緣與背景區(qū)域的分界處在投影圖中必將出現(xiàn)明顯的跳變,在此處進(jìn)行切割即可得到更精確的車(chē)牌區(qū)域。通過(guò)以上的方法可以將車(chē)牌區(qū)域部分精確定位,為下一步字符的分割、識(shí)別提供了優(yōu)質(zhì)的車(chē)牌區(qū)域。
水平方向精定位,去除水平邊框和鉚釘,計(jì)算車(chē)牌水平方向的投影,得到每行的投影值H(i),共m行,i表示第i行,i∈(1,m),按公式(7)求S(i)。
S(i)表示第i-1行,第i行,第i+1行的水平投影值H(i-1)、H(i)、H(i+1)的累加之和,對(duì)第一行和最后一行不需此操作。投影值大于一定的閾值,認(rèn)為是字符區(qū)域予以保留。取一定的閾值,以車(chē)牌圖像高度中心點(diǎn)為起點(diǎn),逐行向上水平掃描,小于此閾值的第一行就為車(chē)牌的上邊界,將以上的區(qū)域裁切掉;同理,以車(chē)牌圖像高度中心點(diǎn)為起點(diǎn),逐行向下水平掃描,小于此閾值的第一行即為車(chē)牌的下邊界,再將其以下的區(qū)域裁切掉。于是就將車(chē)牌進(jìn)行了水平方向的精定位,圖10為水平投影圖,圖11為水平精定位圖像。
圖10 水平投影
圖11 水平精定位
垂直方向精定位,去除垂直邊框。對(duì)車(chē)牌的垂直邊緣進(jìn)行垂直投影(如圖12),得到每列的投影值V(j),j表示第j列。圖像一共n列j∈(1,n),按公式(8)求T(j):
T(j)表示第j-1列,第j列,第j+1列的垂直投影值V(j-1)、V(j)、V(j+1)的累加之和,對(duì)第一列和最后一列不需此操作。投影值大于一定的閾值,認(rèn)為是字符區(qū)域予以保留。取一定的閾值,以車(chē)牌圖像高度中心點(diǎn)為起點(diǎn),逐列向左垂直掃描,小于此閾值的第一列就為車(chē)牌的左邊界,將其左邊的區(qū)域裁切掉;同理,從圖像中心起,逐列向右垂直掃描,小于此閾值的第一列即為車(chē)牌的右邊界,將其右邊的區(qū)域裁切掉,圖13為垂直精定位圖像。
圖12 垂直投影
圖13 垂直精定位
在水平、垂直投影定位過(guò)程中,最重要的一個(gè)環(huán)節(jié)就是閾值的選取,在此是根據(jù)投影圖的圖像來(lái)確定的。經(jīng)過(guò)投影之后,再根據(jù)車(chē)牌本身固有的長(zhǎng)寬比例特征[8],最終定位車(chē)牌區(qū)域,圖14為最終定位結(jié)果。
圖14 定位結(jié)果
本文采用數(shù)學(xué)形態(tài)學(xué)與投影法分別對(duì)車(chē)牌進(jìn)行粗定位和精定位,首先通過(guò)數(shù)學(xué)形態(tài)學(xué)的特點(diǎn)粘連車(chē)牌斷裂區(qū)域,濾去細(xì)小的噪聲區(qū)域,同時(shí)平滑圖像,最后檢測(cè)出待精定位的候選區(qū)域。接著,再利用水平投影和垂直投影進(jìn)一步精確地確定車(chē)牌區(qū)域,最后,根據(jù)車(chē)牌的先驗(yàn)知識(shí)最終確定車(chē)牌區(qū)域。
本文通過(guò)對(duì)150張分辨率為640×480具有不同背景的汽車(chē)圖片進(jìn)行測(cè)試,定位成功率達(dá)到92.7%以上。實(shí)驗(yàn)數(shù)據(jù)如表1所示。
表1 定位實(shí)驗(yàn)結(jié)果
實(shí)驗(yàn)結(jié)果表明,本文提出的定位方法具有較高的定位能力,對(duì)待一些拍攝效果較差,噪聲較多的車(chē)牌具有良好的抗噪力。
[1]高翠云,江朝暉,薛明.一種改進(jìn)的車(chē)牌定位算法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2007,17(11):30-35.
[2]齊永奇,王文凡,趙巖,趙耀.基于紋理特征和垂直投影的車(chē)牌定位算法研究[J].現(xiàn)代電子技術(shù),2007,17(2):184-186.
[3]周開(kāi)軍,陳三寶,徐江陵.復(fù)雜背景下的車(chē)牌定位和字符分割研究[J].計(jì)算機(jī)工程,2007,33(4):198-200.
[4]胡斌,宮寧生.一種改進(jìn)的Otsu閾值分割算法[J].微電子學(xué)與計(jì)算機(jī),2009,26(12):153-155.
[5]楊國(guó)來(lái),林男,姬孝斌,葉清.基于數(shù)學(xué)形態(tài)學(xué)和綜合顏色特征的車(chē)牌定位方法[J].甘肅科學(xué)學(xué)報(bào),2007,19(1):114-117.
[6]呂慶莉,羅瑜.基于形態(tài)學(xué)的改進(jìn)灰度圖像邊緣檢測(cè)算法[J].陜西科技大學(xué)學(xué)報(bào),2011,6(4):98-101.
[7]應(yīng)宏偉,姚明海,張永華.基于紋理分析和垂直投影的車(chē)牌定位算法[J]控制工程,2004,11(5):432-435.
[8]李珺,劉莉.高效快速車(chē)牌定位算法研究[J].甘肅科學(xué)學(xué)報(bào),2006,18(4):88-91.