基于數(shù)字圖像處理的車牌定位方法研究

摘 要：針對復(fù)雜背景的車牌定位問題，提出了一種二值圖和紋理方向圖相結(jié)合的車牌定位方法。采用Gaussain-Hermite矩和方向場對原圖像進行計算，從而得到紋理方向圖；然后結(jié)合二值圖和方向圖通過查找邊緣信息的方法確定車牌區(qū)域及候選區(qū)域；最后使用改進的區(qū)域標記法準確的定位車牌。實驗證明此種方法定位效果好。

關(guān)鍵詞：車牌定位；紋理方向；邊緣信息；區(qū)域標記

中圖分類號：TP391.41

車牌自動識別一般包括車牌定位、字符分割、字符識別三個部分，其中車牌定位是這三部分的基礎(chǔ)，也是關(guān)鍵步驟。但由于圖像背景復(fù)雜，車輛種類繁多，以及受光照的影響，車牌準確的定位難度很大，如圖1所示。關(guān)于車牌定位的方法很多[1-5]，如郭捷、施鵬飛用顏色和紋理分析相結(jié)合的方法定位車牌[1]；劉廣起等使用車牌區(qū)域的邊框特征以及牌照區(qū)域二值化后車牌內(nèi)部的紋理特征灰度變化頻率來定位車牌[2]；Danian Zheng等先對邊緣圖像進行處理，然后用矩形框在邊緣圖像中搜索車牌區(qū)域[3]。Feng Wang等則在HSV空間采用模糊邏輯的方法來識別車牌[4]。但大多數(shù)方法只針對車身的一部分或者背景比較簡單，限制了車牌識別的應(yīng)用范圍，因此很難應(yīng)用到實際的場景中。

針對上述問題，本文提出了一種二值圖和紋理方向圖相結(jié)合的車牌定位方法，該方法不同于大多數(shù)車牌定位方法，根據(jù)車牌豐富的紋理信息，引用Gaussian-Hermite矩[6，7]和紋理方向場[8]的方法獲得方向圖，并且采用改進的區(qū)域標記法準確的定位車牌，通過大量的試驗表明，此種方法可以應(yīng)用到較復(fù)雜的場景中，并且定位效果較好。

圖1 復(fù)雜背景下的原圖像

1 車牌定位的算法描述

從圖1中可以看出要想在復(fù)雜的背景下準確的定位車牌是非常困難的，因此本文提出了一種二值圖和紋理方向圖相結(jié)合的車牌定位方法，然而在離散的計算機圖像中要找到紋理方向圖難度很大，因此引入Gaussian-Hermite矩和梯度方向場的概念來獲得原圖像的紋理方向圖。具體方法如下：

1.1 Gaussian-Hermite矩

Gaussian-Hermite矩被廣泛用在模式識別、圖像處理、計算機視覺和多決策分析中，在文獻[6]中Shen嚴密的證明了平滑正交Gaussian-Hermite矩與幾何矩不同，Gaussian-Hermite矩的變換核是正交多項式并且更加平滑接近于0，因此，其產(chǎn)生的冗余很少，而且能夠消除窗口效應(yīng)。

一幅輸入圖像I（x，y）的二維（p，q）階Gaussian-Hermite矩定義如下：

其中，G（t，v，δ）是二維高斯函數(shù)，Hp，q（t/δ，v/δ）是標準化的二維（p，q）階Hermite 多項式函數(shù)，

1.2 梯度方向場

梯度是信號變化速度的一個檢測矢量，對于一幅圖像來說，某一點的梯度方向?qū)?yīng)于該點所處密度面得法線方向，因此，圖像密度等值線的切線方向與梯度方向垂直。

設(shè)θ是方向場沒一點的方向角度，計算方法如下：

其中，Gx和Gy是梯度矢量，梯度值越大，圖像的灰度密度變化越大，得到的角度值越可靠。接下來是對梯度方向場的估計，設(shè)I（x，y）是一個圖像，[Gx ，Gy]是計算得到的梯度矢量，對其進行平方運算后，將其轉(zhuǎn)換成極坐標，方法如下：

然后梯度矢量又被轉(zhuǎn)換成笛卡爾坐標形式：

最后，圖像的梯度方向可以表示為：

其中，w代表一個k×k的模板。

1.3 算法描述

二值圖和紋理方向圖相結(jié)合的車牌定位算法流程如下：

（1）對于給定的大小為W×H的圖像I（x，y），分別計算它們在x方向和y方向的Gaussian-Hermite矩，這里選擇了矩M0，1和M1，0。得到處理后的圖像IM。

（2）用3.2中介紹的方法對IM圖像計算，由于車牌一般是水平的，因此我們可以選擇角度在-15～15范圍內(nèi)，這樣可以把方向圖進行二值化，如圖2得到圖像IM二值化后的的方向圖IMG。

（3）匹配方向圖，引入k×k的模板對二值圖想進行處理，使其縮小為原來的1/k2（如圖3）。

（4）通過方向圖IMG和二值圖像IMB找夾在兩平行方向中的邊緣信息，當滿足IMG兩邊為0，IMB之間為連續(xù)的1時，填充IMG為1，其他的為0。經(jīng)處理得到初步的車牌區(qū)域和備選區(qū)域，如圖4所示。

（5）采用數(shù)學形態(tài)學的開運算對處理結(jié)果進行水平運算，處理結(jié)果如圖5所示。

（6）采用區(qū)域標記方法按照車牌的固定寬高比和區(qū)域面積來搜索車牌區(qū)域，如圖6

圖2 二值化后的方向圖 圖3 縮小后的二值圖像 圖4 經(jīng)二值圖和方向圖結(jié)合處理的圖像

圖5 形態(tài)學處理后的圖像 圖6 得到車牌區(qū)域

2 實驗結(jié)果

文本中所提到的方法應(yīng)用到較復(fù)雜的場景下進行處理，經(jīng)過大量的實驗表明此種方法達到預(yù)期的效果，實驗結(jié)果如圖7所示。

圖7 實驗結(jié)果

參考文獻：

[1]郭捷，施鵬飛.基于顏色和紋理分析的車牌定位方法[J].中國圖象圖形學報，2002，5.

[2]劉廣起.基于圖像紋理特征提取的車牌定位算法[J].中國圖象圖形學報，2005，11.

[3]Danian Zheng ，Yannan Zhao ，Jiaxin Wang. An efficient method of license plate location .Pattern Recognition Letters 26（2005）2431-2438，2005.

[4]Feng Wang，Lichun Man，Bangping Wang，Yijun Xiao，Wei Pan，Xiaochun Lu.Fuzzy-based algorithm for color recognition of license plates.Pattern Recognition Letters 29（2008）1007-1020.

[5]Jianbin Jiao，Qixiang Ye，Qingming Huang.A configurable method for multi-style license plate recognition.Pattern Recognition，42（2009）358-369.

[6]J.Shen，W.Shen and D.F.Shen. On Geometric and Orthogonal Moments.International Journal of Pattern Recognition and Artificial Intelligence.Vol.14，875-894，2000.

[7]J.Shen.Orthogonal Caussian-Hermite Moments for Image Characterization.In：Proc.SPIE.Intelligent Robots and Computer Vision XVI：Algorithms Technigues，Active Vision，and Materials Handling，Pittsburgh，USA，1997.

[8]A.R.Rao，A Taxonomy for Texture Description and Identification.New York，Springer-Verlag，1990.

作者簡介：馮夫?。?986-），男，山東臨清人，貴州省模式識別與智能系統(tǒng)重點實驗室，研究方向為圖像處理、模式識別。

作者單位：貴州省模式識別與智能系統(tǒng)重點實驗室，貴陽 550025

基金項目：貴陽市科技計劃項目（2012大學生科技創(chuàng)業(yè)計劃（筑科合同[2012]7號））。