基于車牌顏色特征的改進車牌定位算法研究與實現(xiàn)

摘 要：汽車牌照識別主要包括圖像預處理、車牌定位、字符分割和字符識別四大模塊。本文對圖像預處理和車牌定位兩個模塊進行了深入研究，并提出了相應的改進方法。本文提出了一種基于局部最優(yōu)化思想的圖像預處理方法。該方法是基于彩色圖像的預處理方法，同時基于局部最優(yōu)化的思想彌補了傳統(tǒng)方法的劣勢，能夠更好地解決光照不均問題。車牌定位采用一種改進的“掃描線法”，把顏色跳變視為特征點，算法根據(jù)車牌字符區(qū)域特征點密集的特點來定位車牌區(qū)域。

關鍵詞：車牌定位；彩色圖像；局部最優(yōu)化

中圖分類號：TP391.41

汽車牌照識別系統(tǒng)（License Plate Recognition System，簡稱LPR）是智能交通系統(tǒng)的一個重要組成部分，能夠應用于很多交通管理場合，如道路交通流監(jiān)控、交通事故現(xiàn)場勘查、高速公路自動收費系統(tǒng)等。汽車牌照識別系統(tǒng)主要包括四個部分，分別是：圖像采集、車牌定位、車牌字符分割、車牌字符識別[1]，其中車牌定位部分在整個系統(tǒng)中起著十分重要的作用。

目前，國內(nèi)外的專家和學者們對車牌定位做了很多研究，主要的定位技術包括：（1）基于紋理特征的車牌定位法[2]。該方法對光照不均勻、車牌傾斜等情況的魯棒性較強，但是對復雜背景的魯棒性較差。（2）基于神經(jīng)網(wǎng)絡的定位方法[3]。該方法在進行定位前需要收集大量圖像樣本進行訓練，樣本的特點對最終定位結果影響很大。（3）基于數(shù)學形態(tài)學的定位方法。該算法的準確性過于依賴于結構元素大小，結構元素過大或過小都會嚴重影響定位結果[4]。（4）基于顏色空間特征的車牌定位方法[5]。該方法利用車牌的底色和字體顏色不同的特征進行車牌區(qū)域的定位，當車身顏色和車牌顏色相同時，定位成功率低。

本文提出了一種基于顏色特征的改進車牌定位方法，該方法利用車牌的顏色特征，綜合利用RGB顏色模型和HSV顏色模型的特點，利用一種局部最優(yōu)化思想，通過把圖像劃分為多個固定區(qū)域，把每個固定區(qū)域的顏色劃分為黃色、藍色、黑色、白色以及其他顏色，并通過一種改進的行掃描方法，利用車牌區(qū)域的顏色跳變特征，得到車牌區(qū)域的準確位置。實驗表明，本方法能夠?qū)崿F(xiàn)高準確率、高精確度的車牌定位。

1 圖像預處理

1.1 顏色模型選擇

常用的顏色模型有RGB、HSV、CMY、YIQ等[6]。為了實現(xiàn)對顏色的準確分類，要求采用的顏色模型能夠滿足獨立性和均勻性[7]，HSV顏色模型在一定程度上能夠滿足獨立性和均勻性，RGB顏色模型易于區(qū)分白色和黑色，根據(jù)車牌顏色特征，本文不僅使用HSV顏色模型，而且使用RGB顏色模型，從而達到更好的顏色區(qū)分效果。

1.2 圖像顏色預處理

1.2.1 車牌顏色統(tǒng)計

顏色直方圖是對顏色信息的一種統(tǒng)計，能夠很好地反映區(qū)域的顏色信息，通過計算車牌區(qū)域的H，S，V顏色分量的直方圖，得到車牌區(qū)域的H，S，V分量值的范圍，利用H，S，V分量值的范圍能夠區(qū)分車牌區(qū)域和非車牌區(qū)域。

通過對大量不同條件的圖片進行統(tǒng)計分析，確定出藍底白字車牌、黃底黑字車牌（沒有考慮紅色車牌）的H，S，V分量值的具體范圍。如表1所示。

1.2.2 改進的顏色預處理方法

傳統(tǒng)顏色預處理方法是對圖像區(qū)域的每一個像素點使用表格1中的閾值進行顏色判斷，根據(jù)閾值范圍把該像素點劃分為藍、黃、白、黑，或者灰色。即實現(xiàn)圖像的預處理。

本文提出的一種改進的顏色預處理方法，通過定義滑動窗口滑過整個圖像區(qū)域，對每個滑動窗口內(nèi)的顏色進行分類，從而達到更精確的分類效果，主要步驟如下：（1）計算出滑動窗口內(nèi)所有像素點的H、S、V分量值的均值的標準差σ，若σ大于閾值thre表明矩形內(nèi)有兩種顏色，執(zhí)行步驟（2）；若σ小于閾值thre，表明矩形內(nèi)只有一種顏色，執(zhí)行步驟（3），通過實驗，發(fā)現(xiàn)thre取0.1比較合適。（2）根據(jù)表1中定義的H分量的范圍，判斷當前像素屬于黃色車牌還是屬于藍色車牌，如果當前像素點屬于黃色車牌，則根據(jù)表1中V分量的范圍劃分為黃色和黑色；如果當前像素點屬于藍色車牌，則計算其和黑色的顏色相似度，區(qū)分其是“藍白”還是“黑白”像素點，再分別通過表1中的V分量的范圍劃分為藍色（白色）或者黑色（白色）；對于既不屬于黃色車牌又不屬于藍色車牌的像素點，則根據(jù)V分量的值劃分為白色點或者黑色點或者灰色點；（3）在RGB顏色模型中，可以容易把當前像素點區(qū)分為“沒有彩色”和“有彩色”兩類，對“沒有彩色”的像素點，在RGB顏色模型中區(qū)分為白色或者黑色，對“有彩色”的像素點，在HSV顏色模型中區(qū)分為藍色或者黃色，對“沒有彩色”像素點，對其進行灰度化，如果灰度值大于200，則為白色，小于60，則為黑色，否則為灰色；對“有彩色”像素點，根據(jù)表1中H分量的范圍區(qū)分為藍色或者黃色。

2 改進的掃描線法車牌定位

掃描線法進行車牌粗定位主要是通過統(tǒng)計每一行包含的車牌區(qū)域特征點（以藍白車牌為例，為藍白跳變點），當一行包含多個車牌區(qū)域特征點是便為一個車牌區(qū)域行，當在某一塊區(qū)域內(nèi)有大量車牌區(qū)域行時，表示找到一個車牌區(qū)域，區(qū)域邊界作為車牌的上下邊界，通過車牌的寬高比便可以得到車牌區(qū)域的左右邊界。

掃描線法容易出現(xiàn)車牌區(qū)域擴大的情況，本文提出了一種改進的掃描線車牌定位方法，該方法在掃描線法得到的上下邊界的基礎上，通過迭代得到最終的上下左右邊界：（1）縮小上下左右邊界，記上下左右邊界組成的矩形區(qū)域為R，并迭代等幅擴展上下左右邊界；（2）統(tǒng)計第i次擴展后新R內(nèi)的特征點所占的比例記為ratoi；（3）比較第i次的ratoi和第i-1次的ratoi-1，當值增幅很小時，表示找到邊界，停止迭代；否則，繼續(xù)迭代。

3 實驗結果

通過對600幅藍色車牌車身不是藍色、400幅藍色車牌車身是藍色、50黃色車牌的圖片進行測試，發(fā)現(xiàn)本文提出的方法定位準確率非常高，對于藍色車牌車身不是藍色的情況，系統(tǒng)定位準確率可以達到99%；對于藍色車牌車身是藍色的情況，也能達到93.4%的定位率；黃色車牌識別率達到94%。

4 結束語

本文基于車牌的顏色特征，提出了一種基于顏色的車牌定位方法，通過改進的顏色預處理方法以及改進的掃描線法對車牌進行定位，通過大量實驗發(fā)現(xiàn)，本文的方法較傳統(tǒng)方法有較大優(yōu)點，定位準確率高、定位速度快，定位結果滿意。

參考文獻：

[1]Chang Shayang-Lih，Chen Li-Shien.Automatic License Plate Recognition[J].IEEE Trans on Intelligent Transportation Systems，2004，05（01）：42-53.

[2]黃艷國，趙書玲，許倫輝.基于紋理特征和顏色匹配的車牌定位方法[J].微電子學與計算機，2011（09）：123-126.

[3]邱立達，劉天健.基于蟻群算法的仿生模式識別神經(jīng)網(wǎng)絡構造方法[J].閩江學院學報，2013（02）.

[4]周律，汪亮.基于固定顏色搭配搜索和形態(tài)學的車牌定位[J].公路交通科技，2013（05）.

[5]程增會，戴祥，唐大鵬.一種基于HIS和YUV顏色模型的車牌定位方法[J].計算機應用與軟件，2011（12）：132-135.

[6]王向慧，劉文光.顏色模型淺析[J].科技信息，2010.

[7]施潤身，趙青.改進的關聯(lián)規(guī)則采掘算法及其實現(xiàn)[J].同濟大學學報，1990（02）：222-225.

作者簡介：鐘至智（1989-），女，浙江杭州人，碩士研究生，從事圖像處理的研究；宋雨（1958-），男，河北保定人，教授，從事電力軟件系統(tǒng)架構及軟件工程的研究。

作者單位：華北電力大學，河北保定 071003