基于數(shù)學形態(tài)學的車牌定位算法

董加英

(溫州大學數(shù)學與信息科學學院，浙江溫州 325035)

基于數(shù)學形態(tài)學的車牌定位算法

董加英

(溫州大學數(shù)學與信息科學學院，浙江溫州 325035)

在汽車牌照識別系統(tǒng)中，車牌定位是整個識別模塊實現(xiàn)的前提，為了能對汽車牌照精確定位，提出了一種基于數(shù)學形態(tài)學的車牌定位方法．首先利用中值濾波方法對汽車圖像進行消噪處理，然后用迭代閾值選擇法將圖像進行二值化，并運用數(shù)學形態(tài)學的膨脹、腐蝕對二值圖像進行處理，得到幾個車牌候選區(qū)，然后利用面積、長寬比以及垂直投影特征值等進行綜合分析，準確定位車牌區(qū)域．實驗結(jié)果表明，該方法簡單易行、準確率高、并且具有一定實效性，可用于對實際車牌圖像的準確定位．

數(shù)學形態(tài)學；結(jié)構(gòu)元素；車牌定位

車牌識別技術(shù)是智能交通系統(tǒng)ITS（Intelligent Traffic System）的重要組成部分．車牌識別過程需要從復(fù)雜的圖片中準確定位、提取、識別出感興趣的目標文字，車牌定位是技術(shù)核心，也是判別系統(tǒng)性能的重要依據(jù)之一．目前車牌定位方法主要有邊緣檢測法[1]、投影法[2]、灰度特征法[3]、神經(jīng)網(wǎng)絡(luò)法[4]、遺傳算法[5]等，這些方法各有所長，但存在著計算量大或定位準確率不高等問題．近年來形態(tài)學圖像處理這門特殊的技術(shù)，已經(jīng)發(fā)展成為圖像處理的一個主要研究領(lǐng)域，國內(nèi)外已有較多的學者將數(shù)學形態(tài)學應(yīng)用到圖像處理中的研究．本文提出了一種基于數(shù)學形態(tài)學先選定若干個候選區(qū)域，再從候選區(qū)域中選出車牌區(qū)域的定位算法．

1 數(shù)學形態(tài)學原理

數(shù)字形態(tài)學圖像處理是圖像處理的一個重要領(lǐng)域，其基本思想是利用一個結(jié)構(gòu)元素來探測圖像，當結(jié)構(gòu)元素在圖像中不斷移動時，可以利用數(shù)學形態(tài)學基本運算構(gòu)造出許多非常有效的圖像處理與分析方法．數(shù)學形態(tài)學[6-7]最常見的基本運算有以下幾種：腐蝕、膨脹、開運算和閉運算，它們是全部形態(tài)學的基礎(chǔ)．用這些運算及其組合可以進行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征抽取、邊界檢測、圖像濾波、圖像增強和恢復(fù)等方面的工作．

腐蝕運算的作用是消除物體的邊界點，是邊界向內(nèi)部收縮的過程，可以去除小于結(jié)構(gòu)元素的物體．腐蝕運算定義為：

其中，S表示腐蝕后的二值圖像集合，B表示用來進行腐蝕的結(jié)構(gòu)元素，X表示二值圖像，結(jié)構(gòu)元素內(nèi)的每一個元素取值為0或1，它可以組成任何一種形式的圖形，在B圖形中有一個中心點，此式的含義是用B來腐蝕X得到的集合S，S是由B完全包括在X中時B的當前位置的集合．

膨脹的作用與腐蝕的作用正好相反，它是基于二值化以后對圖像物體邊界點進行擴充，將與物體接觸的所有背景點合并到該物體中，使邊界向外的過程．如果兩物體之間的距離比較近，則膨脹運算[8]可能會把兩個物體連通到一起，膨脹對填補圖像分割后物體中的空洞很有用．

膨脹運算定義為：

其中X表示二值圖像，B表示結(jié)構(gòu)元素，S表示二值圖像X經(jīng)結(jié)構(gòu)元素B膨脹后的圖像．

一般情況下，腐蝕與膨脹是不可恢復(fù)的運算，但通過腐蝕與膨脹可以構(gòu)成開運算和閉運算．先腐蝕后膨脹的過程稱為開運算，它具有消除圖像上細小物體，并在物體影像纖細處（目標狹窄區(qū)）分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過程稱為閉運算，它具有填充物體影像內(nèi)細小空洞，連接鄰近物體和平滑邊界的作用．

開運算和閉運算定義分別為式（3）和式（4）：

2 基于數(shù)學形態(tài)學車牌定位算法

由于天氣變化、光線強弱、車輛潔度等室外條件的影響，在實際場景中得到的汽車圖像背景很復(fù)雜并且存在噪聲，因此在進行車牌定位識別之前需要對圖像進行預(yù)處理[9-10]．預(yù)處理環(huán)節(jié)包括圖像增強和去噪濾波等環(huán)節(jié)．在預(yù)處理之后對圖像進行形態(tài)學處理，首先利用腐蝕運算進行濾波，再進行開運算，確定出目標區(qū)域[11]．

根據(jù)上述思想，本文采用的車牌定位流程如圖所示：

3 車牌定位算法的實現(xiàn)

3.1 預(yù)處理

為了消除攝像頭拍攝過程中帶來的噪聲，應(yīng)對圖像進行去噪處理．目前常用的消噪方法主要有鄰域平均法[12]和中值濾波法[12]．鄰域平均法對抑制噪聲是有效的，但它選擇的是低通濾波器，而通常圖像中的邊緣信息里含有大量的高頻信息，所以在去噪的同時也使邊界變得模糊．中值濾波法采用一種非線性平滑濾波器，它與鄰域平均法的不同之處在于，中值濾波器的輸出像素值是由鄰域像素的中間值決定而不是平均值決定的．中值濾波法運算簡單、運算速度快，并且在濾除噪聲的同時能很好地保護信號的細節(jié)信息，在一定條件下，可以克服線性濾波器所帶來的圖像細節(jié)模糊．因此，本文選用中值濾波的方法[12-13]對圖像進行消噪處理．

攝像頭拍攝到的圖像光照條件不夠理想，而且車牌位于車身下部，對比度較差，加上車身上部的一些反光等諸多因素的影響，如果直接對圖像進行掃描定位會有很大困難，為了獲得較好的掃描、分割效果，有必要對車輛圖像進行增強處理．圖像增強是指對圖像的某些特征，如邊緣、輪廓、對比度等進行強調(diào)或銳化，以便于顯示、觀察或進一步分析與處理．圖像增強不會考慮引起圖像質(zhì)量下降的原因，而是將圖像中感興趣的特征有選擇地突出，并衰減不需要的特征．

根據(jù)汽車圖像的特點，本文選用灰度變換增強，變換公式如式如下所示：

其中Rmax,Rmin分別為原始圖像直方圖中的的最大灰度值和最小灰度值；Smax,Smin分別為變換后圖像直方圖中的的最大灰度值和最小灰度值．

3.2 二值化處理

在作形態(tài)學處理之前，必須對輸入的包含車牌的圖像作背景去除處理．去除背景即把目標與背景分開形成二值圖像①Yang F, Ma Z. Vehicle license plate location based on histogramming and mathematical morphology [C]. Proceedings of IEEE Fouth IEEE Workshopon Automatic Identification Advanced Technologies, 2005: 89-94．，以便進行后期的車牌定位．精確地分開目標與背景的關(guān)鍵是選取合適閾值．由于不同的圖像其分割閾值不盡相同，因此必須針對不同圖像進行計算求得閾值，為了使算法具有自適應(yīng)性和較快的運算速度采用迭代閾值選擇法計算閾值．

算法步驟如下：

3.3 形態(tài)學處理

可用下式表示：

3.4 車牌定位

經(jīng)數(shù)學形態(tài)學處理之后的圖像，最終還要進行車牌定位[15]．根據(jù)我國車牌的特征，分別采用面積、長寬比以及垂直投影特征值進行加權(quán)綜合來確定車牌區(qū)域．

實際處理如式（5）所示：

其中：iλ表示各自不同的權(quán)值；Ci表示集中特征置信度，包括面積S、長寬比P以及垂直投影特征值H．面積（S）指各矩形區(qū)域內(nèi)非零像素的數(shù)目，在二值圖像上面積越大，是車牌的可能性越大，因此面積越大，特征置信度Ci就越大．

長寬比（P）是車牌的一個明顯特征，雖然車牌反映在圖像中的大小不同，由于我國車牌長寬比相對固定，一般在0.30 – 0.34之間，因此在圖像中車牌區(qū)域的長寬比也相對固定，所以越接近真實車牌長寬比的區(qū)域的置信度Ci就越大．

垂直投影特征值（H）是根據(jù)在二值圖像上車牌字符呈明暗交替變化來確定的．特征值的計算方法如式（6）所示，其中特征值越大就越接近真實車牌，因此置信度Ci就越大．

式中：LU為垂直投影直方圖中所有從波谷到波峰的路徑總長度；LD為直方圖中所有從波峰到波谷的路徑總長度；bW為圖像的寬度，可消除圖像大小不同對特征值的影響；1 000為規(guī)范化因子．

綜合面積、長寬比以及垂直投影特征值三個因素進行綜合分析來定位車牌區(qū)域，可以消除僅用某一參數(shù)來進行評價所帶來的誤差．

4 仿真結(jié)果

選取一幅像素240×340的汽車圖像進行仿真實驗，仿真結(jié)果圖1所示：

本實驗是在matlab 2012a上實現(xiàn)的，實驗結(jié)果表明，經(jīng)圖像增強處理后能明顯增強目標區(qū)域，經(jīng)二值化消除噪聲之后用形態(tài)學處理得到目標區(qū)域比較明顯，根據(jù)車牌特性能準確定位出車牌．

5 結(jié) 論

車牌定位是車牌自動識別的關(guān)鍵環(huán)節(jié)，直接關(guān)系車牌自動識別的準確率．本文針對車牌圖像的特點，提出一種基于數(shù)學形態(tài)學的車牌定位方法．該算法針對去除背景后的汽車圖像中仍然存在噪聲，采用不同的結(jié)構(gòu)元素對圖像進行形態(tài)學運算，以進一步消除噪聲，大大提高了車牌定位的精確度．實驗表明，該方法可以從復(fù)雜背景中分離出待識別的車牌部分，使進一步的車牌字符識別成為可能．上述基于形態(tài)學處理的車牌定位方法，可以較好地確定圖像中車牌的位置，且算法簡單、實時性好，具有較好的實際運用前景．

圖1 汽車圖像仿真實驗

[1] 梅林, 劉峰. 基于邊緣檢測與垂直投影相結(jié)合的車牌定位方法[J]. 甘肅科技, 2009, 25(3): 15-17.

[2] 劉軍, 向軍, 劉銀生. 一種基于紋理分析和投影法的車牌定位方法[J]. 公路工程, 2011, 36(4): 29-32.

[3] 王鈺淞. 基于灰度邊緣和車牌顏色對的車牌定位[J]. 信息與電腦, 2012, 1(1): 42-43.

[4] Li G, Zeng R L, Lin L. Research on vehicle license plate location based on neural networks [J]. Innovative Computing, Information and Control, 2006, 3(6): 174-177.

[5] 張玲, 劉勇, 何偉. 自適應(yīng)遺傳算法在車牌定位中的應(yīng)用[J]. 計算機應(yīng)用, 2008, 28(1): 184-186.

[6] 李偉, 朱偉良, 孔祥杰, 等. 一種新型的基于數(shù)學形態(tài)學和顏色特征車牌定位算法[J]. 科技通報, 2009, 25(2): 214-219.

[7] 王鈞銘, 趙力. 一種基于數(shù)學形態(tài)學的車牌圖像分割方法[J]. 電視技術(shù), 2007, 31(10): 84-86.

[8] 賓西川, 裘正定, 章春娥, 等. 一種基于數(shù)學形態(tài)學膨脹運算的文本數(shù)字水印[J]. 計算機安全, 2009, (11): 4-6.

[9] 鄒攀紅, 孫曉燕, 張雄偉, 等. 一種基于數(shù)學形態(tài)學的二值圖像去噪算法[J]. 微計算機信息, 2010, 26(32): 200-203.

[10] 王玉軍, 董增壽. 利用數(shù)學形態(tài)學與圖像二值化進行車牌定位[J]. 太原科技大學學報, 2011, 32(2): 89-92.

[11] 鹿曉亮, 陳繼榮. 復(fù)雜背景下快速車牌定位方法研究[J]. 計算機仿真, 2006, 23(7): 256-259.

[12] 賽地瓦爾地?買買提. 基于Matlab的幾種圖像去噪方法研究[J]. 河南科學, 2013, 31(9): 1388-1390.

[13] 張立國, 楊瑾, 李晶, 等. 基于小波包和數(shù)學形態(tài)學結(jié)合的圖像特征提取方法[J]. 儀器儀表學報, 2010, 31(10): 2285-2290.

[14] 左琦, 史忠科. 一種基于數(shù)學形態(tài)學的實時車牌圖象分割方法[J]. 中國圖象圖形學報, 2003, 8(3): 281-285.

[15] 李剛, 曾銳利. 基于數(shù)學形態(tài)學的車牌定位算法[J]. 儀器儀表學報, 2007, 28(7): 1323-1327.

License Plate Location Algorithm Based on Mathematical Morphology

DONG Jiaying
(Mathematics and Information Science College, Wenzhou University, Wenzhou, China 325035)

License plate location is the premise of the whole recognition module in the system of license plate recognitions. In order to be able to pinpoint the car license plate, this paper proposes a license plate location method based on mathematical morphology. Firstly, utilizing the median filter to eliminate noise of the car image, then using iterative threshold selection method to binarize the image, and the binary image is processed by means of mathematical morphology expansion and corrosion to get the license plate numbers of the candidate area. The comprehensive analysis of license plate area and aspect ratio and vertical projection eigenvaluesis applied to accurate positioning plate area. The experiment turns out that the method is simple and easy with high accuracy and effectiveness, which can be used to accurately locate the actual license plate image.

Mathematical Morphology; Structural Element; License Plate Location

TP391.41

A

1674-3563(2014)04-0037-06

10.3875/j.issn.1674-3563.2014.04.006 本文的PDF文件可以從xuebao.wzu.edu.cn獲得

(編輯：封毅)

2014-04-22

董加英(1988- )，女，河南信陽人，碩士研究生，研究方向：計算機數(shù)學與復(fù)雜系統(tǒng)控制