復(fù)雜光照下的車牌定位方法

秦實(shí)宏，葉云麗

武漢工程大學(xué)電氣信息學(xué)院，湖北 武漢 430205

復(fù)雜光照下的車牌定位方法

秦實(shí)宏，葉云麗

武漢工程大學(xué)電氣信息學(xué)院，湖北 武漢 430205

車牌定位是車牌識(shí)別系統(tǒng)的關(guān)鍵，為了提高復(fù)雜光照下車牌定位的效率，提出了一種基于車牌圖像預(yù)處理和紋理邊緣特征相結(jié)合的車牌定位方法.在預(yù)處理過程中利用HSV顏色空間中亮度和色度相互獨(dú)立的特性，對(duì)圖像進(jìn)行亮度處理，得到了一幅有效去除背景干擾且亮度適度的二值圖像；然后采用Canny算子對(duì)車牌進(jìn)行邊緣檢測(cè)，得到大致的車牌區(qū)域；最后對(duì)車牌分別進(jìn)行水平和垂直投影，得到精確的車牌區(qū)域.整個(gè)過程用Matlab軟件實(shí)現(xiàn)，結(jié)果證明該方法在復(fù)雜光照下具有較強(qiáng)的適應(yīng)性與穩(wěn)健性，有一定的實(shí)用價(jià)值.

車牌定位；HSV；邊緣檢測(cè)；投影；Matlab

0 引言

智能交通系統(tǒng)（Intelligent Transportation System，簡(jiǎn)稱ITS），車牌自動(dòng)識(shí)別系統(tǒng)（License plate recognition，簡(jiǎn)稱LPR），在ITS中扮演十分重要的角色，在如今這個(gè)電子時(shí)代，超速車輛檢測(cè)、停車場(chǎng)管理等領(lǐng)域更是必不可少的.LPR通常由圖像采集、車牌定位、字符分割以及字符識(shí)別組成，尤其這四個(gè)組成部分中車牌定位部分是車牌自動(dòng)識(shí)別得以實(shí)現(xiàn)的前提，也是后續(xù)的字符分割和識(shí)別的基礎(chǔ)，很大程度上直接決定著車牌識(shí)別系統(tǒng)的速度和識(shí)別率.目前車牌識(shí)別系統(tǒng)研究已發(fā)展到一定階段，使用的車牌定位方法也各種各樣，主要有：基于邊緣檢測(cè)的方法［1］，文中采用Canny算子進(jìn)行邊緣檢測(cè)，但是該算法不能很好處理某些因長(zhǎng)期使用導(dǎo)致褪色或傾斜的車牌；基于小波變換的車牌定位方法［2］，該算法中當(dāng)攝像機(jī)與車輛距離太遠(yuǎn)或太近時(shí)，該方法準(zhǔn)確率不理想；基于投影法的定位方法［3］，這種方法的執(zhí)行速度快，但是只針對(duì)車牌大小及距離一定的情況有效；基于形態(tài)學(xué)的車牌定位方法［4］，該方法需結(jié)合其他算法來提高定位的準(zhǔn)確率.

但是在實(shí)際生活中，采集到的彩色車牌圖像在一定程度上會(huì)受到復(fù)雜背景的影響，尤其是在光照過強(qiáng)或不足的情況下，釆集到的車輛圖像質(zhì)量較低，往往會(huì)得到錯(cuò)誤或準(zhǔn)確度不高的的車牌區(qū)域，從而影響整個(gè)車牌識(shí)別的準(zhǔn)確率.為解決以上問題，提出了車牌定位方法.車牌定位方法步驟如下：首先，對(duì)車牌進(jìn)行預(yù)處理，將采集到的車牌由RGB彩色模型轉(zhuǎn)化為HSV彩色模型，隨之分割為H，S，V這3個(gè)單通道灰度圖像.車輛在行駛過程中，外界環(huán)境及天氣的變化都將導(dǎo)致光照強(qiáng)度產(chǎn)生相應(yīng)變化，因此，要想獲取精確的車牌定位，就必須克服外界光照變化帶來的影響，在這一點(diǎn)上，因RGB彩色空間在表征顏色特征時(shí)，受光照影響很大，存在較大的局限性.而與之相比，HSV顏色空間存在絕對(duì)優(yōu)勢(shì)，HSV不存在類似的問題，在HSV彩色空間中，色度H和亮度V是分離的，因此對(duì)亮度V和色度H中的任何一個(gè)進(jìn)行處理，都不會(huì)影響另一個(gè)，避免了亮度信息干擾色度信息，基于HSV的這一特性，接下來對(duì)分割后表示亮度的V通道進(jìn)行亮度處理，然后將這3幅二值圖象做“與”處理運(yùn)算，對(duì)重組后的圖象進(jìn)行灰度化、去噪和二值化等預(yù)處理，得到一幅能有效去除背景干擾而且獲得適合的亮度的二值圖像；接著使用基于Canny算子的車牌粗定位以及投影法的進(jìn)一步精確定位，獲得準(zhǔn)確車牌區(qū)域；整個(gè)過程通過MATLAB 7．0軟件實(shí)現(xiàn)，精確定位出車牌區(qū)域.

1 車牌預(yù)處理

1.1 預(yù)處理流程

由于復(fù)雜的外界因素，以及光照、噪聲等都會(huì)對(duì)采集的原始彩色圖像質(zhì)量造成影響.從而無法達(dá)到后期處理的要求.所以僅僅對(duì)表示亮度的V單通道做處理是不夠的，還需要對(duì)重組的HSV彩色圖像做預(yù)處理，具體流程如圖1所示.

圖1 車牌預(yù)處理流程圖Fig.1 Flow chart of license plate pretreatment

1.2 單通道圖像

對(duì)以上預(yù)處理之后的圖像進(jìn)行處理獲得單通道圖像，三單通道圖像如圖2所示.

圖2 單通道圖像Fig.2 Single channel images

1.3 V通道圖像亮度處理后圖像

在HSV彩色空間中，因?yàn)樯菻和亮度V是分離的，所以對(duì)亮度V和色度H中的任何一個(gè)進(jìn)行處理，都不會(huì)影響另一個(gè)，即去除了亮度對(duì)色度信息的干擾，基于HSV的這一特性，對(duì)分割后的V通道圖像進(jìn)行亮度處理，V通道圖像亮度處理后圖像如圖3所示．

圖3 V通道亮度處理后圖像Fig.3 V channel image after brightness processing

1.4 預(yù)處理后圖像

由圖3得到V通道圖像亮度處理后圖像，然后將這3幅二值圖像做“與”運(yùn)算，并接著對(duì)重組圖進(jìn)行灰度化、去噪和二值化等預(yù)處理，最終得到一幅能有效去除背景干擾而且獲得適合的亮度的二值圖像，整個(gè)預(yù)處理后獲得的圖像如圖4所示．

圖4 預(yù)處理后的二值圖像Fig.4 Binary image after pretreatment

2 基于邊緣檢測(cè)的車牌粗定位

一幅圖像中存在很多信息，而邊緣又包含了許多圖像的內(nèi)在信息，邊緣即圖像周圍像素灰度有“屋頂”狀變化的集合，車牌邊緣幾乎是一個(gè)水平的長(zhǎng)方形，而且對(duì)于一個(gè)整體車牌來說，車牌字符的位置是固定不變且按水平方向排列的，牌照區(qū)域中灰度值明顯不同于周邊區(qū)域，兩塊不同的區(qū)域值之間會(huì)形成一個(gè)灰度突變邊界，所以車牌圖像邊緣會(huì)形成邊界，利用這一特性，可采用邊緣檢測(cè)方法進(jìn)行粗定位［5－6］.邊緣檢測(cè)是為了提取圖像中將背景和對(duì)象隔開的交界線，通常采用一種算子來實(shí)現(xiàn)這一目的，常見邊緣檢測(cè)算子有：Roberts算子、Prewitt算子、Laplaeian算子、Sobel算子、Canny算子等.相比較而言，針對(duì)需求，選用Canny算子最佳，首先，圖像濾波、圖像增強(qiáng)、圖像檢測(cè)等功能，都可用Canny算子實(shí)現(xiàn)，其次，采用Canny算子對(duì)圖像進(jìn)行預(yù)處理，進(jìn)行圖像去噪、圖像增強(qiáng)并算出梯度幅值和方向，這樣做可準(zhǔn)確定位車牌邊緣，除此之外，在處理過程中，Canny算子存在一個(gè)非極大值抑制過程，最后，Canny算子還采用高低閾值來修補(bǔ)不連續(xù)邊緣［7］.

Canny算子基本步驟如下：首先將預(yù)處理之后的車牌灰度圖像與高斯平滑濾波器做卷積，目的是圖像去噪；其次通過求偏導(dǎo)，計(jì)算出圖像的梯度幅值和方向；緊接著采用抑制非極大值的方法過濾出局部梯度值中最大的像素點(diǎn)，來初步得到圖像的邊緣；然后繼續(xù)用雙閾值法繼續(xù)處理，獲得兩個(gè)閾值邊緣圖像，設(shè)定由較小閾值得到的為圖像1，設(shè)定較大閾值得到的為圖像2；最后，結(jié)合兩個(gè)圖像的優(yōu)缺點(diǎn)，以圖像2為基礎(chǔ)，利用圖像1中保留的邊緣細(xì)節(jié)信息來補(bǔ)充圖像2中所缺失的信息，連接圖像邊緣.

Canny算子檢測(cè)后的圖像如圖5所示.

圖5 Canny算子檢測(cè)后的圖像Fig.5 Images after detected by Canny operator

從圖5中可見，經(jīng)Canny算子邊緣檢測(cè)后的車輛牌照?qǐng)D像，邊緣得到了很好的勾勒和加強(qiáng)，車牌區(qū)域十分突出，為接下來的車牌精確定位提供了良好的基礎(chǔ).

3 基于投影法的車輛牌照精確定位

3.1 水平方向定位

在車輛牌照中，車牌背景和字符的灰度，以及水平方向與垂直方向灰度變化都存在極為明顯的差異，而且水平方向比垂直方向頻繁，車牌上的7個(gè)字符號(hào)碼擁有相同大小的尺寸，這一特點(diǎn)給定位帶來便利，這使車牌水平方向的投影規(guī)律性強(qiáng)，又因車牌都處于車身下部，故而在確定車牌邊界時(shí)選擇由下而上的掃描方法.

對(duì)車牌圖像進(jìn)行從下至上掃描.首先，從牌照?qǐng)D像的底部開始逐漸向上掃描，將二值圖像中的任一行0，1跳變的次數(shù)作為投影值.開始掃描工作不變直至投影值等于14的行，則執(zhí)行下一步；然后，將當(dāng)前行設(shè)為開始行，繼續(xù)掃描工作，直到出現(xiàn)投影值小于14的行，作為結(jié)束行［8］；最后，計(jì)算開始和結(jié)束行之間行數(shù)，若該總數(shù)大于15小于50，則定開始行為下邊界，結(jié)束行為上邊界，掃描結(jié)束，否則繼續(xù)執(zhí)行上一步.

3.2 車牌垂直方向定位

首先同上方法，利用垂直方向差分運(yùn)算獲得垂直投影圖像.能看出垂直投影圖像不是惟有一個(gè)單峰，而是一個(gè)由多個(gè)單峰組成的多峰值圖像，假設(shè)最高峰的4／5為閾值，繼而尋找首次出現(xiàn)的比該閾值大的邊沿波峰，去掉該峰左側(cè)峰谷之外的所有部分，且確定最后一個(gè)比該閾值大的邊沿峰，同樣方法，去掉該峰右側(cè)峰谷之外的部分，得出車牌區(qū)域［9］.

4 實(shí)驗(yàn)結(jié)果分析與比較

采用本文的方法在MATLAB軟件中車牌定位的最后結(jié)果如圖6所示.

圖6 車牌定位的結(jié)果Fig.6 Results of license plate location

為了體現(xiàn)本文提出方法的優(yōu)勢(shì)，將本文的方法與文獻(xiàn)［7］中的方法進(jìn)行比較，選用同一張?jiān)诠饩€較暗環(huán)境下拍的車牌圖像進(jìn)行車牌定位，比較結(jié)果，由參考文獻(xiàn)［7］中方法得出的車牌定位結(jié)果如圖7所示.

兩種方法的效果比較，采用的是車牌號(hào)為“桂AB 9388”的車牌圖像，該車牌圖像是在一個(gè)陰雨天氣，光線不足的情況下拍攝的.圖6是本文所得車牌區(qū)域，圖7是采用文獻(xiàn)［7］中將投影法和形態(tài)學(xué)相結(jié)合的定位算法所得車牌定位圖，可以看出采用本文的方法得到的結(jié)果非常清晰，定位也相當(dāng)準(zhǔn)確；而參考文獻(xiàn)得到的結(jié)果中車牌中的數(shù)字和字母都存在一定缺失，這對(duì)接下來的字符的分割及字符的識(shí)別有很大的影響，最終不能得到正確的車牌號(hào).如圖8所示給出了兩種方法得到的最終的車牌號(hào)，圖8（a）是本文方法得到的車牌號(hào)“桂AB 9388”，車牌號(hào)是正確的，圖8（b）是參考文獻(xiàn)方法得到的車牌號(hào)“桂X 89388”，車牌號(hào)是錯(cuò)誤的.可見本文的車牌定位方法，具有定位時(shí)間短，效率高的優(yōu)點(diǎn).

圖7 車牌定位的結(jié)果Fig.7 Results of license plate location

圖8 識(shí)別的車牌號(hào)Fig.8 Recognized license plate number

5 結(jié)語(yǔ)

以上介紹了一種基于HSV彩色空間的圖像預(yù)處理方法和基于邊緣檢測(cè)和投影法的車牌定位算法，歸納提出了有效去除背景干擾同時(shí)獲得合適亮度的圖像預(yù)處理步驟，然后在圖像預(yù)處理的基礎(chǔ)上，結(jié)合車牌本身固有的一些特征及豐富的邊緣特性，采用Canny算子進(jìn)行基于邊緣檢測(cè)的粗略車牌定位，獲得粗略車牌區(qū)域，然后采用投影法方法進(jìn)行進(jìn)一步相對(duì)準(zhǔn)確定位，獲得最終所需的精確車牌區(qū)域.采用MATLAB7．0進(jìn)行仿真實(shí)驗(yàn)，MATLAB有基礎(chǔ)圖像處理方面的工具箱，使用者通過直接調(diào)用工具箱里的相應(yīng)函數(shù)來實(shí)現(xiàn)圖像處理，還提高了處理速度.由實(shí)驗(yàn)結(jié)果可知，該論文所提出的車牌定位實(shí)用性強(qiáng)，能夠處理復(fù)雜背景和噪音較大情況下所拍車牌，而且處理效果極佳、易于實(shí)現(xiàn)，是一種簡(jiǎn)單、高效且實(shí)用的定位算法.

［1］李瓊，饒俊慧，陳多瑜．基于邊緣檢測(cè)及灰度跳變的車牌定位算法研究［J］．玉林師范學(xué)院學(xué)報(bào)，2013（5）：127－132．

LI Qiong，RAO Jun－h(huán)ui，CHEN Duo－yu．Research of vehicle license plate locationalgorithm based on edge detection and gray level jump［J］．Journal of Yulin Normal Universitiy，2013（5）：127－132．（in Chinese）

［2］李馳，苗順占．基于行掃描的車牌定位算法［J］．科技信息，2008（27）：410－411．

LI chi，MIAO Shun－zhan．License plate location algorithm based on line scan［J］．Journal of Information Science and Technology，2008（27）：410－411．（in Chinese）

［3］范蕤，潘永惠．基于小波變換的車牌定位算法研究［J］．通化師范學(xué)院學(xué)報(bào)，2008，29（10）：4－11．

FAN Rui，PAN Yong－h(huán)ui．A lgorithm for license plate location based on Wavelet Transform［J］．Journal of Tonghua Teachers College，2008，29（10）：4－11．（in Chinese）

［4］李剛，曾銳利，林凌．基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法［J］．儀器儀表學(xué)報(bào)，2007，28（7）：1323－1327．

LI Gang，ZENG Rui－li，LIN Ling．Car license Plate location aigorithm based on mathematical morPhology［J］．Chinese Journal of Scientific Instrument，2007，28（7）：1323－1327．（in Chinese）

［5］王明華．一種基于彩色紋理特征的車牌定位方法［J］．佳木斯大學(xué)學(xué)報(bào)：自然科學(xué)版，2014（1）：91－94．

WANG Ming－h(huán)ua．A license plate location method based on color texture characteristics［J］．Journal of Jiamusi University：natural science edition，2014（1）：91－94．（in Chinese）

［6］洪漢玉．現(xiàn)代圖像圖形處理與分析［M］．武漢：中國(guó)地質(zhì)大學(xué)出版社，2011．

HONG Han－yu．Advanced processing and analysis for image and graphics［M］．Wuhan：China University of Geosciences Press，2011．（in Chinese）

［7］李瓊，饒俊慧，陳多瑜．基于邊緣檢測(cè)及灰度跳變的車牌定位算法研究［J］．玉林師范學(xué)院學(xué)報(bào)，2013（5）：127－132．

LI Qiong，RAO Jun－h(huán)ui，CHEN Duo－yu．Research of vehicle license plate locationalgorithm based on edge detection and gray level jump［J］．Journal of Yulin Normal Universitiy，2013（5）：127－132．（in Chinese）

［8］趙建峰，馬建偉．基于投影法和數(shù)學(xué)形態(tài)學(xué)的車牌定位算法［J］．地理信息世界，2012（4）：72－88．

Zhao Jian－feng，MA Jian－wei．Car License plate location based on projection and mathematical morphology［J］. Geomatics World，2012（4）：72－88．（in Chinese）

［9］馬永慧，薛丹丹．基于數(shù)學(xué)形態(tài)學(xué)和投影法的車牌定位方法［J］．電視技術(shù)，2013，37（7）：147－149．

MA Yong-hui，XUE Dan-dan．Vehicle license plate location based on mathematical morphology and projection［J］．Video Engineering，2013，37（7）：147－149．（in Chinese）

［10］王明華．基于模糊理論的汽車牌照自動(dòng)識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［D］．成都：電子科技大學(xué)，2011．

WANG Ming－h(huán)ua．Car license plate automatic recognition system based on fuzzy theory the design and implementation［D］．Chengdu：Dissertation of the university of electronic science and technology，2011．（in Chinese）

License plate location in complex lighting conditions

QIN Shi-hong，YE Yun-li
School of Electronic and Informational Engineering，Wuhan Institute of Technology，Wuhan 430205，China

License plate location is the key part of the license plate recognition system．To improve the efficiency of license plate location in complex lighting conditions，a method based on the pretreatment of license plate image and the features of edge and texture was proposed．In the pretreatment process，the license plate image was brightened by using the features of independence between brightness and color in HSV color space，and a binary image with suitable brightness was obtained after efficiently eliminating the background interference．Then the approximate position of the license plate was got by using Canny edge detection to examine the edges．Finally，the horizontal and vertical projections of license plate were checked respectively，and the precise location of a license plate was obtained．The whole process was realized using Matlab software．The result shows that the method has stronger adaptability and robustness in complex lighting conditions，and it could be used widely．

license plate location；HSV；edge detection；projection；Matlab

TN911

A

10.3969/j.issn.1674-2869.2015.11.014

1674－2869（2015）11－0069－05

本文編輯：陳小平

2015－08－27

秦實(shí)宏（1964－），男，湖北漢川人，博士，教授．研究方向：智能電器，信息獲取與處理．