一種基于Radon變換的車(chē)牌識(shí)別技術(shù)研究

陳文青

(紹興職業(yè)技術(shù)學(xué)院信息工程學(xué)院,浙江紹興312000)

一種基于Radon變換的車(chē)牌識(shí)別技術(shù)研究

陳文青

(紹興職業(yè)技術(shù)學(xué)院信息工程學(xué)院,浙江紹興312000)

由于車(chē)牌和攝像機(jī)之間存在相位差,導(dǎo)致獲取的車(chē)牌圖像存在傾斜、扭曲和變形,造成車(chē)牌的分割和識(shí)別困難.針對(duì)上述問(wèn)題,提出了一種改進(jìn)的Radon變換的車(chē)牌識(shí)別算法.該算法首先對(duì)車(chē)牌圖像進(jìn)行Radon變換,接下來(lái)對(duì)Radon變換的結(jié)果進(jìn)行一階函數(shù)求導(dǎo),對(duì)一階導(dǎo)數(shù)的絕對(duì)值再進(jìn)行累計(jì)求和,由求和結(jié)果的最大值得到相對(duì)應(yīng)的Radon變換角度值,把該變換角度值作為車(chē)牌圖像的傾斜角度.實(shí)驗(yàn)結(jié)果表明,改進(jìn)的Radon變換車(chē)牌識(shí)別算法用時(shí)少、精度高,具有對(duì)光照不敏感和較好的抗外界干擾等優(yōu)點(diǎn).

車(chē)牌識(shí)別;Radon變換;一階導(dǎo)數(shù);字符分割

0 引言

隨著社會(huì)車(chē)輛數(shù)量的迅速增長(zhǎng),車(chē)輛管理工作越來(lái)越需要借助計(jì)算機(jī)進(jìn)行.而車(chē)牌號(hào)碼是管理車(chē)輛的關(guān)鍵標(biāo)識(shí),自然而然成為車(chē)輛管理中的一個(gè)關(guān)鍵數(shù)據(jù).管理流動(dòng)中的車(chē)輛首先從車(chē)牌號(hào)碼識(shí)別開(kāi)始.獲取運(yùn)動(dòng)中的車(chē)牌圖像,一般主要通過(guò)CCD攝像機(jī)抓拍,由于車(chē)輛和CCD攝像機(jī)拍攝角度、拍攝距離以及車(chē)牌懸掛位置的不同,造成拍攝到的車(chē)牌圖像有一定程度的傾斜.若車(chē)牌圖像只是0°到2°輕微傾斜,不影響識(shí)別效率,可不做校正處理.若非輕微傾斜,如果在字符分割之前不對(duì)車(chē)牌圖像進(jìn)行校正,分割的時(shí)候容易產(chǎn)生錯(cuò)誤,降低車(chē)牌字符分割準(zhǔn)確率的同時(shí),也降低識(shí)別車(chē)牌字符的正確率.因此,先對(duì)非輕微傾斜的車(chē)牌進(jìn)行必要的傾斜校正[1-3],然后再對(duì)車(chē)牌字符進(jìn)行分割,可以提高字符分割的準(zhǔn)確率.

處理傾斜車(chē)牌,常用的幾種算法有Hough變換法、投影法與主成分分析法.這些算法各有優(yōu)劣,Hough變換法的優(yōu)點(diǎn)是精度高,但如果車(chē)牌邊框有磨損或者變形,校正效果不理想;投影法針對(duì)投影圖分析,具有操作簡(jiǎn)單的優(yōu)點(diǎn),但是計(jì)算量巨大;主成分分析法直接針對(duì)二值圖進(jìn)行計(jì)算,但對(duì)實(shí)測(cè)圖像的二值圖精確度要求很高[4-6].

對(duì)拍攝到的角度不正、發(fā)生傾斜的車(chē)牌處理方法,本文首先采用Radon變換對(duì)需要校正的傾斜的車(chē)牌圖像進(jìn)行校正,然后再對(duì)Radon變換的結(jié)果進(jìn)行一階求導(dǎo),并累加求導(dǎo)絕對(duì)值,算出求導(dǎo)絕對(duì)值之和,求出傾斜角度,然后在水平方向與垂直方向上進(jìn)行旋轉(zhuǎn)校正.

1 車(chē)牌識(shí)別流程

在各種交通道路監(jiān)視管理系統(tǒng)中,需要識(shí)別來(lái)往車(chē)輛的車(chē)型與車(chē)牌,對(duì)車(chē)速與車(chē)重進(jìn)行檢測(cè),車(chē)牌識(shí)別是這些重要交通信息中的一個(gè)關(guān)鍵環(huán)節(jié).由于受CCD攝像機(jī)拍攝角度、拍攝距離及車(chē)牌位置不同的影響,采集的車(chē)牌大都在一定程度上存在傾斜的情況.為了降低車(chē)牌字符分割的錯(cuò)誤率,在車(chē)牌圖像識(shí)別之前,需要先對(duì)傾斜的車(chē)牌圖像進(jìn)行校正處理,傾斜車(chē)牌校正處理后再進(jìn)行分割,這樣可以提高字符分割的正確率,字符分割正確率提高了,車(chē)牌識(shí)別率也就提高了[7-8].車(chē)牌識(shí)別流程如圖1所示.

圖1 車(chē)牌識(shí)別流程

2 Radon變換

對(duì)于二維圖像而言,Radon變換可以在任何維數(shù)變量空間域范圍內(nèi)進(jìn)行變換,其變換形式為:

公式(1)中,D表示拍攝到的車(chē)牌圖像平面;f(x,y)表示圖像中(x,y)點(diǎn)位置的灰度值,在車(chē)牌處理中用來(lái)表示從車(chē)輛整體圖形中識(shí)別出的彩色車(chē)牌圖像經(jīng)過(guò)灰度算法處理后的圖像灰度值;δ表示特征函數(shù);ρ代表車(chē)牌圖像所在的平面(x,y)內(nèi)的直線(xiàn)與原點(diǎn)之間的距離;θ表示原點(diǎn)到直線(xiàn)的垂線(xiàn)與水平x軸之間的夾角,Radon變換示意圖如圖2所示,該圖清晰表示了圖像基于Radon變換中從圖像空間到參數(shù)空間的變換.

圖2 Radon變換示意圖

3 車(chē)牌傾斜方式和校正

3.1 車(chē)牌傾斜方式

若把車(chē)牌的邊框作為車(chē)牌圖像輪廓,標(biāo)準(zhǔn)車(chē)牌圖像可以看作一個(gè)長(zhǎng)方形,但由于受到各種各樣的因素影響,使得采集到的車(chē)牌圖像并非是一個(gè)長(zhǎng)方形,而是產(chǎn)生了傾斜,這種傾斜的車(chē)牌圖像,相當(dāng)于一個(gè)平行四邊形.車(chē)牌的傾斜方式一般分為水平傾斜、垂直傾斜、水平垂直混合傾斜,如圖3所示.

車(chē)牌水平傾斜時(shí),車(chē)牌字符自身無(wú)錯(cuò)切,只是車(chē)牌與x軸成一定角度α,求出α,之后旋轉(zhuǎn)±α,就可以完成車(chē)牌校正;若需校正的傾斜車(chē)牌為垂直傾斜時(shí),在傾斜車(chē)牌圖像當(dāng)中,因?yàn)樵谕恍虚g的像素存在錯(cuò)位偏移,因此,可以先計(jì)算出錯(cuò)位偏移β值,然后再進(jìn)行傾斜校正;車(chē)牌水平垂直混合傾斜時(shí),可先對(duì)車(chē)牌進(jìn)行水平校正,水平校正完成后再對(duì)車(chē)牌進(jìn)行垂直校正[9-10],最后輸出校正的車(chē)牌圖像.

圖3 車(chē)牌傾斜方式

3.2 水平校正

車(chē)牌水平校正的步驟如下:

(1)運(yùn)用Mathematical Morphology方法二值邊緣化原始車(chē)牌圖像;

(2)對(duì)步驟(1)二值邊緣化結(jié)果進(jìn)行Radon變換;

(3)計(jì)算Radon變換矩陣中的峰值;

(4)將傾斜車(chē)牌進(jìn)行水平方向旋轉(zhuǎn)并進(jìn)行無(wú)損校正,將圖像旋轉(zhuǎn) ±α;

rot=90-c

I5=imrotate(I,rot,’crop’);%車(chē)牌水平旋轉(zhuǎn)校正

圖4 Radon變換系數(shù)圖

在Radon變換系數(shù)圖中可以看出,變化系數(shù)越大的地方顏色越亮,從圖4可看出在104度左右出現(xiàn)變化系數(shù)的最大值,因此,旋轉(zhuǎn)度數(shù)α=90-104=-14,把車(chē)牌圖像按順時(shí)針旋轉(zhuǎn),順時(shí)針旋轉(zhuǎn)14度后校正的車(chē)牌圖像如圖5所示:

圖5 水平校正

3.3 垂直校正

垂直校正的主要步驟:

(1)運(yùn)用水平投影和垂直投影方法去掉水平校正車(chē)牌圖像的邊框,因?yàn)橛凶址蜎](méi)有字符的區(qū)域投影像素是不同的,差異很大;

(2)對(duì)無(wú)邊框的水平校正圖像進(jìn)行垂直邊緣檢測(cè);

(3)對(duì)垂直邊緣檢測(cè)結(jié)果進(jìn)行Radon變換;

theta=0:179;

[r xp]=radon(I4,theta);%Radon變換.

(4)對(duì)Radon變換結(jié)果求一階導(dǎo)數(shù)累積和;

圖6 垂直邊緣圖

圖7 垂直校正結(jié)果

公式(2)中,R表示Radon變換后的結(jié)果;n表示Radon變換中x'軸的長(zhǎng)度;i表示Radon變換的角度.

4 實(shí)驗(yàn)仿真

為了驗(yàn)證本文算法的有效性,以3幅未校正的車(chē)牌二值圖像為研究對(duì)象,分別比較本文算法和投影法的校正效果.水平校正、垂直校正和混合校正的結(jié)果分別如圖8、圖9和圖10所示.

圖8 水平校正

圖9 垂直校正

圖10 混合校正

通過(guò)圖8、圖9和圖10校正結(jié)果可知,本文算法具有精度高、運(yùn)行時(shí)間少的優(yōu)點(diǎn),平均運(yùn)行時(shí)間0.3秒左右.

以圖11中的3幅圖像作為測(cè)試對(duì)象測(cè)試算法的校正效果與校正時(shí)間,分別進(jìn)行Hough變換、Radon變換、最小二乘法和兩點(diǎn)法,這四種算法的車(chē)牌圖像校正結(jié)果對(duì)比如圖12、圖13和圖14所示,校正的角度與算法用時(shí)對(duì)比情況如表1所示.

圖11 測(cè)試圖像

圖12 測(cè)試圖像1校正結(jié)果

圖13 測(cè)試圖像2校正結(jié)果

圖14 測(cè)試圖像3校正結(jié)果

表1 校正結(jié)果對(duì)比情況

由表1校正對(duì)比結(jié)果可知,Radon變換效果最好,不但計(jì)算精度高,同時(shí)具有計(jì)算時(shí)間短的優(yōu)點(diǎn),可以有效地應(yīng)用于低質(zhì)量的車(chē)牌識(shí)別.

5 結(jié)論

現(xiàn)實(shí)生活中,汽車(chē)車(chē)牌大多存在一定程度上的傾斜、變形甚至扭曲等問(wèn)題,造成車(chē)牌識(shí)別困難.本文提出一種改進(jìn)的Radon變換的車(chē)牌識(shí)別方法,該方法先對(duì)需要校正的車(chē)牌圖像進(jìn)行Radon變換,對(duì)變換結(jié)果一階求導(dǎo)并累加求導(dǎo)絕對(duì)值,算出求導(dǎo)絕對(duì)值之和,得到傾斜校正度數(shù),然后在水平方向與垂直方向上進(jìn)行旋轉(zhuǎn)校正.實(shí)驗(yàn)結(jié)果表明,改進(jìn)的Radon變換車(chē)牌識(shí)別算法用時(shí)少、精度高,具有對(duì)光照不敏感和較好的抗外界干擾等優(yōu)點(diǎn).

[1]喻曉,李慕龍,張礽婧,等.復(fù)雜車(chē)輛圖像中的車(chē)牌定位方法[J].電子設(shè)計(jì)工程,2010,18(12):120 -123.

[2]張順利,李衛(wèi)斌,吉軍.基于投影的文檔圖像傾斜校正方法[J].計(jì)算機(jī)工程與應(yīng)用,2010,46 (3):166.

[3]曹中華,周定康,謝旭升.基于矩特性的變形圖像矯正[J].計(jì)算機(jī)應(yīng)用與軟件,2014,21(4):752-756.

[4]白建華.車(chē)牌字符分割及識(shí)別算法研究[D].西安:西安電子科技大學(xué),2010.

[5]甘玲,林小晶.基于連通域提取的車(chē)牌字符分割算法[J].計(jì)算機(jī)仿真,2011,28(4):336-339.

[6]AI-Ghaili A M,Mashohor S.Vertical Edge Based Car License Plate Detection Method[J].IEEE Transactions on Vehicular Technology,2013,62(1):26-38.

[7]秦常貴.車(chē)牌自動(dòng)識(shí)別的算法研究與實(shí)現(xiàn)[J].計(jì)算技術(shù)與自動(dòng)化,2011,30(2):139-144.

[8]申繼龍.車(chē)牌定位和傾斜校正的關(guān)鍵技術(shù)研究[D].南京:南京郵電大學(xué),2013.

[9]韓立明,王波濤.車(chē)牌識(shí)別中關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì),2010,31(17):3919 -3923.

[10]牛潔.字符識(shí)別算法研究[D].北京:北京郵電大學(xué),2010.

(責(zé)任編輯 王海雷)

TP391.41

A

1008-293X(2015)08-0065-06

10.16169/j.issn.1008-293x.k.2015.08.13

2015-04-06

2014年浙江省教育廳科研項(xiàng)目(Y201431964:基于Radon變換的低質(zhì)量車(chē)牌識(shí)別關(guān)鍵技術(shù)研究).

陳文青(1978-),女,廣東潮汕人,講師,主要研究方向:圖形圖像處理、高等教育教學(xué)研究.