車牌定位與字符分割的新方法

李培靈，王 鋒

（河南工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，河南鄭州450001）

0 引言

車牌識別技術(shù)是智能交通系統(tǒng)中的關(guān)鍵技術(shù)，廣泛應(yīng)用于超速違章處罰、車輛出入管理及高速公路收費(fèi)等領(lǐng)域。車牌識別的關(guān)鍵技術(shù)主要有車牌定位、字符分割和字符識別3個(gè)部分。

車牌定位算法主要分為基于彩色圖像的車牌定位方法[1-3]和基于灰度圖像的車牌定位方法[4-5]兩大類。彩色圖像信息豐富，可以在復(fù)雜背景中實(shí)現(xiàn)車牌的定位，但同時(shí)其數(shù)據(jù)量大的特點(diǎn)會花費(fèi)更長的時(shí)間?；叶葓D像數(shù)據(jù)量少，運(yùn)行時(shí)間短，但是對背景復(fù)雜的圖像處理效果不好。常見的字符分割方法有連通域法和投影法[6-7]。連通域法是根據(jù)數(shù)字和字母字符的連通性進(jìn)行字符分割的，投影法是依據(jù)字符間存在間隙的特點(diǎn)實(shí)現(xiàn)字符分割。

本文著重對車牌定位和字符分割技術(shù)進(jìn)行研究，以期提高車牌識別方法的魯棒性和車牌識別率。

1 車牌定位與字符分割流程

車牌定位與字符分割包括車牌粗略定位、車牌傾斜校正、車牌精確定位和車牌字符分割等步驟，如圖1所示。

圖1 車牌定位及字符分割流程

其中，車牌粗略定位采用HSV顏色分割來實(shí)現(xiàn)，運(yùn)用霍夫變換直線檢測來實(shí)現(xiàn)車牌的傾斜校正，然后用投影法對車牌進(jìn)行二次定位，精確定位車牌位置。精確定位后的車牌共有7個(gè)字符，平均每個(gè)字符占圖像總長度的1/8～1/10，第2個(gè)字符和第3個(gè)字符間有一個(gè)分隔符。車牌字符分割采用改進(jìn)的投影法有效去除分隔符，并能準(zhǔn)確分割“川”、“滬”等特殊漢字字符。

2 車牌定位

通過改進(jìn)的顏色分割方法對車牌進(jìn)行粗略定位，利用霍夫變換技術(shù)對粗略定位出來的車牌圖像進(jìn)行傾斜校正，最后在其二值圖像上進(jìn)行二次車牌定位，得到精確的車牌定位圖像。

2.1 車牌粗略定位

RGB彩色圖像容易受到光照強(qiáng)弱、陰影等因素的影響，相比之下，HSV彩色圖像面對這些光照的變化更穩(wěn)定一些。在HSV顏色空間下，根據(jù)顏色對圖像中的車牌進(jìn)行定位，利用HSV顏色空間中藍(lán)色的色調(diào)、飽和度、亮度的取值范圍分別在水平方向和垂直方向累計(jì)藍(lán)色像素的個(gè)數(shù)，確定水平分割閾值和垂直分割閾值，對圖像進(jìn)行分割，確定車牌位置。

在定位過程中，確定上下邊界進(jìn)行水平投影時(shí)，針對出現(xiàn)的上下邊界范圍太大或太小的問題，將水平分割閾值適當(dāng)提高，每當(dāng)檢測到小于閾值的數(shù)據(jù)時(shí)，再檢測下一個(gè)數(shù)據(jù)是否同樣小于閾值，直到接下來的若干個(gè)數(shù)據(jù)均小于閾值，則該位置即為定位出的車牌邊界，實(shí)驗(yàn)表明效果較好。原始圖像如圖2所示，經(jīng)定位后的車牌圖像如圖3所示。

圖2 原圖

圖3 車牌粗略定位

實(shí)驗(yàn)表明，采用改進(jìn)后的顏色分割算法進(jìn)行車牌定位，得到理想的定位結(jié)果的比例有明顯提高，部分車牌定位效果對比圖如圖4所示。

圖4 算法效果對比

2.2 車牌傾斜校正

由于車牌字符分割需要對車牌進(jìn)行垂直投影來實(shí)現(xiàn)，而傾斜的車牌會影響垂直投影的結(jié)果，所以需要對其進(jìn)行校正。采用霍夫變換原理對圖像進(jìn)行直線檢測，計(jì)算直線傾斜角度，對圖像進(jìn)行旋轉(zhuǎn)校正。

本文主要檢測車牌框架上下邊界的傾斜角，對圖像進(jìn)行二值化時(shí)閾值不能太小。首先將上一步得到的結(jié)果圖轉(zhuǎn)為灰度圖像，則有0～255共256個(gè)亮度等級，設(shè)level取值范圍為[0，1]。二值化過程是將像素大于level*255的值轉(zhuǎn)為255，像素小于level*255的值轉(zhuǎn)為0。本文將level設(shè)為0.4，進(jìn)行邊緣檢測，再用霍夫變換直線檢測求得圖中直線的傾斜角，進(jìn)行傾斜校正，傾斜校正后的圖像如圖5所示。

圖5 校正后的車牌圖像

2.3 車牌精確定位

校正后的車牌圖像需要進(jìn)一步去除圖像中的邊框，完成對車牌的精確定位。首先對圖像進(jìn)行二值化處理，其中l(wèi)evel先使用默認(rèn)值0.5，引入一個(gè)比例因子 ，=/。 為二值化后圖像中白色像素的個(gè)數(shù)， 為圖像總像素?cái)?shù)。經(jīng)試驗(yàn)表明，在0.1～0.22范圍內(nèi)，字符分割效果最好。根據(jù) 的值調(diào)整level的值，得到最終的二值圖像。對二值圖像進(jìn)行水平投影，確定車牌上下邊界，對圖像進(jìn)行垂直投影，確定車牌左右邊界。經(jīng)精確定位后的車牌圖像如圖6所示。

圖6 車牌精確定位圖像

3 字符分割

字符分割的目的是把車牌中的字符逐一切分出來，在分割字符之前一般還需要對提取出來的圖像做一些預(yù)處理，如先轉(zhuǎn)為灰度圖像，然后進(jìn)行濾波降噪和二值化處理，最后采用投影法對字符進(jìn)行分割。

3.1 車牌圖像預(yù)處理

原始的車牌圖像是彩色的，顏色信息豐富，但是處理起來復(fù)雜。先將車牌圖像轉(zhuǎn)為灰度圖像，然后對灰度圖像進(jìn)行中值濾波降噪，最后進(jìn)行二值化處理，效果圖如圖7所示。

圖7 車牌預(yù)處理圖像

3.2 車牌字符分割

本文字符分割采用投影法實(shí)現(xiàn)。由于有些漢字比較特殊，如“川”字，在進(jìn)行投影閾值分割時(shí)會在字符內(nèi)部進(jìn)行分割，對此算法改進(jìn)如下：精確定位后的車牌中含有7個(gè)字符，平均每個(gè)字符占圖像總長度的1/8～1/10，根據(jù)這一先驗(yàn)知識，先定位出第一個(gè)字符的起始位置，再定位剩下字符的起始位置。

車牌中的分隔符會被當(dāng)作字符進(jìn)行分割，根據(jù)分隔符起始位置間距小，并且在起始位置間白色像素少的特點(diǎn)對分割出的圖像進(jìn)行判斷，找出分隔符的圖像將其去除，僅留下字符圖像。效果圖字符分割的結(jié)果如圖8所示。

圖8 字符分割結(jié)果

4 實(shí)驗(yàn)結(jié)果及分析

對不同背景下拍攝的200幅車牌圖像進(jìn)行了車牌定位和字符分割測試，實(shí)驗(yàn)表明，應(yīng)用本文方法能準(zhǔn)確地進(jìn)行車牌定位，對字符實(shí)現(xiàn)較好分割，部分典型的車牌圖像及其分割結(jié)果如圖9所示。測試結(jié)果表明有效定位率達(dá)到100%，字符分割正確率達(dá)到了98%。

圖9 部分典型車牌定位及字符分割結(jié)果

5 結(jié)束語

車牌定位與字符分割是車牌識別的關(guān)鍵技術(shù)。本文采用HSV顏色空間和二值化投影相結(jié)合的方法，并對現(xiàn)有的顏色分割算法和投影算法進(jìn)行了改進(jìn)，通過粗略定位和精確定位，能夠準(zhǔn)確截取車牌圖像。采用結(jié)合先驗(yàn)知識的投影法對字符進(jìn)行了有效分割，提高了車牌定位的可靠性和字符分割的準(zhǔn)確性。測試結(jié)果表明，本文方法有效提高了車牌定位和字符分割的魯棒性和準(zhǔn)確率。

[1]劉萬軍,姜慶玲,張闖.基于CNN彩色圖像邊緣檢測的車牌定位方法[J].自動(dòng)化學(xué)報(bào),2009,35(12)：1503-1512.

[2]王義興,黃鳳崗,韓金玉,等.基于顏色搭配與紋理特征的車牌定位方法[J].中國圖象圖形學(xué)報(bào),2009,14(2)：303-308.

[3]張吉斌.基于圖像處理及支持向量機(jī)的車牌識別技術(shù)研究[D].蘭州：蘭州交通大學(xué),2013.

[4]黃燦.基于局部特征的車輛識別[D].上海：上海交通大學(xué),2010.

[5]杜曉剛,王建中,白艷萍,等.一種快速有效的混合傾斜車牌校正方法[J].數(shù)學(xué)的實(shí)踐與認(rèn)識,2012,42(19)：87-95.

[6]馬寧,李斌.基于神經(jīng)網(wǎng)絡(luò)集成的車牌字符識別[J].安徽廣播電視大學(xué)學(xué)報(bào),2012(2)：116-120.

[7]SHAN Baoming.License Plate Character Segmentation And Recognition based on RBF Neural Network[C]//ETCS 2010,the 2nd International Workshop on Education Technology and Computer Science,6-7 March,2010,Wuhan,China,2010：86-89.