内容发布更新时间 : 2024/5/1 7:07:50星期一 下面是文章的全部内容请认真阅读。
龙源期刊网 http://www.qikan.com.cn
汽车牌照字符分割的自适应算法
作者：关明山 韩娜 王洋
来源：《科技创新导报》2011年第06期
摘 要:本文提出一种针对汽车牌照字符分割的自适应算法。该算法首先对获取的彩色车牌图像进行灰度化、灰度拉伸、边缘检测、Hough变换、旋转变换、二值化等一系列处理,以突出车牌文字、矫正车牌位置;然后对预处理结果的水平投影进行削峰填谷操作,以获得车牌字符的上下边界,再对上下边界内子图像的垂直投影进行削峰填谷操作,以获得车牌每个字符的左右边界,进而最终确定车牌每个字符的具体位置。实验结果表明该方法字符分割准确、运算速度快、适应能力强,有很好的实用性。
关键词:牌照字符分割 削峰填谷 自适应 边缘检测
中图分类号:TP391 文献标识码:A 文章编号:1674-098X(2011)02(c)-0225-02 1 引言
汽车牌照识别是智能交通中的重要课题之一,它广泛应用于电子收费、车流监控、高速公路收费系统等领域,是交通科技发展与研究的热点问题之一。从外部获取汽车的前部或后部图像后,车牌识别主要分三大部分:1)车牌定位;2)车牌字符分割;3)车牌字符识别。其中车牌字符分割处在承前启后的关键位置,字符分割的准确率与速度直接关系到整个系统运行的成败。对于车牌字符分割的方法,国内外相关专家、学者经过多年的研究,积累了大量成功的经验。国外关于车牌字符分割比较有代表性的算法如文献[1～2]的方法等,国内对车牌字符分割的研究也取得了很大进展,如文献[3～4]的方法等。总的看来,车牌字符分割的方法划分为基于颜色特征的聚类方法和投影分割两大类。基于颜色特征进行聚类在理想情况下是可行的,但实际车牌由于污损等原因,使车牌文字及背景颜色局部改变,而且车牌背景与文字颜色也有数种搭配等,使得基于颜色特征聚类分割字符的效果不够理想;而投影分割方法是比较直观有效的方法,得到广泛应用,但也有几个关键问题需要解决,如字符倾斜、车牌边框剔除、铆钉的处理、尤其是字符边界处理等。
本文即是针对以上问题,从实际应用的角度出发,提出一种基于削峰填谷[5]的自适应算法,该算法充分利用车牌文字颜色与背景颜色的差异进行优化的二值化处理,利用车牌文字排列及文字规格特征进行字符分割,简化操作步骤,动态获取阈值,对存储空间进行动态管理,从时间和空间两个方面进行优化,取得了较好的效果。
2 车牌的基本特征[6]
龙源期刊网 http://www.qikan.com.cn
根据现行机动车牌照标准GA 36.1-2001,车牌的主要颜色为蓝底白字、黄底黑字、白底黑字、黑底白字。对于通用汽车牌照,格式为XlX2·X3X4X5X6X7,各字符均为45mm宽,90mm高。
汽车牌照目标区域的特征分析:①字符和牌照底色在灰度值上存在明显跳变,而字符本身、牌照底色本身都有比较均匀的灰度;②汽车牌照有一个连续或由于磨损而不连续的边框,通用车牌由7个字符组成,基本呈水平排列,间隔均匀,所以在牌照的矩形区域内存在较丰富的边缘,呈现出不规则的纹理特征;③不同图像中牌照字符的具体大小、位置不确定,但字符的长宽比变化有一定范围,字符的宽高比例接近1:2。④由于车牌图像采集环境的多变性,造成所采集的车牌图像部分不可避免地伴随有千变万化不确定的随机干扰,极大地增加了车牌字符分割的难度。
３ 算法流程
根据上述对车牌特征的分析,预分割车牌字符,就要进行图1所示的一系列处理。其中二值化及投影分割操作中均用了削峰填谷法进行了优化处理。
4 算法实现 4.1 灰度化处理
读入车牌子图像,利用公式(1)对图像进行灰度化处理。 (1)
4.2 灰度拉伸
顺序检查图像数据,找出灰度值的最大值Max和最小值Min。然后运用公式(2)进行灰度拉伸。 (2)
拉伸能够有效增强图像的对比度,对于暴光不足或过量的图像尤其重要,也提高了本系统的适应复杂环境条件的能力。 4.3 车牌倾斜度矫正
经过车牌定位后的车牌子图像,有时由于摄像或其它原因造成其有一定的倾斜,这会严重影响后继投影操作的正确性,是必须进行的预处理操作。
龙源期刊网 http://www.qikan.com.cn
首先针对车牌图像进行边缘检测,本算法采用既能突出牌照区域边缘,又能削弱干扰的Robert算子。然后对边缘检测的结果进行Hough变换,求得车牌子图像的倾角,进而对原车牌图像进行旋转操作,以得到水平的车牌,结果如图2所示。 4.4 二值化处理
本过程主要是要确定一个合理的阈值,然后用白色表示车牌的背景,用黑色表示文字线条。首先绘制灰度图像的直方图,由于车牌背景颜色基本一致,文字的颜色也基本一致且二者有较大反差,所以直方图呈现明显的双峰特征。
接下来对该直方图运用削峰填谷算法进行操作。初级搜索链表的步长可以根据精度要求进行选择。然后对相邻节点按一定条件进行归并,主要考虑在链表中,相邻的波峰能否归并。归并后,链表对应的直方图如图3所示。
经过对灰度图像直方图的削峰填谷操作后,找到车牌文字与背景各自所在的波峰,以其中间值做为初始阈值,考虑到实际情况及后继处理要求、尽量保留文字信息的完整性,应使阈值靠近背景,以减少误判。最后根据阈值及背景、文字所在灰度区间的判定,无论车牌原来背景与文字灰度分布如何,最终都用黑色表示文字,白色表示背景。从而实现了车牌图像二值化的目的,结果如图4所示。 4.5 字符分割
本过程目标就是确定车牌中每个字符在图像中的上下左右边界。
①水平投影搜索车牌的上下边界:本过程也是运用削峰填谷算法,为避开铆钉的干扰,投影采用车牌中间1/3一段。其中水平投影的结果如图5(a)所示,字符上下边界找到时的链表直方图如图5(b)所示。
②垂直投影确定每个字符的左右边界:仍采用削峰填谷法进行操作。本过程投影仅扫描已经求出的文字上下边界内的子图像,避开车牌上下边框的干扰,如图6所示。
从垂直投影可分辨出车牌7个字符所在的区域,但边界的确切位置却比较模糊,为此,采用削峰填谷操作,来规范每个区域的边界,结果如图7所示。
根据通用车牌的特点,7个字符的高度是一致的,即宽高比接近1:2,所以本算法所检测字符的上下边界是基本正确的,但汉字及字母数字的宽度投影确不一定一致,例如数字“1”的宽度就比较窄,因此对垂直归并后的字符宽度要进行规范,使其更接近真实情况。
5 实验结果及分析