基于灰度圖像的車牌定位算法研究與實現

摘 要：汽車牌照的自動定位是智能交通系統中的重要組成部分之一，是實現車牌識別(LPR)系統的關鍵。針對不同背景和光照條件下的車輛圖像，提出了一種基于灰度圖像灰度變化特征進行車牌定位的方法。依據車牌中字符的灰度變化以峰、谷規律分布確定車牌上下邊界，對掃描行采用灰度跳變法確定車牌左右邊界。測試結果表明，該方法是可行的。

關鍵詞：車牌定位；灰度圖像；灰度變化；智能交通

中圖分類號：TP391.14 文獻標識碼：B 文章編號：1004-373X(2008)02-137-03

Implementation and Research on Vehicle License Plate Locating Based on the Gray Image

GUO Ya，WANG Shuibo

(School of Information Engineering，Chang′an University，Xi′an，710064，China)

Abstract：The automated license plate location is an important part in the intelligent traffic system．It is the key step in the Vehicle License Plate Recognition(LPR).A method for the recognition of images of different backgrounds and different illuminations is proposed in the paper.the upper and lower borders are determined through the gray variation regulation of the character distribution.The left and right borders are determined through the black-white variation of the pixels in every row.Testing results show that the presented method is feasible.

Keywords：license plate locating；gray image；gray variation;intelligent traffic

1 引 言

近年來，智能交通系統(ITS)越來越受到人們的重視，并逐漸應用在交通信息統計收集、路車間通信、停車場管理、不停車自動收費、車輛自動行駛等領域，而上述領域都與汽車牌照的自動識別有關。對汽車車牌的正確識別，既可以實現在交通路口、高速公路、軍事要塞、機關門衛對過往車輛的實時登記、流量統計和對防衛目標的安全警備，對肇事車輛、被盜車輛、犯罪車輛進行辨識和攔截；又可在汽車存車場對進出的車輛進行登記、統計和查詢，以保障安全防盜，并可協助自動記費，這些是建設智能交通系統不可或缺的部分。

在車牌識別中，最重要的步驟就是車牌定位，定位的成功與否以及定位的準確程度將會直接決定后期能否進行車牌識別以及識別的準確度。由于在現實中，汽車的車牌圖像受到光照、背景、車型等外界干擾因素以及拍攝角度、遠近等人為因素的影響，造成圖像受光不均勻，車牌區域不明顯，給車牌區域的提取帶來了較大的困難。

目前比較經典的定位方法大都在基于灰度圖像的基礎上，文獻［1］提出利用投影分布特征進行車牌定位的方法，文獻［2］提出一種基于灰度變化的車牌粗定位方法，有效解決了背景復雜及對比度小的車牌圖像的定位問題。文中提出了一種先利用車牌中字符的灰度變化以峰﹑谷規律分布確定車牌上下邊界，對掃描行采用灰度跳變法確定車牌左右邊界。從而提取出車牌的方法，并在VC++中編程實現。實驗證明此方法能進一步提高車牌定位及字符提取的正確率。

2 圖像預處理

2.1 灰度線形變換

由于光照等因素，許多圖像成像時光照不足，使得整幅圖像變暗，或者成像時光照過強，使得整幅圖變亮．為了增強車輛圖像和車牌圖像的對比度，使其明暗鮮明，有利于車牌識別，需要在圖像灰度化后對圖像進行灰度線性變換，以便突出車牌部分。

2.2 二值化

對圖像進行二值化可以給后續的分割識別工作帶來很大的方便。常用的二值化方法有直方圖統計法、固定門限法、動態閾值法、松弛法、抖動矩陣二值化法等。由于在光照較弱的情況下，車牌圖像的光照程度很不均勻，車牌字符與底色的對比度偏低，所以采取動態閾值法。文中使用了一種迭代求圖像最佳分割閾值的算法（見圖1）。該算法步驟如下：

3 車牌定位

3.1 車牌上下邊界確定

根據車牌的特點，有多種車牌分割方法，如彩色分類、神經網絡、模板匹配等方法。然而，由于汽車圖像往往在復雜的自然環境中得到，所以很多分割方法都會失去作用。峰谷法定上下邊界的原理是依據車牌中字符的灰度變化以峰﹑谷有規律的分布，而圖像中除字符以外的部分的峰谷變化與字符串的峰谷變化有明顯差別。

對二值圖像采取與邊緣檢測類似的處理。利用水平方向的差分算子對汽車圖像求梯度:

3.2 車牌左右邊界確定

在上下界粗定位的基礎上，對特征圖像進行垂直投影，得到投影圖后，對投影圖進行處理，在濾除噪聲干擾之后，從粗定位車牌的2個邊界向中間搜索車牌區域的左右邊界。

4 實驗結果分析

針對所提出的方法，對在各種天氣狀況(包括早、中、晚、晴天和雨天等)和不同背景條件下采集到的96幅圖像進行了車牌的自動定位。實驗所用的圖像部分來自于一個車牌識別演示系統“Plate-DSP”的圖像庫，其余圖像均由實驗室的數碼相機采集，該相機的分辨率為640×480。實驗處理的車輛可以是靜止的或車速在25 km／h以下的運動車輛。下面給出一部分實驗結果，如圖5所示。實驗結果表明此方法對輸入圖像的對比度和亮度要求比較低，由于采用了水平方向的差分和垂直方向的特征信息，所以其正確定位率較高，而且該方法的定位識別時間短，具有較好的實時性和準確性。

5 結 語

針對車牌圖像的特點， 提出了一種基于車牌字符灰度變化呈峰谷分布的規律來定位車牌上下界方法， 對掃描行采用灰度跳變法確定車牌左右邊界。 該方法能較為快速、有效地從復雜噪聲背景中將待識別的車牌分割出來。在實際中用該方法對在不同條件下所采集到的各種車頭、車尾圖像進行了實驗。結果表明， 該方法對車牌圖像的檢測定位是可行的和有效的。

參 考 文 獻

［1］全書海，薛志華，王琴，等.基于投影圖像分布特征的車牌定位算法研究與實現［J］.武漢理工大學學報:交通科學與工程版，2005，29(6):63-66．

［2］張光華，車牌定位方法研究［D］．南京：東南大學，2000．

［3］湯德佑，黃元江.基于灰度跳變的車牌自動識別技術［J］.株洲工學院學報，2004，18(2):92-94．

［4］陳兆學，施鵬飛.基于灰度圖像的車牌快速定位和分割方法［J］.計算機工程，2006，32(9):173-174，177．［5］路小波，張光華.基于二值圖像的車牌精確定位方法［J］.東南大學學報:自然科學版，2005，35(6):972-974.［6］Poon J C H，Ghadia M，Mao G M T，etal．A Robust Vision System for Vehicle License Plate Recognition Using Gray-scale Morphology［A］．In：Proc ofthe IEEEInternational Symposium on Industrial Electronics[C].Athens，1995:394-399．

［7］Parisi R，Cludio E D D，Lucarelli G，et al．Car Plate Recognition by Neural Networks and Image Processing［A］．In：Procofthe 1998 IEEE International Symposium on Circuits and Systems［C］．Monterey，1998:195-198．

［8］Yu M，Kim Y D．An Approach to Korean License Plate Recognition Based on Vertical Edge Matching［A］．In：Proc.of the 2000 IEEE International Conference on Systems，Man，and Cybernetics［C］．Tennessee，2000:2 975-2 980．

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。