基于有色點對搜索的車牌定位算法

周澤華

（合肥學院 電子信息與電氣工程系，安徽 合肥 230601）

基于有色點對搜索的車牌定位算法

周澤華

（合肥學院 電子信息與電氣工程系，安徽 合肥 230601）

研究車牌識別定位算法問題.傳統的車牌設識別定位算法的識別精確度難以滿足現實在交通管理和流量監測中的應用，存在車牌圖像定位的精度不高等問題.為解決上述問題，在對車輛圖像預處理基礎上，提出一種基于有色點對搜索的車牌定位算法.基于車牌圖像顏色特征，選取適合的顏色模型進行車牌提取.用有色點對算法搜索出符合車牌字符特征的候選區域對車牌進行粗定位，最后對候選區域進一步分析準確定位出車牌.通過研究表明，該算法具有較高的準確率.

有色點對；顏色模型；車牌定位

1 引言

智能交通系統(Intelligent Transport Systems，ITS)是 21世紀道路交通管理的發展趨勢，車牌識別 (License Plate Recognition，LPR)是實現交通管理智能化的重要環節.而車牌定位直接關系到的車牌識別的成敗.目前車牌定位的算法主要分為兩類：一類為基于彩色圖像的車牌定位方法，這類方法一般將RGB彩色圖像轉化為HSV或其他空間，再通過車牌與背景固定顏色信息來定位車牌[1-3].二類是基于灰度圖像處理的車牌定位方法，這類方法基于空間信息處理，以檢測車牌邊界為目的，常見的方法有直方圖處理，數學形態學、區域生長和Hough變換等[4-6].這些方法在一定的應用背景下都得到了較好的效果，但其仍然受到一定條件的限制.所以，對車牌定位算法的研究和優化仍然具有重要的意義.通過對已有算法的研究，提出一種基于有色點對搜索的車牌定位算法，能夠有效提高定位精度，易于實現.

2 車牌和顏色的特征分析

按照我國交通管理部門的規定，汽車牌照的特征主要有顏色特征、結構特征和紋理特征.顏色特征：我國車牌顏色共分為四種，分別為藍底白字、黑底白字、黃底白字、和白底黑子.結構特征：車牌寬度為440mm，高度為140mm，寬高比為3.14.車牌中字符寬度為45mm，高度為90mm，寬高比為0.5.車牌應安裝于汽車下部.紋理特征：車牌中含有類字符區，即車牌的橫向顏色呈現有規律的波峰波谷變化.

3 基于有色點對搜索的車牌定位

針對車牌識別系統中關于靜態圖片中的車牌定位問題，主要運用了圖像處理的知識，在VC開發平臺上，通過對靜態圖片進行灰度變換，二值化，邊緣檢測、幾何變換等一系列預處理，然后利用有色點對搜索算法實現了從采集到的包含車牌的圖像中定位出車牌，為進一步的車牌字符識別打下基礎.整個系統由4部分組成：車輛圖像采集、車輛圖像預處理、車牌粗定位、車牌的準確定位，系統框圖如圖1所示.

圖1 車牌定位系統框圖

3.1 圖像采集

在日常學習當中比較常用的圖像格式由BMP、JPG、GIF、PCX等，其中比較常用JPG.系統設計中采用的是BMP格式圖像，由于程序對識別圖像的準確率，識別的效果和識別的時間，選擇圖像的大小為640*480像素的真彩色圖像.采集到的車輛圖像如圖2所示.

圖2 采集的車輛圖像

3.2 圖像的預處理

圖像的預處理包括圖像的灰度化、二值化、幾何變換、邊緣檢測等.針對不同的圖片通過幾何變換進行傾斜校正，然后對已預處理增強的圖像進行Sobel垂直算子邊緣檢測，用有色點對算法搜索出符合車牌字符特征的候選區域對車牌進行初定位，最后根據車牌底色和比例大小等先驗知識對候選區域進一步分析準確定位出車牌.

由于汽車圖像的設置角度問題，可能導致攝制的車牌發現傾斜，這會對車牌識別當中字符切割中和識別造成困難，因此需要通過圖像的幾何變換，對圖片進行校正.圖像的幾何變換是最常見的圖像處理手段，通過對變形的車輛圖像進行幾何校正，可以得出準確的圖像.為后面車牌的定位提供更加有力的條件.常用的幾何變換功能包括圖像的平移、圖像的鏡像變換、圖像的轉置、圖像的縮放、圖像的旋轉等等.

3.3 圖像的有色點對搜索實現車牌粗定位

3.3.1 有色點對搜索

由于處理彩色圖像的計算量非常大，簡單的思路是將彩色圖像轉換成灰白圖像，甚至再轉換成黑白二值圖像來處理.但這是以拋棄大量有用信息為代價的.為了提高算法的抗干擾能力，本文車牌定位算法直接采用彩色圖像進行處理.

以藍底白字車牌為例.針對車牌區域的顏色特征是夾雜少量白色區域的藍色區域，將通過在圖像中尋找一種特殊的顏色模式來實現.針對藍底白字車牌，定義有色點對（A，B）：A點，其左方為藍色點，右方為白色點；B點其左方為白色點，右方為藍色點；A、B點應在一定的方位內.

由于顏色判斷屬于模糊判斷，為了提高算法的抗干擾性，對有色點對的顏色定義比較寬泛，具體步驟如下：

（1）設某一點的紅綠藍色分量為 Cr、Cg、Cb.

（2）當某一點的顏色滿足Cb>f1*Cr,g且Cb>T1時，即認為該點為藍色點.其中f1=1.4，T1=20.

（3）當某一點的顏色滿足Cr,g,bT2時，即認為該點為白色點.其中，f2=0.4，T2=200，S=Cb+Cr+Cg.

有色點對算法可以準確的找到車輛圖像中車牌區域的有色點對，從而突出了圖像中車牌大致位置，為后續進一步車牌精確定位打下良好的基礎.以上算法在VC++平臺上運行的結果如圖3.

圖3 有色點對搜索

3.3.2 車牌的粗定位

利用有色點對搜索，對彩色圖像進行處理，這里選用的是數學形態學的方法，其基本思想是用具有一定形態的結構元素去度量和提取圖像中的對應形狀以達到對圖像分析和識別的目的.數學形態學的應用可以簡化圖像數據，保持它們基本的形態特征，并除去不相干的結構.在處理的過程中進行了一次形態學閉環運算和十次腐蝕運算.

圖4 車牌粗定位

對找到的有色點對密集區域進行車牌的形狀識別，即根據車牌的寬長比應在3左右進行判別.圖像形態學處理后唯一的有色點對密集區域寬長比符合車牌形狀特征，因此，可初步認定其為車牌所在區域如圖4.

3.4 車牌的精定位

在獲得車牌的大致位置后，根據有色點對搜索實現車牌的粗定位.再根據車牌底色、比例大小等有關知識，利用灰度圖分割出合理的車牌區域，確定車牌數字和漢字各自灰度范圍，然后行方向統計在此顏色范圍內的象素點數量，設定合理的閾值，確定車牌在行方向的合理區域.然后，在分割出的行區域內，統計列方向藍色象素點的數量，最終確定完整的車牌區域如圖5.

圖5 車牌精定位

4 結束語言

本文基于有色點對搜索的車牌定位算法，針對經過預處理后的車牌圖像，分為車牌圖像的粗定位和細定位兩個步驟進行處理.其中粗定位基于車牌圖像顏色特征，選取適合的顏色模型，利用有色點對搜索出符合車牌字符特征的候選區域，保證了車牌區域獲取的完整性.精定位過程根據車牌底色、比例大小等有關知識，利用灰度圖分割出合理的車牌區域保證了車牌定位的準確性.實驗表明，該方法準確率高、精確度好、實時性強，具有較強的應用價值，為智能交通和安全監控技術的發展提供一個新的車牌定位方法.

〔1〕Anagnostopoulos C N E，Anagnostoploulos I E，Psoroulas I D，et al.License plate recognition from still images and video sequences：a survey[J].IEEE Transactions on Intelligent Transportation System，2008，9（3）：377-391.

〔2〕聶洪印,周衛東,劉輝.多顏色模型和綜合特征下的車牌定位新方法[J].計算機工程與應用,2010,46(12):221-223.

〔3〕謝建平.一種基于快速最近特征線的汽車牌照識別方法[J].電視技術，2006，30(4):93-96.

〔4〕尚趙偉,國慶,朱貝貝，等.Top-hat變換在多車牌定位中的應用[J].計算機工程與應用,2011,47(29):214-217.

〔5〕SUBHRANSU M,JITENDRA M.Object detection using a max－margin Hough transform ［C］//Proc.IEEE Conference on Computer Vision and Pattern Recognition，2009.［S.l.］:IEEE Press:1038－1045.

〔6〕黃文杰,王海濤,姬建崗.基于公路收費系統的車牌定位與字符分割算法[J].電視技術,2006,30(2):85－87.

TP391.9

A

1673-260X（2012）08-0068-02

2011年度安徽高校省級科學研究項目（KJ2011B136）