復雜背景下車牌定位算法研究

重慶郵電大學光電工程學院 劉峰利 鄒 虹

復雜背景下車牌定位算法研究

重慶郵電大學光電工程學院 劉峰利 鄒 虹

車牌定位是車牌識別的關鍵技術之一，為了提高復雜背景下車牌定位的準確度，提出了一種基于邊緣檢測和多特征提取的車牌定位算法。首先對于圖像進行預處理操作，隨后運用邊緣檢測算法得到邊緣信息，進而對其進行數學形態學操作，最后根據車牌自身結構的特征驗證候選區域。結果表明，所提算法在復雜背景下定位準確率很高，且受光照影響小，具有很強的魯棒性。

車牌定位；復雜背景；邊緣檢測；車牌結構特征

1 引言

在車牌識別系統中，車牌定位是字符分割和識別的先決條件，其定位精度關系到系統的整體性能。現實生活中，車輛的背景一般較為復雜，同時車牌圖像受天氣狀況和拍攝條件等影響，所以復雜背景下車牌精確定位一直制約著車牌識別系統的發展。

近年來，車牌識別系統中的車牌定位方法得到了研究者的廣泛關注，賀強[1]等人提出的基于邊緣檢測的算法，在背景簡單的條件下，定位率較高，但在復雜背景下，僅利用邊緣信息，背景區域的復雜紋理特征會造成很高的誤識率，無法實現精確定位。基于顏色特征的車牌定位算法[2]也得到了廣泛應用，但是該算法容易受到外界光線、圖像質量等因素影響。

綜上所述，傳統車牌定位方法都難于同時解決魯棒性、定位精度和實時性這3個問題。為此，本文提出一種復雜背景下基于邊緣檢測和多特征提取的車牌快速定位算法。運用Canny算子將預處理后的車牌圖像進行邊緣檢測，隨后對車牌邊緣圖像進行形態學操作，提取出車牌候選區域，最后利用車牌自身的特征實現車牌精確定位，去除偽車牌區域。所提算法對于噪聲、光照具有較好的魯棒性，并且排除了與車牌區域具有相似寬高比的偽區域的干擾，實現復雜背景下的精確定位。

2 圖像預處理

為了提高車牌定位和字符識別的準確度，在得到原始車輛圖像后首先對該圖像進行預處理，可以去除圖像噪聲、提高圖像質量、有效地降低系統的存儲空間需求，提高處理速度。

2.1 灰度化

對圖像采集設備獲取的彩色圖像進行灰度化處理，可以提高系統處理的實時性，簡化后續運算量。本文采用加權平均法對于RGB圖像灰度化得到灰度圖像。

為了剔除復雜背景中含有噪聲和細微的突出物，對灰度圖像進行開操作運算，得到灰度圖像的背景圖像，用灰度圖像減去背景圖像，達到增強圖像的效果。

圖1 原始圖片

圖2 灰度圖像

圖3 背景圖像

圖4 增強后的黑白圖像

2.2 二值化

為了便于對圖像進一步處理，簡化處理步驟，對灰度圖像二值化，此時圖像的集合性質只與像素值為0或255的點的位置相關，不再涉及各級像素值。

圖5 二值化圖像

3 車牌定位

3.1 基于邊緣檢測的車牌粗定位

邊緣是指周圍像素灰度顯著變化的象素點集合，存在于目標、背景和區域之間，是圖像特征提取最重要的依據之一。利用這一特性，本文采用Canny邊緣檢測算法對車牌區域進行粗定位。

圖6 邊緣圖像

3.2 基于數學形態學精確定位

在復雜背景下，圖像含有較多噪聲，因此本文對于二值圖像先進行閉運算處理，將邊緣密度大的區域進行水平膨脹，形成包含車牌在內的候選連通域；采用開運算濾波，排除細小孔洞、不相關的狹小區域。

圖7 圖像閉運算

圖8 圖像濾波

大部分的復雜背景區域已經被濾除，形態學操作可以快速完成。粗定位結合形態學操作有效地提高了車牌定位速度，且通過排除大部分復雜背景圖像的干擾，提高了車牌定位的準確度。

4 車牌驗證

通過上述步驟可以快速的進行車牌定位，但是一些具有和車牌類似結構的非車牌區域仍會被誤檢為車牌。因此本文結合車牌自身的寬高比、黑白跳變、投影特征[3]對車牌候選區域進行驗證。排除偽車牌區域的干擾。

圖9 車牌定位

5 結語

本文提出的基于邊緣檢測和多特征提取的車牌定位算法。首先對圖像進行增強處理，排除復雜背景對后續操作的影響，通過Canny算子邊緣檢測進行粗定位，運用形態學操作進行連通域分析，最后結合車牌自身特征排除各種車牌偽區域。測試結果表明，在復雜光照和復雜背景下均有很好的魯棒性，對于字符干擾的也有很好的抵抗性，同時，所提算法時間復雜度較低，可以快速定位車牌，有效地改善了復雜條件下車牌定位效果。

[1]賀強,晏立.基于LOG和Canny算子的邊緣檢測算法[J].計算機工程,2011,(03):210-212.

[2]廉寧,徐艷蕾. 基于數學形態學和顏色特征的車牌定位方法[J].圖學學報,2014,(05):774-779.

[3]李耀,程勇,曹雪虹.一種復雜環境中的車牌定位算法[J].電視技術,2015,39(12):104-106.