車牌定位與字符分割的新方法

李培靈，王 鋒

（河南工業大學信息科學與工程學院，河南鄭州450001）

0 引言

車牌識別技術是智能交通系統中的關鍵技術，廣泛應用于超速違章處罰、車輛出入管理及高速公路收費等領域。車牌識別的關鍵技術主要有車牌定位、字符分割和字符識別3個部分。

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，可以在復雜背景中實現車牌的定位，但同時其數據量大的特點會花費更長的時間?；叶葓D像數據量少，運行時間短，但是對背景復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]。連通域法是根據數字和字母字符的連通性進行字符分割的，投影法是依據字符間存在間隙的特點實現字符分割。

本文著重對車牌定位和字符分割技術進行研究，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顏色分割來實現，運用霍夫變換直線檢測來實現車牌的傾斜校正，然后用投影法對車牌進行二次定位，精確定位車牌位置。精確定位后的車牌共有7個字符，平均每個字符占圖像總長度的1/8～1/10，第2個字符和第3個字符間有一個分隔符。車牌字符分割采用改進的投影法有效去除分隔符，并能準確分割“川”、“滬”等特殊漢字字符。

2 車牌定位

通過改進的顏色分割方法對車牌進行粗略定位，利用霍夫變換技術對粗略定位出來的車牌圖像進行傾斜校正，最后在其二值圖像上進行二次車牌定位，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定一些。在HSV顏色空間下，根據顏色對圖像中的車牌進行定位，利用HSV顏色空間中藍色的色調、飽和度、亮度的取值范圍分別在水平方向和垂直方向累計藍色像素的個數，確定水平分割閾值和垂直分割閾值，對圖像進行分割，確定車牌位置。

在定位過程中，確定上下邊界進行水平投影時，針對出現的上下邊界范圍太大或太小的問題，將水平分割閾值適當提高，每當檢測到小于閾值的數據時，再檢測下一個數據是否同樣小于閾值，直到接下來的若干個數據均小于閾值，則該位置即為定位出的車牌邊界，實驗表明效果較好。原始圖像如圖2所示，經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

實驗表明，采用改進后的顏色分割算法進行車牌定位，得到理想的定位結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行垂直投影來實現，而傾斜的車牌會影響垂直投影的結果，所以需要對其進行校正。采用霍夫變換原理對圖像進行直線檢測，計算直線傾斜角度，對圖像進行旋轉校正。

本文主要檢測車牌框架上下邊界的傾斜角，對圖像進行二值化時閾值不能太小。首先將上一步得到的結果圖轉為灰度圖像，則有0～255共256個亮度等級，設level取值范圍為[0，1]。二值化過程是將像素大于level*255的值轉為255，像素小于level*255的值轉為0。本文將level設為0.4，進行邊緣檢測，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。首先對圖像進行二值化處理，其中level先使用默認值0.5，引入一個比例因子 ，=/。 為二值化后圖像中白色像素的個數， 為圖像總像素數。經試驗表明，在0.1～0.22范圍內，字符分割效果最好。根據 的值調整level的值，得到最終的二值圖像。對二值圖像進行水平投影，確定車牌上下邊界，對圖像進行垂直投影，確定車牌左右邊界。經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處理，如先轉為灰度圖像，然后進行濾波降噪和二值化處理，最后采用投影法對字符進行分割。

3.1 車牌圖像預處理

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

圖7 車牌預處理圖像

3.2 車牌字符分割

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

車牌中的分隔符會被當作字符進行分割，根據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對分割出的圖像進行判斷，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果如圖8所示。

圖8 字符分割結果

4 實驗結果及分析

對不同背景下拍攝的200幅車牌圖像進行了車牌定位和字符分割測試，實驗表明，應用本文方法能準確地進行車牌定位，對字符實現較好分割，部分典型的車牌圖像及其分割結果如圖9所示。測試結果表明有效定位率達到100%，字符分割正確率達到了98%。

圖9 部分典型車牌定位及字符分割結果

5 結束語

車牌定位與字符分割是車牌識別的關鍵技術。本文采用HSV顏色空間和二值化投影相結合的方法，并對現有的顏色分割算法和投影算法進行了改進，通過粗略定位和精確定位，能夠準確截取車牌圖像。采用結合先驗知識的投影法對字符進行了有效分割，提高了車牌定位的可靠性和字符分割的準確性。測試結果表明，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].自動化學報,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].中國圖象圖形學報,2009,14(2)：303-308.

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

[4]黃燦.基于局部特征的車輛識別[D].上海：上海交通大學,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].數學的實踐與認識,2012,42(19)：87-95.

[6]馬寧,李斌.基于神經網絡集成的車牌字符識別[J].安徽廣播電視大學學報,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.