车牌字符分割算法的比较研究.doc

车牌字符分割算法的比较研究第2()卷第3期2006年7月济南大学学报(自然科学版)JOURNALOFJqNANUNIVERSITY(Sei.&Tech.)Vn1.20No.3_Iu1.2【x6文章编号:16713559(2006)03024504车牌字符分割算法的比较研究刘明军,谢宏霖,孙雪松,由枫秋(1.济南大学信息科学与工程学院,山东济南250022;2.山东英才职业技术学院,山东济南250104;3.烟台大学计算机学院,山东烟台264005)摘要:字符分割是车牌照自动识别系统中的关键步骤,通过对比3种车牌字符的分割方法,即水平投影法,模板匹配法,聚类分析法,提出了一些新的观点.经过对不同背景,光照条件下采集到的车辆图像进行实验,可以较好地解决在复杂背景条件下车牌字符分割的问题.关键词:人工智能;字符分割;水平投影;模板匹配;聚类分析中图分类号:TP391.4文献标识码:A车牌的自动识别是计算机视觉,图像处理与模式识别技术在智能交通领域应用的重要研究课题之一,是实现交通管理智能化的重要环节,主要包括车牌定位,车牌字符分割和车牌字符识别3个关键环节.字符分割主要作用是将字符从车牌定位后的图像中分离出来.在模式识别中,字符分割是识别的前提和准备,分割效果的好坏直接影响识别的效果.由于背景复杂,图像污损等原因,很难找到一种普遍适用的分割方法.常见的字符分割方法有水平投影法,模板匹配法,c一均值聚类法等【1J,本文中通过对比分析,并进行实验,提出了自己的一些观点.1车牌字符分割1.1车牌的特点及形态特征我国现行的牌照主要有4种类型:蓝底白字,黄底黑字,白底黑字或红字,黑底白字.车牌共有7个字符和1个点符号.一般第1个字符是汉字(警车除外),且是各省,市,军区的简称,如”鲁”,”沪”,“鄂”,”济”等;第2个字符是大写英文字母,如”A”,“B”,”C”等;接着是一个点”?”;第3,4个字符可能是英文字母,也可能是阿拉伯数字;目前第5至第7个字符均为阿拉伯数字,如”鲁A?x1234”.车牌收稿日期:20050912基金项目:山东省优秀中青年科学家奖励基金(0lBS01)作者简介:刘明军(1960一),男,山东莱阳人,教授.的长度为45em,宽度为15em.其中单个字符统一宽度为45Inn,高90Inn,第2,3个字符间隔为34Inn,其余字符间隔为12Inn.1.2字符分割字符分割是指将车牌区域分割成单个的字符区域,如图1中包含字符的矩形框所示,其中的碎细线段为残余的车牌边框.需要强调的是,为了准确识别车牌上的汉字,英文和数字,每个字符区域必须是包括单个字符的最小矩形区.切分越准确,则后面识别效果越好.嘲一00酬一面面图1车牌字符分割示例字符分割主要的工作是1:首先对车牌定位提取的牌照图像进行加工(称作预处理),得到利于字符分割的二值化图像;然后根据不同的分割方法进行字符切分;最后把切分好的图像送交字符识别系统进行识别.其具体过程见图2.叵匾圃臣一+匝巫亟圃图2字符分割流程2图像的预处理字符分割图像预处理,主要有以下几个步骤:(1)256色位图灰度化:由于256色位图的调色板内容复杂,使得图像处理的许多算法没有办法展开,因此有必要进行灰度处理.(2)灰度图像的二值化:图像的二值化就是把图像中的像素根据一定的标准分化成黑白两种颜色.图像的二值化也有很多成熟的算法.可以采用自适应阀值法,也可以采用给定阈值法.本系统中采用的是给定阈值法,阈值固定为120和150.济南大学学报(自然科学版)第加卷(3)图像的梯度锐化:由于很多情况下采集的图像字体模糊,对识别造成一定的困难,所以有时要对图像进行锐化处理,使模糊图像变得清晰,同时可以对噪声起到一定的去除作用.图像锐化的方法也很多J,如微分法,高通滤波法.我们采用了Roberts梯度算子对图像进行锐化.(4)去除离散的杂点噪声:图像可能在扫描或传输过程中夹带了噪声.去噪声通常用滤波的方法,比如中值滤波,均值滤波.但是这些算法不适合用在处理字符这样目标狭长的图像中,因为在滤波的过程中很有可能会去掉字符本身的象素.本系统采用的是去除杂点的方法进行去噪声处理.(5)整体倾斜度调整:采集的图像可能存在倾斜,必须对它进行调整,使得字符都处于同一水平位置,那样既有利于字符分割也可以提高字符识别的准确率.一般来说,多个字符组成的图像,左右两边的字符象素高度应该是处于水平位置附近,如果两边字符象素的平均位置有较大的起落,那就说明图像存在倾斜,需要进行调整.3字符分割算法字符分割是为字符识别做准备.目前已有多种字符分割的方法,我们重点研究了以下3种方法.3.1水平投影字符分割算法【63(1)先自下向上对图像进行逐行扫描直至遇到第1个黑色像素点.记录下来.然后再由上向下对图像进行逐行扫描直至找到第1个黑色像素,这样就找到图像大致的高度范围.(2)在这个高度范围之内再自左向右逐行扫描,遇到第1个黑色像素时认为是字符分割的起始位置,然后继续扫描,直至遇到没有黑色像素的列,则认为是这个字符分割结束.然后继续按照上述的方法扫描,直至图像的最左端.就得到每个字符比较精确的宽度范围.(3)在已知的每个字符比较精确的宽度范围内,按照(1)的方法,分别进行自上而下和自下而上的逐行扫描来获得每个字符精确的高度范围.3.2模板匹配字符分割算法33首先在去除铆钉后的二值图上计算竖直积分投影的平滑曲线P(),就是说对图像作垂直投影后,得到的P()函数.搜索P()的局部最小(波谷)值得到一个波谷位置序列饰0,1/2(本程序中的阀值为<3的P()点).然后将相邻两个波谷和+1分别作为左右边界提取出一组矩形区并根据下列规则对矩形序列r进行删除,分裂,合并和调整大小.(1)若相邻波谷i和i+1间的波峰较小时将删除.主要是相对于字符间隙间的噪声设置的.(2)若相邻波谷i和+1间的波峰较大时,即使i和i+1问的距离不够单字符宽度(根据车牌字符的先验知识),因为车牌中有”1”存在,也不能将其合并,需要设置标记.(3)若相邻矩形】和的宽度较小且合并后宽度接近矩形序列的中值宽度,将】和合并.便于解决某些汉字的不连通问题.(4)若矩形的宽度接近两倍中值宽度且前后相邻矩形的宽度接近中值宽度,将r等分成两块,以解决车牌字符中的粘连问题.(5)相邻矩形一】和的宽度相差较大且合并后宽度接近两倍中值宽度时,调整的右边界和r的左边界,使其尽量接近字符的真实边界.车牌图像中字符与字符之间有一定的近似空白的距离,以精确定位矩形框的左右边界.此时得到的水平模板如图3.VIV2nV4VV,oI2,图3字符分割的水平模板(6)水平方向模板完成后,再利用水平投影的方法对每个矩形框进行垂直扫描,得到每个矩形的上下边界,即得到了每个字符的最小边框.3.3聚类分析字符分割法_4J(1)以L1=Width/7为阈值对车牌图像按行进行逐行扫描,如果有线段的长度大于L1就可以认为是牌照的上下边框,再以L2=Height*3/5为阈值对车牌图像按列进行逐行扫描,如果有线段的长度大于,J2,则认为是牌照的左右边框.因此可除去牌照边框部分,如图4.0崾一雾SBOO$图4字符图像预处理中的去除边框(2)根据车牌字符的先验知识,在预处理好的车牌图像上预设7个类心.设置类心可以采用程序提示给定坐标值的方法,也可以采用给予固定坐标值的方法.由于车牌定位后会对车牌大小进行归一第3期刘明军,等:车牌字符分割算法的比较研究247化,本程序针对于像素为108X40的车牌图像采用了给予固定坐标值的方法.(3)自下向上对图像进行逐行扫描,每扫描到一个黑色像素时,都要与上述每个类已获得的每个(黑色)像素比较距离d,找出与该像素距离最近的已获得像素点,并认为这两个像素属于同一类,即属于同一字符.距离d取两个像素点:A(,y)扫描得到的当前像素,B(,y)已聚类好的像素.D(A,B)=()+(yy)(4)经过反复扫描,比较后,得到聚类后的7个类,然后比较类中,y的最大值和最小值,并把它们设为该类边框的顶点坐标,假若出现同一类的的最大值和最小值大于两倍字符中值宽度(这种情况极少出现),就逐一将次大值和次小值作为其左右边界,再次比较直至每个类的宽度适中.43种不同的分割方法的对比研究采用文中提出的基于水平投影,模板匹配,C一均值聚类分析分割车牌字符的3种不同方法,针对不同的车牌采集图像,其优缺点分析如下:4.1水平投影法此方法比较常用,主要是针对在车牌定位,图像预处理后比较规则的车牌图像.优点:(1)程序逻辑设计简单,循环执行功能单一,便于设计和操作;(2)程序执行时间快(小于20雌).缺点:(1)对字符的粘连问题,解决得不很理想,如图5a;(2)在解决一些汉字的不连通问题上也存在不足.4.2模板匹配法这是另一种形式的水平投影方法,只是相比于第1种方法,设计的程序更加周密,边界划分得更加精确了.优点:(1)程序执行时间与水平投影方法相近;(4)较好地解决了汉字不连通问题;(3)较好地解决了车牌字符分割中存在的如复杂背景的干扰,车牌尺寸的变化,车牌磨损造成字符粘连等难题.缺点:(1)程序逻辑设计复杂,循环扫描执行功能较多;(2)对车牌中的左右边框的分割有待改进;(3)对一些特殊车牌如上下两行字符的车牌,本算法并不适用,如图5b.4.3聚类分析法该方法是利用模式识别中聚类分析算法来实现车牌字符分割的,也是当今比较流行的分割算法,其发展空间比较宽阔.优点:(1)较好地解决了汉字不连通问题;(2)较好地解决了车牌字符分割中存在的噪声干扰,车牌磨损造成字符粘连等难题;(3)通过改变预设类心的坐标,可以较好地处理一些新式车牌如上下两行字符的车牌;缺点:(1)程序逻辑设计复杂,循环嵌套较多,执行时间不如前两者快;(2)为了提高预设类心的精确度,对车牌的宽度有一定的限制,本程序要求的车牌图像像素为108X40,如图5c.5实验结果本程序利用文中所述的3种字符分割方法,对48幅车牌图像进行了切分.结果表明:模板匹配法和C一均值聚类法切分的准确度比水平投影法要B0警瓣ll翮皤皤_I一翮蕊一匿瓯一因嘞一水平投影法一B00,-lVL,UU-J一珊圈一圜曰妇嘲l5一呵叩啊口b模板匹配法0一蕊0皤黑,B00S!一匮圈口囝目l一圜嘲硇_一唧c?聚类分析法图5实验实例248济南大学学报(自然科学版)第2o卷高,虽然时间上比水平投影法慢,但考虑到车牌图像不大,最慢的运行时间也小于30IllS,所以认为这两者较为可取.而对模板匹配和c一均值聚类法的评判,针对不同的图像,总有一种方法更为准确,总体来说c一均值聚类法识别的车牌类型较为宽广,而对于一定类型的车牌图像,准确度不如模板匹配法.作者认为使用两种算法相结合的方法去分割字符,要比单一地在一种方法上累加循环功能更为实际.实验统计结果如表1所示.表1车牌图像字符分割实验结果6结语作者对车牌字符分割的3种方法进行了对比研究.实验表明聚类分析法成功率最高,水平投影法成功率相对较低.但无论哪一种方法,图像过于模糊,结果都不是十分理想,还有待于进一步完善.参考文献:1陈寅鹏,丁晓青.复杂车辆图像中的车牌定位与字符分割方法J.红外于激光工程2004,33(1):2933.2陈黎,黄心汉.基于聚类分析的车牌字符分割方法J.计算机工程与应用,2002(6):221222.3范玮琦,穆长江.一种基于汉字结构特征的车牌照字符分割方法J.仪器仪表学报,2003,24(4):472474.4李文举,梁德群.质量退化的车牌字符分割方法J.计算机辅助设计与图形学学报,2004,6(5):697700.5韩智广,老松杨.车牌分割与矫正J.计算机工程与应用,2003(9):210212.6胡小锋,赵辉.VisualC+/MATLAB图像处理与识别M.北京:人民邮电出版社,2004.AlgorithmsforSegmentationofLicensePlateLIUMingjun,XIEHongIin2,SUNXue-song,YOUFenga(1.SchoolofInformationScienceandEngineering,JinanUniversity,Jinan250022,China;2.ShandongYingcaiVocationalTechnologyCollege,Jinan250104,China;3.SchoolofComputer,YantaiUniversity,Yantai264005,China)Abstract:Charactersegmentationisthekeycomponentoftheautomaticvehiclelicenserecognitionsystem.Tnispaperstudiedtluemethodstosegmentthecbaractersofhcenseplate:levelprojectionmethod,templatematchingmethodandclusteringanalysis,whichcouldsuccessfullysolvestheproblemofthecbaracterssegmentationundercomplexbackgrou