%B8%80种车牌识别系统中的混合车牌定位方法(5)

%B8%80种车牌识别系统中的混合车牌定位方法(5) 基金颁发部门国家外专局重点项目基金；项目名称智能交通动态路径诱导技术研究；编号RJZxx2100010；基金申请人吴成东;一种车牌识别系统中的混合车牌定位方法1，21李孟歆吴成东夏兴华12（东北大学信息科学与工程学院，辽宁沈阳1100042沈阳建筑大学信息与控制工程学院，辽宁沈阳110168）摘要提出了一种新的粗定位和精细定位相结合的车牌定位方法。 首先采用一种基于垂直边缘和车牌句法的车牌粗定位算法，确定车牌候选区域，剔除伪区域，粗定位可以快速地将车牌从原始车辆图像中截取出来，同时精确确定车牌的上下边界。 然后再进行基于旋转差分投影的车牌水平精确定位与倾斜校正，由于水平定位和倾斜校正同时进行，提高了水平分割的精度并降低了定位时间。 实验表明该混合方法能快速、精确地进行车牌定位，有效地解决了复杂背景下的车牌定位精度不高的问题，同时对模糊车牌具有很强的抗干扰性。 关键词粗定位；伪区域；车牌句法；车牌定位；:TP391.41:A hybridlicense plate position methodfor vehicleplate recognitionsystem1,2Li Meng-xin Wu2Cheng-dong3Xia Xing-hua(School ofInformation Scienceand Engineering,Northeastern University,Liaoning,Shenyang,110004School ofInformation andControl Engineering,Shenyang Jianzhu University,Liaoning,Shenyang,110168)Abstract:A newhybrid methodfor licenseplate positionis proposedbased onrough position and precisionposition.Firstly,a roughposition algorithmbased onrough edgeand plate syntax isadopted todecide thecandidate regionand discardpseudo-region,which canfind theplate imagefrom theoriginal vehicleimage rapidlyand decideits upperand lowerborders.Secondly,level auratepositionandincline correctionare doneon thebasis ofrotating differenceprojection.Because oftheir concurrence,level segmentationauracy isimproved andpositioning timeis reduced.The experimentalresearch showsthat thehybrid positionmethod canbe usedto solvesome problemssuch aslower auracyin plicatedscenes interms ofits rapidspeed,high auracy,good self-adaptivity,and anti-disturbance.Keywords:rough location；pseudo-region;platesyntax;plateposition;1引言车牌识别系统的研究与开发在现代交通管理中发挥着越来越重要的作用，汽车牌照的快速准确定位和分割是车牌自动识别系统中最关键的技术之一，车牌定位的准确与否直接影响到字符分割和字符识别的准确性，甚至影响到整个系统的性能。 为了准确、快速地定位出车牌区域，人们己经研究了很多定位算法1-3。 如果使用单一方法的车牌特征来定位，往往效果不是很理想，本文提出一种粗定位和精细定位相结合的方法,即首先采用一种基于垂直边缘和车牌句法的车牌粗定位算法，将包含目标区域的车牌子图像从原始图像中分离，然后再对图像进行精确定位和倾斜矫正，获得理想的目标车牌。 2基于垂直边缘和车牌句法的车牌粗定位2.1粗定位在进行车牌粗定位之前，先对车牌图像进行预处理，以某车牌图像为例。 首先将彩色图像变为灰度图像。 再采用小波变换对图像进行降噪处理。 处理结果如图1所示。 通过比较可以发现，灰度图像经过小波降噪处理后，其中所含噪声被大幅抑制，而图像的细节基本保持不变。 对图像进行降噪处理后，进行车牌的粗定位。 首先使用Sobel垂直边缘检测算子对输入图像进行垂直边缘检测，获取二值垂直边缘图。 这时的纹理比较丰富的车牌、轮胎和车框等区域均被凸显出来，而纹理相对平缓的车身以及路面却被很好的消除。 然后，利用候选区域提取算法在整幅二值垂直边缘图，对各行像素进行跳变检测，将满足一定条件的跳变点用直线连接起来，形成连通区域。 如图2所示。 图1车牌图像及小波降噪结果图2车牌图像的二值垂直边缘图及连线结果根据车牌自身的结构特征，寻找宽高比大于5且最小宽度大于40个像素的连通区域的外接矩形，并将该矩形向四周扩展10个像素。 截取出的矩形区域如图3所示。 由于输入图像中存在大量的纹理干扰，通过纹理确定的车牌区域还需要进一步进行车牌伪区域的检测，以避免伪区域进入识别区域。 图3截取出的矩形区域2.2剔除伪区域将截取出来的图像归一化为高度不小于32个像素，采用POSHE算法进行直方图均衡化以消除光照影响，使用Otsu算法进行二值化处理4。 从车牌的句法特征可知，每个车牌由七个字符组成（武警牌照除外）；除第 二、三字符的间距外，其余各字符间距相等；第 2、3字符的间距为其余各字符间距的2.8倍；车牌各字符的高度为宽度的2倍。 本系统中，由于处理的车牌图像要求各字符的宽度和高度应相等。 根据车牌句法特征，可将上述二值图像从上至下以m行的条带，每隔n行进行扫描，在该条带内计算出有的连通块，若这些连通块满足车牌句法，则该条带区域为车牌区域即该区域含有车牌，如果任意一个条带都不满足车牌句法，该区域即为伪区域。 评判函数为?S2+12?xxJ=e其中，e?S2+12?xx?*(y?6)? (1)+?.*sin0505?12?C7?C1*110340表征车牌中第 二、三个字符的间距最大，其余字符间距均相等这一特性；=?S2表示第 二、三个字符的间距与其余字符间距的误差和；x,其中，C7?C1表*(y?6)?表征理想模板与实际车牌各个字示第一个到第七个字符中心的距离。 0.5?0.5*sin?12符中心点的匹配程度，y表示理想车牌模板与实际车牌中各个字符中心距离的方差。 如果评判结果大于评判函数的阈值，认为满足车牌句法特征，反之，将该区域剔除。 其中m，n由车辆在输入图像中大小决定，这里取m=20，n=5。 3.基于旋转差分投影的车牌水平精确定位与倾斜校正车牌粗定位的输出图像是从原始图像截取的车牌区域，需要对该车牌图像进行归一化、灰度转换及直方图均衡化等预处理。 首先将图像由单场转换为复合场即垂直方向扩大两倍，同时宽度归一化为200个像素，然后将彩色图像转换为灰度图像，用POSHE算法进行直方图均衡化,最后进行中值滤波。 图像预处理效果如图4所示。 图4图像预处理效果3.1水平切割及倾斜校正由于摄像机角度不同或者车辆转弯等因素的影响，所抓取的图像存在车牌倾斜的情况，因而，需要进行车牌的倾斜校正。 在实际应用中，由于牌照污损、弯曲或变形，而且很多车牌根本没有边框,本文采用旋转差分校正方法。 首先，将车牌旋转一个角度，然后计算旋转后车牌图像的水平差分投影图，即y(i)=fabsx(i,j+1)?x(i,j) (2)j=1N?1其中，x(i,j)表示原图像中第i行、第j列的像素值；y(i)表示水平差分投影图中第i行的投影值；M为图像高度；N为图像宽度；fabs(t)表示取t的绝对值运算。 由于在字符区域的水平方向像素值跳变剧烈，而在非字符区域像素值变化相对平缓。 因此，可以用一个阈值将差分投影图的投影值分为两个部分，一部分为车牌字符区域，另一部分为非字符区域。 假定阈值大小为均值，在以该阈值为中心的小区域内微调此阈值，取使评判函数达到最大值的阈值作为该旋转角度下的最后阈值。 然后，以该阈值为分界线计算出直方图的包络线与该阈值分界线的上下两个交点，以这两个交点所确定的上下边界线即为字符区域的上下边界线，此时的旋转角度即为倾斜校正角度。 考虑到实际车牌的倾斜角度一般小于15度，因此，将车牌图像在-15度到+15度之间的范围内进行旋转，水平切割效果如图5所示，其中差分投影图中的白线即为本次旋转确定的最优水平切割的上下边界线。 评判函数采用Fisher判别准则:D(d)=D B(d) (1)D W(d)式中，D B(d)=n1*(M?M1)2+n2*(M?M2)2,D W(d)=n1*1+n2*2。 其中，D(d)为判别函数输出；D B(d)为类间方差；D W(d)为类内方差；d为阈值，表示以d为阈值将所有投影值分为两部分；M为所有投影值的均值；n 1、M 1、 1、n 2、M 2、2分别表示这两部分投影值的个数、均值和方差。 在（-15，+15）角度范围内寻找各个旋转角度下的最优水平切割，选择切割后的水平差分投影图像中投影值的均值，取均值最大者为最优的水平切割。 (a)原图旋转3度投影结果(b)原图旋转15度投影结果图5图像水平切割效果3.2车牌扭曲校正在进行了车牌水平边界精确定位之后，部分车牌还存在有扭曲形变等情况，如图6(a)。 本文所采用的扭曲校正方法是将水平精确定位后的车牌图像的进行二值化，然后，在校正范围内将车牌图像旋转一个角度，从左到右对该二值图像进行逐列扫描并计算象素值全部为0的列的数目，如果某一列的像素值全部为0，那么，计数加一，直至所有的列全部扫描完毕。 再旋转一个角度重复上述过程，直到校正范围内所有角度全部计算完毕。 最后，选取旋转角度计数值最大的计数对应的旋转角度作为扭曲校正角度。 扭曲矫正结果如图6(b)所示。 a扭曲图像二值化b校正图像图6扭曲矫正效果图4实验结果分析通过对100张高速公路抓取的背景简单的车牌和100张交通路口抓取的背景复杂下的车牌图像进行车牌定位，输入图像大小为768288。 对于背景简单的车牌图像，本文提出的方法可以达到100%的定位精度，平均定位时间仅为56ms,对于复杂背景和不均匀光线下拍摄的车牌图像也可以达到97%的正确率，平均定位时间为79ms。 因而，该方法能有效、准确地进行实时快速定位。 对于一些模糊车牌，车牌区域颜色混淆，字符模糊难辨，采用提出的新方法也能得到正确的定位。 通过对定位错误的3张模糊车牌进行进一步分析，发现这3张全部是由于车牌本身模糊难辨，垂直边缘检测中未能将车牌区域的纹理很好的体现造成的。 5结论本文提出了一种新的混合车牌定位方法，在车牌粗定位中提出了结合垂直边缘与车牌句法的算法，该算法能有效的减少伪车牌区域，快速的找到车牌区域。 在车牌精确定位中，提出了基于旋转差分投影的车牌水平精确定位与倾斜校正的车牌精确定位方法，将车牌水平边界精确定位和倾斜校正同时进行，提高了系统的运行速度和精确度。 本文提出的定位方法一方面将车牌纹理特征和车牌字符句法特征有机结合，可以获得单一技术无法达到的良好性能。 另一方面，将字符定位作为字符分割的先验知识，将对字符分割起到重要作用。 本文创新点主要是提出了一种粗定位和精确定位的混合车牌定位方法，减少了伪区域，快速找到车牌。 实验表明，该方法能有效、准确地进行实时快速定位。 参考文献1杨海廷.基于纹理特征的车牌识别系统的研究与实现D.电子科技大学硕士学位论文.xx:22-272张引,潘云鹤.彩色汽车图像牌照定位新方法J.中国图像图形学报,xx,6 (4):374-3773王涛，全书海，基于改进Sobel算子的车牌定位方法J，微计算机信息，xx,5-1，p312-314.4Joung-Youn Kim,Lee-Sup Kim,Seung-Ho Hwang.An AdvancedContrast EnhancementUsing PartiallyOverlapped Sub-Block HistogramEqualizationJ.IEEE Transactionson Circuitsand Systemsfor VideoTechnology,xx,11 (4):475-484项目产生的经济效益45万元作者简介李孟歆（1972），女（汉），黑龙江省巴彦县人，沈阳建筑大学副教授，博士，主要从事图象处理，模式识别的研究。 Li Mengxin（1972-），female，Bayan County，Heiongjiang Province，Vice Pro