基于特征的车牌定位算法
zolo#!s,q
篦8豫
电子灞试
ELECTRONIC
TEST
Aug.2010
No.8
基于特征的车牌定位算法
张华’,孙运强2,姚爱琴1
(1中北大学信息与通信工程学院山西太原030051;
2中北大学仪器科学与动态测试教育部重点实验室山西太原030051)
摘要:车辆牌照的识别技术是智能交通系统重要研究课题之一,而车辆牌照的定位又是车牌识别的关键点。本文采用了一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法。该算法利用数学形态学
充分挖掘车牌纹理特征以及消除噪声干扰,把图像分割为若干个子区域,利用纹理条件和颜色条件判断,对
子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌位置,然后利用Hough变换矫正倾斜的车牌图像并去除边框和铆钉,为后续车牌字符的分割识别步骤打下良好基础。实验结果表明,本文的研究成果能有效定位车牌且效果显著。
关键词:车牌定位;数学形态学;Hough变换中图分类号:TN919.82文献标识码:B
Methodofcar
licenseplatelocationbased
ZhangHual,SunYunqian92,YaoAiqinl
on
Feature
(1
School
ofInformationandCommunicationEngineering,NorthUniversityofChina,
Taiyuan。shanxi030051,China;2KeyLaboratoryofInstrumentationScience&DynamicMeasurement,NorthUniversity
ofChina,Taiyuan,030051,China)
Abstract:VehicleficenseidentificationtechnologyisvehiclelicensePlatelocationisthekey.A
an
importantresearchtopicofIntelligentTransportationSystems,
on
newfastalgorithmmultimfeatures
includingtexture,edge
and
colorfeatures
ofthevehiclelicensePhteWasproposed.The
texture
algorithmchoosedthemathematicalmorphologyasthetoolsofminingthe
texture
and
eliminatingthenoisePollution,usedParticular
conditionandcolorcondition
judgment
to
classify
andclusterthesub—regionsegmentedfromtheimage,andfinallyaccuratelylocatedthePositionofvehiclelicensePlate.ExperimentalresultsshowthattheresultsofthisStUay
Keywords:vehicle
can
effectivelylocateplateandtheresultsareobvious.
licemePLatelocatio;Morphological;Houghttransform
万方数据
型
0引言
一般来说,完整的车牌识别系统由车辆图像获取、车牌定位、字符分割和字符识别4个部分组成,其中车牌定位技术是整个车牌识别系统的基础。车牌定位是指利用车牌特征把图像中含车牌的区域从复杂的背景中提取出来,所以车牌定位的关键是寻找到可有效利用车牌特征的方法。车牌的特征包括其独特的纹理特征、灰度特征、颜色特征、特定的几何形状特征等。目前关于车牌定位的算法众多,从利用特征方面可分为基于纹理特征的定位算法和基于颜色特征的定位算法;从采用的技术方面,传统的定位算法有边缘检测法、阈值法、直方图投影法、区域增长法、颜色特征提取法等,还有近来的运用数学形态学、神经网络、小波分析等来分析车牌图像。传统的边缘检测法、阈值法和直方图投影
法具有算法简单、运算速度陕等优点,现有的很多
算法也是在其基础上发展起来的,但是对包含边缘特征较多的复杂图像无法准确定位。区域增长法能够同时直接利用车牌图像的多个特性来定位,具有较高的准确率,但是区域增长法是一个迭代过程,其算法的运算量大,速度慢。基于颜色特征提取的算法具有较明显的局限性,因为车辆本身和背景的颜色非常丰富,其颜色经常与车牌颜色十分接近,所以难以有效区分。小波变换的多分辨率的特性和方向特性使得其成为图像分析的一个有效工具,但是其算法较为复杂,运算量较大,不太适合于对实时性要求较高的系统。由上可知,目前车牌定位算法要么只利用车牌的单—特征对其定位,速度快但要么综合利用了车牌数个特征,准确度高但实用性数学形态学己经成为一种有效的图像处理理论
万方数据
和方法,涉及图像增强、图像分割、图像恢复、边缘检测、纹理分析等诸多领域。针对目前定位算法存在的问题,本文提出一种基于数学形态学和颜色特征的新型快速定位算法。它充分利用了车牌的纹理特征、几何特征和颜色特征,具有定位准确、速度快、实用性强等特点。实验分析结果充分说明了算法的有效性。
1图像预处理
在预处理阶段,首先将彩色图像转换为灰度图像,得到灰度图像的句柄的同时,保留原彩色图像的旬柄以利用车牌颜色特征。彩色图像转换为灰度图像的公式如下:
I=0.299"R+0.587"G+0.114*B
(1)
其中,R,G,B分别为图像中每个像素点的三原色红、绿、蓝分量,I为转换后该像素点的灰度值。
由于天气变化、光线强弱、车辆整洁度等室外条件影响,摄像头拍摄的车辆图像都会有噪声存在。为了消除这些噪声对后续算法的影响,应对图像进行去除噪声处理。先采用直方图均衡来消除由于光线强弱对照相的影响产生的图像暗淡、过亮或者低对比度等问题,然后采用3
X
3大小的掩模对图像
进行中值滤波,消除噪声影响。直方图均衡公式和中值滤波掩模公式分别如下:
’.1’’,
,
、
Sk=T(rk)=乞÷,k=0,1,2,…一,L—l(2)
j---o’‘
yi,j=Med{xi-l,j-1,xi-l,j,xi-ld+l,xi,j-1,xi,j,xi,j+l,xi+l,j-1,xi+ld,xi+lj+1)
(3)
其中,rk为输入图像灰度级,sk为输出图像灰度级,n为输入图像中像素的总和,nk为输入图像中灰度级为rk的像素个数,L为输入图像中灰度级总数;xi—lJ—l,…,xi+l'j+1分别是以输入像素为中心的3
X
3大小方格内像素的灰度值,yi,j为愉入像素
对一些复杂的或质量不好的车牌图像定位效果不好,差。
巴
经中值滤波后的输出灰度值。2车牌区域定位
2。1车牌灰度纹理特征提取
本文采用一种数学形态学的方法提取图像纹理特征,称为形态学梯度。其定义为:
GRAD(f)=(f
o
g)一(fg)(4)
其中,f为输入图像,g为以原点为中心的扁平结构元素,f
o
g表示f被g膨胀,实质上就是把f
平移二分之一结构元素g的长度,表示f被g腐蚀,实质上,就是把f向反方向平移二分之一结构元素g的长度,ORAD(f)为梯度函数,即梯度值。
在梯度特征提取之后,我们采用一种根据每幅图像的灰度级情况设定阈值的动态阈值技术把灰度图像转化为二值图像,即把梯度图像转化为边缘图像。灰度图像转化为二值图像之后,我们继续利用数学形态学来处理二值图像,对二值图像进行若干次膨胀和腐蚀运算。膨胀和腐蚀是数学形态学的基本形态运算。膨胀具有填充、缩小图像中的孔洞,扩大图像,形成联通域的作用;腐蚀具有扩大图像中的孔洞,收缩图像,消除孤立噪声点的作用。
2.2车牌颜色特征提取
由于本文只考虑最常见的蓝色车牌,所以只过滤蓝、白两色。考虑到不同光照条件下产生的偏色以及不同车牌本身存在的偏色,我们允许色调存在一定的偏差,例如色调在60。±150。基本可视为黄色,色调在240。±15。基本可视为蓝色等。建立零初值矩阵B【i】’i_o,1,……,x与w【i】,i=o,l,……,x,其中x为矩阵TOF[i][j]值为真的子区域的个数。扫描图像中所有子区域,对每个子区域进行以下操作步骤。
万方数据
步骤1:遍历该子区域各个像素点,如符合色调H在蓝色范围内,则该子区域对应矩阵值B[i】加l;
如符合亮度I大于150即基本属于白色范围内,则该子区域对应矩阵砰值w【i】加1。
步骤2:若该子区域矩阵B【i】值与矩阵W[i】值之和占该子区域所有像素数的比例值大于阈值Thrcolor,则其对应矩阵TOFm啪值加l;否则其对应
矩阵TOF[i][j]值保持不变。
2.3分割区域的融合及筛选
经过以上的纹理特征筛选和颜色特征筛选,我们把图像中所有的分割子区域按照矩阵TOF[i][j]取值分为3类,即不符合车牌区域条件、符合车牌区域弱条件和符合车牌区域强条件。我们按照子区域的分类和距离来对这些子区域进行聚类,融合为二级子区域。融合步骤为:
步骤l:设定强欧式距离阈值Disstr,遍历所有符合强条件的子区域,按照聚集法聚合为数个类。
步骤2:设定弱欧式距离阈值Disweak,遍历所有符合弱条件的子区域,计算其与最近的类的欧式距离,如果小于Disweak,则并入该类。
步骤3:再按照去中心的欧式距离进行聚类。如果聚类后形成的区域过小,则标记为无效区域不予
考虑。符合面积条件的聚类结果以上下左右最远处的子区域所形成的矩形框为边界,融合边界内所有子区域,定义为二级子区域。
步骤4:聚合完成后考察图像,如果子区域融合为一个单一的二级子区域,则该二级子区域即为初步定位结果,进行下一步车牌区域的精确定位。如果子区域融合为不止一个二级子区域,则提取这些二级子区域的长宽比、颜色交叉变换数等文章开头所诉4个可用于定位的特征,综合判断这些二级子区域的特征值,选出—个特征值最符合车牌区域的
型
二级子区域作为初定定位结果,进行下一步车牌区域的精确定位。
图l为车牌初步定位结果图,(a)车辆原图像,(b)为初步定位结果。
(a)车辆原图像
(b)初步定位结果
图1车牌初步定位结果
2.4车牌倾斜检测算法及矫正
在矫正车牌角度之前我们首先扩展一下标记的车牌区域这是因为从上一步得到的车牌区域与实际的牌照区域之间会有一定的偏差,并且为了保证车牌边框或者车牌与背景边界线出现在区域内所以我们对标记区域四周进行20个像素的扩展使其能完全涵盖整个实际的牌照区域。然后我们对该扩展后的区域进行车牌照的精确定位。
Hough变换是常用的直线检测及倾斜矫正算法。设定好累加器后,利用Hough变换来检测车牌倾斜角度,其具体算法步骤为:
(1)该扩展后的车牌区域利用水平Sobel梯度算子进行边缘检测,把车牌彩色图像转变为灰度图像。水平Sobel梯度算子能够有效突出水平方向的边缘直线,可以有效屏蔽垂直方向直线干扰,对水平方向的直线检测效果良好。
(2)遍历边缘图像中每个像素(x,y),若其灰度值小于阈值100时,返回第(2)步继续扫描下一点;若其灰度值大于阈值100时,则令参数0取尽每一个细分值0;,求出相应的参数P的值P;,令对
巴
万方数据
应的累加器单元s【i坩】加1。
(3)判断图像是否扫描完毕,若没有扫描完毕,转到第(2)步继续扫描下一点;若扫描完毕,则遍历累加器单元s【i】【j】,找出其最大值对应的坐标j,利用如下公式得到车牌图像实际倾斜角度。
Q_(学川)o
㈦
(4)若倾斜角度切大于1。,则利用双线性插值
法对车牌区域进行旋转矫正,否则保持原状。
图2为上述车牌最终精确定位图像。
图2车牌精确定位图
3实验结果及分析
为了验证算法的效用,我们采集了153张400万像素的车辆数码图片作为数据集来验证算法。这些图片涵盖了黑夜、大量复杂背景、反光背光等各种情况。在采集的153张图片中,可以准确定位146张,算法的准确定位率达到了95.42%,效果良好。由实验结果可知,算法符合准确度要求。
参考文献
【11牛欣,沈兰荪.基于特征的车辆牌照定位算法[J1.交
通与计算机,2000,18(1):31-33.
[2】郭捷,施鹏飞.基于彩色和纹理分析的车牌定位方
法【J】.中国图象图形学报,2002,7(5):472-476.
【3】邱刚,王养利.基于边缘特征和神经网络的汽车牌
照定位算法【J】.微机发展,2005,15(4):30--32.【4】崔屹.图像处理与分析一数学形态学方法及应用[MI.
北京:科学出版社出版,2000.
(下转63页)
它可以正确检测和分析ECG信号。【J】.中国医疗设备,2008,23(10):55—56.
【4】杨大柱.基于LabVIEW的数字滤波器没计[J】.现
代机械,2006,(6):19-20.
3结束语
医学信号处理基本理论是本文理论知识的基础,而虚拟仪器的基本思想和LabVIEW开发平台则是程序开发设计过程中有力的工具。如果缺乏基础性的理论知识,就无法很好地运用开发工具,无法解释在开发过程中所遇到的问题,也就无法开发出具有实用价值虚拟仪器;如果缺乏功能强大的开发平台,再扎实的理论知识也很难转化为有效的、实用的工具。由于时间的关系,医学信号虚拟仪器所具有的强大功能还有许多是未曾开发的,如频谱分析等,这也是今后努力的方向。
【5】张婷瑞,李善姬,丁景龙.基于LabVIEW和
MATLAB混合编程的自适应滤波器没计【J】.电子测试。2009(1):40-43.
【6】徐秋磊,赵兴群.基于LabVIEW的心电信号读取及
处理分析们.医疗卫生装备,2006,27(10):19-23.
【7】蒲风萍,吕迪波.基于LabVIEW的多任务测控系统
设计与实现【J】.电子测试,2000(8):35-38.
【8】张熙,王晓峰.基于LabVIEW的虚拟示波器的设计
和实现[J】,电子测试,2007(6):83-86.
作者简介:
岳晓东:f1985一).硕士研究
参考文献
生。研究方向为信号的获取与处理技术。
【l】张艳,牛明,王卫东.基于LabVIEW的心电信号采
集系统【J】.中国医学装备,2005,2(12):50—52.
【2】尹杰,张旭,任朝晖等.基于LabVIEW的功能电
刺激信号采集系统的设计与实现【J】.中国医疗设备。2009,24(8):39--.41.
【31韩君.基于LabVIEW的心电信号检测实验系统设计
E-mail:xd一85@163.com
孙运强:(1963一)。教授。
博士。研究方向为动态测试技术。近场遥测.传感技术;
姚爱琴:(1969一)。副教授,研究方向为动态测试技术,近场遥测,传感技术。
(上接40页)
【5】周妮娜,王敏,黄心汉,吕雪峰,万国红.车牌
30(20):33,153.
字符识别的预处理算法【J】.计算机工程与应用,
2003(15):220-232.
【8】左奇,史忠科.一种基于数学形态学的实时车牌图像
分割方法【J】.中国图像图形学报,2003,8(3):281—
285.
【6】傅一平,李志能,袁丁.基于HIS空间的颜色算
法提牌照识别的性能【J】.计算机工程与设计,2004,
25(5):703-707.
作者简介:张华。山西省运城市人。硕士研究生,主要研究方向为通信与信息系统。
E-mail:315343472@qq.com
[7】金连文,覃剑钊.基于Gabor方向特征及神经网络
的车牌灰度字符图像识别【J】.计算机工程,2004,
或wx518wx518@163.com
万方数据
掣
基于特征的车牌定位算法
作者:作者单位:刊名:英文刊名:年,卷(期):
张华, 孙运强, 姚爱琴, Zhang Hua, Sun Yunqiang, Yao Aiqin
张华,姚爱琴,Zhang Hua,Yao Aiqin(中北大学信息与通信工程学院,山西,太原,030051),孙运强,Sun Yunqiang(中北大学仪器科学与动态测试教育部重点实验室,山西,太原,030051)电子测试
ELECTRONIC TEST2010(8)
参考文献(8条)
1.邱刚;王养利 基于边缘特征和神经网络的汽车牌照定位算法[期刊论文]-微机发展 2005(04)2.郭捷;施鹏飞 基于彩色和纹理分析的车牌定位方法[期刊论文]-中国图象图形学报 2002(05)3.牛欣;沈兰荪 基于特征的车辆牌照定位算法[期刊论文]-交通与计算机 2000(01)
4.左奇;史忠科 一种基于数学形态学的实时车牌图像分割方法[期刊论文]-中国图象图形学报 2003(03)5.金连文;覃剑钊 基于Gabor方向特征及神经网络的车牌灰度字符图像识别[期刊论文]-计算机工程 2004(20)6.傅一平;李志能;袁丁 基于HIS空间的颜色算法提牌照识别的性能[期刊论文]-计算机工程与设计 2004(05)7.周妮娜;王敏;黄心汉;吕雪峰,万国红 车牌字符识别的预处理算法[期刊论文]-计算机工程与应用 2003(15)8.崔屹 图像处理与分析-数学形态学方法及应用 2000
本文链接:http://d.g.wanfangdata.com.cn/Periodical_dzcs201008008.aspx