CN101154271A - 基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法 - Google Patents

Abstract

基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法，属于图象处理技术领域，涉及车牌自动识别技术。首先通过灰度直方图和灰度拉伸变换对车牌区域进行变换，实现对车牌中的字符区域的增强；接着计算二值化阈值把车牌灰度图像转化为二值图像；然后用快速区域标号算法对车牌二值图像进行连通性分析并用区域生长法得到字符的候选区域；接着从车牌二值化图像中定位出大间隔的位置；然后结合车牌大间隔的位置特征修正和补齐字符区域，得到最终的字符区域；最后从车牌灰度图像中分割出字符。采用本发明提出的基于快速区域标号算法和车牌大间隔定位方法相结合的车牌字符分割方法，可以有效地提高系统的通用性和定位精度等性能。

Description

基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法

技术领域

本发明属于图象处理技术领域，特别涉及车牌识别技术中的复杂背景中的车牌字符分割方法。

背景技术

智能交通是当前交通管理发展的主要方向，是目前世界交通运输领域的前沿研究课题。汽车牌照自动识别技术则是智能交通系统的核心。它是解决高速公路管理问题的重要手段，是计算机图像处理技术和模式识别技术在智能交通领域的应用。该技术在解决高速公路的诸多问题，如车辆收费和管理，交通流量检测，停车场收费管理，违章车辆监控，假牌照车辆识别等具体问题中应用广泛，具有巨大的经济价值和现实意义。同时，它在城市道路、港口和机场等项目管理中占有重要地位。随着计算机性能的提高和图像处理技术的发展，车牌识别系统已经日趋成熟。详见文献：T.Vaito，T.Tsukada，K.Yamada，K.Kozuka，andS.Yamamoto，“Robust license-plate recognition method for passing vehicles under outsideenvironment，”IEEE Trans.Veh.Technol.，vol.49，pp.2309-2319，Nov.2000和文献：Shyang-Lih Chang，Li-Shien Chen，YunChung Chung，Sei-Wan Chen，Automatic license platerecognition，Intelligent Transportation Systems，IEEE Transactions on，March 2004所述。

在自动车牌识别技术中，车牌字符的精确分割是整个识别技术的难点和关键。车牌字符分割的精度直接影响整个车牌识别系统的性能。在实际生活中，由于受背景的复杂性、光照条件的不均匀性和天气变换的不定性等环境因素，以及车牌本身倾斜程序、受污染程度等因素的影响，目前的多数车牌字符分割方法只是在一定程度上解决了特定条件下从复杂背景中提取字符的问题，然而这些算法必须利用具体问题的先验知识，比如要利用车牌在图像中出现的位置以及车牌颜色等特定信息，这样虽然可以解决某个特定的问题，但是当遇到新的问题或者某些先验知识不再成立时，又必须重新设计新的方法。通用的、能适用于所有环境和条件的车牌定位方法还没有成功研究出来。因此，如何在现有所有有价值的研究成果之上，提高字符分割系统的通用性、缩短定位时间和提高分割精度将成为我们当前研究的主要方向。详见文献：Rahman，C.A.；Badawy，W.； Radmanesh，A，“A real timevehicle′s license plate recognition system”，Proceedings.IEEE Conference on Advanced Videoand Signal Based Surveillance，Page(s)：163-166，2003和文献：Dogaru，R.；Dogaru，I.；Glesner，M，“Emergent computation in semitotalistic cellular automata：applications in charactersegmentation”，Semiconductor Conference，2004.CAS 2004 Proceedings，Page(s)：451-454vol.2，2004

现在通常使用的车牌字符分割方法有：

(1)基于投影法的车牌字符分割方法。它通过对车牌区域的直方图进行分析，利用字符区域的投影值比背景区域大的特性达到识别字符区域的目的。其缺点是适用于车牌图像亮度变化比较均匀、对比度比较良好的情况。但是在实际应用中车牌图像处于变化光源的环境中，亮度极不均匀，从而限制了上述方法的使用。详见文献Yungang Zhang，ChangshuiZhang，″A New Algorithm for Character Segmentation of License Plate″，Intelligent VehiclesSymposium，2003.Proceedings.IEEE，9-11 June 2003 Page(s)：106-109

(2)基于人工神经网络的方法。它利用神经网络的自适应、自学习能力，通过训练来达到车牌字符分割的目的。其优点是融若干预处理和识别于一体、识别速度快；缺点是当特征定义遇到困难时，效果不能令人满意。详见文献Satriyo Nugroho，A，Kuroyanagi，S，Iwata，A，″An algorithm for locating characters in color image using stroke analysis neuralnetwork″，Neural Information Processing，2002.ICONIP′02.Proceedings of the 9th InternationalConference on Volume 4，18-22Nov.2002Page(s)：2132-2136 vol.4.

(3)基于彩色的车牌字符分割方法。它是通过提取车牌中字符区域不同于其他区域的特殊彩色特征来区别字符区域和背景区域，从而在车牌中分割出字符。其缺点是难以解决在照明不均匀环境下定位准确率问题，并且定位速度慢，难以达到实时性识别的要求。详见文献H.Goto and H.Aso.Character Pattern Extraction from Colorful Documents withComplex Backgrounds[C].Proceedings of 16^th International Conference on Pattern Recognition，ICPR2002，Aug.2002，Canada.

(4)基于边缘检测的方法。它通过提取图像的边缘信息进行分析，进而测得车牌字符边缘。其缺点是要求图像边缘的连续性要好，但实际拍摄的车牌字符边框往往不连续。详见文献Fu Yuqing，Shen Wei，Huang Xinhua.Research on vehicle license plate characterextraction from complex background[J].Pattern Recognition and Artificial Intelligence，2000，13(3)：345～348(in Chinese)

上述的四种车牌字符分割算法的共同点是：这些方法都是针对一个特定的条件，容易受天气、背景、光照等因素的限制，鲁棒性不好。一旦条件发生变化，它们的分割准确率就会发生较大的波动，从而整个车牌识别系统的性能大大降低。

发明内容

本发明的任务是提供一种基于快速区域标号算法和车牌大间隔定位相结合的车牌字符分割方法，它具有在照明不均匀环境下定位准确率高和识别率高的特点。按照本发明的车牌字符分割方法，它包含下列步骤：

步骤1.  车牌预处理。车牌字符分割以车牌定位程序分割出来的车牌图像作为源图片，因此，为了取得更好的字符分割效果，必须先对车牌图像进行预处理。预处理包括车牌图像增强和车牌图像二值化。

(1)车牌图像增强。本发明采用运用灰度直方图和灰度拉伸变换对车牌区域进行变换，实现对车牌中的字符区域的增强。具体方法为：首先采用公式grayA(1，A(i，j)+1)＝grayA(1，A(i，j)+1)+1计算车牌图像的灰度直方图，其中i表示图像的行位置，j表示图像的列位置，A车牌图像，grayA表示灰度直方图矩阵；然后采用灰度拉伸变换对车牌字符区域进行增强，灰度拉伸的变换公式为：当x＜x₁时， $f\left(x\right)=\frac{y_1}{x_1}x,$ 当x₁≤x≤x₂时， $f\left(x\right)=\frac{y_2-y_1}{x_2-x_1}(x-x_1)+y_1,$ 当x＞x₂时， $f\left(x\right)=\frac{255-y_2}{255-x_2}(x-x_2)+y_2,$ 其中，x原始车牌图像中象素的灰度级，f(x)是象素点x经过增强后的灰度级，(x₁，y₁)and(x₂，y₂)是灰度拉伸变换的两个阈值

(2)车牌图像二值化。二值化阈值的选取是影响图像二值化效果的一个至关重要的因素，在本发明中，二值化阀值由下式公式计算而得： $T=M+C*\sqrt{\frac{r_1}{r_2}}.$ 其中，T为二值化阈值，r₁为车牌图像中字符象素所占的比例，r₂为车牌图像中背景象素所占的比例，M为增强后车牌图像的均值，C为增强后车牌图像的标准差，它们的计算公式分别为M＝r₁*g₁+r₂*g₂和 $C=\sqrt{r_1{(g_1-M)}^2+r_2{(g_2-M)}^2},$ 其中g₁和g₂分别为增强后的车牌中字符象素点和背景象素点的灰度级。然后利用得到的二值化阈对增强后的车牌图像进行二值化，得到车牌的二值图像。具体的二值化方法是：若车牌图像上象素点的值大于或等于阀值，就把该处的值设置为255，否则把该处的值设置为0。经过二值化，车牌灰度图像转化为由一系列0和255组成的图像。

步骤2.运用快速区域标号算法对车牌二值图像进行连通性分析。快速区域标号算法是一种快速的连通性分析方法，它的基本思想如下：首先假设二值图像中为0的点是背景，为1的点是字符；然后建立一个和车牌二值图像矩阵同样大小的标号矩阵，把标号矩阵中每个元素的基本标号都设置为1；接着对图像从左到右、从上到下进行扫描，如果遇到0，标号不作变化，如果遇到1，再根据该点周边点的象素值，即使用如附图1所示的4邻域掩模确定它的标号。4邻域掩模对车牌二值图像的卷积运算可以用下面的式子来代替：C(i，j)＝B(i-1，j)+B(i+1，j)+B(i，j-1)+B(i，j+1)+B(i，j)，其中，B为车牌二值图像矩阵，C为标号矩阵，i表示图像的行位置，j表示图像的列位置，4邻域掩模如附图1所示。然后分别检测标号矩阵中标号分别为4和5的标号的数目，以确定区域生长法的“种子”点。如果标号矩阵中4的数目多于5的数目，则把标号为4的点设置为区域生长法的“种子”点，否则把标号为5的点设置为区域生长法的“种子”点。接着用区域生长法确定字符的候选区域，具体的做法就是以这些“种子”点开始区域生长，凡是一个点的8邻域内有“种子”标号点处在区域生长法得到的区域内的，就把该点加入到生长区域之中。由此可以得到字符的候选区域，记录下每个区域的上、下、左、右边界。

步骤3.连通区域分析。对步骤2中所得到的一系列字符候选区域进行分析筛选，去除由于噪声、光照不均匀等因素产生的伪字符区域。具体的方法就是分别去除高度小于5个象素、宽度小于2个象素、高宽比小于1和高宽比大于3的字符候选区，剩下的字符候选区域为最终的字符候选区域。

步骤4.采用基于大间隔的车牌字符定位方法确定各个字符在车牌中的位置。该方法的具体思路如下：

(1)计算字符的实际宽度和车牌大间隔、小间隔的大小。字符的实际宽度是根据步骤3得到的最终字符候选区域的宽度来计算的。具体的计算方法是计算所有最终字符候选区域的宽度的平均值，把该平均值作为本幅车牌图像中字符的实际宽度。小间隔和大间隔是车牌中存在的两种不同间隔。在如附图2所示的标准车牌中，第一个字符和第二个字符、第三个字符和第四个字符、第四个字符和第五个字符、第五个字符和第六个字符、第六个字符和第七个字符之间的间隔都为12mm，称为小间隔；第二个字符和第三个字符之间的距离为34mm，称为大间隔。大间隔和小间隔的计算公式分别为：large_inter＝0.75*width，small_inter＝0.26*width其中large_inter是大间隔，small_inter是小间隔，width为字符实际宽度。

(2)对步骤3得到的最终字符候选区域进行排序。本方法中，按照字符候选区域从左至右进行排序，因此排列后的候选字符区域和车牌中的字符区域具有相同的次序。

(3)采用中间补足方法，补足步骤2中可能遗漏的中间字符。具体的方法是利用上面第一步得到的字符实际宽度来判定已经定位出来的相邻两个区域间遗失的字符数目，如果相邻区域的间隔距离小于1.2*(t+1)倍的字符实际宽度而大于1.2*t倍的字符实际宽度，则这两个区域间遗失了t字符，应该根据小间隔和字符实际宽度对这个t个区域进行补足；如果相邻区域的间隔距离小于1.2倍的字符实际宽度而大于0.8倍的字符实际宽度，则这两个区域间遗失了1字符，同样补足一个字符。

(4)定位大间隔的位置。经过字符中间补足后，开始寻找大间隔在车牌中的位置，其基本原理如下：从右到左扫描中间补齐后的字符候选区域，如果某两个字符候选区域中间的间隔大于或等于大间隔的大小，则说明找到大间隔，这两个字符区域分别属于第二个和第三个字符。如果扫描完毕后没有找到大间隔，则以字符实际宽度和实际高度为基准分别向第一个候选区域的左边区域和最后一个候选区域的右边区域扫描，如果扫描到的区域中字符象素所占的比例小于20％，则说明此处为大间隔所在。

(5)采用基于大间隔的定位方法确定7个字符的相应位置。找到大间隔以后，首先基于大间隔的位置，定位出第一个和第二个字符。具体的方法是：如果大间隔的左边有两个字符候选区域，则把这两个候选区域确定为第一个和第二个字符；如果只有一个字符候选区域，则检测这个字符和大间隔之间的距离，如果距离大于小间隔，则这个候选区域为第一个字符，此时需根据小间隔和字符实际宽度的大小来确定第二个字符的位置，如果距离小于小间隔，则这个候选区域为第二个字符，此时需根据小间隔和字符实际宽度的大小来确定第一个字符的位置；如果大间隔的左边没字符候选区域，则此时需根据小间隔和字符实际宽度的大小来确定第一个和第二个字符的位置。然后确定第三个到第七个字符的位置。具体的方法是把大间隔右边的字符候选区域从左到右依次确定为第三个字符、第四个字符、第五个字符、第六个字符和第七个字符。如果大间隔右边的字符候选区域不足5个，则根据小间隔和字符实际宽度的大小向右补足剩下的字符区域。

步骤5.分割字符。根据前面的步骤我们定位出了所有的字符在车牌中的位置，利用这些位置信息我们从车牌中分割出字符；

通过以上步骤，我们就从车牌的灰度图像中分割出字符。

需要说明的是：

1.步骤1中使用的车牌图像是经过车牌定位程序后得到的灰度图像，不需要再做灰度转换处理。

2.由于受光照、噪声等因素的影响，如果直接对原始的车牌灰度图像进行字符定位，那么定位的精度一定不高，因此在步骤1的第一步中采用灰度直方图和灰度拉伸变换对车牌区域进行变换，实现对车牌中的字符区域的增强。

3.步骤1的第二步中所采用的二值化阈值的计算方法可以最大限度地突出字符区域，在二值化时可以把大部分的背景二值化为0。

4.经过步骤2的快速区域标号后，标号矩阵一共有6种值：从1到6。其中，值为1的点表示黑点即背景点，值为2的点为孤立的白点，值为3的点表示字符的起始点或终止点，值为4、5、6的点为字符内部的点。

5.由于有些字符可能因为断裂或者对比度的原因在区域生长过程中没有完全被定位出来，在步骤3的去除伪候选区域过程中，这些不完全的字符区域可能会被去除，因此需要通过步骤4的第三步来检测是否有遗失的字符区域，并重新定位出来。

本发明采用一种基于快速区域标号算法和车牌大间隔定位方法相结合的车牌字符分割方法，首先通过灰度直方图和灰度拉伸变换对车牌区域进行变换，实现对车牌中的字符区域的增强；接着计算二值化阈值把车牌灰度图像转化为二值图像；然后用快速区域标号算法对车牌二值图像进行连通性分析并用区域生长法得到字符的候选区域；接着从车牌二值化图像中定位出大间隔的位置；然后结合车牌大间隔的位置特征修正和补齐字符区域，得到最终的字符区域；最后从车牌灰度图像中分割出字符。采用本发明提出的基于快速区域标号算法和车牌大间隔定位方法相结合的车牌字符分割方法，可以有效地提高系统的通用性和定位精度等性能。

本发明的创新之处在于：

本发明采用一种基于快速区域标号算法和车牌大间隔定位方法相结合的车牌字符分割方法，既充分利用快速区域标号算法定位出字符的候选区域，又结合了车牌大间隔的位置特性准确的确定7个字符的相应位置，具有很高的定位精度和定位速度。用快速区域标号算法对均值滤波后的车牌二值图像进行连通性分析，能够快速的定位出车牌字符的候选区域；根据标号的特性确定区域生长法“种子”点的方法能够更加精确的定位字符的候选区域；基于车牌大间隔的位置和特性的字符区域修正和补齐方法对车牌定位程序定位精度要求不是很高，而且最大限度的减少了对车牌先验知识的依赖，提高了系统整体的鲁棒性。

附图说明

图1是快速区域标号算法中所用的4邻域掩模。

图2是本发明最终得到的车牌图像示意图。

其中，X1、X2、X3、X4、X5、X6和X7分别代表车牌的第一个、第二个、第三个、第四个、第五个、第六个和第七个字符。

图3是原始的车牌灰度图像。

图4是增强后的车牌图像。

图5是二值化后的车牌图像。

图6是区域生长法得到的字符候选区域。

图7是去除伪区域后得到的字符候选区域。

图8是最终得到的车牌中字符区域。

图9是从车牌中分割出来的字符。

图10是本发明方法的流程图。

图11是图10中第四步采用基于大间隔的车牌字符定位方法确定各个字符在车牌中的位置的流程图。

具体实施方式

采用本发明的方法，首先使用Matlab语言编写车牌识别软件和车牌字符分割软件；然后在高速公路的入口处、收费站和其他任何合适位置采用摄像装置自动拍摄车辆的原始图像；接着把拍摄到的车辆原始图像作为源数据输入到车牌识别软件中进行处理；定位出的车牌再通过车牌字符分割软件，最后输出7个分割出来的车牌字符。采用320张车牌识别软件处理后得到的、包括雨天、雾天、晴天等不同天气和车牌水平、车牌倾斜、车辆运动、车辆静止等不同状态下的车辆灰度图像作为源数据，准确分割出313张车牌字符，字符分割准确率为97.8％。

综上所述，本发明的方法充分利用快速区域标号算法的特点和车牌大间隔的位置特性，从而实现快速准确地从所提供的车牌灰度图像中分割出车牌字符。

Claims (2)

1.本发明涉及一种基于快速区域标号算法和车牌大间隔定位方法相结合的车牌字符分割方法，其特征在于包括如下步骤：

步骤1.车牌预处理。车牌字符分割以车牌定位程序分割出来的车牌图像作为源图片，因此，为了取得更好的字符分割效果，必须先对车牌图像进行预处理。预处理包括车牌图像增强和车牌图像二值化。

(1)车牌图像增强。

采用运用灰度直方图和灰度拉伸变换对车牌区域进行变换，实现对车牌中的字符区域的增强。

(2)车牌图像二值化。

首先计算二值化阈值，然后利用得到的二值化阈值对增强后的车牌图像进行二值化，得到车牌的二值图像。

步骤2.运用快速区域标号算法对车牌二值图像进行连通性分析。

通过对车牌二值图像的连通性分析，得到字符的候选区域，记录下每个区域的上、下、左、右边界。

步骤3.连通区域分析。

对步骤2中所得到的一系列字符候选区域进行分析筛选，去除由于噪声、光照不均匀等因素产生的伪字符区域。

步骤4.采用基于大间隔的车牌字符定位方法确定各个字符在车牌中的位置。该方法的具体思路如下：

(1)计算字符的实际宽度和车牌大间隔、小间隔的大小；

(2)对步骤3得到的最终字符候选区域进行排序；

(3)采用中间补足方法，补足步骤2中可能遗漏的中间字符；

(4)定位大间隔的位置；

(5)采用基于大间隔的定位方法确定7个字符的相应位置；

步骤5.分割字符。

根据前面的步骤我们定位出了所有的字符在车牌中的位置，利用这些位置信息我们从车牌中分割出字符；

2.如权利要求1所说，一种基于快速区域标号算法和车牌大间隔定位方法相结合的车牌字符分割方法，其特征是，既充分利用快速区域标号算法定位出字符的候选区域，又结合了车牌大间隔的位置特性准确的确定7个字符的相应位置，具有很高的定位精度和定位速度。用快速区域标号算法对均值滤波后的车牌二值图像进行连通性分析，能够快速的定位出车牌字符的候选区域；根据标号的特性确定区域生长法“种子”点的方法能够更加精确的定位字符的候选区域；基于车牌大间隔的位置和特性的字符区域修正和补齐方法对车牌定位程序定位精度要求不是很高，而且最大限度的减少了对车牌先验知识的依赖，提高了系统整体的鲁棒性。

Images