CN102402686B - 一种基于连通域分析的车牌字符分割方法 - Google Patents

一种基于连通域分析的车牌字符分割方法 Download PDF

Info

Publication number
CN102402686B
CN102402686B CN201110401851.3A CN201110401851A CN102402686B CN 102402686 B CN102402686 B CN 102402686B CN 201110401851 A CN201110401851 A CN 201110401851A CN 102402686 B CN102402686 B CN 102402686B
Authority
CN
China
Prior art keywords
character
filtering
segmentation
license plate
optimum
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110401851.3A
Other languages
English (en)
Other versions
CN102402686A (zh
Inventor
徐志斌
徐飞
赵永忠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yun Xingyu Transport Science And Techonologies Inc Co
Original Assignee
Beijing Yun Xingyu Transport Science And Techonologies Inc Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yun Xingyu Transport Science And Techonologies Inc Co filed Critical Beijing Yun Xingyu Transport Science And Techonologies Inc Co
Priority to CN201110401851.3A priority Critical patent/CN102402686B/zh
Publication of CN102402686A publication Critical patent/CN102402686A/zh
Application granted granted Critical
Publication of CN102402686B publication Critical patent/CN102402686B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Character Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于连通域分析的车牌字符分割方法，属于车牌识别技术领域。该方法包括S1：对车牌字符进行倾斜矫正预处理；S2：对所述经过倾斜矫正预处理的车牌字符的区域上下边界和字符平均宽度进行估计；S3：根据所述估计结果搜索候选分割位置；S4：从所述候选分割位置中，确定最优分割位置；S5：在所述最优分割位置，归一化分割字符。该方法车牌字符分割正确率高、可靠性高，并且，在曝光强以及背景复杂等环境下鲁棒性高。

Description

一种基于连通域分析的车牌字符分割方法
技术领域
本发明涉及车牌识别技术领域，特别涉及一种基于连通域分析的车牌字符分割方法。
背景技术
车牌识别技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码。在车牌自动化识别系统中，字符分割是字符识别的基础，字符分割质量直接影响到车牌识别系统的识别率，
发明内容
为了解决上述问题，本发明提出了一种通过倾斜矫正处理，使车牌字符分割正确率高、可靠性高，并且，在曝光强以及背景复杂等环境下鲁棒性高的基于连通域分析的车牌字符分割方法。
本发明提供的基于连通域分析的车牌字符分割方法包括以下步骤：
S1：对车牌字符进行倾斜矫正预处理；
S2：对所述经过倾斜矫正预处理的车牌字符的区域上下边界和字符平均宽度进行估计；
S3：根据所述估计结果搜索候选分割位置；
S4：从所述候选分割位置中，确定最优分割位置；
S5：在所述最优分割位置，归一化分割字符。
作为优选，S1包括：
S11：形态滤波平滑处理，局部二值化车牌图像；
S12：顶帽运算，过滤宽度大于笔画的干扰；开运算滤波，滤除字符边缘黏连毛刺和单点噪声；
S13：搜索字符连通体轮廓集合，并过滤非字符连通体；
S14：连通体过滤与填充；
S15：计算水平倾斜角度，水平倾斜矫正；
S16：搜索最优字符区域的垂直倾斜角度，垂直倾斜矫正。
作为优选，S2包括：
S21：对矫正后的车牌图像局域二值化，并噪声滤波；
S22：搜索字符连通体轮廓集合，并过滤非字符连通体；
S23：字符区域上下边界修正，水平投影修剪黏连噪声；
S24：轮廓滤波，估计字符平均宽度和高度；
S25：初始化分割滤波灰度车牌图像。
作为优选，S3包括：
S31：根据车牌尺寸类型，定义水平滤波算子；
S32：分割滤波算子参数(u，v)的变化范围估计；
S33：滤波图像的背景灰度估计；
S34：滤波图像尺度估计；
S35：以第一个间隙左侧边界作为原点，滤波算子作平移和字符宽度变化，计算间隙区域的代价函数S(u，v)定义为滤波代价函数；
S36：根据间隙灰度的一致性原理，最优分割位置是8个间隙区域代价函数局部极小；在灰度图像中最优分割位置参数对应的像素灰度在邻域附近是极小值，依据Harris角点定义，该像素是一个角点。滤波算子遍历车牌区域，角点搜索，搜索出角点集；
S37：角点过滤，滤除过界的角点；
S38：候选角点的间隙位置参数局部优化，确定的候选间隙位置。
作为优选，S4包括：
S41：根据角点坐标，求出对应角点分割位置；
S42：平滑图像，二值化分割字符图像；
S43：轮廓定位，估计分布误差，得到分割的灰度字符图片；
S44：对分割的灰度字符图片进行边界修正、轮廓滤波，确定最优分割位置。
作为优选，S5包括：
S51：计算字符最大轮廓的二阶矩，得到修正后的字符中心；
S52：重新设置图像尺寸，归一化分割字符。
本发明提供的基于连通域分析的车牌字符分割方法的有益效果在于：
本发明提供的基于连通域分析的车牌字符分割方法，车牌字符分割正确率高、可靠性高，并且，在曝光强以及背景复杂等环境下鲁棒性高。
具体实施方式
为了深入了解本发明，下面结合具体实施例对本发明进行详细说明。
本发明实施例提供的基于连通域分析的车牌字符分割方法包括以下步骤：
S1：对车牌字符进行倾斜矫正预处理。
其中，
S11：形态滤波平滑处理，局部二值化车牌图像；
S12：顶帽运算，过滤宽度大于笔画的干扰；开运算滤波，滤除字符边缘黏连毛刺和单点噪声；
S13：搜索字符连通体轮廓集合，并过滤非字符连通体；
S14：连通体过滤与填充；
S15：计算水平倾斜角度，水平倾斜矫正；
S16：搜索最优字符区域的垂直倾斜角度，垂直倾斜矫正。
S2：对所述经过倾斜矫正预处理的车牌字符的区域上下边界和字符平均宽度进行估计。
其中，
S21：对矫正后的车牌图像局域二值化，并噪声滤波；
S22：搜索字符连通体轮廓集合，并过滤非字符连通体；
S23：字符区域上下边界修正，水平投影修剪黏连噪声；
S24：轮廓滤波，估计字符平均宽度和高度；
S25：初始化分割滤波灰度车牌图像。
S3：根据所述估计结果搜索候选分割位置。
原理如下：
采用分割滤波算子在灰度图像上平移-u和字符宽度尺度变化-v，计算6个间隙的灰度分割滤波代价函数S(u，v)；将参数空间(u，v)映射到二维灰度图像空间，构造矩形灰度图像S(x，y)，宽高U-V；按特定的阀值参数，使用Harris角点函数，定位图像S(x，y)的所有角点，则最佳分割位置参数对应的其中唯一角点。该角点位置坐标集合，对应的参数(u，v)集合，作为下一阶段的输入，按字符轮廓相似原理找到唯一的分割位置。
其中，
S31：根据车牌尺寸类型，定义水平滤波算子；
S32：分割滤波算子参数(u，v)的变化范围估计；
S33：滤波图像的背景灰度估计；
S34：滤波图像尺度估计；
S35：以第一个间隙左侧边界作为原点，滤波算子作平移和字符宽度变化，计算间隙区域的代价函数S(u，v)定义为滤波代价函数；
S36：根据间隙灰度的一致性原理，最优分割位置是8个间隙区域代价函数局部极小；在灰度图像中最优分割位置参数对应的像素灰度在邻域附近是极小值，依据Harris角点定义，该像素是一个角点。滤波算子遍历车牌区域，角点搜索，搜索出角点集；
S37：角点过滤，滤除过界的角点；
S38：候选角点的间隙位置参数局部优化，确定的候选间隙位置。
S4：从所述候选分割位置中，确定最优分割位置。
其中，
S41：根据角点坐标，求出对应角点分割位置；
S42：平滑图像，二值化分割字符图像；
S43：轮廓定位，估计分布误差，得到分割的灰度字符图片；
S44：对分割的灰度字符图片进行边界修正、轮廓滤波，确定最优分割位置。
S5：在所述最优分割位置，归一化分割字符。
其中，
S51：计算字符最大轮廓的二阶矩，得到修正后的字符中心；
S52：重新设置图像尺寸，归一化分割字符。
本发明提供的基于连通域分析的车牌字符分割方法，车牌字符分割正确率高、可靠性高，并且，在曝光强以及背景复杂等环境下鲁棒性高。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于连通域分析的车牌字符分割方法，包括以下步骤：
S1：对车牌字符进行倾斜矫正预处理；
S2：对所述经过倾斜矫正预处理的车牌字符的区域上下边界和字符平均宽度进行估计；
S3：根据所述估计结果搜索候选分割位置；
S4：从所述候选分割位置中，确定最优分割位置；
S5：在所述最优分割位置，归一化分割字符；
其特征在于，S1包括：
S11：形态滤波平滑处理，局部二值化车牌图像；
S12：顶帽运算，过滤宽度大于笔画的干扰；开运算滤波，滤除字符边缘黏连毛刺和单点噪声；
S13：搜索字符连通体轮廓集合，并过滤非字符连通体；
S14：连通体过滤与填充；
S15：计算水平倾斜角度，水平倾斜矫正；
S16：搜索最优字符区域的垂直倾斜角度，垂直倾斜矫正。
2.根据权利要求1所述的方法，其特征在于，S2包括：
S21：对矫正后的车牌图像局域二值化，并噪声滤波；
S22：搜索字符连通体轮廓集合，并过滤非字符连通体；
S23：字符区域上下边界修正，水平投影修剪黏连噪声；
S24：轮廓滤波，估计字符平均宽度和高度；
S25：初始化分割滤波灰度车牌图像。
3.根据权利要求1所述的方法，其特征在于，S3包括：
S31：根据车牌尺寸类型，定义水平滤波算子；
S32：分割滤波算子参数(u，v)的变化范围估计；
S33：滤波图像的背景灰度估计；
S34：滤波图像尺度估计；
S35：以第一个间隙左侧边界作为原点，滤波算子作平移和字符宽度变化，计算间隙区域的代价函数S(u，v)定义为滤波代价函数；
S36：根据间隙灰度的一致性原理，最优分割位置是8个间隙区域代价函数局部极小；在灰度图像中最优分割位置参数对应的像素灰度在邻域附近是极小值，依据Harris角点定义，该像素是一个角点，滤波算子遍历车牌区域，角点搜索，搜索出角点集；
S37：角点过滤，滤除过界的角点；
S38：候选角点的间隙位置参数局部优化，确定的候选间隙位置。
4.根据权利要求3所述的方法，其特征在于，S4包括：
S41：根据角点坐标，求出对应角点分割位置；
S42：平滑图像，二值化分割字符图像；
S43：轮廓定位，估计分布误差，得到分割的灰度字符图片；
S44：对分割的灰度字符图片进行边界修正、轮廓滤波，确定最优分割位置。
5.根据权利要求1所述的方法，其特征在于，S5包括：
S51：计算字符最大轮廓的二阶矩，得到修正后的字符中心；
S52：重新设置图像尺寸，归一化分割字符。
CN201110401851.3A 2011-12-07 2011-12-07 一种基于连通域分析的车牌字符分割方法 Active CN102402686B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110401851.3A CN102402686B (zh) 2011-12-07 2011-12-07 一种基于连通域分析的车牌字符分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110401851.3A CN102402686B (zh) 2011-12-07 2011-12-07 一种基于连通域分析的车牌字符分割方法

Publications (2)

Publication Number Publication Date
CN102402686A CN102402686A (zh) 2012-04-04
CN102402686B true CN102402686B (zh) 2016-04-27

Family

ID=45884876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110401851.3A Active CN102402686B (zh) 2011-12-07 2011-12-07 一种基于连通域分析的车牌字符分割方法

Country Status (1)

Country Link
CN (1) CN102402686B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102999753B (zh) * 2012-05-07 2016-09-14 深圳市腾讯计算机系统有限公司 车牌定位方法
CN103455815B (zh) * 2013-08-27 2016-08-17 电子科技大学 一种复杂场景下的自适应车牌字符分割方法
CN104915648B (zh) * 2015-06-02 2018-07-20 北京天创征腾信息科技有限公司 文档/单证方向检测方法和检测装置
CN105335745B (zh) * 2015-11-27 2018-12-18 小米科技有限责任公司 图像中数字的识别方法、装置及设备
CN105719296B (zh) * 2016-01-21 2019-04-16 天津大学 基于地址-事件表示的高速图像二值连通域标记方法
CN107341429B (zh) * 2016-04-28 2020-09-01 富士通株式会社 手写粘连字符串的切分方法、切分装置和电子设备
CN107341487B (zh) * 2016-04-28 2021-05-04 科大讯飞股份有限公司 一种涂抹字符的检测方法及系统
CN108108734B (zh) * 2016-11-24 2021-09-24 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN108241859B (zh) * 2016-12-26 2021-12-28 浙江宇视科技有限公司 车牌的校正方法及装置
CN106845488B (zh) * 2017-01-18 2020-08-21 博康智能信息技术有限公司 一种车牌图像处理方法及装置
CN107273892B (zh) * 2017-06-12 2020-06-16 北京智芯原动科技有限公司 一种车牌字符分割方法及装置
CN110533030B (zh) * 2019-08-19 2023-07-14 三峡大学 基于深度学习的太阳胶片图像时间戳信息提取方法
CN111310754A (zh) * 2019-12-31 2020-06-19 创泽智能机器人集团股份有限公司 一种分割车牌字符的方法
CN111860521B (zh) * 2020-07-21 2022-04-22 西安交通大学 一种畸变喷码字符逐层分割的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101334837A (zh) * 2008-07-31 2008-12-31 重庆大学 一种多方法融合的车牌图像定位方法
CN101383003A (zh) * 2008-10-31 2009-03-11 江西赣粤高速公路股份有限公司 车辆号牌实时精确识别方法
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN101937508A (zh) * 2010-09-30 2011-01-05 湖南大学 一种基于高清图像的车牌定位与识别方法
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101408933A (zh) * 2008-05-21 2009-04-15 浙江师范大学 基于粗网格特征提取和bp神经网络的车牌字符识别方法
CN101334837A (zh) * 2008-07-31 2008-12-31 重庆大学 一种多方法融合的车牌图像定位方法
CN101383003A (zh) * 2008-10-31 2009-03-11 江西赣粤高速公路股份有限公司 车辆号牌实时精确识别方法
CN101937508A (zh) * 2010-09-30 2011-01-05 湖南大学 一种基于高清图像的车牌定位与识别方法
CN102184399A (zh) * 2011-03-31 2011-09-14 上海名图信息技术有限公司 基于水平投影和连通域分析的字符分割方法

Also Published As

Publication number Publication date
CN102402686A (zh) 2012-04-04

Similar Documents

Publication Publication Date Title
CN102402686B (zh) 一种基于连通域分析的车牌字符分割方法
Teoh et al. Symmetry-based monocular vehicle detection system
CN103049787B (zh) 一种基于头肩特征的人数统计方法和系统
CN104036262B (zh) 一种lpr车牌筛选识别的方法和系统
US9189691B2 (en) Three-dimensional object detection device and three-dimensional object detection method
CN109583280A (zh) 车道线识别方法、装置、设备及存储介质
CN106650553A (zh) 车牌识别方法及系统
CN102663760B (zh) 一种对图像中的车辆挡风镜区域进行定位分割的方法
JPWO2013157301A1 (ja) 立体物検出装置及び立体物検出方法
JP2015165376A (ja) 車線認識装置及び方法
WO2017138245A1 (ja) 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム
CN103984949B (zh) 基于高低帽变换和连通域的车牌定位方法及其系统
CN102842037A (zh) 一种基于多特征融合的车辆阴影消除方法
CN109685827B (zh) 一种基于dsp的目标检测与跟踪方法
CN105303153A (zh) 一种车辆车牌识别方法及装置
CN105469057A (zh) 一种基于hough直线检测和投影的车窗检测方法
CN107909047A (zh) 一种汽车及其应用的车道检测方法及系统
CN102610104B (zh) 一种车载的前方车辆检测方法
Li et al. Road markings extraction based on threshold segmentation
CN104182728A (zh) 一种基于模式识别的车标自动定位与识别方法
CN104537342A (zh) 一种结合山脊边界检测及霍夫变换的快速车道线检测方法
CN105023002A (zh) 基于主动视觉的车标定位方法
CN103971347A (zh) 视频图像中阴影的处理方法及装置
CN103065140A (zh) 车标的定位方法及装置
CN108416346B (zh) 车牌字符的定位方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
DD01 Delivery of document by public notice

Addressee: Beijing Yunxingyu Traffic Engineering Co., Ltd.

Document name: Notification of Publication of the Application for Invention

DD01 Delivery of document by public notice

Addressee: Beijing Yunxingyu Traffic Engineering Co., Ltd.

Document name: Notification of Passing Examination on Formalities

C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent for invention or patent application
CB02 Change of applicant information

Address after: 100070 Beijing city Fengtai District Haiying Road No. 1 Building No. 2 hospital 11 layer, 12 layer

Applicant after: Beijing Yun Xingyu transport science and techonologies incorporated company

Address before: 100070 Beijing city Fengtai District Haiying Road No. 1 Building No. 2 hospital 11 layer, 12 layer

Applicant before: Beijing Yunxingyu Traffic Engineering Co., Ltd.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: BEIJING YUNXINGYU TRAFFIC ENGINEERING CO., LTD. TO: BEIJING YUNXINGYU TRANSPORT TECHNOLOGY CO., LTD.

C14 Grant of patent or utility model
GR01 Patent grant