基于边缘跳变和投影法的车牌定位方法

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于边缘跳变和投影法的车牌定位方法范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要： 提出了一种基于边缘跳变和投影法的多级车牌定位方法。该方法首先利用边缘跳变特征对车牌区域进行水平定位，得到一组水平区域；然后，通过垂直投影，利用车牌区域波峰―波谷―波峰密集特点定位车牌左右边界，得到候选车牌区域；最后，对多个候选车牌区域进行分析，剔除错误区域，得到粗定位的车牌区域。并对粗定位车牌区域做进一步修正，获得最终的车牌区域。本文提出的车牌定位方法在车牌倾斜角度较小（小于5度），图像拍摄距离为1.5m到2.5m条件下，能够较为准确的定位出车牌区域，对复杂背景、光照、车牌种类等条件不敏感。

Abstract: A Multi-level Location Method of License Plate is proposed based on edge changes and projection method. Firstly, it localizes the horizontal borderlines of LP by setting a threshold of the features of edge changes. Secondly, through the vertical projection, we realize vertical localization, by using license plate peak-trough-peak-intensive features, to get the candidate plate region. At last, we get the Coarse Location by analyzing candidate regions and excluding the error areas. And then we modify the coarse region further. The proposed method in this paper can accurately position the plate region when the tilt is small（less than 5 degrees）and the image shooting distance of 1.5m to 2.5m, and is not sensitive to complex background, light and car card type.

关键词： 车牌定位；边缘跳变；投影法

Key words: license plate localization；edge changes；projection method

中图分类号：TP391.41 文献标识码：A文章编号：1006-4311（2011）18-0147-02

0引言

车牌定位是车牌识别的关键技术，主要是从所获取的图像中定位车牌所在的位置，并把车牌从该区域中准确地分割出来，以进行后续的字符分割和字符识别等处理[1]。车牌的定位准确与否直接影响到字符分割和字符识别的准确率，因此车牌定位也是影响车牌识别系统性能的重要因素之一。

到目前为止，人们对车牌定位问题已经进行了广泛的研究，根据车牌的不同特征，提出了多种车牌定位方法[2,3]。另外，随着小波变换、分形理论、数学形态学方法和遗传算法等理论和方法的逐步发展，研究人员也将这些理论应用于车牌定位方面[1,4]。当然，也有很多的研究人员将一种或多种方法相结合，并且取得了较好的效果。

但是由于车牌图像受到复杂背景以及检测时不同天气，不同光照条件的影响，增加了车牌定位的难度。虽然目前国内外都有一些实用的LPR技术开始用于车流监控、出入控制、电子收费、移动稽查等场合。然而，无论是LPR算法还是LPR产品都存在一定的局限性，需要进一步完善[4]。其中如何从采集到的汽车图像中快速、准确地确定车牌仍然是一个研究难点。

1基于边缘跳变和投影的车牌定位

本文提出了一种基于纹理特征和投影法的三级车牌定位方法，实现流程如图1所示。首先对预处理图像进行边缘检测，得到二值边缘图像；设定边缘跳变次数阈值，确定车牌所在的可能水平条形区域；通过垂直投影，利用车牌区域波峰―波谷―波峰密集特点定位车牌左右边界，得到车牌区域；若存在多个候选车牌，依据形状特征进行剔除，最后对车牌区域修正处理。

其中灰度化可以看做图像的预处理步骤[5]。主要考虑到现有系统所获取的图像有大量都是彩色的，如果直接对彩色图像进行处理会增加计算量，因此本文的车牌定位方法只利用图像的灰度信息，因此首先需要将彩色图像转化为灰度图像。

下面我们将对本文方法的主要步骤进行分析和说明。

1.1 车牌图像边缘检测本文主要采用基于边缘跳变数的水平区域定位方法。首先采用LoG边缘检测器对灰度图像进行边缘检测，得到的边缘图像具有较为闭合的、连通的轮廓[5]。检测过程中，孤立的噪声点和一些较小的结构组织将被滤除。边缘检测后，再去除图像中面积小于指定像素数的连通对象就可以进一步的去除一些杂乱边缘。这一过程可能删除字符的一些笔画信息，但基本上不影响后续步骤的进行。图2是对一幅包含车牌的图像去除杂乱边缘的实验结果。

1.2 基于边缘跳变的水平定位去除杂乱边缘后，我们就可以统计边缘的跳变次数λ。若任意左右两像素点值edge（i）、edge（i+1）（非1即0）不同则加1；相同则不变。可依据公式（1）计算某一行的边缘跳变次数：

对于我国现行的标准车牌而言，车牌区域共有七个标准字符，字符之间存在间隔，车牌字符边缘检测后会产生0-1跳变，特征量的取值范围可按下述方法得到：

①下限的设定：可以考虑极端的情况，即车牌号码五个数字都为“11 111”，则其边缘变化频率为10，汉字和字母某一行都为单笔划时，变化的频率最小且为4（如“京”“I”的最顶行），因而变化频率的最小值应为14，考虑到车牌两侧干扰的存在，可设下限15；

②上限的设定：也可考虑极端情形，车牌号的五个数字两次经过某一行（如“88 888”中的上下半部分）时，其边缘变化的频率最大且为20。当字母为“M或W”时，字母四次经过某一行，其边缘变化的频率最大且为8，当汉字为“藏”字时，扫描线经过该字时变化频率最大为12，同时考虑干扰的情况，可设此特征量上限为50。

设置一个阈值N来统计边缘图像包含的边缘信息是否丰富。往往由于车牌区域笔画信息较多，边缘信息也最为丰富，通过阈值N可以确定车牌所在的水平条形区域。具体为对边缘检测后的图像逐行扫描，当跳变次数大于上述阈值N时，保存其位置。扫描结束后，对至少连续M行跳变次数都大于阈值N，则认为该区域可能存在车牌，保存起始位置，得到水平区域。反复搜索，直至结束。

最终结果可能有一个或多个水平区域（如图3），但是即使这些区域里存在伪车牌，可以通过之后的步骤进行剔除。

1.3 基于垂直投影定位车牌左右区域之前的水平定位得到的水平区域为边缘检测后的二值化图像，可以进一步对所检测区域的边缘进行垂直投影。由于车牌字符区域的垂直投影通常会形成的密集的波峰―波谷―波峰特征，而非车牌区域往往波峰和波峰间离的较远，或者波的宽度较大（或较小），不具备车牌字符形成的特征。依据这一特征可以确定车牌的左右边界，得到车牌。其过程见图4和图5。

1.4 伪车牌区域剔除由上一步骤得到的车牌仍可能为伪车牌，车牌数目不等于1。而我国车牌，除临时入境车辆牌照和部分大型车辆牌照外，实际车牌的高宽多为140mm×440mm，由于上述步骤得到车牌常含有一些背景信息，对车牌高宽比适当放宽，依此可以对高宽比不太适当的“候选车牌”直接剔除。另一方面，当车牌垂直投影后“峰”的个数小于6个时（考虑字符粘连情况），该“车牌”不具备车牌内字符所具有的特征，可以判别为伪车牌。

如图2（a）所示图像，经水平、垂直定位后产生了2个“伪车牌”（见图5（b），（c）），这些伪车牌区域就可以利用前面的方法进一步剔除。

1.5 对车牌区域进行修正上述步骤得到的车牌可能还存在部分车牌外背景，如图6所示，因此还需要进一步的细分割。由于光照条件差异、车牌污垢、车牌受损、车牌与车身背景颜色相近以及安装位置等各种原因，使得车牌外框的矩形特征利用起来存在很多制约。所以本文还是利用车牌区域最明显的字符特征，利用字符区域的水平和竖直方向的投影特征来进行进一步的细分割，如图6和图7所示。

由图7可以看出，虽然最终定位的车牌区域仍然存在少量背景区域，但基本不影响后续工作的进行。我们对包含不同角度和光照条件的71幅汽车图像进行了实验，其中60幅定位成功，成功率为84.5%。定位失败的图像主要由于车牌倾斜角度较大，或车牌区域获取不清晰等原因造成。总的来说，本文方法在车牌倾斜角度较小（小于5度），图像拍摄距离为1.5m到2.5m条件下，均能够较为准确的定位出车牌区域，对复杂背景、光照、车牌种类等条件不敏感。

2结论

本文综合运用图像处理多种方法，提出了一种多级框架车牌定位方法，该方法结合粗定位和细定位步骤，能较好的定位出车牌，为车牌字符分割和识别提供了前提条件。

参考文献：

[1]Christos-Nikolaos E.Anagnostopoulos，Ioannis E.Anagnostopoulos, Ioannis

D.Psoroulas，Vassili Loumos，Eleftherios Kayafas.License Plate Recognition From Still Images and Video Sequences：A Survey[J].IEEE Transactions on intelligent transportation systems.2008，9（3）：377-391.

[2]陈进，徐佩霞.一种改进的车牌定位方法[J].计算机工程与应用.2010，46（23）：244-248.

[3]关明山，任洪娥，王洋等.汽车拍照定位的削峰填谷自适应算法[J].计算机工程与应用.2010，46（22）：199-202.

[4]柳妮.电子警察系统中车牌定位与识别技术的研究[D].长安大学硕士学位论文.2009.4

[5]冈萨雷斯.数字图像处理[M].第二版.北京：电子工业出版社，2003.3.