图像定位及分割在车辆牌照识别中的应用

开篇：润墨网以专业的文秘视角，为您筛选了一篇图像定位及分割在车辆牌照识别中的应用范文，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： 本文重点讨论了图像定位及图像分割的原理，并结合当下研究热点的车辆牌照识别课题为例，利用本学期数字图像课程所学习到的知识实现了摄像机下普通车辆的牌照定位及图像分割。

Abstract： This article discussed the principle of image location and segmentation, and realized image location and segmentation of ordinary vehicle license with camera, combining with the hot research areas that vehicle license reorganization, using the knowledge of digital image course.

关键词：图像分割；图像定位；车辆牌照

Key words： image segmentation; image location; vehicle license

中图分类号：TP39文献标识码：A文章编号：1006-4311（2011）05-0170-02

0引言

图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。为何需要将图像分割出来是显而易见的，例如一段监控录像，出于某些目的我们希望能从我们感兴趣的时间段中分离出想要的事物或是将局部事物从目标区域分割出来，就像把一辆车的车牌识别出来。一般来说，图像分割有三种不同的途径：其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法；其二是通过直接确定区域间的边界来实现分割的边界方法；其三是首先检测边缘像素，在Marr的视觉计算理论框架中，抽取二维图像上的边缘、角点、纹理等基本特征，是整个系统框架中的第一步。这些特征所组成的图称为基元图。Yuille等指出，在不同“尺度”意义下的边缘点，在一定条件下包含了原图像的全部信息。再将边缘像素连接起来构成边界形成分割。在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。

车辆牌照识别是计算机视觉在智能交通领域应用的重要研究课题之一，若能用计算机实时识别车牌就可以实现对车辆的自动监测，在公共安全、交通管理及有关军事部门有着重要的应用价值，因此车辆牌照自动识别系统的实现是推进交通、军事智能化的关键技术之一。目前牌照自动识别技术尚未达到很完善的程度，由于要适应各种复杂背景，加之要识别的车辆种类繁多颜色变化多端，以及检测时要适应不同天气变化导致的不同光照条件，给牌照识别增加了难度。一个完整的车辆牌照自动识别系统一般包含三部分：首先对通过摄像机摄入的图像作预处理；其次在一个含有汽车的复杂背景中确定车牌的位置；最后对车牌上的文字进行切割、特征提取和识别。而要实现车辆牌照的分割，必须对牌照中的某些特征进行增强，同时实现对背景的有效抑制。整个自动识别系统的研究仍在继续中，这也是图像处理中的一大研究热点。本文探讨的并不是这一大研究热点中的难点，仅在现有基础上利用车辆牌照研究下图像分割及定位的方法。因为从本质上讲，汽车牌照的识别是涉及到图像分割与分析、字符识别等研究领域的应用问题。

1理论

在车辆牌照识别系统中，牌照区域定位是影响系统性能的重要因素之一，牌照定位准确与否将直接影响字符识别的准确率。以往的牌照定位方法主要包括：J.Barroso等提出的基于水平线搜寻的定位方法，R.Parisi等提出的基于DFT变换的频域分析方法；CharlCoetzee等提出的基于Niblack二值化算法及自适应边界搜索算法的定位方法，这些方法或者对复杂背景及光照条件比较敏感，或者定位速度较慢。而目前，图像处理中所采用的分割方法主要是通过各种边缘算子进行边缘提取或基于空间聚类进行图像区域分割。由于车牌周围存在边框，通常可采用边缘提取或Hough变换等方法确定边框的位置，但在实际情况中，经过有相对运动的摄像机或照相机把汽车以图像的形式录入到计算机中，往往摄取的图像模糊不清，边框时断时连，乃至消失。如果使用车牌文字的特征进行识别，也存在一定问题，摄得的车牌往往模糊不清，有时文字笔划断续不完整，车上还常常贴有广告、标语等文字，又加上拍摄距离、方向的变化所带来的位置不定、大小不一都增加了分割和识别的难度。

我的想法是这样的，首先，先了解下我国现有车辆牌照的种类以及其内容的规律性，现在的牌照有四种类型：①小功率汽车所用的蓝底白字牌照；②大功率汽车所用的黄底黑字牌照；③军用或警用的白底黑字、红字牌照；④国外驻华机构用的黑底白字牌照。这四种牌照的长度均为45cm，宽度为15cm，共有字符8个，字符总长度为40.9cm，其中单个字符统一宽度为4.5cm，高9cm，一般民用牌照第一个字符是汉字，且是各省市的简称，如“京”、“津”、“沪”、“苏”等，第二个字符是大写英文字母，如“A”、“B”、“C”等，然后是一个小圆点，第二、四个字符间间隔为3.4cm，小圆点1cm宽，小圆点与第二、四个字符间间隔分别为1.2cm，第四个字符可能是英文字母，也可能是阿拉伯数字，第五至第八个字符均为阿拉伯数字，这些字符间间隔为1.2cm。如图 就是最典型同时也是相当牛的车牌号码。

其次，由于车牌位于汽车的下部，选择从下往上的扫描方法便可有效地避免了车上贴有的广告等文字的影响。从另一方面仔细想来，车牌的文字笔划是非常有规律的，不单单是牌照本身字符组成的规律性，很重要的一点是牌照的字符本身都有统一的格式和书写方式，因此，虽然有时候无法辨别边框的确切位置，但我们可通过字符书写的特殊性区别牌照与其周围车辆本身的环境。同时再借助于前文中所做的功课：牌照字符固定宽度、间距的固定比例关系，从复杂背景中去除干扰，确定字符边界。当然我们的目的仅限于定位牌照位置并将其分割出来，至于字符本身的识别不在本文探讨的范围内。

2实验

通过一般摄像机获得的汽车图像如图1所示。（由于时间及设备条件均有限，实验中所使用的原始图像来源于互联网）

第一步，为了消除由于摄像过程中光线、工具等带来的噪声，首先进行预处理，用直方图均衡消除光线强弱的影响;接着去噪，并进行二值化处理。具体不再赘述。

第二步，通过前文所得车辆牌照的及其字符的各种固定数据，设W=45cm，H=15cm，对牌照图像进行扫描，凡宽度大于W，高度大于H的线段可以认为是牌照四条边框，由该线段进行区域生长，则可去除牌照四条边框的残缺图像。使用上述方法后的牌照图像如图2。

第三步，前文已有提出，车牌的文字笔划是非常有规律的，即从左往右扫描，一个笔划和下一个笔划间隔的象素是稳定在某个范围内的。设平均间隔为T时，当某间隔t1≥T，说明这一点距离某笔划太远，可认为它是噪声。同时，车牌上每行的笔划数N也有一个下限（有8个字符，则至少为8划），设为n1，当某行的N

实验表明，图2，3是实验结果。它表明在摄入的角度、距离、光线都有很大调整的情况下，此方法都能快速准确定位、分割车牌。

3结论

本文探讨了车辆牌照的图像定位及分割问题，针对由于光线、摄像、牌照定位的图像分割过程所带来的影响，充分利用车辆牌照的外形特点及其字符的各种固定数据和比例关系，以及牌照中文字笔划变化频率比较稳定的特点，提出了步步去噪，缩小范围的处理算法，其能在复杂背景下实现车牌快速、准确定位及分割。通过以上的实验，取得不错的结果（实验并未对得到的最后图像进行校正），并且处理的时间很短，在0.01秒。由此可见，些定位分割出车牌的方法在实践中是行之有效的。况且，利用固定数据的先验知识，即使有错分，也能避免错误的扩散，影响下一字符的切分。因此，本文的算法简单高效，达到了预期的目的。另外，本文只讨论了静态时的情况，对于行驶的车辆仍然可以采用同样的方法。对于动态的情况，运用运动分割方法，可以从图像中去除背景的影响，只剩下车辆的图像，这样反而可以增强分割的成功率。本文处理的是灰度图像，若采用彩色图像，还可以根据牌照的色彩信息对牌照进行分析，也可以增强分割的成功率。

参考文献：

[1]本学期任课老师郭峰的PPT课件.

[2]郑南宁等.行驶车辆牌照自动识别系统.西安交通大学报，Vol.25，NO.1 1991.1.

[3]崔国伟，舒文豪，李仲荣.多字体多字号印刷体汉字识别方法的研究.中文信息学报，1990，3(4):57-61.

[4]孙仲康，沈振康编，数字图象处理及其应用.北京:国防工业出版社，1985.