一種多特征頻率的車牌定位算法

1車牌定位的實現(xiàn)車牌定位是車牌識別技術(shù)的一項重要技術(shù)，其準確性直接影響到車牌識別的準確性。車牌定位就是把圖像中的車牌區(qū)域從整幅圖像中提取出來。在車牌定位算法中,關(guān)鍵是尋找某種圖像處理方法,使原始圖像經(jīng)過該算法的處理后能夠清楚地顯示出車牌區(qū)域,同時使圖像中的非車牌區(qū)域消失或者減弱,以便能準確有效地定位出車牌在圖像中的位置。2值化模型的建立該算法充分利用了車牌本身的特點,并綜合了局部特征分布、形狀等知識,如局部的宏紋理(水平方向上的灰度和色度躍變的平均數(shù))等信息。為了不失一般性,對灰度圖像進行研究,由于采集的圖像是彩色圖像(如圖1所示),首先需要對彩色圖像進行灰度化處理(如圖2所示)。研究發(fā)現(xiàn),由于汽車牌照在二值化后有邊緣相對集中和規(guī)則的紋理特征,因此考慮對其進行掃描通過尋找相似紋理特征,就能找到車牌候選區(qū)域。這種算法的具體流程圖如圖3所示。3進行二值化工作車牌圖像二值化處理就是將圖像轉(zhuǎn)換成二值圖像,這里定義灰度級255為白,0為黑,而由于受光照不均,動態(tài)范圍太窄和車輛牌照被污染等原因影響,致使車輛牌照的質(zhì)量往往不佳,常存在嚴重的偽影和字符邊緣模糊,因而極大影響了牌照圖像的二值化效果。而將用牌照圖像的空間分布特征與最大類間方差的統(tǒng)計的特征有機結(jié)合,不僅能消除不均勻光照引起的偽影,而起可減少出現(xiàn)筆畫斷裂的優(yōu)點,其二值化效果好。假定牌照圖像中字符像素所占比例為r1,背景像素所占比例為r2,則0≤r1,r2≤1,且r1+r2=1。該灰度圖像像素均值為M=r1g1+r2g2(1)Μ=r1g1+r2g2(1)g1為字符像素灰度,g2為背景像素灰度;方差為C2=r1(g1+M)2+r2(g2?M)2(2)C2=r1(g1+Μ)2+r2(g2-Μ)2(2)由以上兩式得C2=r2r1(g?M)2(3)C2=r2r1(g-Μ)2(3)由此導(dǎo)出的字符灰度為g1=M±r2r1??√C(4)g1=Μ±r2r1C(4)背景灰度為g2=M±r1r2??√C(5)g2=Μ±r1r2C(5)經(jīng)過二值化后的車牌圖像仍有可能出現(xiàn)小面積的泛白現(xiàn)象(如圖4所示),由于車牌中字符具有縱向紋理特征,因此本文采用對字符白色區(qū)域進行縱向腐蝕的運算,腐蝕可以把小于結(jié)構(gòu)元素的物體去除,這樣選取大小不同的結(jié)構(gòu)元素,就可以去掉大小不同的物體,經(jīng)過多次腐蝕算法后,背景區(qū)域中的白色干擾明顯消去。經(jīng)上面數(shù)學(xué)形態(tài)學(xué)腐蝕以后的圖像如圖5所示。4左斜線方向方面其中H、V、R和L分別表示水平、垂直、右斜線、左斜線方向。式(9)～式(12)的計算可以用一個簡單的mask算子來代替,經(jīng)Krisch非線性邊緣增強算法處理之后的圖像如圖7所示。5基礎(chǔ)部邊緣結(jié)構(gòu)汽車牌照在二值化之后,車牌區(qū)域有邊緣相對集中和規(guī)則的紋理特征,如局部的宏紋理(水平方向上的灰度和色度躍變的次數(shù))等信息,結(jié)合車牌局部特征分布、形狀等知識,就可以進行汽車牌照的提取。車牌區(qū)域的主要特征有:(1)車牌區(qū)域中的垂直邊緣比水平邊緣密集,而車身的其他部位(如保險杠)則水平邊緣較明顯,垂直邊緣較少。另外,一般來說我國車牌大都懸掛在車身上較低的位置,其下方?jīng)]有明顯的邊緣密集區(qū)域。(2)有明顯的邊框,在其內(nèi)部規(guī)則地排列著一系列的省名縮寫(漢字)、地區(qū)代號(英文字母)和5位數(shù)字編號(普通車牌)。車牌與字符的顏色主要有藍底白字、黃底黑字、黑底白字和白底黑字(或紅字)4種。隨拍攝角度和車牌自身污損程度的不同,所采集到的車牌邊框經(jīng)常出現(xiàn)傾斜、斷裂等現(xiàn)象。從車牌區(qū)域內(nèi)部的紋理特征來看,車牌字符間隔有一定的規(guī)則性,適合用結(jié)構(gòu)方法來提取出車牌的紋理特征,但由于車牌內(nèi)部字符的間隔性和密集性的特點,又適合用統(tǒng)計的方法去統(tǒng)計其變化的次數(shù),所以本文采用兩者相結(jié)合的紋理特征提取方法,即首先對二值化后的圖像進行Krisch邊緣增強算法處理,以增強圖像的紋理結(jié)構(gòu)特征,然后用統(tǒng)計方法統(tǒng)計字符間隔的變化次數(shù)。6跳變次數(shù)選取及掃描區(qū)域位置的確定上下邊界的確定:由于車牌二值化后的圖像具有黑白兩像素跳變的紋理特征,因此進行水平掃描時,可根據(jù)其連續(xù)跳變次數(shù)的大小來確定是否是車牌的上下邊界,另外由于車牌區(qū)域有7個連續(xù)的字符,而且字符與字符之間的距離在一定的范圍之內(nèi),為此定義從目標到背景或者從背景到目標為一個跳變。牌照區(qū)域相對于其他非車牌區(qū)域的跳變多,而且間距在一定的范圍之內(nèi)其跳變次數(shù)一定大于一定次數(shù)(通常為18,包括7個字符和兩個邊框,每個字符和邊框都有兩個以上的跳變),為了防止字符的斷裂、模糊、車牌傾斜等得影響,本文在這里選取跳變次數(shù)15。由于該算法是通過掃描二值化后圖像邊緣中的紋理特征來確定車牌區(qū)域位置,所以本文采用從左到右,從上而下的方式進行掃描。具體算法如下:從上而下的順序掃描,對車輛圖像每一行進行從左到右的掃描。當遇到跳變就記錄下當前位置,如果某行有連續(xù)15個跳變以上,并且對每一個跳變而言(最后一個除外),它與后一個跳變的距離在一定范圍內(nèi),就記錄下跳變在該行的起點和終點位置,本文稱該起點和終點的連線為行掃描線,如果有連續(xù)10行以上的行掃描線,其相鄰上下行的掃描線位置相鄰,就認為是車牌候選區(qū)域。如此進行,直到掃描到最后一個行掃描線,并對第1個行掃描線和最后一個行掃描線進行標記,將第1個行掃描線記為Lstart,最后一個行掃描線記為Lend,這樣就確定了車牌所在的行位置,并記車牌的高度(Hplate)h,h=Lend-Lstart。Lend為車牌的終掃描線,Lstart為車牌的起掃描線。車牌上下邊界確定后的圖像如圖8所示。左右邊界的確定:在上面進行行掃描的過程中,已經(jīng)確定了車牌的第1個行掃描線和末行掃描線,而且行掃描線的確定本身就是找到該行的起點和終點。第1個行掃描線的起點和最后一個行掃描線的起點的連線稱為列掃描線,確定了第1個和末一個行掃描線的過程也就確定了第1個列掃描線和末一個列掃描線的位置,即確定了車牌的左右邊界。將左邊界記為Lleft,右邊界記為Lright,則車牌的寬度W的計算公式為W=Lright-Lleft。車牌左右邊界確定后的圖像如圖9所示。7像大小對定位效果的影響應(yīng)用本文提出的車牌定位算法,對某停車場采