基于綜合特征的車牌分割算法

摘要：本文根據車牌區域具有豐富的垂直紋理這一主要特征，并結合車牌尺寸和通過投影呈現的峰值在一定范圍內較為固定等特點，提出一種基于綜合特征的車牌分割新方法。實驗結果表明：該方法能夠較為準確地完成車牌區域的分割，整個算法復雜度低，能夠滿足實時分割的要求。

關鍵詞：車牌分割；紋理分析；小波變換；數學形態學；閾值分割。

中文分類號：TP391文獻標識碼：A文章編號：1009-3044(2008)20-30347-02

A License Plate Location Algorithm Based on ComprehensiveCharacteristics

ZHANG Fei-xia

(Liaoning University of International Business and Economics， Dalian 116052， China)

Abstract: A new license plate location algorithm based comprehensive characteristic is presented according to the principal characteristic of rich vertical edge texture that license plate has， and other features that measurement of license plate and the number of the peak through projection are fixed at a certain extent. the experimental result shows: this license plate segmentation method can achieve accurately segmentation and location of car plate. The complexity of the algorithm is low， so it can meet real-time location request.

Key words: license Plate segmentation;Texture Analysis;Wavelet transform;Morphology Operation;Threshold Segmentation

1 引言

車牌的自動識別是實現交通管理智能化的重要環節。車牌分割又是車牌識別系統中最關鍵的一步。由于車輛圖像背景復雜、在圖像中車牌位置不確定等難度，車牌分割技術仍未達到完善的程度。本文根據車牌區域具有豐富的垂直方向紋理這一主要特征，并結合車牌尺寸和投影呈現峰值的特點提出一種基于車牌綜合特征的車牌分割新方法。

2 車牌的紋理特征

車牌一般都掛在汽車的前端和后端兩個部位。由于車牌區域中文字、字母及數字之間水平排列，形成車牌以垂直邊緣為主，而車輛其它部分邊緣較分散，例如：車尾圖像中，后玻璃與后備箱、后備箱蓋邊沿、后保險杠與路面及車身其它部分等處形成較長的邊緣，并且以水平邊緣為主。

為了更好地突出車牌區域，本文應用小波變換提取車輛圖像邊緣，在代表垂直邊緣細節的LH子帶邊緣圖像中垂直方向紋理豐富的車牌區域得以突出，再對提取的車牌區域進行處理，取得很好的車牌分割效果。

3 提取車牌紋理特征的小波變換理論

小波基函數就是滿足這一條件的理想函數族，它是由一個基本小波（母小波）Ψ通過平移和伸縮得到的，即

其中a為尺度參數，b為位置參數。相應地，在頻域有

二維小波信號的分解是將一個二維信號（圖像）逐層分解為近似分量cAj和細節信號，此時的細節信號包括cD(h)j、cD(v)j、cD(d)j，分別為水平方向、垂直方向和對角方向的細節信號。

原車輛圖像經過一層小波變換分解后，獲得四個子帶圖像。其中子帶圖像LL保持了原車輛圖像的低頻分量，為原車輛圖像的平滑圖像；子帶圖像HL保持了原車輛圖像的水平邊緣細節；子帶圖像LH保持了原車輛圖像的垂直邊緣細節；子帶圖像HH保持了原車輛圖像的傾斜邊緣細節。

由于車牌以垂直邊緣為主，而車輛其它部分邊緣較分散，并且以水平邊緣為主。因而本文采用代表垂直邊緣細節LH子帶圖像，再經過閾值分割后提取的車輛圖像中保留較為豐富的垂直邊緣。

對這些經過小波變換提取的代表垂直方向邊緣的子帶邊緣圖像進行閾值化后，再經過形態學處理形成連通區域，對每個連通區域根據相應車牌區域的長、寬以及它們的比例來判別是否為“類車牌區域”。

4 應用形態學運算使提取的車牌邊緣區域達到連通

本文應用結構元素為水平的膨脹方法使經小波變換提取的車牌區域邊緣部分達到連通，為了避免非車牌區域的粘連，再進行結構元素為垂直的開運算。結構元素形式與尺寸的選擇對于形態學運算能否使車牌區域達到連通并減少其它非車牌區域連通形式的干擾至關重要。因為車牌內部邊緣呈現垂直分布，膨脹運算采用水平結構元素；又因為實驗中原車牌區域提取的邊緣與邊緣之間距離一般是6~8個像素，而車牌區域經過小波變換在LH子帶中各部分尺寸變為原車輛圖像的二分之一，因而在子帶圖像中車牌區域提取的字符邊緣之間距離常在3~4個像素，另外考慮到可能有些邊緣被漏掉，為了使車牌邊緣區域達到連通，通過反復實驗確定：膨脹運算水平結構元素，其結構元素長度取為8。這樣不但可以使車牌區域一般經過一次膨脹運算就可達到連通，而且也可抑制其他非車牌區域達到連通。開運算采用豎直結構元素，其高度為3，用來消除圖像中的散點和“毛刺”。

另外，對小波變換后LH子帶邊緣二值圖像進行形態學運算時，一般用黑色像素點作為處理目標的描述，而在LH子帶邊緣二值圖像中灰度值為255的白色像素點組成了目標邊緣區域，因而必須先對LH子帶邊緣圖像進行反色處理，再進行形態學運算。

5 連通域的多區域標識及確定“類車牌”區域

由于一般車輛圖像的獲取方法為：當汽車經過識別系統時觸發傳感器，由CCD攝像頭與帶有視頻采集卡的計算機拍攝得到的。因此對于同一個車牌識別系統獲取的車輛圖像，其中車牌寬度與高度在一定范圍內較固定（與國內標準車牌成一定比例），寬、高比也相對固定。本實驗采集的車輛圖像中車牌寬度范圍在40~80像素之間，高度范圍在16~24像素之間，寬、高比范圍為3~4.5。對于原車輛圖像

經過小波變換分成四個子帶圖像，每個子帶中各部分尺寸為原圖像的二分之一。因而在低頻子帶圖像中可設定車牌寬度范圍在20~40像素之間，高度范圍在8~12像素之間；寬、高比3～4.5。由此可以在形態運算處理過的子帶圖像中根據車牌尺寸特征搜索符合條件的連通區域，并定為符合“類車牌”區域。

由此可以找到原車輛圖像中“類車牌“位置，完成車牌的粗分割。

下面對一車輛圖象進行車牌分割（原車輛圖象顯示原來的一半），實驗結果如圖1：

對經過小波變換提取的車輛邊緣圖像經過形態學處理后，某些非車牌區域的連通區域也可能滿足車牌尺寸范圍，而當作“類車牌“區域提取出來。為了判斷是否為真實車牌，可以對提取的“類車牌”區域通過投影進行驗證。

6結語

車牌分割技術關鍵在于車牌的特征在分割算法中如何較好地體現出來，并成為分割車牌區域的根據。本文抓住車牌區域具有豐富的垂直紋理特征、結合車牌尺寸在一定范圍內較固定及車牌二值圖像向垂直與水平方向投影呈現峰的特點，運用小波變換與形態學等理論提出一種基于車牌綜合特征的車牌分割新方法，實驗表明該方法具有較好的車牌分割效果。

參考文獻：

[1] 安化萍，丁勁生，高滿屯.基于Sobe垂直算子檢測的車牌定位算法[J]，計算機工程與設計， 2005(26).

[2] 戴青云，余英林.一種基于小波與形態學的車牌圖像分割方法[J]，中國圖像圖形學報，2000，5(5).

[3] Milan Sonka，Vaclav Havac.Image Processing Analysis and Machine Vosion， 2002.

[4] 勒濟芳.Visual C++小波變換技術與工程實踐[M].人民郵電出版社，2003.

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”