基于字符綜合特征的車牌字符分割算法

摘要:字符分割技術(shù)是車牌識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一。字符分割最主要的問題是字符粘連及車牌邊框的影響。鑒于車牌字符具有布局規(guī)整，字符個(gè)數(shù)確定，字符大小一致、寬高存在規(guī)律等特征，文章提出一種將投影和字符間距相結(jié)合的基于字符綜合特征的字符分割算法。實(shí)驗(yàn)證明該算法那對(duì)分割粘連字符具有較好效果。

關(guān)鍵詞:車牌識(shí)別系統(tǒng);字符分割;字符特征;字符粘連

中圖分類號(hào):TP391文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1009-3044(2010)03-701-02

Character Segmentation of License Plates Based on the Intergrate Feature

ZHANG Mei-jing

(Fujian College of Finance Technology， Fuzhou 350007， China)

Abstract: Character Segmentation is one of critical processes in LPRS.The problem of Segmentation focuses on character adhesion and the interference from plate edge.There are so many features of character in the license plate，such as inerratic arrangement，fixed number，uniform size and regular aspect ratio，that a segmentation algorithm based on the intergrate feature of character can be worked out. It’s proofed that the segmentation algorithm is effective to deal with the adhesion character.

Key words: license plate recognition system; character segmentation; character feature; character adhesion

目前，我國(guó)的97式車牌采用字母、數(shù)字和漢字組合而成。要將車牌上的每個(gè)字符識(shí)別出來，一般需要將這些字符的完整圖像從整個(gè)車牌圖像中分割出來，成為單個(gè)字符圖像，以便下一步交給字符識(shí)別部分進(jìn)行識(shí)別，這就是車牌字符分割的主要任務(wù)。車牌字符分割是車牌識(shí)別系統(tǒng)的重要組成部分，是五大關(guān)鍵技術(shù)之一。

1 車牌字符特征與字符分割

一般而言，車牌進(jìn)行字符分割之前都要進(jìn)過一定的預(yù)處理，包括二值化，校正車牌的水平和垂直傾斜，去除車牌的上下邊緣及無關(guān)的背景和歸一化等。根據(jù)不同的算法，所采用的預(yù)處理方法不同。最后，車牌圖片只剩下由字符和背景構(gòu)成的二值化圖或彩色圖。

根據(jù)文獻(xiàn)[1]規(guī)定，完整的97式車牌圖像由7個(gè)字符組合而成，包含漢字、字母和數(shù)字，每個(gè)字符間都存在一個(gè)固定的間距。此外，我國(guó)根據(jù)車輛、車型、用途的不同制定了多種格式尺寸，不同顏色搭配的牌照以示區(qū)別。除了字符之間存在間隙的簡(jiǎn)單特征之外，車牌中的字符還存在以下特征:

1)標(biāo)準(zhǔn)車牌字符的高度H和寬度W分別為90mm和45mm，即標(biāo)準(zhǔn)字符的高寬比為2:1;

2)除第二和第三個(gè)字符之間的寬度為34mm外，其余各個(gè)字符之間的間隙寬度均為12mm;

可得到如下結(jié)論:第二和第三個(gè)字符的中軸線相距約79/90H或79/45w，其他應(yīng)個(gè)字符的中軸線間距約為57/90H或57/45w。

如圖1，根據(jù)這些特點(diǎn)，車牌的字符分割方法較多。根據(jù)車牌顏色的分割，比如基于伴生與互補(bǔ)顏色特征的車牌字符分割新方法[2];根據(jù)車牌圖像紋理特征的分割，如基于邊緣檢測(cè)與Hough變換的車牌字符分割[3]，基于字符像素投影統(tǒng)計(jì)的分割算法[4]，這些算法中，基于伴生與互補(bǔ)顏色特征的車牌字符分割的方法只能主要處理彩色圖像，對(duì)圖像顏色比較敏感，特別是褪色的車牌分割效果很差。基于直線檢測(cè)的車牌字符分割計(jì)算量大，執(zhí)行效率差。基于字符像素點(diǎn)X軸投影統(tǒng)計(jì)的分割算法是一種最經(jīng)典的算法，對(duì)正常車牌的分割效果最好。

現(xiàn)實(shí)中，由于各種因素影響，比如光線、天氣以及車牌污損，車牌邊框干擾等，車牌中存在的字符相互粘連或字符投影間距不明顯的情況。由于字符點(diǎn)投影間隙不明確，使得上述幾種算法不能對(duì)車牌圖像進(jìn)行有效分割。如圖的車牌，由于字符粘連和車牌邊框的干擾，使用投影算法進(jìn)行分割的結(jié)果如圖。由圖2可知，單純使用投影算法不能有效地識(shí)別，需要進(jìn)行改進(jìn)。

2 基于車牌字符綜合特征的字符分割算法

通過對(duì)字符特征的分析，文章提出一種新的基于字符分布特征的車牌字符分割算法。先使用預(yù)處理切除車牌上下邊緣，去除邊框的干擾。而后，根據(jù)字符投影的方法，以字符間距為依據(jù)將車牌分割。接著將獲得的所有間距進(jìn)行排序，取中間值作為車牌的標(biāo)準(zhǔn)寬度，并以取得的標(biāo)準(zhǔn)字符寬度建立如圖的模板。最后將模板在車牌圖像區(qū)域內(nèi)平移，統(tǒng)計(jì)模板區(qū)域內(nèi)字符點(diǎn)的個(gè)數(shù)N，取N最大時(shí)模板所分割的各區(qū)域作為字符分割的結(jié)果。

2.1 預(yù)處理

據(jù)理想狀態(tài)下的車牌特征，車牌上邊框和字符上部存在一條431mm×20.5mm的近似矩形背景區(qū)域，該區(qū)域被車牌固定螺絲大致分為三個(gè)隔離區(qū)域，從左至右這三個(gè)區(qū)域的寬度分別約為車牌整體寬度的1/4，1/2和1/4，這是劃分車牌字符和車牌上邊框的依據(jù)，可以依此將多余部分切除。本算法分別以車牌高度的三分之一處和三分之二處為起點(diǎn)，分別向上和向下搜索。鑒于上下邊緣的檢測(cè)步驟完全一致，只是方向不同，本文以上邊緣切割為例進(jìn)行說明，具體算法如下:

1)取得當(dāng)前行的索引下標(biāo)i，判斷i是否大于零，若i>0則表明檢測(cè)未結(jié)束，轉(zhuǎn)(2);否則表明檢測(cè)結(jié)束，車牌上邊緣不需要切割，跳出循環(huán)。

2)統(tǒng)計(jì)當(dāng)前行i的最長(zhǎng)的連續(xù)背景像素點(diǎn)的寬度bg_num和最長(zhǎng)的連續(xù)字符像素點(diǎn)char_num的寬度，求得連續(xù)背景像素點(diǎn)的寬度在該行所占的比例η=bg_num/ω和連續(xù)字符像素點(diǎn)在該行所占的比例φ=char_num/ω，其中ω為校正后車牌的寬度，轉(zhuǎn)(3)。

3)若η>1/4或φ>1/2，則該行即為非車牌行，取車牌的上邊界為第i+1行，將行下標(biāo)小于i+1的所有行去除，而后跳出循環(huán);否則該行仍屬車牌部分，i=i-1，跳到當(dāng)前行的上一行，轉(zhuǎn)(1)繼續(xù)對(duì)上一行判斷。

經(jīng)過預(yù)處理，車牌的上下邊框已經(jīng)基本切除，實(shí)驗(yàn)效果如圖3。下一步的目標(biāo)是將粘連的字符分開。

2.2 字符分割

第一步:字符點(diǎn)縱向投影統(tǒng)計(jì)。

從車牌圖片左邊緣開始，逐列向X軸方向投影，統(tǒng)計(jì)各列中像素點(diǎn)顏色為白色的字符像素點(diǎn)個(gè)數(shù)，將各列掃描結(jié)果依次存儲(chǔ)到數(shù)組中count(n)中。設(shè)定各初始參數(shù)，初始列的下標(biāo)i=1，單個(gè)字符區(qū)域的開始列下標(biāo)S=0，結(jié)束列下標(biāo)E=0，C(n)，n∈N用于存儲(chǔ)N個(gè)符合要求的字符候選區(qū)域，N根據(jù)各車牌實(shí)際情況而定。

1)判斷下標(biāo)i是否大于車牌寬度W，是則結(jié)束投影分割，否則轉(zhuǎn)2)。

2)以單列出現(xiàn)2個(gè)字符點(diǎn)作為判斷是否是字符部分的閾值。若第i列的字符點(diǎn)個(gè)數(shù)count(i)≤2，表明此處為背景，轉(zhuǎn)(3);反之則認(rèn)為此列屬字符區(qū)域，轉(zhuǎn)(4)。不直接設(shè)為閾值為0的目的是為了防止噪點(diǎn)的干擾。

3)若S=0，則表明此列不包含字符圖像，則i=i+1進(jìn)入下一列，而后轉(zhuǎn)1);若S≠0，則表明此處為字符與背景邊界，取E=i-1，則字符候選區(qū)域?qū)挾菴i=E-S，轉(zhuǎn)(5);

4)若S=0，則表明此列為字符圖像開始部分，則S=i，而后轉(zhuǎn)1);若S=0，則表明此處仍在字符區(qū)域內(nèi)，取進(jìn)入下一列i=i+1，重復(fù)(1);

5)根據(jù)樣本字符的高寬比為2的規(guī)則，判斷截取的車牌區(qū)域的高度H與3)獲得的間距Wi的比值是否達(dá)到指定要求。若H/Wi>1.7時(shí)，則認(rèn)定該區(qū)域?yàn)樽址蜻x區(qū)域，將寬度Ci存入字符候選數(shù)組C(i)，N=N+1;若H/Wi<1.7，則認(rèn)為該處為噪點(diǎn)，拋棄，i=S+1，轉(zhuǎn)(1)開始新一列的檢測(cè)。

字符點(diǎn)縱向投影統(tǒng)計(jì)的效果如圖4所示。

第二部分:計(jì)算標(biāo)準(zhǔn)字符寬度，并定制模板。

將C(n)，n∈N進(jìn)行排序，取得排序后的中間值作為標(biāo)準(zhǔn)字符寬度ω。根據(jù)車牌的高寬比為2，將字符間距轉(zhuǎn)為使用w的表示形式。根據(jù)圖的比例，除第二個(gè)字符與第三個(gè)字符的間距為79/45w，其他各字符間距均為57/45w，模板如圖5所示。

第三部分:分割字符區(qū)域。

將定制好的模板在車牌圖片區(qū)域內(nèi)平移，確保模板左右邊界不超出圖像區(qū)域。在平移過程中，統(tǒng)計(jì)平移過程中各字符區(qū)域內(nèi)字符點(diǎn)的個(gè)數(shù)Ni，并記錄相應(yīng)模板左邊界i。平移后，將統(tǒng)計(jì)結(jié)果Ni進(jìn)行排序，取最大的Ni時(shí)的i為模板左邊界，使用模板進(jìn)行分割。

整體分割實(shí)驗(yàn)結(jié)果如圖6、圖7，車牌字符左邊界Li=8，字符間距為2個(gè)像素，所需時(shí)間為0.3246秒。

3 總結(jié)

實(shí)驗(yàn)表明，本算法能夠很好的分割正常的字符，同時(shí)對(duì)有粘連的字符分割也比較準(zhǔn)確，執(zhí)行速度也比較快。本算法的關(guān)鍵之處在于兩個(gè)問題:能否準(zhǔn)確的獲得車牌字符的寬度，以及在車牌寬度準(zhǔn)確的前提下準(zhǔn)確定制出車牌字符分割模板。通過對(duì)分割失敗的原因分析，發(fā)現(xiàn)大多數(shù)分割失敗的原因主要在于沒有非常準(zhǔn)確的獲得車牌寬度。此外，車牌在矯正的過程中存在變形，也會(huì)影響車牌字符的分割。這些問題也將是對(duì)該算法進(jìn)一步改進(jìn)的主要突破口。

參考文獻(xiàn):

[1] GA36-2007.中華人民共和國(guó)機(jī)動(dòng)車號(hào)牌[S].

[2] 王枚，王國(guó)宏.基于伴生與互補(bǔ)顏色特征車牌特征的車牌字符分割新方法[J].山東大學(xué)學(xué)報(bào):工學(xué)版，2007，37(1):1-4.

[3] 馬騰飛，鄭永果，趙衛(wèi)東.基于邊緣檢測(cè)與Hough變換的車牌字符分割算法[J].系統(tǒng)仿真學(xué)報(bào)，2006，18(1):391-403.

[4] 遲曉君，孟慶春.基于投影特征值的車牌字符分割算法[J].北京:計(jì)算機(jī)應(yīng)用，2006，23(7):256-257.