《基于自适应门限和宽线检测的牌照定位方法》由会员分享，可在线阅读，更多相关《基于自适应门限和宽线检测的牌照定位方法（14页珍藏版）》请在金锄头文库上搜索。
1、基于自适应门限和宽线检测的牌照定位方法基于自适应门限和宽线检测的牌照定位方法基于自适应门限和宽线检测的牌照定位方法王庆 张炜 赵荣椿(西北工业大学计算机科学与工程系 西安 710072)【摘要】 本文提出了一种基于门限化和宽线检测算子的自适应牌照定位方法,解决了复杂背景下的汽车牌照定位问题。利用汽车头部图像的一些知识信息,采用自适应门限方法,辅以宽线检测算子进行后验校正,能够准确地分割出汽车牌照,然后对牌照中的汉字和数字进行分离,正确率达 95%以上。关键词 汽车牌照; 图象分割; 门限化; 宽线检测算子Adaptive thresholding and wide line detection
2、 approach for automobilelicense plate location and segmentationWang Qing ZhangWei Zhao Rongchun(Dept. of Computer Science and Engineering, Northwestern Polytechnic University, Xian 710072)Abstract In this paper, an effective approach based on adaptive thresholding and wide line detector to locate an
3、d seg-ment the license plate from a capturing image with complicated background is proposed. By the prior information aboutthe image of vehicle forepart, the proposed method employs adaptive thresholding to separate the license plate fromback-ground, furthermore, adopts wide line detection to confir
4、mthe segmentation result and ensure the license location. Afterthe layout analysis, Chinese character and digits, which represent the content of license, are separated from licenseplate. Experimental results showthe effectiveness of our approach, and the correct separating rate is up to 95%.Key word
5、s automobile license plate; image segmentation; thresholding; wide line detector1 引言随着我国交通事业的飞速发展,驾驶汽车行驶在高速公路已成为现实。高速公路管理中的一个重要问题就是过往车辆的收费问题,目前大多采用原始的人工收费方式,效率很低。即使有的收费站利用计算机来辅助管理,也仅仅是用来显示收取资费的数额,并没有对过往车辆的特征? ?牌照信息进行利用,如果某辆车一天多次过往收费站,也必须数次停车缴费,非常浪费时间。采用计算机视觉技术实现的自动收费系统就可以避免上面提到的问题,使用摄像机对过往的车辆进行拍照,然后
6、利用图像处理和文字识别技术,识别出过往的汽车牌照数字,根据已有的数据库对该车完成收费处理,提高管理的效率,把收费管理人员从繁重的工作中解放出来。图 1 描述的是一个典型的汽车自动收费系统。国内外关于汽车牌照自动识别的研究早在八十年代已经展开,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。本文主要解决采集图像处理中的牌照位置确定和牌照文字分割问题,实验结果表明,本文的方法正确率高、速度快、实用性较好,正确定位和分割率达到 95%。2 系统的组成汽车牌照自动收费系统的主要由前端采集控制系统、图像处理系统、牌照识别系统和后台资费管理系统四个部分组成。前端采集控制
7、通过一定的传感器,将汽车到达测量范围的信号发送给采控计算机,采控计算机采集一幅汽车的头部图像(包含汽车牌照),传输给图像处理系统和牌照识别系统,对所采集的图像进行处理、分析,识别出待收费汽车的牌照,然后结合后台数据库管理系统的汽车牌照信息,对车辆完成收费。我们设计的汽车牌照自动识别系统流程简图可参见图 2,可以将系统分成如下的四个大模块: 前端采控模块 图像处理模块 牌照识别模块 牌照数据库管理模块65中国体视学与图像分析 2000 年 6 月 第 5 卷 第 2 期CHINESE JOURNAL OF STEREOLOGY AND IMAGE ANALYSIS Vol. 5 No. 2. J
8、un . 2000 图 1 汽车自动收费系统模型图Fig1The framework of automatic vehicle management system3 牌照图像分析和先验知识获取通过对实际系统安装的摄像机采集分辨率的知识和实际图像的分析,我们可以得出以下几个重要的先验信息,并为我们的预处理和牌照提取打下了基础。1)考虑到摄像机的安装位置固定,采集的分辨率保持不变,加上牌照的尺寸是标准的,因此图像中牌照的长和宽基本上是不变的常量,对于我们搜索一个区域来讲,长度和宽度是一组重要的参考量,图像的尺寸: 640*440 像素;单排字牌照尺寸:宽度在 220-240 像素,高度在 60-7
9、0 之间(参见图 3-1, 3, 4);双排字牌照尺寸:宽度在 150-160 像素,高度在 80-90 之间(参见图 3-2)。2)牌照区域中一般有七个字符,第一个是汉字(少量的军车牌照前面是两个英文字母,如 WJ、GA等),后面四个是数字(极个别除外,如图 3-5)。有些大客、货车的牌照是双行字,上边是汉字加字母,下边是数字(参见图 3-2)。3)大多数的牌照是黑底白字,其余的牌照是黑底白字,在分割牌照后的二值化处理时需要考虑。4)牌照的四周有明显的边框,在高通滤波或是实施边缘检测算子后会有一定的边缘存在。大多数的牌照上都有两至四个安装用的圆形铆钉,在图像上反映为高亮度的圆斑。5)除了上述
10、可以为牌照定位提供知识的信息外,我们还发现,由于拍照时的反光原因,牌照区域的背景会呈现出一定的网格效应,另外就是车辆前端的保险杠以及某些标志区域会给搜索带来负面影响,因此我们必须施加相应的预处理和约束条件。图 3 是一组有代表性的汽车牌照图像,由于缩小的尺寸有些信息表达得不是很确切,但是上述所描述的先验信息都反映了出来。图 4 是图 3 中车头图像对应的牌照细节。4 实验方法和步骤有了上述图像的分析的结果和知识信息,我们决定采用如下的流程对牌照图像进行搜索和定位,流程描述见图 5。假设原始的牌照灰度图像为,F = f(i,j),i=0,1,439, j=0,1,639。4. 1 自适应门限化原
11、始数据图像(见图 8-1)模糊是因为摄像机成像时有奇、偶两场,汽车在两场成像的过程中存在运动位移,因此在一幅照片包括了两场,经过消场后,得到图像 8-2,再经过预处理,可以得到清晰的图像如图 8-3 所示。预处理主要是选用中值滤波,原因之一是在牌照区域有肉眼不易分辨的网格,如图 8-6 所示,对后面的单字切分和识别会有很大影响;原因之二是在搜索牌照时,孤立噪声会影响牌照的定位准确性,我们要对其加以平滑去除,同时还要保护字的边界信息,中值滤波就具有这样既滤除孤立的短噪声又保持边缘细节的优良特性。4. 1. 1 阈值选择图 2 汽车牌照自动识别系统Fig2The automatic recogni
12、tion system of license plate of vehicles66中国体视学与图像分析 2000 年第 5 卷第 2 期图 3 一些典型的汽车头部图像Fig3Some typical images of vehiclesforepart用某一阈值对图像进行门限化得到二值化图像B = b(i,j) ,i =0,1,439,j=0,1,639。b(i,j) =0 if f(i,j) T1 if f(i,j) 3j=1Aij,同时 3j=1Bij3j=1Cij,i =1,2,3 (1)的条件满足时,按照图 7 所示的算子,输出值为G =3i=1(2*3j=1Bij-3j=1Aij-
13、3j=1Cij)/9(2)否则。推广至一般情况,假定线的宽度为 m 个象素,长度为个 n 象素,m、n 这样选择:m 是根据需检测的线在图像中所占宽度的平均值,n 选择时只要比图像中孤立点大一个象素即可,也可选择 n =1,只须当线检测出以后,再根据长度的判别剔除孤立点。检测算子如下:图 5 牌照搜索定位的算法流程Fig 5 The flowchart of proposed approach如果线的灰度级比周围区域灰度级大,则当mj=1Bijmj=1Aij 同时 mj=1Bijmj=1Ciji =1,1,n 的条件满足时,按照上述的算子,输出值为G =ni=1(2*mj=1Bij-mj=1A
14、ij-mj=1Cij)/(m*n)否则 G =0。如果线的灰度级比周围区域小时,上式中的“”改为“” 。图 6 图像中任意 93 区域Fig 6 93 sub-region of image图 7 宽线检测算子Fig 7 Wide line detector4. 3 异常处理本算法要应用于实际系统,因此,异常处理是必不可少的,在牌照定位模块,应该避免无限制的降低阈值循环,在阈值降低到接近最低灰度值时,应该报错并停止搜索,改为人工判读牌照。(在仿真实验中尚未出现这种情况)68中国体视学与图像分析 2000 年第 5 卷第 2 期(1)原始图像 (2)消除场效应后的图像 (3)平滑处理后图像 (4
15、)整图的直方图 (5)二值化图 (6)高通滤波结果 (7)分割结果 (8)放大的牌照图像(网格状背景) (9)宽线检测、牌照确认 (10)单字分离结果图 8 一次牌照定位、文字分离的实际处理过程(1) Original (2) Processed image after de-interlace (3) After smoothness (4) Histogram of image (5)Binary image (6) After high-pass filtering (7) Segmentation result (8) Enlarged image of license plate (
16、9) Wide line detection (10) Isolated character after separationFig8A procedure of location, character sepration for license plate五 分析和结论本文提出了一种基于牌照知识的自适应门限化和宽线检测算子的牌照分割方法,快速、准确地解决了汽车牌照自动识别中的关键问题牌照的分割,该算法定位准确,并且是实时的。用本文的分割算法对实拍的 500 幅图像进行实验,都得到了正确的分割结果。由于本算法的出发点是实时性,所以,从上面的算法描述可见,除了中值滤波、宽限检测外,所有算法实现都非常简单,多为整数加法运算,耗时很少。为了减少计算时间,还进行了一些程序优化,比如在一次阈值过高,需要重新二值化时,新的二值化图实际是在原二值化图的基础上,仅修改部分像素(灰度值大于新阈值的点)值得到的,这样就减少了部分赋值运算。这在需
