融合Radon變換與旋轉(zhuǎn)投影的車牌垂直校正方法

朱亞萍，田呈培，楊成忠，尚曉波

(杭州電子科技大學(xué)自動(dòng)化學(xué)院，浙江 杭州 310018)

?

融合Radon變換與旋轉(zhuǎn)投影的車牌垂直校正方法

朱亞萍，田呈培，楊成忠，尚曉波

(杭州電子科技大學(xué)自動(dòng)化學(xué)院，浙江 杭州 310018)

摘要：相對于水平校正，車牌垂直校正是一難點(diǎn)。旋轉(zhuǎn)投影法計(jì)算量大，校正成功率高，而Radon變換法耗時(shí)少，校正成功率比較低。針對以上特點(diǎn)，將兩種方法進(jìn)行融合，在車牌左右半邊分別用Radon變換求取垂直傾斜角，根據(jù)兩者差值絕對值與某固定閾值的關(guān)系，決定采用何種方法獲得車牌垂直傾斜角并校正。實(shí)驗(yàn)證明，與旋轉(zhuǎn)投影法相比，方法既提高了校正成功率，又減少了算法運(yùn)行時(shí)間。

關(guān)鍵詞：車牌；垂直校正；Radon變換；旋轉(zhuǎn)投影

0引言

汽車牌照自動(dòng)識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，在圖像采集時(shí)，由于拍攝距離、拍攝角度等原因，獲取的車牌都有不同程度的傾斜，這不利于后續(xù)字符分割與識別等工作的展開。在實(shí)際情況中，水平傾斜與垂直傾斜同時(shí)存在。目前對于水平校正的研究較多，也取得了較好的效果，主要方法有Hough變換法[1]、Radon變換法[2]、K-L展開式法[3]等方法。而由于車牌高度有限，直線特征不明顯等原因，垂直校正受到很大限制。Radon變換法[4]、旋轉(zhuǎn)投影法[5]是兩種常見的垂直校正方法。本文首先對這兩種方法分別進(jìn)行實(shí)驗(yàn)測試，隨后針對兩種方法各自的特點(diǎn)，將兩種方法進(jìn)行融合以改善校正效果，最后對融合后的算法進(jìn)行實(shí)驗(yàn)測試以驗(yàn)證算法性能。

1校正方法研究

1.1　邊緣檢測方法

邊緣檢測是Radon變換法的重要一步，其結(jié)果直接影響后續(xù)的垂直校正效果。邊緣是指圖像局部強(qiáng)度變化最顯著的部分，常利用邊緣鄰近一階或二階導(dǎo)數(shù)變化規(guī)律進(jìn)行檢測。

Canny算子和Sobel算子是兩種常見的邊緣檢測算子。通過大量測試發(fā)現(xiàn)，當(dāng)Sobel算子的閾值較大時(shí)，邊緣提取不完整。特別對于整體較暗的車牌圖片，該現(xiàn)象更為明顯。隨著閾值的減小，情況得到改善，但引入了更多噪點(diǎn)。相對于Sobel算子，Canny算子提取的結(jié)果比較穩(wěn)定，對各種情況有較強(qiáng)的適應(yīng)性。故本文選擇Canny算子提取邊緣。

1.2　Radon變換法

基于Radon變換的車牌垂直校正的完整算法流程如圖1所示。

圖1　Radon變換法算法流程圖

根據(jù)上述算法，對車牌原圖圖2經(jīng)過水平校正以及字符區(qū)域劃定之后的車牌圖像進(jìn)行垂直校正，校正結(jié)果如圖3所示，其中圖3(a)對應(yīng)的垂直傾斜角為11°，圖3(b)對應(yīng)的垂直傾斜角為-7°。從圖3中看出，本文方法對這兩張圖片的處理結(jié)果較為理想。

圖2　車牌原圖

圖3　Radon變換法垂直校正結(jié)果

1.3　旋轉(zhuǎn)投影法

文獻(xiàn)[5]提出一種基于旋轉(zhuǎn)投影的車牌垂直校正方法，該方法依次以1°為增量將圖像仿射變換，并將二值圖沿垂直于x軸的方向進(jìn)行投影。每變更1次角度，如果是藍(lán)底車牌，就統(tǒng)計(jì)圖像一列像素全是0的列數(shù)之和，如果是黃底車牌，就統(tǒng)計(jì)圖像一列像素全是1的列數(shù)之和。當(dāng)變換角度等于車牌的垂直傾斜角度時(shí)，藍(lán)底車牌像素值全為0的列數(shù)最多，黃底車牌像素值全為1的列數(shù)最多，由此確定垂直傾斜角。其算法流程如圖4所示。

圖4　旋轉(zhuǎn)投影法算法流程圖

圖5　旋轉(zhuǎn)投影法垂直校正結(jié)果

2實(shí)驗(yàn)測試

用150張經(jīng)過水平校正以及字符區(qū)域劃定之后的車牌測試算法性能，其中藍(lán)底車牌100張，黃底車牌50張。實(shí)驗(yàn)均是在Intel core i3處理器2.13 GHz的PC機(jī)，Matlab平臺上進(jìn)行的。特別指出，普通Radon變換法是對整幅圖片進(jìn)行變換，稱之為Radon變換法1。把一張圖片分成左右兩半，如圖6所示，對左右兩半分別用Radon變換求垂直傾斜角，并用兩者的平均值作為整個(gè)車牌的垂直傾斜角，這種方法稱之為Radon變換法2。

圖6　對車牌左右分割

校正成功與否主要通過人工判定，允許一定誤差存在，但在整個(gè)實(shí)驗(yàn)過程中，保證了前后判定的一致性。整體測試結(jié)果如表1所示。

表1　傳統(tǒng)垂直校正算法實(shí)驗(yàn)結(jié)果

測試結(jié)果表明，對于垂直校正，旋轉(zhuǎn)投影法最為有效，但是計(jì)算量大；Radon變換法1的校正成功率與耗時(shí)都適中；Radon變換法2的校正成功率較低，但非常省時(shí)。

當(dāng)車牌包含的“E”、 “ H”、 “4”、“1”等字符較多時(shí)，Radon變換法2校正效果較好，如圖7所示，此類字符具有較明顯的垂直直線特征。

圖7　Radon變換法2垂直校正結(jié)果

對于部分Radon變換法2處理失敗的圖片，旋轉(zhuǎn)投影法取得了較好效果，如圖8所示。其中圖8(a)、圖8(b)為Radon變換法2處理失敗的圖片，圖8(c)、圖8(d)為旋轉(zhuǎn)投影法對相同圖片的處理結(jié)果。從圖8中看出，對于該部分圖片，旋轉(zhuǎn)投影法更為有效。

圖8　Radon變換法2與旋轉(zhuǎn)投影法校正結(jié)果對比1

同樣，也有部分圖片用Radon變換法2處理效果更好，如圖9所示。其中圖9(a)為Radon變換法2的處理結(jié)果，圖9(b)為旋轉(zhuǎn)投影法的處理結(jié)果。

圖9　Radon變換法2與旋轉(zhuǎn)投影法　校正結(jié)果對比2

綜上所述，這兩種方法有一定互補(bǔ)關(guān)系。結(jié)合各個(gè)算法的特點(diǎn)，將Radon變換法2與旋轉(zhuǎn)投影法進(jìn)行融合，目的是各取所長，提高算法的校正成功率又降低耗時(shí)。

3算法融合

將Radon變換法2與旋轉(zhuǎn)投影法進(jìn)行融合，當(dāng)利用Radon變換測得的左右兩半的垂直傾斜角差值絕對值小于某固定閾值T時(shí)，用兩者平均值作為最終求得的傾斜角并進(jìn)行垂直校正，否則用旋轉(zhuǎn)投影法求取傾斜角并校正。算法流程如圖10所示。

圖10　融合之后的算法流程圖

圖11　融合算法整體測試結(jié)果

選取其中4組測試結(jié)果的詳細(xì)情況如表2所示。

表2　融合算法部分實(shí)驗(yàn)結(jié)果

分析表2可知，選取T為2°時(shí)，有閾值限制的Radon變換法2的校正成功率為97.8%，大大高于沒有閾值限制的Radon變換法2的75.3%。即單純利用Radon變換獲取圖像左右兩半的傾斜角，誤差較大，魯棒性不強(qiáng)，但若兩個(gè)值非常接近，則說明獲取的兩個(gè)傾斜角數(shù)值可靠性高，可以信賴。又考慮到Radon變換法2運(yùn)算量小的特點(diǎn)，對圖片首先考慮采用Radon變換法2處理，若不符合閾值條件，改用旋轉(zhuǎn)投影法。另外，隨著閾值增大，兩個(gè)算法的成功率以及總成功率都在下降，但總耗時(shí)也在減少。

4結(jié)束語

本文將Radon變換法與旋轉(zhuǎn)投影法進(jìn)行融合，實(shí)驗(yàn)結(jié)果表明，與旋轉(zhuǎn)投影法相比，融合算法降低了耗時(shí)，并提高了校正成功率。在上述研究的基礎(chǔ)上，采用并行加速等方法進(jìn)一步減小算法耗時(shí)成為后期研究的重點(diǎn)。

參考文獻(xiàn)

[1]Fang J,Dai S G.A Vehicle License Plate Slant Location and correction method Based the Characteristics oF License Plate[C]//Intelligent Control and Automation (WCICA),2012 10th World Congress on.Beijing:IEEE,2012:42-46.

[2]吳麗麗,余春艷.基于Sobel算子和Radon變換的車牌傾斜校正方法[J].計(jì)算機(jī)應(yīng)用，2013，33(S1)：220-222.

[3]吳一全,丁堅(jiān).基于K-L展開式的車牌傾斜校正方法[J].儀器儀表學(xué)報(bào)，2008，29(8)：1690-1694.

[4]Gong L X,Hu H P,Bai Y P.Vehicle License Plate Slant Correction Based on Mathematical Morphology and Radon TransFormation[C]//Natural Computation (ICNC),2010 Sixth International ConFerence on.Yantai：IEEE,2010:3457-3461.

[5]李文舉,梁德群,崔連延，等.一種新的車牌傾斜校正方法[J].信息與控制，2004，33(2)：231-235.

A Vertical Tilt Correction Algorithm For License Plate Based on

Radon TransFormation and Rotation Projection

Zhu Yaping， Tian Chengpei， Yang Chengzhong， Shang Xiaobo

(SchooloFAutomation，HangzhouDianziUniversity，HangzhouZhejiang310018，China)

Abstract:Comparing to the horizontal correction method， the vertical correction method is a more diFFicult problem in license plate recognition. Rotation projection requires considerable calculations， which leads to a higher success rate， while Radon transFormation requires less time and the success rate is lower. A combination oF these two methods is Feasible. It is possible to use Radon transFormation to calculate the two vertical tilting angles oF both sides oF the license plate， and then to choose one oF the two methods to determine the exact tilting angle. This is accomplished in accordance with the relationship between the absolute value oF the diFFerence between the two angles and one Fixed threshold. The experimental results show that this new method produces an improvement in the success rate oF correction， and a reduction in the operational time involved.

Key words:license plate; vertical correction; Radon transFormation; rotation projection

中圖分類號：TP391

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-9146(2015)03-0048-04

作者簡介：朱亞萍(1962-)，女，江蘇張家港人，教授，檢測技術(shù)與自動(dòng)化裝置.

收稿日期：2014-11-10

DOI:10.13954/j.cnki.hdu.2015.03.009