一種改進Radon變換的車牌圖像識別

幸堅炬，李軍，謝贊福

（廣東技術(shù)師范學(xué)院計算機科學(xué)學(xué)院，廣東廣州 510665）

一種改進Radon變換的車牌圖像識別

幸堅炬，李軍，謝贊福

（廣東技術(shù)師范學(xué)院計算機科學(xué)學(xué)院，廣東廣州 510665）

隨著物聯(lián)網(wǎng)技術(shù)在交通運輸領(lǐng)域的應(yīng)用，以及人們對交通管理的要求越來越高，智能交通管理已成為了研究熱點之一.而車牌識別技術(shù)(Vehicle License Plate Recognition，VLPR)是智能交通系統(tǒng)的重要環(huán)節(jié),是視頻圖像識別技術(shù)在汽車牌照識別中的應(yīng)用.車牌識別技術(shù)可以將運動中的汽車牌照從各種復(fù)雜環(huán)境中提取并識別出來，能夠識別車輛牌號、顏色等信息.車牌識別技術(shù)在交通運輸中的應(yīng)用越來越明顯，具有很大的研究價值.論文中利用圖像處理技術(shù)對車牌圖像進行處理，準(zhǔn)確定位車牌區(qū)域，然后對由于運動等原因所造成的車牌傾斜進行Radon變換校正，實現(xiàn)了對車牌的字符進行分割和識別，傾斜車牌識別率為90%，經(jīng)過校正后的識別率可達98%，達到了良好的效果.

模式識別；車牌識別；傾斜校正；圖像處理

0 引言

隨著人們生活水平的不斷提高，城市中的汽車數(shù)量迅速增長，使得由于管理不科學(xué)所造成的交通問題日益突出，如何更加智能地管理交通成為了人們關(guān)注的熱點.現(xiàn)有的高速公路事故自動檢測、社區(qū)車輛管理等系統(tǒng).這些系統(tǒng)都是通過傳感器對運動中的汽車進行檢測，獲得相關(guān)的數(shù)據(jù)，以實現(xiàn)對車輛進行監(jiān)控和管理的目的.不管是在國內(nèi)還是國外，智能交通系統(tǒng)ITS（intelligent traffic system）都是重要的研究課題［1］.智能交通系統(tǒng)中的車牌識別系統(tǒng)LPR（license plate recognition）可以廣泛應(yīng)用于車牌的被盜追蹤，自動放行，小區(qū)停車管理，闖紅燈拍照等［2］.

論文中利用圖像處理技術(shù)，對汽車牌照圖像進行一系列處理，提出一種改進Radon變換的車牌識別系統(tǒng)設(shè)計方案，并在MATLAB軟件進行仿真［3］.

1 車牌識別的概述與方法

對車牌字符進行識別是一個復(fù)雜的過程，不僅需要從運動中的汽車中得到汽車車牌，而且需要進行后期一系列處理，以使得準(zhǔn)確地分割并識別出車牌中的字符.

①圖像輸入：在實際應(yīng)用中，車輛通道有感應(yīng)器，攝像頭，光照檢測器，位置檢測等圖像信息采集系統(tǒng)，當(dāng)有車輛通過時會激活圖像信息采集系統(tǒng)，將汽車的相關(guān)信息傳到識別軟件中.

②車牌定位：本系統(tǒng)針對藍底白字車牌進行識別.傳入識別軟件的圖像是整輛汽車，我們需要定位出汽車的牌照所在位置并且把車牌的區(qū)域截取出來才能進行識別.也就是用一種算法找到車牌的區(qū)域，而且這個算法必須很準(zhǔn)確地找到車牌所在的區(qū)域.

③灰度化處理：對于彩色的圖像，我們往往需要對彩色進行處理，彩色圖像占用空間較大，因此我們將汽車牌照進行灰度化處理，即將彩色圖像轉(zhuǎn)換為灰度圖像.這樣操作不僅方便下一步處理，并且有用的信息也不會因此而減少，反而會使處理過程更加簡便和省時.

④車牌傾斜校正：對行駛中的汽車進行拍攝，并且因為車身與攝像機形成一定的角度，難免會出現(xiàn)采集到的牌照區(qū)域是傾斜的.因為傾斜的車牌將會影響后期對車牌字符的識別，所以首先對傾斜的車牌進行處理.論文中使用radon算法來對車牌進行傾斜校正.

⑤車牌字符分割：我們在獲得車牌區(qū)域之后，對車牌區(qū)域圖像進行灰度化以及二值化等處理，獲得垂直投影算法的輸入二值化圖像.為了分割出車牌字符，我們對輸入的二值圖像進行垂直投影.因為根據(jù)車牌的規(guī)格，每一個字符之間是隔有一定距離的.在我們垂直投影之后的直方圖就會有凹凸的形狀.那么根據(jù)凹凸情況，我們只要把凹凸的部分進行分割，就可以達到字符分割的目的.

⑥字符識別：字符識別的方法有很多，比如特征統(tǒng)計、神經(jīng)網(wǎng)絡(luò)、模板匹配等.特征提取和神經(jīng)網(wǎng)絡(luò)這兩種識別方法對實時性要求高的場合很難適應(yīng).但是模板匹配的方法處理速度快，算法容易設(shè)計.由于在前期對車牌圖像的處理比較嚴(yán)格，使得分割后的字符比較完整和清晰，所以論文中使用的識別方法是模板匹配［4］.

車牌字符識別的流程如圖1所示.

圖1 車牌字符識別系統(tǒng)流程圖

2 車牌定位

拍攝下來的汽車圖片包括了整輛汽車甚至還可能包括了外部復(fù)雜的環(huán)境，識別之前需要在其中找出車牌所在區(qū)域并且把它截取出來.系統(tǒng)根據(jù)在彩色圖像中的RGB比例找出與藍色相近的區(qū)域，這樣尋找車牌區(qū)域的方法有個很大的缺點就是在有其他的藍色背景的干擾下，就很難確定車牌的區(qū)域.所以在這里我們在得到藍色區(qū)域的時候，根據(jù)車牌的長寬比和藍白色的比再進行計算，進一步確認(rèn)是否是車牌所在區(qū)域.

在車牌定位中，基于顏色來劃分是一種很常用的方法，而在顏色劃分中有RGB顏色模型、YUV顏色模型以及HSV顏色模型［5］三種.不同的劃分方法有不同優(yōu)缺點，HSV顏色模型中，H能夠獲得0到360的值，代表的是色調(diào)；S可以獲得的值是0與1之間，它代表的是飽和度；V代表了明亮度，能夠獲得的值也是0與1之間.因為HSV色彩模型跟人類視覺對顏色的感知差不多，所以本文采用的顏色模型為HSV色彩模型.HSV和RGB之間的轉(zhuǎn)換可以通過以下公式：

其中，公式中的θ滿足以下條件：

通過文獻［6］，可以知道HSV色彩模型相對來說比較均勻，能夠更準(zhǔn)確的找到車牌.如圖2，車牌位置截取圖.

圖2 車牌區(qū)域定位圖

3 灰度化處理

灰度圖像中的R、G、B三個灰度值相等，通常用字母g表示［7］.采集到的車輛圖像一般是彩色圖像，顏色種類較多，圖像中除了車輛外還有車身和周圍景物，并且使用基于顏色劃分的方法截取的車牌區(qū)域是也彩色圖像，因此彩色圖像處理起來難度比較大.不過彩色圖像被灰度化以后，其占用的存儲空間會減小，不僅方便下一步處理，并且不會影響圖像質(zhì)量，反而會使處理過程更加方便和快速.

灰度化過程的計算公式如下：

Y=0.2989R+0.5870G+0.1141B（5）

Y表示灰度值.經(jīng)過轉(zhuǎn)換后的車牌圖像如圖3所示.

圖3 灰度圖像及直方圖

4 傾斜車牌校正

當(dāng)汽車通過車牌識別系統(tǒng)時，系統(tǒng)將汽車圖片拍下.但是每一輛汽車經(jīng)過車牌識別系統(tǒng)的角度或者是路徑不一樣，每次拍下的汽車牌照就是同一輛汽車也有可能出現(xiàn)小小的不同，比如車牌傾角不同，光亮度不同等.車牌有可能在水平方向上出現(xiàn)傾斜，也可能在垂直方向上出現(xiàn)傾斜，甚至是在水平和豎直方向上都存在傾斜.因為我們在后期使用模版匹配的方法進行車牌字符識別，所以分割出來的字符的形狀影響著識別效果.而傾斜的車牌是如果不進行處理直接分割字符的話，即使能夠分割成功，對后期的識別也是不利的［8］.根據(jù)我國現(xiàn)用車牌的長寬比規(guī)格，垂直方向上的傾斜對于水平方向上的傾斜來說可以忽略不計.因此論文中也只對車牌在水平方向上做了校正處理.

車牌的傾斜我們可以使用投影法、Hough變換法或者是Radon變換法等進行處理［9］.經(jīng)過比較，論文中使用了Radon變換法對傾斜車牌進行校正處理，以滿足汽車牌照在水平方向是一致的，這樣的處理使得后期的分割字符和識別字符步驟更有保障.

Radon變換就是將數(shù)字圖像的矩陣在某一個指定角度的射線方向上做投影變換［10］.使用這樣的方法對車牌的特征影響比較小，車牌投影的其實就是將一個平行四邊形轉(zhuǎn)變成一個矩形.在平行四邊形的車牌中，每一行的第一個像素都不在同一個豎直邊緣上.所以我們在找到車牌左邊界的時候?qū)④嚺茍D像每一行的第一個像素平移到豎直的邊緣，其他同行的像素跟著一起向左平移，這樣處理之后車牌就可以變成矩形.如果我們把圖像看成二維函數(shù)f（x，y），那它的投影也就是指在特定方向上的線性積分，按照這樣上面所說，f（x，y）在垂直方向上的線性積分其實就是它在x軸的投影；f（x，y）在水平方向上的線性積分其實就是它在y軸上面的投影.依據(jù)這些投影，我們可以獲得圖像在特定方向的特征值.如果需要計算任意方向上的投影，我們只要旋轉(zhuǎn)坐標(biāo)軸，使得y’與這個方向重合，在y’上的投影是沿著這個方向上的線積分.數(shù)學(xué)表達式為：

其中θ表示兩坐標(biāo)系x軸之間的夾角，也就是Radon變換的投影方向.

Radon變換處理圖像時，在規(guī)定角度范圍內(nèi)計算每個θ角方向的積分值，找出積分最大值對應(yīng)的角度θ，此時待檢驗直線的角度為90-θ.

大量的實驗顯示，這個方法簡單實用，計算量相對較小，執(zhí)行速度快的，精度高.車牌校正效果前后比較如圖4所示.

5 車牌分割

常用的車牌分割方法有兩種［11-12］，現(xiàn)階段使用的比較多的字符分割方法是基于垂直投影的方法，在用相關(guān)技術(shù)得到車牌區(qū)域后，獲得垂直投影算法的輸入二值化圖像［13］.對于處理后的車牌圖像，需要計算它的垂直投影，在垂直投影后的直方圖中我們會看到多個“波峰”和“波谷”的情況，“波峰”對應(yīng)的是車牌字符位置，“波谷”是車牌字符間的間距.這樣的話，完成對“波峰”和“波谷”的分割后，也就很快地可以達到車牌字符的分割目的.如圖5，垂直投影算法進行車牌字符分割的流程圖.

圖4 車牌傾斜校正

圖5 車牌字符分割流程圖

基于垂直投影的方法處理車牌的字符分割時間復(fù)雜度低，處理效果明顯.從總體來說，這個算法在車牌字符分割中是理想的.如圖6，車牌形態(tài)學(xué)操作及處理結(jié)果.

6 車牌識別

現(xiàn)階段比較成熟的車牌字符識別方法［14］有三種：基于模板匹配的識別方法、基于神經(jīng)網(wǎng)絡(luò)的識別方法［15］和基于特征的識別方法.考慮到基于模板匹配方法的特點以及在前面的步驟中我們得到的車牌字符完整度好，清晰度高.所以論文中采用的是基于模板匹配的字符識別方法.

基于模板匹配的方法是指從以上步驟分割出來的字符與事先建立好的標(biāo)準(zhǔn)模板庫里面的每一個模板進行一一對比，在對比的過程中計算兩者之間的相似度，并且量化出來.最后根據(jù)量化的結(jié)果，輸出模板庫中與分割出來的字符最相近（相似度值最大）的字符.計算待測樣本與模板之間的相似度度量量化指標(biāo)，計算方法如下：

圖6 形態(tài)學(xué)操作及處理結(jié)果

在公式（8）中，S表示待測樣本與模版進行相似度對比的度量值，I表示了待測樣本，D表示的是模板.如圖7所示，車牌最后識別出來的結(jié)果.

圖7 車牌識別結(jié)果

基于模板匹配的算法實現(xiàn)起來比較簡單，處理速度比較快，實驗中使用100張不同環(huán)境，不同傾斜角度的車牌圖像分成五組做測試.實驗結(jié)果表明，經(jīng)改進的算法中，不同傾角的100張車牌圖像中98張車牌圖像能夠正確識別，實驗的數(shù)據(jù)顯示可達98%的識別率.表1為100張車牌的實驗結(jié)果統(tǒng)計.

表1 搖車牌識別結(jié)果

本文將圖形圖像處理技術(shù)與MATLAB仿真工具相結(jié)合，實現(xiàn)了用Radon變換對有一定傾斜角度的車牌圖像進行校正、識別.實驗的算法識別率較高，表明本文所提出的車牌識別方案可行.

［1］陸福宏.車牌識別技術(shù)在智能交通系統(tǒng)中的應(yīng)用［J］.?中國科技博覽,2010(12):302.

［2］孟波,劉繼.視頻車牌識別技術(shù)在ETC系統(tǒng)中的應(yīng)用［J］.江蘇科技信息,2014.

［3］馬東,韓其睿.基于MATLAB的汽車牌照識別的研究［J］.電子世界,2011.

［4］劉瑋.基于圖像處理的車牌識別技術(shù)的研究［D］.哈爾濱理工大學(xué)博士學(xué)位論文,2008.

［5］查自強.復(fù)雜背景下的快速車牌識別技術(shù)研究［D］.南京理工大學(xué)碩士學(xué)位論文,2013.

［6］張培.復(fù)雜背景下交通標(biāo)志的顏色分割［D］.武漢理工大學(xué)碩士學(xué)位論文,2010.

［7］王維真,熊義軍,魏開平,等.基于粒子集群算法的灰度圖像相關(guān)匹配技術(shù)［J］.計算機工程與應(yīng)用, 2010(12):169-171.

［8］呂文強.基于Adaboot和SVM的車牌識別方法研究［D］.南京理工大學(xué)碩士學(xué)位論文,2013.

［9］陳玲,李熙瑩,盧林.車牌傾斜校正算法研究及改進［J］.計算機與現(xiàn)代化,2013,12:91-97.

［10］孫前進,徐素莉,孫炎增.基于Radon變換特征提取的步態(tài)識別［J］.數(shù)據(jù)采集與處理,2010(2):268-272.

［11］任明亮,范勇.一種快速精確的汽車牌照字符分割方法［J］.四川大學(xué)學(xué)報,2002,3:450-454.

［12］遲曉君,孟慶春,基于投影特征值的車牌字符分割算法［J］.計算機應(yīng)用研究,2006,23(7):256-257.

［13］S H Park,K.I.Kim,K Jung,H-J Kim.Locating Car License Plate Using Neural Networks［J］,Electronics Letters,2007,(l7)3:1475-1477.

［14］趙先軍.基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究［D］.西安電子科技大學(xué)碩士學(xué)位論文,2005.

［15］陳智慧.復(fù)雜背景下的車牌識別技術(shù)研究［D］.太原科技大學(xué)碩士學(xué)位論文,2014.

An Improved License Plate Recognition Research and Realization of the Radon Transform

XING Jian,LI Jun,XIE Zanfu

(Institute of Computer Sciences Guangdong Polytechnic Normal University Guangzhou,China)

As the Internet of things technology applied in the field of transportation,and people more and more high to the requirement of traffic management,intelligent traffic management has become one of research hot spots.The License Plate Recognition technology(Vehicle License Plate Recognition,VLPR)is video image Recognition technology in the application of Vehicle License Plate Recognition,and a very important part of intelligent transportation system.Car license plate in the movement of license plate recognition technology can be extracted from the complex environment and identified,including the license plate extraction,image preprocessing, feature extraction,and license plate character recognition technology.Also,can identify the vehicle brand,color and other information.License plate recognition technology in the application of transportation is more and more obvious,and has broad application prospects.In the paper by using image processing technology of license plate image processing,it can accurate positioning license plate area,and then correct the movement by Radon transform to recognize the license plate.After correction the recognition rate can reach 98%.

Vehicle License Plate Recognition;Image processing;Pattern recognition;Tilt correction

P 407

B

1672-402X（2016）11-0062-05

2016-05-20

廣東省科技計劃工業(yè)高新技術(shù)領(lǐng)域攻關(guān)項目（No.2013B010401032）

幸堅炬（1990-），男，廣東興寧人，廣東技術(shù)師范學(xué)院研究生.研究方向：圖像識別.

李軍，（1964-），女，浙江臨海人，廣東技術(shù)師范學(xué)院教授，碩士學(xué)位，研究方向：移動互聯(lián)網(wǎng)、圖像識別、人工智能等研究.

謝贊福（1956-），男，海南儋州人，廣東技術(shù)師范學(xué)院教授.研究方向：圖像識別、人工智能.