復(fù)雜背景下車牌定位算法研究

重慶郵電大學(xué)光電工程學(xué)院 劉峰利 鄒 虹

復(fù)雜背景下車牌定位算法研究

重慶郵電大學(xué)光電工程學(xué)院 劉峰利 鄒 虹

車牌定位是車牌識(shí)別的關(guān)鍵技術(shù)之一，為了提高復(fù)雜背景下車牌定位的準(zhǔn)確度，提出了一種基于邊緣檢測(cè)和多特征提取的車牌定位算法。首先對(duì)于圖像進(jìn)行預(yù)處理操作，隨后運(yùn)用邊緣檢測(cè)算法得到邊緣信息，進(jìn)而對(duì)其進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作，最后根據(jù)車牌自身結(jié)構(gòu)的特征驗(yàn)證候選區(qū)域。結(jié)果表明，所提算法在復(fù)雜背景下定位準(zhǔn)確率很高，且受光照影響小，具有很強(qiáng)的魯棒性。

車牌定位；復(fù)雜背景；邊緣檢測(cè)；車牌結(jié)構(gòu)特征

1 引言

在車牌識(shí)別系統(tǒng)中，車牌定位是字符分割和識(shí)別的先決條件，其定位精度關(guān)系到系統(tǒng)的整體性能?，F(xiàn)實(shí)生活中，車輛的背景一般較為復(fù)雜，同時(shí)車牌圖像受天氣狀況和拍攝條件等影響，所以復(fù)雜背景下車牌精確定位一直制約著車牌識(shí)別系統(tǒng)的發(fā)展。

近年來(lái)，車牌識(shí)別系統(tǒng)中的車牌定位方法得到了研究者的廣泛關(guān)注，賀強(qiáng)[1]等人提出的基于邊緣檢測(cè)的算法，在背景簡(jiǎn)單的條件下，定位率較高，但在復(fù)雜背景下，僅利用邊緣信息，背景區(qū)域的復(fù)雜紋理特征會(huì)造成很高的誤識(shí)率，無(wú)法實(shí)現(xiàn)精確定位?；陬伾卣鞯能嚺贫ㄎ凰惴╗2]也得到了廣泛應(yīng)用，但是該算法容易受到外界光線、圖像質(zhì)量等因素影響。

綜上所述，傳統(tǒng)車牌定位方法都難于同時(shí)解決魯棒性、定位精度和實(shí)時(shí)性這3個(gè)問(wèn)題。為此，本文提出一種復(fù)雜背景下基于邊緣檢測(cè)和多特征提取的車牌快速定位算法。運(yùn)用Canny算子將預(yù)處理后的車牌圖像進(jìn)行邊緣檢測(cè)，隨后對(duì)車牌邊緣圖像進(jìn)行形態(tài)學(xué)操作，提取出車牌候選區(qū)域，最后利用車牌自身的特征實(shí)現(xiàn)車牌精確定位，去除偽車牌區(qū)域。所提算法對(duì)于噪聲、光照具有較好的魯棒性，并且排除了與車牌區(qū)域具有相似寬高比的偽區(qū)域的干擾，實(shí)現(xiàn)復(fù)雜背景下的精確定位。

2 圖像預(yù)處理

為了提高車牌定位和字符識(shí)別的準(zhǔn)確度，在得到原始車輛圖像后首先對(duì)該圖像進(jìn)行預(yù)處理，可以去除圖像噪聲、提高圖像質(zhì)量、有效地降低系統(tǒng)的存儲(chǔ)空間需求，提高處理速度。

2.1 灰度化

對(duì)圖像采集設(shè)備獲取的彩色圖像進(jìn)行灰度化處理，可以提高系統(tǒng)處理的實(shí)時(shí)性，簡(jiǎn)化后續(xù)運(yùn)算量。本文采用加權(quán)平均法對(duì)于RGB圖像灰度化得到灰度圖像。

為了剔除復(fù)雜背景中含有噪聲和細(xì)微的突出物，對(duì)灰度圖像進(jìn)行開操作運(yùn)算，得到灰度圖像的背景圖像，用灰度圖像減去背景圖像，達(dá)到增強(qiáng)圖像的效果。

圖1 原始圖片

圖2 灰度圖像

圖3 背景圖像

圖4 增強(qiáng)后的黑白圖像

2.2 二值化

為了便于對(duì)圖像進(jìn)一步處理，簡(jiǎn)化處理步驟，對(duì)灰度圖像二值化，此時(shí)圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置相關(guān)，不再涉及各級(jí)像素值。

圖5 二值化圖像

3 車牌定位

3.1 基于邊緣檢測(cè)的車牌粗定位

邊緣是指周圍像素灰度顯著變化的象素點(diǎn)集合，存在于目標(biāo)、背景和區(qū)域之間，是圖像特征提取最重要的依據(jù)之一。利用這一特性，本文采用Canny邊緣檢測(cè)算法對(duì)車牌區(qū)域進(jìn)行粗定位。

圖6 邊緣圖像

3.2 基于數(shù)學(xué)形態(tài)學(xué)精確定位

在復(fù)雜背景下，圖像含有較多噪聲，因此本文對(duì)于二值圖像先進(jìn)行閉運(yùn)算處理，將邊緣密度大的區(qū)域進(jìn)行水平膨脹，形成包含車牌在內(nèi)的候選連通域；采用開運(yùn)算濾波，排除細(xì)小孔洞、不相關(guān)的狹小區(qū)域。

圖7 圖像閉運(yùn)算

圖8 圖像濾波

大部分的復(fù)雜背景區(qū)域已經(jīng)被濾除，形態(tài)學(xué)操作可以快速完成。粗定位結(jié)合形態(tài)學(xué)操作有效地提高了車牌定位速度，且通過(guò)排除大部分復(fù)雜背景圖像的干擾，提高了車牌定位的準(zhǔn)確度。

4 車牌驗(yàn)證

通過(guò)上述步驟可以快速的進(jìn)行車牌定位，但是一些具有和車牌類似結(jié)構(gòu)的非車牌區(qū)域仍會(huì)被誤檢為車牌。因此本文結(jié)合車牌自身的寬高比、黑白跳變、投影特征[3]對(duì)車牌候選區(qū)域進(jìn)行驗(yàn)證。排除偽車牌區(qū)域的干擾。

圖9 車牌定位

5 結(jié)語(yǔ)

本文提出的基于邊緣檢測(cè)和多特征提取的車牌定位算法。首先對(duì)圖像進(jìn)行增強(qiáng)處理，排除復(fù)雜背景對(duì)后續(xù)操作的影響，通過(guò)Canny算子邊緣檢測(cè)進(jìn)行粗定位，運(yùn)用形態(tài)學(xué)操作進(jìn)行連通域分析，最后結(jié)合車牌自身特征排除各種車牌偽區(qū)域。測(cè)試結(jié)果表明，在復(fù)雜光照和復(fù)雜背景下均有很好的魯棒性，對(duì)于字符干擾的也有很好的抵抗性，同時(shí)，所提算法時(shí)間復(fù)雜度較低，可以快速定位車牌，有效地改善了復(fù)雜條件下車牌定位效果。

[1]賀強(qiáng),晏立.基于LOG和Canny算子的邊緣檢測(cè)算法[J].計(jì)算機(jī)工程,2011,(03):210-212.

[2]廉寧,徐艷蕾. 基于數(shù)學(xué)形態(tài)學(xué)和顏色特征的車牌定位方法[J].圖學(xué)學(xué)報(bào),2014,(05):774-779.

[3]李耀,程勇,曹雪虹.一種復(fù)雜環(huán)境中的車牌定位算法[J].電視技術(shù),2015,39(12):104-106.