论文发表指导,期刊推荐,国际出版
论文发表指导,期刊推荐,国际出版
学术出版，国际教著，国际期刊，SCI，SSCI，EI，SCOPUS，A&HCI等高端学术咨询
来源：职称驿站所属分类：车辆论文 发布时间：2012-08-29浏览：48次
摘要：智能交通系统(ITS)在现代交通中扮演了越来越重要的角色，车牌识别是智能交通管理中一个重要的环节，车牌识别由预处理、车牌定位、字符分割和字符识别组成，本文从预处理和车牌定位入手，提出了一个运算简单、运行速度快的车牌定位方法。采用图像灰度差阈值生成二值图，利用汽车牌照字符和底色的纹理特征找到车牌位置的新方法。
关键词：智能交通，车牌定位，纹理特征，灰度差
3.
１引言
目前我国的公路里程越来越长，公路上行驶的车辆越来越多，要实现对行驶车辆进行管理是现代交通重要的研究方向。智能交通管理是未来道路交通管理的发展趋势。借助计算机和外场的监视设备，智能交通管理系统可以大大降低公路部门管理人员的工作量，提高了管理效率，降低劳动强度。通过分析现场采集的数据，可对路网规化和设计提供第一手资料。而车辆识别是智能交通管理中的一个重要环节。
车牌是一辆汽车唯一的信息，通过对车牌的识别可以作为确定一辆车最有效的方法。中国车辆牌照有四种类型，分别为民用蓝底白字、民用黄底黑字、军警用白底黑字或红字牌照和涉外机构黑底白字牌照。车牌识别一般分为四部分：预处理、车牌定位、字符分割和字符识别。在车牌识别系统中，车牌定位是影响系统性能的重要因素之一，车牌定位的准确率将直接影响字符识别的正确率。车牌定位技术主要采用以下几种方法：基于图像的彩色信息法、基于纹理分析的方法[2]、基于边缘检测的方法[3]、基于数学形态学的方法[4]、基于遗传算法的定位、基于神经网络定位等。由于图像是从实际复杂环境中拍摄到的动态图像，其中光照等因素的干扰为车牌的提取增加了难度。彩色图像亮度降低到一定程度，特别是在夜晚条件下，图像将可能变为非彩色的，此时基于颜色信息的车牌定位方法将失去效用，因此本文采用车辆的灰度图片进行图像分析。避免了彩色图像运算时，需要对图像进行颜色空间变换、计算量大的缺点。
分析采集到的车辆图片可以看出，虽然汽车图像的背景复杂多变，但车辆牌照的字符及其底色部分像素分别都具有比较均匀的灰度值，彼此之间差值不大，而两部分像素平均灰度却具有相对较大的差值。此外，在车牌所属矩形区域内有丰富的边缘存在，各字符的笔划之间有较规则的间距，特别在穿越车牌区域的诸水平扫描行上这种规则性间距分布密度较大并连续出现多次，而在车牌矩形区域外这种情况则不多见。本文利用牌照的纹理特征和车牌长宽比来找出图片中的车牌位置。
2图像预处理
彩色图像在进行图像处理时算法复杂，会增加计算机的运算量，因此首先要将彩色图像转换成灰度图像，以加快图像处理的速度，转换公式为I=0.299R+0.587G+0.114B。[1]
在现代交通管理系统中，外场成像设备采集图像的质量均有很好的改善，成像过程中噪声得到了很好地抑制。主要存在的问题是由于光照强度的不同而造成图像偏暗或偏亮，引起对比度不足的问题。特别是夜晚光照不足引起的图像偏暗情况对图像的后期处理产生了很大的影响。
本文采用直方图均衡化方法对各种对比度不足的图像进行图像增强，将集中在比较小范围的原始直方图转化为均匀分布的形式，从而增加了象素灰度值的动态范围，达到增强图像整体对比度的效果。
3车牌定位
车辆图像经过图像灰度化及针对对比度不足的图像进行图像增强后，即可对图像进行二值化，进一步突出车辆牌照区域灰度出现的多次跳变，从而确定牌照的位置。
3.1图像灰度差二值化
根据车牌区域图像字符和底色各自都具有比较均匀的灰度值，而相互之间灰度差值却比较大的特征。
车牌类型 蓝牌 蓝牌 蓝牌 蓝牌 蓝牌 蓝牌 蓝牌 蓝牌 蓝牌 蓝牌 白牌
底色灰度值 186 188 161 183 141 160 166 177 188 203 239
字符灰度值 247 239 219 233 210 231 224 245 241 243 128
灰度值差值 61 51 58 50 69 71 58 68 53 40 111
车牌类型 黄牌 黄牌 黄牌 黄牌 黄牌 黄牌 黄牌 黄牌 黄牌 黄牌 黄夜
底色灰度值 179 162 159 214 194 158 139 166 178 146 130
字符灰度值 100 118 92 162 137 97 71 98 70 86 102
灰度值差值 79 44 67 52 57 61 68 68 108 60 28
表1车牌底色和字符灰度值差值统计表
我们可根据不同类型牌照的字符和底色间灰度差合理设置一个阈值T，该阈值可以将大多数车牌的字符和底色分割开来，并且尽可能弱化车辆主体和图像背景对识别处理的干扰。对灰度差大于该阈值T的象素，将当前点标注为灰度跳变点。
选择几组有代表性的图像，分别在底色区域和字符区域取相互间灰度值差值最小的点为采样点，其相互间的差值为采样点中底色和字符之间灰度值的最小差值。统计不同车辆图像车牌区域中底色和字符的灰度值及相互之间的灰度差值。根据表1统计结果，可选择阈值T=30，能较好地将车牌的字符和底色灰度值进行分离。
通过上式，我们将256色灰度图像转化成以黑色为主，象素点间差值大于阈值处为白色的两色的特殊灰度图。采用|f(x,y+2)-f(x,y)|计算图像跳变点，避免了图像中车牌底色和字符间过渡点的干扰，同时产生了两次白色跳变点，突出了车牌纹理特征，为下一步车牌定位程序对车牌区域的识别打下了良好的基础。
使用灰度差阈值对灰度图进行二值化能较好的将车牌字符和底色分离，尽可能的弱化了车牌纹理外其它区域的纹理信息。避免了设置阈值[2]生成二值化图像方法中设置阈值不当，而将牌照区域字符和底色置为同一灰度值的问题。相邻灰度值相减比使用边缘检测算子[3]（如Sobel算子、Roberts算子等）更有针对性，边缘检测算子都不是专门用于检测垂直边缘的，运算量大，且生成了过多边缘，对车牌定位带来不便。
3.2车牌定位
通过灰度差阈值对图像进行二值化，车辆和背景信息由于灰度值之间相差不大，细节被相对弱化，大多被置为相同的灰度值，区域内无较明显的灰度跳变，只在边缘处产生少量间断跳变点。而图像中牌照区域字符和底色相互灰度值差别较大，大于设定阈值，被置为白色跳变点。
查看经过灰度差阈值二值化后生成的二值图，可以发现跳变点较多的区域主要有车牌区域、车辆散热片区域和车灯区域，车辆牌照一般位于车辆的下半部分。在车辆的牌照区域以下，图像一般较单调，无明显的灰度跳变。定位程序由图像最下行开始，由左至右逐行向上扫描，这样就减少了运算的复杂度、提高车辆定位的准确率。
图1左图为车辆灰度图中图为灰度差阈值二值化后的二值图右图为车牌定位后找到的车牌位置
一个坚笔划在二值图一行中产生4次两种颜色互变的跳变点，一个字符在图像一行中至少有4次跳变。因为汽车牌照中有７个字符，在车牌区域一行中至少出现28次跳变点。我们设置车牌区域行跳变点为32，通过扫描图像找到一块区域，该区域内每一行跳变点均大于等于32，且跳变点间距离小于两字间最大间距，则可以认为该区域为车牌所在区域，即找到了图像中车牌的位置。
程序步骤如下[6]：
(1)由下至上、由左至右依次扫描，扫描至灰度跳变点时，标志该跳变点f(x,y)为行起始跳变点pzLeft，行有效跳变点计数iResult[j]=1。
(2)根据实际情况设置跳变点之间最大间隔Ｄ。图像中车牌中两个字符最多占36个象素点，可设置跳变点间最大间隔D=16。扫描下一跳变点，两跳变点的距离大于Ｄ，则设置行起始跳变点pzLeft不符合间隔条件，从当前点向下继续扫描，寻找下一跳变点为pzLeft。若两跳变点的距离小于Ｄ，则下一跳变点为有效点，跳变点计数iResult[j]=iResult[j]+1，设置下一跳变点为当前跳变点，继续扫描。
图2车牌定位流程图
(3)扫描至两点之间距离大于Ｄ或该行无后续跳变点时，若iResult[j]小于32次，该行起始点不符合车牌跳变条件，故从当前点继续向后扫描，pzLeft、iResult[j]重置。若跳变点数目iResult[j]等于或大于32次，最后跳变点为行终止跳变点pzRight，记录本行行号pzBottom，有效行数为findLN=1。
(4)车牌图像中字符高最小占据12个象素点，可设最小有效行数为12。扫描邻近上一行pzLeft、pzRight之间区域，如不满足跳变次数条件，则从pzBottom行终止跳变点pzRight向下扫描，重新寻找行起始跳变点pzLeft。若满足跳变次数条件则继续向下扫描，findLN=findLN+1。直至连续扫描几行均满足跳变次数条件。为了加强程序的容错性，扫描中行有效跳变点计数iResult[j]>=22或者有效行数findLN>8且18<iResult[j]<22，均认为该行为有效行。
(5)执行扫描，直至行扫描不满足跳变次数条件为止，记录最后行行号为pzTop。此时找到一块矩形区域，且跳变的列起止位置大致相同。
(6)我国车牌标准为宽0.45米，高0.15米，因此车牌宽高比为３。根据上式所得pzLeft、pzRight、pzBottom、pzTop计算车牌长宽比rate为。若则可确定所得矩形区域既为车牌位置。若不满足则从pzBottom行行终止跳变点pzRight往下扫描。
(7)重复执行(1)到(6)，直至找到一块符合条件的车牌区域为止。
本方法较之投影法[5]对二值图先进行水平投影找到车牌上下边界，再垂直投影找到车牌确切位置，更多的到考虑车牌各项特征。投影法往往将车辆其它纹理丰富区域误认为车牌区域，且定位不准。优于数学形态学方法[4]对边缘图像进行膨胀处理，生成多个封闭区域，再使用垂直投影找出准确车牌位置。其算法步骤多、运算复杂，加强了背景中的部分噪声，对几个封闭区域进行筛选，容易误选车牌区域且定位不准。而使用本文车牌定位方法主要从车牌的纹理特性入手，综合考虑车牌中字符最大间隔和车牌长宽比特征，步骤少、针对性强，能准确找出车辆牌照区域。
４结论
本文定位程序所用60张图片采自合宁高速公路蜀山收费所，图像大小为384×288。所用计算机为P4Celeron1.7G处理器，256M内存。经程序运行，56张能准确找到车牌位置，运行时间在400ms内；2张图片只找到车牌右半部分，是由于图像倾斜且车牌区域纹理丰富，找到错误的起始点所引起；2张图片未找到车牌区域，一张系车牌模糊不清引起，另一张是由于车牌反光很明显，灰度差阈值未能将字符和底色有效分隔开。程序准确率达到93%，能够较好地适应收费道口的复杂环境。
本文采取的方法能准确迅速的找到车辆图片中车牌的位置，具有响应速度快、准确率高的特点。彩色图像灰度差阈值二值化，减少了程序的步骤，降低了运算复杂度。程序从图片下向上扫描，减少了运算量，提高了准确性。利用扫描行间跳变点数目、设置跳变点间最大距离、连续跳变行和有效区域长宽比，能准确地找出图片中车牌的位置，且找出区域有效信息量多。能够较好的满足不同环境下，实时车辆图片的车牌定位。
参考文献
[1]章毓晋.图象处理和分析[M].北京：清华大学出版社，1999.
[2]付炜,王大江,赵正则，张宇.一种实用新型蓝底白字车牌定位方法及实现[J].电子测量技术，2008，31(1):25-28.
[3]葛海江,方江江,张翔.车牌识别系统中车牌定位及倾斜矫正算法研究[J].杭州电子科技大学学报，2007，27(2):49-52.
[4]李刚,曾锐利,林凌,王蒙军.基于数学形态学的车牌定位算法[J].仪器仪表学报，2007，28(7):1323-1327.
[5]赵全友,潘保昌,郑胜林，陈箫枫.一种由粗到精的快速车牌定位算法[J].电视技术，2007，31(11):78-80.
[6]钟志光,卢君,刘伟荣.VisualC++.NET数字图像处理实例与解析[M].北京：清华大学出版社，2003.
《一种基于灰度差阈值的快速车牌定位方法》
本文由职称驿站首发，您身边的高端学术顾问
文章名称： 一种基于灰度差阈值的快速车牌定位方法
下一篇：浅谈行车调整对乘客的影响
扫码关注公众号
微信扫码加好友
职称驿站 www.zhichengyz.com 版权所有 仿冒必究 冀ICP备16002873号-3
