馬　慧

【摘要】針對復(fù)雜背景下的車牌定位問題,提出了一種基于車牌色彩變化特征的車牌定位方法。該定位方法將RGB彩色空間中的車牌圖像轉(zhuǎn)換到HSV彩色空間中進(jìn)行顏色識別,分割出車牌底色及字符顏色相對應(yīng)的顏色區(qū)域,同時通過邊緣提取、二值化處理、與運算找到對應(yīng)顏色邊緣特征點,最后經(jīng)紋理分析來定位車牌。

【關(guān)鍵詞】車牌;色彩變化特征;紋理分析;定位

一、引言

車牌識別是計算機視覺與模式識別技術(shù)在智能交通領(lǐng)域的重要研究課題之一。在車牌自動識別過程中,車牌定位、字符切割、字符識別是其關(guān)鍵技術(shù),車牌定位技術(shù)則是整個車牌識別技術(shù)的基礎(chǔ)和前提,車牌定位準(zhǔn)確與否,是后續(xù)工作能否順利進(jìn)行的關(guān)鍵。由于圖像背景復(fù)雜,各種車牌顏色變化多端,加之不同氣候條件、不同光照條件的影響,造成車牌定位難度較大。汽車車牌的正確定位是車牌識別技術(shù)中的關(guān)鍵技術(shù)和難點所在。

目前,常用的車牌定位算法主要有兩類:a)基于車牌紋理特征的定位算法[1-3]。紋理特征法對于車牌圖片干擾較大時,特別是汽車散熱欄干擾、環(huán)境干擾,或有文字圖案干擾時,識別較困難。b)基于車牌顏色特征的定位算法。光照、車牌褪色、污損等原因會給顏色的準(zhǔn)確分類帶來很大困難。文獻(xiàn)[4—7]提出的基于車牌顏色特征的定位算法,要么未充分利用車牌獨特的顏色變化特征,要么定位算法過于復(fù)雜,造成車牌定位分割的局限性。

二、車牌色彩變化特征

根據(jù)《中華人民共和國機動車號牌》(GA36—2007)標(biāo)準(zhǔn),目前我國所使用的汽車標(biāo)準(zhǔn)車牌由七個字符組成,它們呈水平排列,在牌照的矩形區(qū)域內(nèi)存在較豐富的邊緣,呈現(xiàn)出規(guī)則的紋理特征。車牌字符顏色和底色主要限于特定的幾種組合:藍(lán)底白字車牌、黃底黑字車牌、白底黑字車牌、黑底白字車牌。在復(fù)雜車輛圖像中,可能會存在一些其他的非車牌區(qū)域具有車牌的某一特征,如車身上張貼的廣告字符、汽車散熱欄等。如果僅僅使用車牌的單一特征來定位車牌,效果往往不好,需要綜合利用車牌的多個特征,特別是車牌的顏色變化特征,才能更為有效地排除偽車牌區(qū)域,獲得目標(biāo)車牌的準(zhǔn)確位置。例如對于藍(lán)底白字車牌,由于車牌底色為藍(lán)色,字符為白色,即會在車牌的矩形區(qū)域內(nèi)形成多條藍(lán)白交界條紋;黃底黑字車牌會在車牌的矩形區(qū)域內(nèi)形成多條黃黑交界條紋;白底黑字車牌會在車牌的矩形區(qū)域內(nèi)形成多條黑白交界條紋。這是車牌區(qū)域與其他的非車牌區(qū)域(如車身上張貼廣告字符、汽車散熱欄等)最明顯的區(qū)別。因此,可以充分利用車牌這一獨特的顏色變化特征,實現(xiàn)車牌的快速準(zhǔn)確定位。

三、顏色模型轉(zhuǎn)換及顏色分割

從數(shù)碼相機或數(shù)碼攝像機輸入的彩色圖像大多數(shù)是以RGB位圖格式存儲的。由于RGB模型三原色空間中兩點間的歐氏距離與顏色距離不成線性比例,很難進(jìn)行彩色圖像顏色分割處理。而HSV模型不大容易受明暗影響,類似于人眼視察彩色的方式,能較好反映人對色彩的感知和鑒別能力。在HSV顏色空間上進(jìn)行距離和相似度計算,可以實現(xiàn)車牌圖像的顏色分割。因此,為了對彩色車牌照進(jìn)行彩色分割,筆者將彩色像素點從RGB空間轉(zhuǎn)換到HSV顏色空間。對實際中收集的樣本車牌的顏色值進(jìn)行統(tǒng)計,通過在HSV空間中設(shè)定各種車牌顏色的閾值范圍來判斷像素的顏色。為了適應(yīng)車牌褪色、光線、灰塵等各種不良因素的影響,適當(dāng)放寬了各種顏色的閾值范圍。在HSV顏色空間中分別對藍(lán)色、白色、黃色、黑色、紅色進(jìn)行判別。之所以對紅色點也進(jìn)行判別,是因為在白底黑字的車牌中會出現(xiàn)紅色字符,不能忽略,二值化時將它作白色像素點處理。在判別條件中,黑色和藍(lán)色的取值范圍要有重合的部分,這是因為在光線較暗的條件下,藍(lán)色和黑色的亮度分量比較接近;白色和藍(lán)色的取值范圍要有重合的部分,這是因為在光線較亮的條件下,藍(lán)色和白色的亮度分量比較接近。

四、基于車牌色彩變化特征的車牌定位方法

對于通常的基于顏色的車牌定位方法,當(dāng)車體顏色與車牌底色相近時,車牌定位較為困難?，F(xiàn)以藍(lán)色小轎車車牌圖片為例,采用基于車牌色彩變化特征的車牌定位算法實現(xiàn)車牌的準(zhǔn)確定位。

1.將車輛RGB彩色圖像根據(jù)轉(zhuǎn)換公式轉(zhuǎn)換為HSV彩色圖像。

2.根據(jù)像素點顏色將HSV彩色圖像進(jìn)行二值化,得到藍(lán)色、白色像素區(qū)域。如果一個像素點滿足藍(lán)色條件,則作為藍(lán)色像素點,將圖像中的藍(lán)色像素點設(shè)為前景白色,其余區(qū)域設(shè)為背景黑色,得到藍(lán)色像素區(qū)域。如果一個像素點滿足白色條件,則作為白色像素點,將圖像中的白色像素點設(shè)為前景白色,其余區(qū)域設(shè)為背景黑色,得到白色像素區(qū)域。原始圖片經(jīng)處理后得到的藍(lán)色像素區(qū)域,白色像素區(qū)域。

3.將RGB彩色圖像灰度化,進(jìn)行邊緣檢測并二值化,得到二值化邊緣圖。將車輛原始RGB彩色圖像灰度化,得到灰度化圖像。對灰度圖像用Sobel算子進(jìn)行邊緣檢測。由于只對字符的垂直方向邊緣感興趣,只使用垂直卷積核來檢測,得到圖像邊緣輪廓。經(jīng)過Sobel垂直算子檢測之后只剩下需要定位的牌照區(qū)域和汽車的一些邊框、其他景物的邊緣。進(jìn)一步提高圖像邊緣輪廓的對比度并二值化圖像,提取圖像邊緣點,對圖像邊緣點作膨脹處理。經(jīng)處理后得到的邊緣點膨脹圖。

4.確定圖像藍(lán)白色邊緣點。用得到的藍(lán)色像素區(qū)域同邊緣點膨脹圖相與,提取圖像藍(lán)色邊緣點,用得到的白色像素區(qū)域同邊緣點膨脹圖相與,提取圖像白色邊緣點。判別藍(lán)色邊緣點左右是否存在有白色邊緣點,如有則為圖像藍(lán)白色邊緣點,設(shè)為前景白色;如無則設(shè)為背景黑色;得到圖像藍(lán)白色邊緣點圖。經(jīng)處理后得到的藍(lán)色邊緣點圖;白色邊緣點圖示;藍(lán)白色邊緣點圖。

5.進(jìn)行紋理分析,確定車牌區(qū)域。對得到的藍(lán)白邊緣點圖采用紋理分析方法分析處理,獲得車牌的準(zhǔn)確位置,實現(xiàn)車牌的準(zhǔn)確定位。從藍(lán)白色邊緣點圖中的紋理分析圖可以看出,整個圖片中的干擾紋理大部分被去掉,剩下的車牌紋理非常明顯,定位切割非常方便。

當(dāng)車牌圖片干擾較大時(特別是汽車散熱欄干擾或有文字圖案干擾時),紋理特征法識別較困難的圖片,用本定位算法識別非常簡單容易。經(jīng)過大量的實踐證明,本定位方法定位快速準(zhǔn)確。

五、結(jié)束語

這種采用基于車牌色彩變化特征的車牌定位算法,既充分利用了車牌的顏色變化特征,又充分利用了車牌的紋理特征,解決了光線強弱、圖像明暗對車牌定位的影響,方法簡單實用,定位快速準(zhǔn)確。實驗結(jié)果表明,采用本文的方法能夠較好地利用多種特征快速、準(zhǔn)確地定位車牌,應(yīng)用范圍廣、適應(yīng)性強,具有一定的實時性。

參考文獻(xiàn)

[1]賈小軍,喻擎蒼,譚召均.紋理譜描述子及其在車牌定位中的應(yīng)用[J].計算機應(yīng)用研究。2007,24(3):215—217.

[2]CHANG S L,CHEN L S,CHUNG Y H,et,al.Automatic license plate recognition[J].IEEE Trans on ITS,2004,5(1):42—53.

[3]SONG Huan-sheng。WANG Guo-qiang.The high performancecar license plate recognition system and its co∞techniques[C]//Proc of IEEE International Conference on Vehiculor Electronics and Safety.2005:42-45.

[4]王枚,房培玉,王國宏.彩色圖像特征融舍規(guī)則及其在車牌定位中的應(yīng)用[J].計算機應(yīng)用研究,2008,25(1):288-289,312.

[5]邦捷,施鵬飛.基于顏色和紋理分析的車牌分析的車牌定位方法[J].中國圖象圖形學(xué)報。2002,7(5):472-476.

[6]郭大波,陳禮民,盧朝陽,等.基于車牌底色識別的車牌定位方法[J].計算機工程與設(shè)計,2003,24(5):81-87.

[7]張引,潘云鶴.彩色汽車圖像牌照定位新方法[J].中國圖象圖形學(xué)報,2001,6(4):374-377.