張建飛

摘 要 在深入研究了大部分常用的車牌字符分割算法的前提下，根據(jù)車牌區(qū)域圖像的特征，文章提出了一種綜合了連通區(qū)域法和先驗知識相結合的車牌字符分割算法，該算法經(jīng)過大量實驗證明了其在準確率方面的優(yōu)越性。

關鍵詞 車牌字符 快速分割 連通區(qū)域法

中圖分類號：TP391.41 文獻標識碼：A

0引言

汽車牌照識別（LPR）作為智能交通系統(tǒng)的一個重要組成部分，起著舉足輕重的作用，它在高速公路、城市交通和停車場等項目的管理中占有無可取代的重要地位。在不影響汽車狀態(tài)的情況下，由計算機自動完成車牌的識別，從而可降低交通管理工作復雜度。其中字符分割是車牌自動識別系統(tǒng)的一個重要的組成部分，通過車牌定位算法定位出來的車牌區(qū)域，是一個整體區(qū)域。后續(xù)的字符識別算法是對一個個的單獨字符的識別，因此需要通過字符分割算法，從完整的車牌中提取出單獨的字符。

1車牌字符分割

1.1車牌的特點及形態(tài)特征

我國現(xiàn)行的牌照主要有4種類型：藍底白字，黃底黑字，白底黑字或紅字，黑底白字。單排車牌共有7個字符和l個點符號。一般第1個字符是漢字（警車除外），且是各省、市、軍區(qū)的簡稱，如“魯”、“滬”、“鄂”、“濟”等;第2個字符是大寫英文字母，如“A”、“B”、“C”等;接著是一個點“·”;其余的字符可能是英文字母，也可能是阿拉伯數(shù)字。

1.2字符分割

字符分割是指將車牌區(qū)域分割成單個的字符區(qū)域。切分越準確，則后面識別效果越好。字符分割主要的工作是：首先對車牌定位提取的牌照圖像進行加工（稱作預處理），得到利于字符分割的二值化圖像;然后根據(jù)不同的分割方法進行字符切分;最后把切分好的圖像送交字符識別系統(tǒng)進行識別。

1.3算法原理

1.3.1 圖像預處理

（1）去邊框和鉚釘?shù)扔绊懽R別的因素

根據(jù)車牌的底色來去邊框和鉚釘?shù)扔绊憽Ｕ业讲噬嚺茀^(qū)域中底色最長的一條直線來去除上下邊框和鉚釘?shù)挠绊?，對于左右邊框的去處可以根?jù)底色所在的最邊上來去掉。

（2）圖像二值化

在對車牌圖像進行二值化分割之前，先對其進行中值濾波、對比度增強以提高分割效果。由于車牌字符區(qū)域占據(jù)同一個灰度級區(qū)域，采用運算速度較快的單閾值分割是比較合適的。在圖像分割技術中，最大類間閾值分割方法由Ostu于1979年提出，所以又稱為Ostu閾值分割方法，是一種經(jīng)典的全局閾值法。

1.3.2聚類連通域法

基于聚類分析的字符分割原理是按照屬于同一個字符的像素構成一個連通域的原則，再結合牌照字符的高度、間距的固定比例關系等先驗知識，來分割車牌圖像中的字符。聚類分析方法實質上就是基于連通性的字符分割方法。

本文采取的是一種基于聚類分析切分車牌字符的方法，按照屬于同一個字符的象素構成一個連通域的原則，再結合牌照字符的固定高度、間距的固定比例關系等先驗知識，較好地解決了汽車牌照在復雜背景條件下的字符切分問題，降低了對車牌定位準確度的要求。

這種方法中，首先假設車牌二值化后，背景象素為白色，用0表示，而字符象素為黑色，用1表示;圖象寬度為nWidth，高度為nHeight;類為包含單獨連通域的最小矩形區(qū)。

具體聚類分析方法如下：

（1）對車牌圖象采用差分直方圖法二值化;

（2）以Ll=nWidth/8為閾值對車牌圖象按行進行掃描，如果有線段的長度大于Ll就可認為是牌照的上下邊框;以為閾值對車牌圖象按列進行掃描，如果有線段的長度大于L2則認為是牌照的左右邊框。因此可除掉牌照邊框部分。

（3）對處理后的圖象從上到下按行逐象素掃描快速聚類，如兩象素間距離d<=，就可認為兩象素屬于一類，即屬于同一個字符。其中d為：

（4）比較聚類后的各類的高度。對高度小于nHeight/2的類，可認為是噪聲，因此可去掉。一般情況剩下的類為7個字符和左右邊框的殘余。

（5）如果找到的類的數(shù)目少于7個或某類的寬度大于其余類的寬度超過一定的閉值，則應為字符粘連問題。于是分析由第4步得到的類的寬度信息，找出寬度最大的類進行分裂處理。分裂方法可采用前面的水平投影法，在類的中間2-3個象素范圍內尋找局部極小點。重復步驟5，直到滿足條件。

（6）按各類的列起始位置從左到右排序。

（7）如果類數(shù)目等于7個，轉到步驟8。否則，分析一下排序后最壞的情況。

（8）如果某類的長寬度大于其余6個類超過設定的閾值N，則一般是鉚釘連接或噪音的緣故，此時應按其余類的高寬平均值修正。

由于光照或者背景噪聲等的影響 ， 連通區(qū)域法可能產(chǎn)生錯誤的字符區(qū)域 ，就需要根據(jù)前文所述的車牌先驗信息來刪除錯誤的區(qū)域 ，從而準確定位字符區(qū)域。

2實驗結果及分析

本文通過運用連通區(qū)域法和先驗知識相結合的車牌字符分割算法，對由停車場系統(tǒng)采集的近100幅車牌圖像進行了字符分割測試，分割正確率達到97%。實驗結果表明連通區(qū)域法和先驗知識相結合的車牌字符分割算法能很好地解決車牌字符圖像的粘連、斷裂等問題，下面給出幾個測試樣本的分割結果，如圖1。

圖1字符分割效果

由于部分車牌圖像質量較差，車牌分割出現(xiàn)錯誤。我們對引起錯誤的原因進行了分析.主要有以下兩個原因：

（l）車牌圖像是定位程序分割出來的，不是手工分割的.車牌定位的準確性對字符分割的影響很大，當有較多車身背景時，容易引起分割錯誤。

（2）當有很強噪聲的時候，單純采用去噪算法難以完全去噪，會造成一些分割錯誤。

參考文獻

[1] 陳寅鵬，丁曉青.復雜車輛圖像中的車牌定位與字符分割方法[J].紅外于激光工程2004，33（1）：29-33.