羅 山

(攀枝花學院交通與汽車工程學院，四川 攀枝花 617000)

0 引言

車牌定位是車牌識別系統(tǒng)中至關重要的環(huán)節(jié)，車牌的準確定位直接決定著后續(xù)的識別效果。目前應用較多的車牌定位方法有數(shù)學形態(tài)學法[1]、區(qū)域標記法[2]、投影法[3]、多特征提取法[4]、遺傳算法[5]、神經(jīng)網(wǎng)絡算法[6]、變換法[7]和AdaBoost算法[8]等。這些方法各有優(yōu)缺點，適用于不同的場景。

針對單一定位方法存在的問題，結合數(shù)學形態(tài)學邊緣檢測具有抑制噪聲能力和便于區(qū)域提取的優(yōu)勢，在連通區(qū)域分析的基礎上，提出一種基于數(shù)學形態(tài)學與區(qū)域分析的車牌定位方法，其流程如圖1所示。

圖1 車牌定位流程

1 車牌圖像預處理

車牌圖像在采集過程中由于光照變化、車牌污損、背景復雜等因素導致質(zhì)量下降，這對定位的準確性有很大的不利影響，為改善圖像質(zhì)量，提高定位的準確率，需要對采集的車牌圖像進行預處理。圖像預處理主要包括灰度化、去噪、對比度增強等。圖2是在相對運動情況下采集的待定位車牌圖像，車牌圖像存在一定程度的模糊，對精確的定位有一定的干擾。經(jīng)預處理后的圖像如圖3所示，可見處理后噪聲明顯減少、對比度得到增強。

2 數(shù)學形態(tài)學處理

2.1 邊緣檢測

基于數(shù)學形態(tài)學的邊緣檢測抑制噪聲能力比基于微分算子強，提取的邊緣比較光滑連續(xù)，且運算簡單。數(shù)學形態(tài)學有膨脹、腐蝕、開啟和閉合四種基本運算。設A表示目標圖像，B表示結構元素，z表示平移量，則有以下定義：

2) 腐蝕運算：AΘB={z|(B)z?A}

3) 開啟運算：A°B=(AΘB)⊕B

4) 閉合運算：A·B=(A⊕B)ΘB

將基本的形態(tài)學運算進行組合，可構造出形態(tài)學邊緣檢測算子，常見的算子[9]有：

1)E=(A°B)⊕B-(A°B)·B

2)E=(A·B)°B-(A·B)ΘB

3)E=(A°B)⊕B-(A·B)ΘB

其中E為邊緣檢測圖像。本文采用抗噪膨脹腐蝕型算子3)對預處理后的車牌圖像進行邊緣檢測，這里選擇3×3的方形結構元素。得到的邊緣圖像如圖4所示。

圖2待定位車牌圖像
圖3預處理圖像
圖4邊緣圖像

2.2 生成連通區(qū)域

膨脹是將物體周圍的點合并到該物體中，能縮小或者填充比結構元素小的孔洞，它也可以連接斷開的物體，形成連通區(qū)域。腐蝕是消除物體的邊界，具有細化或者收縮物體作用，它還可以濾除小于結構元素的物體。閉運算具有填充比結構元素小的孔洞，彌合狹窄的間斷等作用。開運算具有平滑物體輪廓、消除小于結構元素的物體和細的突出物等作用。與腐蝕和膨脹運算相比，開運算與閉運算能更好地保持目標物體的大小。

結合各種運算的特點，經(jīng)過反復實驗，本文選用長度為3的垂直線形結構元素進行腐蝕運算，再對腐蝕后的圖像采用[25×25]的方形結構元素進行閉運算，經(jīng)形態(tài)學處理后，車牌圖像中每個白色連通區(qū)域即為車牌候選區(qū)域，如圖5所示。

2.3 去除小區(qū)域

由于車牌圖像背景復雜，車牌候選區(qū)域中存在許多不是車牌區(qū)域的孤立小區(qū)域，可將這些小于車牌區(qū)域面積的非車牌小區(qū)域去掉，以減少車牌候選區(qū)域數(shù)目，以減少運算量。在此，利用Matlab函數(shù)bwareaopen來去除小區(qū)域，其參數(shù)P的取值可根據(jù)車牌區(qū)域面積進行試驗確定。去除小區(qū)域后的結果如圖6所示。

3 連通區(qū)域分析

去除小區(qū)域后，減少了車牌候選區(qū)域，對剩下的候選區(qū)域進行分析，比較分析區(qū)域參數(shù)以去除偽車牌區(qū)域。求每一個候選區(qū)域的最小外接矩形的寬度和高度，利用車牌區(qū)域?qū)挾?、高度及寬高比在一定的范圍之?nèi)這一幾何特征，剔除不滿足條件的區(qū)域，從而找出真實的車牌區(qū)域。

基于區(qū)域分析提取車牌區(qū)域算法步驟為：1) 標記每個連通區(qū)域；2) 提取標記區(qū)域的屬性；3) 記錄每個標記區(qū)域的最小外接矩形的寬、高和坐標；4)利用車牌區(qū)域的寬高比為定值，結合車牌區(qū)域的高度，提取出車牌區(qū)域。

我國車牌區(qū)域?qū)挾扰c高度一般分別為440 mm與140 mm，寬高比約為3.14，考慮到車牌傾斜等情況，經(jīng)過反復實驗，取區(qū)域的寬高比閾值區(qū)間為[3,4]。對區(qū)域進行篩選，剔除寬高比不滿足此條件的區(qū)域。另外，考慮到寬高比雖然滿足此條件，但高度或?qū)挾炔坏扔趯嶋H的車牌高度或?qū)挾鹊膮^(qū)域的情況，因此還需剔除高度或?qū)挾炔粷M足實際車牌尺寸的區(qū)域，本文選取高度進行比較判定。經(jīng)過兩次篩選，則同時滿足寬高比和高度條件的區(qū)域即為真實的車牌區(qū)域。提取的車牌區(qū)域如圖7所示。

圖5 車牌候選區(qū)域圖6 去除小區(qū)域圖7 提取的車牌區(qū)域

4 實驗結果與分析

在Matlab平臺中對不同環(huán)境下的車牌圖像進行實驗仿真測試本文算法的有效性。圖8給出了精確定位的部分車牌圖像，圖8(a3)、(b3)、(c3)和(d3)分別是在霧天、夜晚、光照強烈和存在傾斜的情況下采集的車牌圖像的定位結果。可以看出，在幾種常見復雜環(huán)境下的車牌圖像的定位效果好，車牌切割完整準確，殘損很小。實驗結果表明本文算法能夠有效地實現(xiàn)車牌定位，準確率高，速度快。

圖8 提取的車牌

5 結束語

本文對傳統(tǒng)單一的車牌定位方法存在的不足進行研究，數(shù)學形態(tài)學方法具有較強的抗噪聲能力，但獲得的連通區(qū)域中存在很多偽車牌區(qū)域，為減少偽車牌區(qū)域?qū)_定位的干擾，通過去除小區(qū)域處理去除大部分偽車牌區(qū)域，通過區(qū)域分析得到反映車牌特征的區(qū)域參數(shù)，利用區(qū)域參數(shù)進行兩次篩選剔除寬高比和高度不滿足條件的區(qū)域，得到真實的車牌區(qū)域。實驗表明該方法克服了單一車牌定位方法存在的不足，能從背景較為復雜的車牌圖像中快速準確地提取出車牌，為后續(xù)的車牌字符分割與識別奠定了良好的基礎。