陳 玲，李熙瑩，盧 林

(1.中山大學(xué)物理科學(xué)與工程技術(shù)學(xué)院，廣東 廣州 510275; 2.中山大學(xué)工學(xué)院，廣東 廣州 510275;3.廣東省智能交通系統(tǒng)重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510275; 4.視頻圖像智能分析與應(yīng)用技術(shù)公安部重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510275)

0 引 言

隨著智能交通行業(yè)的快速發(fā)展，開(kāi)發(fā)各種自動(dòng)化卡口系統(tǒng)成為迫切需要，車牌自動(dòng)識(shí)別系統(tǒng)作為智能卡口系統(tǒng)的一個(gè)重要組成部分，成為當(dāng)前研究的熱點(diǎn)之一。車牌自動(dòng)識(shí)別系統(tǒng)依次由定位模塊、校正模塊、分割模塊和識(shí)別模塊構(gòu)成。定位模塊在整個(gè)圖像區(qū)域內(nèi)實(shí)現(xiàn)車牌區(qū)域的定位;校正模塊主要實(shí)現(xiàn)車牌區(qū)域的傾斜校正和灰度校正;分割模塊將車牌區(qū)域的單個(gè)字符分割出來(lái);識(shí)別模塊實(shí)現(xiàn)車牌的顏色識(shí)別和字符識(shí)別。車牌傾斜校正是校正模塊的一個(gè)關(guān)鍵技術(shù)。

由于攝像機(jī)與車牌平面存在一定角度，所以拍攝得到的圖像上車牌區(qū)域相對(duì)于原來(lái)車牌平面存在一個(gè)3D 旋轉(zhuǎn)角，近似地將這個(gè)3D 旋轉(zhuǎn)分解為水平旋轉(zhuǎn)傾斜和豎直錯(cuò)切傾斜。然后，分別對(duì)水平旋轉(zhuǎn)傾斜和豎直錯(cuò)切進(jìn)行校正。

目前已經(jīng)研究出的水平校正方法主要分為3 類:

(1)直線檢測(cè)法。檢測(cè)出通過(guò)車牌區(qū)域內(nèi)最多點(diǎn)的一條直線，根據(jù)這條直線的傾斜角校正水平旋轉(zhuǎn)傾斜。主要算法有:Hough 變換法和旋轉(zhuǎn)投影法。Hough 變換法，如文獻(xiàn)［1-4］，這種方法對(duì)于車牌存在邊框時(shí)檢測(cè)效果較好，但是在不存在邊框或者噪聲影響嚴(yán)重的情況下，校正效果不理想。主要由于Hough變換本身存在缺陷:首先，旋轉(zhuǎn)角度取的是一系列離散值，其精度受累加器步長(zhǎng)的限制，步長(zhǎng)取很小時(shí)，又會(huì)限制計(jì)算速度;其次，存在峰值擴(kuò)散效應(yīng)，對(duì)累加器進(jìn)行投票時(shí)可能會(huì)投票到峰值附近的點(diǎn);第三，容易產(chǎn)生局部極大值。旋轉(zhuǎn)投影法，如文獻(xiàn)［5-8］采用的Radon 變換就是一種旋轉(zhuǎn)投影變換。對(duì)二值化或是邊緣檢測(cè)后的圖像進(jìn)行旋轉(zhuǎn)投影變換，尋找變換后的極值點(diǎn)對(duì)應(yīng)角度作為傾斜角。這種方法存在和Hough 變換同樣的缺點(diǎn)。圖像中的噪聲點(diǎn)對(duì)于這兩種方法有直接影響。文獻(xiàn)［6］提出采用形態(tài)學(xué)邊緣能夠更好地抑制噪聲且檢測(cè)出穩(wěn)定的邊緣信息，校正效果更理想。文獻(xiàn)［3］提出了Hough 變換和Radon變換結(jié)合的方法，應(yīng)用Hough 變換檢測(cè)水平傾斜角，然后運(yùn)用Radon 變換檢測(cè)豎直錯(cuò)切角。

(2)特征直線法。文獻(xiàn)［9-17］提出了利用特征直線對(duì)車牌傾斜進(jìn)行校正。文獻(xiàn)［10］對(duì)車牌圖像的Sobel 豎直邊緣運(yùn)用K-L 變換理論尋找一條特征直線，使車牌豎直邊緣點(diǎn)到特征直線的距離的平方和最小，直線的傾斜角就是車牌的水平傾斜角，其實(shí)質(zhì)就是按照?qǐng)D像點(diǎn)到直線距離平方和最小原則將圖像區(qū)域的點(diǎn)擬合成一條直線。文獻(xiàn)［11］根據(jù)圖像幾何矩理論，將圖像本原坐標(biāo)系的x 軸作為特征直線，利用坐標(biāo)軸旋轉(zhuǎn)角校正水平傾斜，與文獻(xiàn)［10］計(jì)算出的水平傾斜角相同，只是建立在不同的理論基礎(chǔ)上而已。文獻(xiàn)［13］提出采用小波變換提取邊緣，運(yùn)用主成分分析法尋找一條特征直線。文獻(xiàn)［15］采用KMeans 聚類的方法將圖像像素分為兩類，然后擬合出一條直線，利用直線斜率進(jìn)行傾斜校正。文獻(xiàn)［17］采用SOM 神經(jīng)網(wǎng)絡(luò)將圖像像素分為兩類，然后擬合出一條直線，利用直線斜率進(jìn)行傾斜校正。這些直線也可稱為特征直線，也可以歸于特征直線法。文獻(xiàn)［16］采用加權(quán)最小二乘法將圖像區(qū)域擬合成一條直線，采用直線傾斜角校正水平傾斜。簡(jiǎn)而言之，特征直線法就是將圖像區(qū)域內(nèi)全部點(diǎn)或采用特殊分類法得到的部分點(diǎn)擬合一條直線，利用直線傾斜角校正圖像傾斜。

(3)方向圖像法。文獻(xiàn)［18-19］提出了一種基于方向場(chǎng)傾斜校正方法，求出圖像中每一點(diǎn)的方向，統(tǒng)計(jì)得到方向直方圖，找出分布最多的角度，求出車牌傾斜角。

目前的豎直校正的方法主要有兩種:(1)直線擬合法。擬合出平行四邊形錯(cuò)切邊直線方程，根據(jù)直線傾斜角校正錯(cuò)切，文獻(xiàn)［11-12］提出采用相關(guān)系數(shù)校正法和最小二乘法擬合直線。(2)旋轉(zhuǎn)投影法，文獻(xiàn)［3］提出一種旋轉(zhuǎn)投影的尋找錯(cuò)切角的方法。

本文針對(duì)直線投影法的缺點(diǎn)提出兩種改進(jìn)算法;根據(jù)特征直線原理討論特征直線法的校正誤差;推導(dǎo)一種有效計(jì)算方向圖像的方法，使方向圖像法魯棒性更強(qiáng)。通過(guò)實(shí)驗(yàn)研究對(duì)比各種改進(jìn)方法的校正效果;對(duì)于豎直傾斜，設(shè)計(jì)實(shí)驗(yàn)比較現(xiàn)有方法的校正效果。

1 水平旋轉(zhuǎn)校正算法及改進(jìn)

由于攝像頭安裝位置和鏡頭光軸方向的影響，投影在圖像平面的圖像是投影變換圖像，車牌區(qū)域經(jīng)過(guò)投影變換后近似為存在旋轉(zhuǎn)的平行四邊形，如圖1所示。對(duì)于這樣的變形分步驟進(jìn)行校正，首先進(jìn)行水平旋轉(zhuǎn)校正，檢測(cè)出水平旋轉(zhuǎn)角度，通過(guò)旋轉(zhuǎn)圖像進(jìn)行校正;對(duì)于豎直方向的錯(cuò)切形變，檢測(cè)出錯(cuò)切角，運(yùn)用仿射變換進(jìn)行錯(cuò)切校正。

目前水平旋轉(zhuǎn)校正方法主要有3 類:直線檢測(cè)法、特征直線法、方向圖像法。

圖1 車牌傾斜校正流程

1.1 直線檢測(cè)法

直線檢測(cè)的主要算法有Hough 變換和Radon 變換。首先對(duì)圖像進(jìn)行預(yù)處理，得到二值圖或邊緣圖像，然后進(jìn)行極值檢測(cè)，利用極值所對(duì)應(yīng)的角度計(jì)算傾斜角。實(shí)驗(yàn)部分結(jié)果可以看出邊緣圖的結(jié)果優(yōu)于二值圖，這主要是由于二值圖引入的噪聲較多。

Hough 變換本身存在偽極值、精度和峰值擴(kuò)散3個(gè)缺點(diǎn)，使直接采用Hough 變換校正水平傾斜的效果不理想。Radon 變換檢測(cè)法比較符合直觀理解，但是和Hough 變換相似，同樣也存在偽極值、精度和峰值擴(kuò)散問(wèn)題。

(1)偽極值。

Hough 變換中圖像空間一條直線映射到參數(shù)空間為一個(gè)點(diǎn)，圖像空間一個(gè)點(diǎn)映射到參數(shù)空間為一條正弦曲線，Hough 變換就是統(tǒng)計(jì)參數(shù)空間中的一個(gè)點(diǎn)有多少條正弦曲線相交，Hough 變換存在局部極值，使用極值抑制搜索算法可能得到一個(gè)偽極值。Radon變換同樣也可能因?yàn)闃O值搜索而出現(xiàn)偽極值。

(2)累計(jì)步長(zhǎng)影響計(jì)算精度和速度。

為了精確檢測(cè)傾斜角度，累計(jì)步長(zhǎng)不應(yīng)該太大，但是過(guò)小的步長(zhǎng)值又會(huì)大大降低計(jì)算速度。這是Hough 變換和Radon 變換的共同問(wèn)題。

(3)峰值擴(kuò)散效應(yīng)影響。

峰值擴(kuò)散效應(yīng)是Hough 變換的一個(gè)普遍問(wèn)題，一條直線上的點(diǎn)可能投影到參數(shù)空間相鄰的幾個(gè)點(diǎn)內(nèi)，這就是峰值擴(kuò)散效應(yīng)。Radon 變換投影時(shí)也可能因?yàn)橥队暗阶儞Q域相鄰的點(diǎn)而產(chǎn)生峰值擴(kuò)散。

通過(guò)以上誤差原因分析，提出兩種分別針對(duì)Hough 變換和Radon 變換的改進(jìn)算法。

(1)Hough 變換法改進(jìn)。

①對(duì)預(yù)處理后圖片選取參數(shù)空間累計(jì)角度步長(zhǎng)Δθ 和長(zhǎng)度步長(zhǎng)Δρ進(jìn)行Hough 變換，得到變換結(jié)果H，H的同一列具有相同角度參數(shù)，范圍是［-90°，90°)，0°表示豎直方向，-90°表示水平方向。

②設(shè)定閾值T，將H中小于T(例如，選取H中最大值乘以0.6)的元素置為零。

③對(duì)②中得到矩陣的列進(jìn)行累計(jì)求和，得到角度參數(shù)的頻數(shù)分布h。

④車牌水平傾斜角在［-45°，45°］內(nèi)，所以，分別統(tǒng)計(jì)(-90°，-45°］和［45°，90°)內(nèi)的頻數(shù)總和S1、S2。

⑤如果S1＞S2，則尋找h中(-90°，-45°］內(nèi)最大值對(duì)應(yīng)的角度θ0計(jì)算傾斜角，如果S1＜S2，尋找h中［45°，90°)內(nèi)最大值對(duì)應(yīng)的角度θ0計(jì)算傾斜角。如果S1=S2，采用θ0=90°計(jì)算傾斜角(此時(shí)傾斜角為0°)，選出角度θ0的區(qū)間稱為角度選取區(qū)間。

⑥精度校正:由于Hough 變換累計(jì)步長(zhǎng)影響校正精度，所以必須進(jìn)行精度校正。⑤中得到的角度θ0和相應(yīng)的選取區(qū)間((-90°，-45°］或［45°，90°))，計(jì)算h 在選取區(qū)間中θ0左右兩邊累計(jì)值s1、s2，采用式(1)計(jì)算校正值。

其中，s1＞s2取“-”，否則為“+”。

(2)Radon 變換法改進(jìn)。

①由于車牌水平傾斜角在［-45°，45°］范圍內(nèi)，Radon 變換90°表示水平投影，Radon 變換角度?。?5°，135°］，步長(zhǎng)取Δφ，對(duì)預(yù)處理后車牌圖像進(jìn)行Radon 變換得到變換結(jié)果R。

②設(shè)定閾值T，將R中小于T(如選取R中最大值乘以0.8)的元素置為零。

③對(duì)②中得到矩陣按列進(jìn)行累計(jì)求和得到角度參數(shù)的頻數(shù)分布r。

④找出r中的最大值對(duì)應(yīng)的角度φ，統(tǒng)計(jì)r 在φ左右偏移3°范圍內(nèi)的總和s1、s2，同樣按Hough 變換精度校正方法，計(jì)算φ的校正值。

1.2 特征直線法(本原坐標(biāo)軸法)

參與計(jì)算特征直線的圖像像素點(diǎn)可以是經(jīng)過(guò)分類法提取的部分像素點(diǎn)，也可以是圖像區(qū)域內(nèi)全部像素點(diǎn)，下面介紹的是未經(jīng)過(guò)分類處理的特征直線法。

(1)原理。

I (i， j) 表示圖像像素灰度值，由(4)式推出:

μ11、μ20、μ02為坐標(biāo)旋轉(zhuǎn)前圖像的中心矩。

(2)誤差分析。

特征直線法在錯(cuò)切角不是很大時(shí)效果很好，但錯(cuò)切角很大時(shí)，檢測(cè)結(jié)果存在偏差。水平矩形的特征直線傾斜角α=0，此時(shí)矩形特征直線為一條過(guò)矩形中心的水平直線，與平行四邊形寬邊平行。當(dāng)矩形發(fā)生旋轉(zhuǎn)傾斜以后，計(jì)算特征直線傾斜角，這個(gè)傾斜角就是旋轉(zhuǎn)角，將特征直線旋轉(zhuǎn)至水平可以校正傾斜。當(dāng)矩形發(fā)生錯(cuò)切變成平行四邊形(寬沿水平方向)，此時(shí)特征直線傾斜角不等于0，即特征直線不與寬邊平行。平行四邊形發(fā)生旋轉(zhuǎn)傾斜時(shí)，將特征直線旋轉(zhuǎn)至水平，并不能使平行四邊形的寬處于水平方向，所以不能校正傾斜，如圖2所示。

圖2 存在錯(cuò)切的校正結(jié)果

如圖3所示，x0為圖像坐標(biāo)系x 軸方向，x1為平行四邊形寬的方向，L為特征直線。平行四邊形的特征直線偏向較長(zhǎng)對(duì)角線，特征直線法計(jì)算得到的傾斜角為α0(由x0軸正方向逆時(shí)針旋轉(zhuǎn)得到時(shí)為正)，但是可以看出準(zhǔn)確旋轉(zhuǎn)角應(yīng)為α，此時(shí)校正誤差為α1(α1為銳角且由x1軸正方向逆時(shí)針旋轉(zhuǎn)得到時(shí)為正，圖3中為負(fù))，α1為平行四邊形水平時(shí)候特征直線的傾斜角。因此圖3中會(huì)發(fā)生校正不足情況，而圖2 則是校正過(guò)度。

圖3 特征直線水平校正

圖4 顯示了采用不同錯(cuò)切角對(duì)水平矩形進(jìn)行錯(cuò)切變換后得到的平行四邊形特征直線傾斜角的變化，此時(shí)特征直線的傾斜角就是采用這種方法校正水平傾斜的誤差。

對(duì)相同錯(cuò)切角，寬高比增大(寬指平行四邊形較長(zhǎng)邊)，特征直線傾斜角絕對(duì)值變小，校正誤差變小。對(duì)于固定寬高比，隨著錯(cuò)切角的增加，傾斜角先增大后減小，錯(cuò)切方向影響傾斜角正負(fù)。

圖4 不同錯(cuò)切角對(duì)應(yīng)特征直線傾斜角

1.3 方向圖像法

計(jì)算圖像中各點(diǎn)的延伸方向，得到的方向矩陣可以表示成一幅圖像，稱為方向圖像。對(duì)方向圖進(jìn)行統(tǒng)計(jì)，占比例最大的方向即為圖像傾斜方向。根據(jù)式(6)計(jì)算圖像中像素的方向角(此時(shí)定義為邊緣切線與水平方向夾角)。

其中Ix、Iy是分別采用式(7)中的梯度模板Tx和Ty計(jì)算出的梯度圖像。

圖5 矩形的方向圖像

如圖5所示為逆時(shí)針旋轉(zhuǎn)30°后的矩形a的方向圖，直接按式(6)計(jì)算方向時(shí)兩條寬的邊緣的梯度方向?yàn)?0°(b中較亮的①和②兩條直線)，其垂直方向的梯度為-60°(b中較暗的③和④兩條直線)。但是，傾斜校正時(shí)，①和②偏離水平方向的角度和③和④偏離豎直方向的角度是相同的，如果互相垂直的兩個(gè)方向計(jì)算結(jié)果相同，統(tǒng)計(jì)結(jié)果魯棒性會(huì)更強(qiáng)。利用式(8)計(jì)算方向圖像，得到的①、②、③、④四條邊緣的方向角都是30°。旋轉(zhuǎn)-30°(順時(shí)針旋轉(zhuǎn)30°)就能將矩形校正回來(lái)。

除了式(8)計(jì)算方向能使關(guān)系如①、②、③、④的四條邊緣得到相同的計(jì)算結(jié)果以外，還有其他計(jì)算方法，通常這些計(jì)算方法都是利用反三角函數(shù)計(jì)算的。以下給出其他計(jì)算式的推導(dǎo)方法。首先水平傾斜由(-90°，90°)之間的角度表示。所以三角函數(shù)一個(gè)周期應(yīng)該在(-90°，90°)內(nèi)，且關(guān)于原點(diǎn)中心對(duì)稱，滿足條件的三角函數(shù)只有正弦函數(shù)sin kα 和正切函數(shù)tan kα(為方便推導(dǎo)與tan α的關(guān)系，取k∈?N+)。如果α 表示銳角，β=α -90°表示其垂直方向傾斜角，可以看出β∈ (-90°，0°) 。滿足式(9)的正弦函數(shù)sin kα 和正切函數(shù)tan kα 即可作為方向計(jì)算式。

其中m、n都是整數(shù)，T 和T'分別為sin kα 和tan kα的周期:

結(jié)合式(9)和式(10)可以得到:

滿足條件的三角函數(shù)是:

式(8)就是用tan 2α 和tan α的關(guān)系推導(dǎo)出來(lái)的，式(13)是利用sin 4α 得到的方向角計(jì)算式。

式(8)取值范圍是［-45°，45°］，式(13)的取值范圍是［-22.5°，22.5°］，都只能校正取值范圍內(nèi)的傾斜。利用式(8)計(jì)算時(shí)，如果傾斜角超出取值范圍，則會(huì)被認(rèn)為校正豎直傾斜，如圖6所示，a1是水平傾斜30°的矩形，b1是利用式(8)計(jì)算得到的方向圖像，邊緣方向都是30°(逆時(shí)針偏離水平方向30°)，c1是校正結(jié)果。a2是水平傾斜60°的矩形，b2是它的方向圖像，邊緣方向都是-30°(順時(shí)針偏離豎直方向30°)，c2是校正結(jié)果。式(13)只能校正［-22.5° ，22.5°］范圍內(nèi)的水平傾斜，圖7是利用式(13)計(jì)算方向圖像并校正20°傾斜的結(jié)果。

圖6 tan 2α方向圖像法傾斜校正

圖7 sin 4α方向圖像法傾斜校正

由于反正弦的定義域必須在［-1，1］之間，但是利用梯度求出的值不一定在這個(gè)范圍內(nèi)，所以反正弦的結(jié)果可能出現(xiàn)復(fù)數(shù)，此時(shí)，只能取它的實(shí)部進(jìn)行計(jì)算。而tan 2α 則不受限制，所以一般方向圖像法使用tan 2α 變換法進(jìn)行校正。方向圖像法思想雖然比較直觀，但是受噪聲影響嚴(yán)重，噪聲過(guò)多則影響最后統(tǒng)計(jì)結(jié)果，從而影響校正結(jié)果。

為了減小誤差。分別對(duì)計(jì)算式的分子和分母在像素的鄰域模板內(nèi)求和，計(jì)算得到的值就是中心像素點(diǎn)的方向值。圖8 顯示的是常利用的5×5方形模板和7×7圓形模板。

圖8 5×5方形模板和7×7圓形模板

2 豎直錯(cuò)切校正

校正豎直錯(cuò)切的方法主要有錯(cuò)切邊直線擬合法和基于預(yù)分割的旋轉(zhuǎn)投影法。

2.1 直線擬合法

擬合出車牌邊界所在直線，就可以根據(jù)直線斜率求出錯(cuò)切角，然后進(jìn)行校正。

圖9 錯(cuò)切校正

如圖9所示，首先，統(tǒng)計(jì)車牌圖像目標(biāo)區(qū)域每一行最靠左的點(diǎn)坐標(biāo) (xi，yi)，組成一組點(diǎn)(p1，p2，…，pn)。其次，去除噪聲過(guò)大的點(diǎn)。搜索得到的邊界點(diǎn)中存在嚴(yán)重偏離車牌邊框的誤差點(diǎn)，這些誤差點(diǎn)嚴(yán)重影響擬合結(jié)果，所以要去除這些噪聲點(diǎn)的影響。誤差點(diǎn)定義為不滿足式(15)的點(diǎn)，即點(diǎn)的x坐標(biāo)與坐標(biāo)均值mx絕對(duì)差值超過(guò)標(biāo)準(zhǔn)差Sx的點(diǎn)，認(rèn)為是應(yīng)該去除的誤差點(diǎn)。最后，將符合要求的邊界點(diǎn)擬合直線得到直線傾斜角，計(jì)算圖像錯(cuò)切角進(jìn)行錯(cuò)切校正。

直線擬合法校正豎直錯(cuò)切雖然容易理解，但是應(yīng)用于實(shí)際時(shí)誤差相當(dāng)大。原因主要有3 點(diǎn)，(1)一般車牌的左右邊界不一定切割出來(lái)，這樣提取的邊界點(diǎn)就不準(zhǔn)確，擬合出的直線誤差很大。用于豎直校正效果不理想。(2)這種方法受圖像中噪聲點(diǎn)影響很大，擬合結(jié)果魯棒性不強(qiáng)。(3)車牌圖像尺寸一般不是很大，能夠用于擬合直線的數(shù)據(jù)點(diǎn)很少，擬合結(jié)果穩(wěn)定性較差。

2.2 旋轉(zhuǎn)投影法

采用結(jié)合Radon 變換的旋轉(zhuǎn)投影方法能提供更穩(wěn)定的校正方法。如圖10 對(duì)車牌二值化圖像進(jìn)行Radon 變換，變換以后投影區(qū)域內(nèi)值為零數(shù)目最多的角度即為錯(cuò)切角(圖像坐標(biāo)系中沿-x方向錯(cuò)切時(shí)，錯(cuò)切角為負(fù)，反之為正)。這種方法是基于字符預(yù)分割提出的，校正結(jié)果更有利于后面的字符分割。車牌豎直錯(cuò)切角一般在［-15°，15°］，所以Radon 變換角度范圍可以選?。?15°，15°］。

圖10 Radon 投影校正

3 實(shí)驗(yàn)分析

3.1 水平校正

采用一套(220 張)由卡口系統(tǒng)實(shí)際拍攝得到，經(jīng)過(guò)車牌識(shí)別系統(tǒng)定位與切割得到的車牌圖像進(jìn)行水平傾斜校正測(cè)試。首先采用頂帽變換對(duì)圖像進(jìn)行預(yù)處理，去除光照不均影響，然后利用頂帽變換后灰度圖得到二值圖和邊緣圖作為測(cè)試圖片。將測(cè)試結(jié)果分為正確、未校正、錯(cuò)誤3個(gè)級(jí)別。正確表示校正基本正確;未校正表示校正前后基本沒(méi)有變化;錯(cuò)誤為明顯校正錯(cuò)誤。測(cè)試采用數(shù)值觀察+圖像觀察的方法。數(shù)值觀察:觀察傾斜角是否明顯偏離根據(jù)攝像機(jī)位置事先得出的估算角(測(cè)試車牌約為3°);圖像觀察:人眼直接觀察圖像校正結(jié)果，判斷測(cè)試結(jié)果類別。

表1 水平校正測(cè)試結(jié)果

由表1中數(shù)據(jù)可以看出，Radon 變換法應(yīng)用邊緣圖像要比應(yīng)用二值圖要好;原始Hough 變換正確校正率不是很高，改進(jìn)后的Hough 變換校正效果較好;特征直線法結(jié)合Sobel 豎直邊緣圖能得到很好結(jié)果，并且計(jì)算速度較快，但是觀察可知，特征直線法對(duì)于測(cè)試的這套車牌都存在校正不足的缺點(diǎn)，誤差原因已在前面分析。根據(jù)車牌圖像寬高比約3:1，估計(jì)錯(cuò)切角約2°，估計(jì)此時(shí)校正誤差約為0.2°，所以實(shí)驗(yàn)12中采用0.2°誤差進(jìn)行誤差校正，部分改善校正結(jié)果;方向圖像法校正效果也較好，但是平均處理時(shí)間較長(zhǎng)，實(shí)驗(yàn)中車牌圖像平均尺寸為120×45，使用7×7圓形模板效果較好。綜合正確率和速度進(jìn)行考慮，方法5、7、12 明顯優(yōu)于其他方法，方法12中需要事先估計(jì)誤差校正角，對(duì)于攝像機(jī)固定的系統(tǒng)才有效。同時(shí)實(shí)驗(yàn)數(shù)據(jù)可以看出各種改進(jìn)算法都在一定程度上改進(jìn)了校正結(jié)果。

3.2 豎直校正

對(duì)于豎直校正，由于實(shí)際拍攝得到的車牌錯(cuò)切角都較小，測(cè)試實(shí)驗(yàn)選用平拍得到的水平車牌圖像進(jìn)行人工錯(cuò)切變換。測(cè)試集選取了13 張實(shí)際拍攝的水平車牌圖像，每一張圖像在［-10°，-10°］內(nèi)每隔2°進(jìn)行一次錯(cuò)切變換，得到130 張測(cè)試圖片，尺寸平均約為80×240。對(duì)這130 張測(cè)試圖片進(jìn)行錯(cuò)切校正。錯(cuò)切校正之前首先對(duì)車牌字符區(qū)域的上下邊界進(jìn)行精細(xì)定位，然后計(jì)算找出錯(cuò)切角，應(yīng)用雙線性插值法進(jìn)行錯(cuò)切校正，如圖11所示。表2 給出了130 張圖片的測(cè)試結(jié)果。由實(shí)驗(yàn)數(shù)據(jù)可以看出旋轉(zhuǎn)投影方法遠(yuǎn)優(yōu)于直線擬合法。

圖11 豎直錯(cuò)切校正

表2 豎直校正測(cè)試結(jié)果

4 結(jié)束語(yǔ)

本文對(duì)常用的幾種水平傾斜校正方法進(jìn)行對(duì)比研究，并分析校正誤差存在的原因，針對(duì)各種算法的不足進(jìn)行改進(jìn)，實(shí)驗(yàn)結(jié)果也表明改進(jìn)方法取得了明顯效果。針對(duì)現(xiàn)有的豎直錯(cuò)切校正方法設(shè)計(jì)實(shí)驗(yàn)進(jìn)行比較，結(jié)果表明基于字符預(yù)分割理論的旋轉(zhuǎn)投影方法效果較理想。

［1］包明，路小波.基于Hough 變換的車牌傾斜檢測(cè)算法［J］.交通與計(jì)算機(jī)，2004，22(2):57-60.

［2］王良紅，王錦玲，梁延華.改進(jìn)的Hough 變換在校正汽車牌照傾斜中的應(yīng)用［J］.信息與電子工程，2004，2(1):45-48.

［3］楊立剛，張興會(huì)，李蘭友.車牌照字符傾斜校正方法的研究［J］.儀器儀表學(xué)報(bào)，2004，24(S4):696-697.

［4］Wen C Y，Yu C C，Hun Z D.A 3-D transformation to improve the legibility of license plate numbers［J］.Journal of Forensic Sciences，2002，47(3):578-585.

［5］葛海江，方江江，張翔.車牌識(shí)別系統(tǒng)中車牌定位及傾斜矯正算法研究［J］.杭州電子科技大學(xué)學(xué)報(bào)，2007，27(2):49-52.

［6］貢麗霞，白艷萍.Radon 變換在傾斜車牌圖像校正中的應(yīng)用［J］.測(cè)試技術(shù)學(xué)報(bào)，2009，23(5):452-456.

［7］貢麗霞.車牌識(shí)別系統(tǒng)中的牌照定位及傾斜校正技術(shù)研究［D］.太原:中北大學(xué)，2010.

［8］貢麗霞，白艷萍.基于Radon 變換和坎尼邊緣檢測(cè)的傾斜車牌校正方法研究［J］.太原師范學(xué)院學(xué)報(bào):自然科學(xué)版，2010，9(1):61-63.

［9］黃驥，吳一全.基于顏色對(duì)特征點(diǎn)主成分分析的車牌校正方法［J］.中國(guó)圖象圖形學(xué)報(bào)，2008，13(4):642-646.

［10］吳一全，丁堅(jiān).基于K-L 展開(kāi)式的車牌傾斜校正方法［J］.儀器儀表學(xué)報(bào)，2008，29(8):1690-1694.

［11］潘梅森，郭國(guó)強(qiáng).基于圖像矩的車牌號(hào)碼傾斜校正［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，19(8):1041-1045.

［12］Pan M S，Yan J B，Xiao Z H.An approach to tilt correction of vehicle license plate［C］// Proceedings of International Conference on Mechatronics and Automation，2007.2007:271-275.

［13］Paunwala C N，Patnaik S，Chaudhary M.An efficient skew detection of license plate images based on wavelet transform and principal component analysis［C］// Proceedings of the International Conference on Signal and Image Processing，2010.2010:17-22.

［14］Pan M S，Xiong Q，Yan J B.A new method for correcting vehicle license plate tilt［J］.International Journal of Automation and Computing，2009，6(2):210-216.

［15］HU Hao.An algorithm for vehicle license plate tilt correction based on line fitting method［C］// Proceedings of the International Conference on Information Engineering，2010.2010:162-166.

［16］Wang Y f，Xu P.Vehicle license plate tilt correction based on the weighted least square method［C］// Proceedings of the 2010 IEEE International Conference on Computer Science and Information Technology.2010:126-130.

［17］雷超陽(yáng)，劉軍華，李橋.基于SOM 神經(jīng)網(wǎng)絡(luò)聚類的車牌號(hào)碼傾斜校正算法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(14):3406-3408，3413.

［18］潘仁龍，馬曉娟，王林.基于方向場(chǎng)的車牌傾斜校正方法［J］.貴州科學(xué)，2011，29(2):85-88.

［19］Pan R L，Ma X J，Wang L.An efficient method for skew correction of license plate［C］// Proceedings of the 2nd International Workshop on Education Technology and Computer Science.2010:90-93.