摘 要：汽車牌照識(shí)別主要包括圖像預(yù)處理、車牌定位、字符分割和字符識(shí)別四大模塊。本文對(duì)圖像預(yù)處理和車牌定位兩個(gè)模塊進(jìn)行了深入研究，并提出了相應(yīng)的改進(jìn)方法。本文提出了一種基于局部最優(yōu)化思想的圖像預(yù)處理方法。該方法是基于彩色圖像的預(yù)處理方法，同時(shí)基于局部最優(yōu)化的思想彌補(bǔ)了傳統(tǒng)方法的劣勢(shì)，能夠更好地解決光照不均問(wèn)題。車牌定位采用一種改進(jìn)的“掃描線法”，把顏色跳變視為特征點(diǎn)，算法根據(jù)車牌字符區(qū)域特征點(diǎn)密集的特點(diǎn)來(lái)定位車牌區(qū)域。

關(guān)鍵詞：車牌定位；彩色圖像；局部最優(yōu)化

中圖分類號(hào)：TP391.41

汽車牌照識(shí)別系統(tǒng)（License Plate Recognition System，簡(jiǎn)稱LPR）是智能交通系統(tǒng)的一個(gè)重要組成部分，能夠應(yīng)用于很多交通管理場(chǎng)合，如道路交通流監(jiān)控、交通事故現(xiàn)場(chǎng)勘查、高速公路自動(dòng)收費(fèi)系統(tǒng)等。汽車牌照識(shí)別系統(tǒng)主要包括四個(gè)部分，分別是：圖像采集、車牌定位、車牌字符分割、車牌字符識(shí)別[1]，其中車牌定位部分在整個(gè)系統(tǒng)中起著十分重要的作用。

目前，國(guó)內(nèi)外的專家和學(xué)者們對(duì)車牌定位做了很多研究，主要的定位技術(shù)包括：（1）基于紋理特征的車牌定位法[2]。該方法對(duì)光照不均勻、車牌傾斜等情況的魯棒性較強(qiáng)，但是對(duì)復(fù)雜背景的魯棒性較差。（2）基于神經(jīng)網(wǎng)絡(luò)的定位方法[3]。該方法在進(jìn)行定位前需要收集大量圖像樣本進(jìn)行訓(xùn)練，樣本的特點(diǎn)對(duì)最終定位結(jié)果影響很大。（3）基于數(shù)學(xué)形態(tài)學(xué)的定位方法。該算法的準(zhǔn)確性過(guò)于依賴于結(jié)構(gòu)元素大小，結(jié)構(gòu)元素過(guò)大或過(guò)小都會(huì)嚴(yán)重影響定位結(jié)果[4]。（4）基于顏色空間特征的車牌定位方法[5]。該方法利用車牌的底色和字體顏色不同的特征進(jìn)行車牌區(qū)域的定位，當(dāng)車身顏色和車牌顏色相同時(shí)，定位成功率低。

本文提出了一種基于顏色特征的改進(jìn)車牌定位方法，該方法利用車牌的顏色特征，綜合利用RGB顏色模型和HSV顏色模型的特點(diǎn)，利用一種局部最優(yōu)化思想，通過(guò)把圖像劃分為多個(gè)固定區(qū)域，把每個(gè)固定區(qū)域的顏色劃分為黃色、藍(lán)色、黑色、白色以及其他顏色，并通過(guò)一種改進(jìn)的行掃描方法，利用車牌區(qū)域的顏色跳變特征，得到車牌區(qū)域的準(zhǔn)確位置。實(shí)驗(yàn)表明，本方法能夠?qū)崿F(xiàn)高準(zhǔn)確率、高精確度的車牌定位。

1 圖像預(yù)處理

1.1 顏色模型選擇

常用的顏色模型有RGB、HSV、CMY、YIQ等[6]。為了實(shí)現(xiàn)對(duì)顏色的準(zhǔn)確分類，要求采用的顏色模型能夠滿足獨(dú)立性和均勻性[7]，HSV顏色模型在一定程度上能夠滿足獨(dú)立性和均勻性，RGB顏色模型易于區(qū)分白色和黑色，根據(jù)車牌顏色特征，本文不僅使用HSV顏色模型，而且使用RGB顏色模型，從而達(dá)到更好的顏色區(qū)分效果。

1.2 圖像顏色預(yù)處理

1.2.1 車牌顏色統(tǒng)計(jì)

顏色直方圖是對(duì)顏色信息的一種統(tǒng)計(jì)，能夠很好地反映區(qū)域的顏色信息，通過(guò)計(jì)算車牌區(qū)域的H，S，V顏色分量的直方圖，得到車牌區(qū)域的H，S，V分量值的范圍，利用H，S，V分量值的范圍能夠區(qū)分車牌區(qū)域和非車牌區(qū)域。

通過(guò)對(duì)大量不同條件的圖片進(jìn)行統(tǒng)計(jì)分析，確定出藍(lán)底白字車牌、黃底黑字車牌（沒(méi)有考慮紅色車牌）的H，S，V分量值的具體范圍。如表1所示。

1.2.2 改進(jìn)的顏色預(yù)處理方法

傳統(tǒng)顏色預(yù)處理方法是對(duì)圖像區(qū)域的每一個(gè)像素點(diǎn)使用表格1中的閾值進(jìn)行顏色判斷，根據(jù)閾值范圍把該像素點(diǎn)劃分為藍(lán)、黃、白、黑，或者灰色。即實(shí)現(xiàn)圖像的預(yù)處理。

本文提出的一種改進(jìn)的顏色預(yù)處理方法，通過(guò)定義滑動(dòng)窗口滑過(guò)整個(gè)圖像區(qū)域，對(duì)每個(gè)滑動(dòng)窗口內(nèi)的顏色進(jìn)行分類，從而達(dá)到更精確的分類效果，主要步驟如下：（1）計(jì)算出滑動(dòng)窗口內(nèi)所有像素點(diǎn)的H、S、V分量值的均值的標(biāo)準(zhǔn)差σ，若σ大于閾值thre表明矩形內(nèi)有兩種顏色，執(zhí)行步驟（2）；若σ小于閾值thre，表明矩形內(nèi)只有一種顏色，執(zhí)行步驟（3），通過(guò)實(shí)驗(yàn)，發(fā)現(xiàn)thre取0.1比較合適。（2）根據(jù)表1中定義的H分量的范圍，判斷當(dāng)前像素屬于黃色車牌還是屬于藍(lán)色車牌，如果當(dāng)前像素點(diǎn)屬于黃色車牌，則根據(jù)表1中V分量的范圍劃分為黃色和黑色；如果當(dāng)前像素點(diǎn)屬于藍(lán)色車牌，則計(jì)算其和黑色的顏色相似度，區(qū)分其是“藍(lán)白”還是“黑白”像素點(diǎn)，再分別通過(guò)表1中的V分量的范圍劃分為藍(lán)色（白色）或者黑色（白色）；對(duì)于既不屬于黃色車牌又不屬于藍(lán)色車牌的像素點(diǎn)，則根據(jù)V分量的值劃分為白色點(diǎn)或者黑色點(diǎn)或者灰色點(diǎn)；（3）在RGB顏色模型中，可以容易把當(dāng)前像素點(diǎn)區(qū)分為“沒(méi)有彩色”和“有彩色”兩類，對(duì)“沒(méi)有彩色”的像素點(diǎn)，在RGB顏色模型中區(qū)分為白色或者黑色，對(duì)“有彩色”的像素點(diǎn)，在HSV顏色模型中區(qū)分為藍(lán)色或者黃色，對(duì)“沒(méi)有彩色”像素點(diǎn)，對(duì)其進(jìn)行灰度化，如果灰度值大于200，則為白色，小于60，則為黑色，否則為灰色；對(duì)“有彩色”像素點(diǎn)，根據(jù)表1中H分量的范圍區(qū)分為藍(lán)色或者黃色。

2 改進(jìn)的掃描線法車牌定位

掃描線法進(jìn)行車牌粗定位主要是通過(guò)統(tǒng)計(jì)每一行包含的車牌區(qū)域特征點(diǎn)（以藍(lán)白車牌為例，為藍(lán)白跳變點(diǎn)），當(dāng)一行包含多個(gè)車牌區(qū)域特征點(diǎn)是便為一個(gè)車牌區(qū)域行，當(dāng)在某一塊區(qū)域內(nèi)有大量車牌區(qū)域行時(shí)，表示找到一個(gè)車牌區(qū)域，區(qū)域邊界作為車牌的上下邊界，通過(guò)車牌的寬高比便可以得到車牌區(qū)域的左右邊界。

掃描線法容易出現(xiàn)車牌區(qū)域擴(kuò)大的情況，本文提出了一種改進(jìn)的掃描線車牌定位方法，該方法在掃描線法得到的上下邊界的基礎(chǔ)上，通過(guò)迭代得到最終的上下左右邊界：（1）縮小上下左右邊界，記上下左右邊界組成的矩形區(qū)域?yàn)镽，并迭代等幅擴(kuò)展上下左右邊界；（2）統(tǒng)計(jì)第i次擴(kuò)展后新R內(nèi)的特征點(diǎn)所占的比例記為ratoi；（3）比較第i次的ratoi和第i-1次的ratoi-1，當(dāng)值增幅很小時(shí)，表示找到邊界，停止迭代；否則，繼續(xù)迭代。

3 實(shí)驗(yàn)結(jié)果

通過(guò)對(duì)600幅藍(lán)色車牌車身不是藍(lán)色、400幅藍(lán)色車牌車身是藍(lán)色、50黃色車牌的圖片進(jìn)行測(cè)試，發(fā)現(xiàn)本文提出的方法定位準(zhǔn)確率非常高，對(duì)于藍(lán)色車牌車身不是藍(lán)色的情況，系統(tǒng)定位準(zhǔn)確率可以達(dá)到99%；對(duì)于藍(lán)色車牌車身是藍(lán)色的情況，也能達(dá)到93.4%的定位率；黃色車牌識(shí)別率達(dá)到94%。

4 結(jié)束語(yǔ)

本文基于車牌的顏色特征，提出了一種基于顏色的車牌定位方法，通過(guò)改進(jìn)的顏色預(yù)處理方法以及改進(jìn)的掃描線法對(duì)車牌進(jìn)行定位，通過(guò)大量實(shí)驗(yàn)發(fā)現(xiàn)，本文的方法較傳統(tǒng)方法有較大優(yōu)點(diǎn)，定位準(zhǔn)確率高、定位速度快，定位結(jié)果滿意。

參考文獻(xiàn)：

[1]Chang Shayang-Lih，Chen Li-Shien.Automatic License Plate Recognition[J].IEEE Trans on Intelligent Transportation Systems，2004，05（01）：42-53.

[2]黃艷國(guó)，趙書玲，許倫輝.基于紋理特征和顏色匹配的車牌定位方法[J].微電子學(xué)與計(jì)算機(jī)，2011（09）：123-126.

[3]邱立達(dá)，劉天健.基于蟻群算法的仿生模式識(shí)別神經(jīng)網(wǎng)絡(luò)構(gòu)造方法[J].閩江學(xué)院學(xué)報(bào)，2013（02）.

[4]周律，汪亮.基于固定顏色搭配搜索和形態(tài)學(xué)的車牌定位[J].公路交通科技，2013（05）.

[5]程增會(huì)，戴祥，唐大鵬.一種基于HIS和YUV顏色模型的車牌定位方法[J].計(jì)算機(jī)應(yīng)用與軟件，2011（12）：132-135.

[6]王向慧，劉文光.顏色模型淺析[J].科技信息，2010.

[7]施潤(rùn)身，趙青.改進(jìn)的關(guān)聯(lián)規(guī)則采掘算法及其實(shí)現(xiàn)[J].同濟(jì)大學(xué)學(xué)報(bào)，1990（02）：222-225.

作者簡(jiǎn)介：鐘至智（1989-），女，浙江杭州人，碩士研究生，從事圖像處理的研究；宋雨（1958-），男，河北保定人，教授，從事電力軟件系統(tǒng)架構(gòu)及軟件工程的研究。

作者單位：華北電力大學(xué)，河北保定 071003