董加英

(溫州大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院，浙江溫州 325035)

基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法

董加英

(溫州大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院，浙江溫州 325035)

在汽車牌照識(shí)別系統(tǒng)中，車牌定位是整個(gè)識(shí)別模塊實(shí)現(xiàn)的前提，為了能對(duì)汽車牌照精確定位，提出了一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法．首先利用中值濾波方法對(duì)汽車圖像進(jìn)行消噪處理，然后用迭代閾值選擇法將圖像進(jìn)行二值化，并運(yùn)用數(shù)學(xué)形態(tài)學(xué)的膨脹、腐蝕對(duì)二值圖像進(jìn)行處理，得到幾個(gè)車牌候選區(qū)，然后利用面積、長(zhǎng)寬比以及垂直投影特征值等進(jìn)行綜合分析，準(zhǔn)確定位車牌區(qū)域．實(shí)驗(yàn)結(jié)果表明，該方法簡(jiǎn)單易行、準(zhǔn)確率高、并且具有一定實(shí)效性，可用于對(duì)實(shí)際車牌圖像的準(zhǔn)確定位．

數(shù)學(xué)形態(tài)學(xué)；結(jié)構(gòu)元素；車牌定位

車牌識(shí)別技術(shù)是智能交通系統(tǒng)ITS（Intelligent Traffic System）的重要組成部分．車牌識(shí)別過(guò)程需要從復(fù)雜的圖片中準(zhǔn)確定位、提取、識(shí)別出感興趣的目標(biāo)文字，車牌定位是技術(shù)核心，也是判別系統(tǒng)性能的重要依據(jù)之一．目前車牌定位方法主要有邊緣檢測(cè)法[1]、投影法[2]、灰度特征法[3]、神經(jīng)網(wǎng)絡(luò)法[4]、遺傳算法[5]等，這些方法各有所長(zhǎng)，但存在著計(jì)算量大或定位準(zhǔn)確率不高等問題．近年來(lái)形態(tài)學(xué)圖像處理這門特殊的技術(shù)，已經(jīng)發(fā)展成為圖像處理的一個(gè)主要研究領(lǐng)域，國(guó)內(nèi)外已有較多的學(xué)者將數(shù)學(xué)形態(tài)學(xué)應(yīng)用到圖像處理中的研究．本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)先選定若干個(gè)候選區(qū)域，再?gòu)暮蜻x區(qū)域中選出車牌區(qū)域的定位算法．

1 數(shù)學(xué)形態(tài)學(xué)原理

數(shù)字形態(tài)學(xué)圖像處理是圖像處理的一個(gè)重要領(lǐng)域，其基本思想是利用一個(gè)結(jié)構(gòu)元素來(lái)探測(cè)圖像，當(dāng)結(jié)構(gòu)元素在圖像中不斷移動(dòng)時(shí)，可以利用數(shù)學(xué)形態(tài)學(xué)基本運(yùn)算構(gòu)造出許多非常有效的圖像處理與分析方法．?dāng)?shù)學(xué)形態(tài)學(xué)[6-7]最常見的基本運(yùn)算有以下幾種：腐蝕、膨脹、開運(yùn)算和閉運(yùn)算，它們是全部形態(tài)學(xué)的基礎(chǔ)．用這些運(yùn)算及其組合可以進(jìn)行圖像形狀和結(jié)構(gòu)的分析及處理，包括圖像分割、特征抽取、邊界檢測(cè)、圖像濾波、圖像增強(qiáng)和恢復(fù)等方面的工作．

腐蝕運(yùn)算的作用是消除物體的邊界點(diǎn)，是邊界向內(nèi)部收縮的過(guò)程，可以去除小于結(jié)構(gòu)元素的物體．腐蝕運(yùn)算定義為：

其中，S表示腐蝕后的二值圖像集合，B表示用來(lái)進(jìn)行腐蝕的結(jié)構(gòu)元素，X表示二值圖像，結(jié)構(gòu)元素內(nèi)的每一個(gè)元素取值為0或1，它可以組成任何一種形式的圖形，在B圖形中有一個(gè)中心點(diǎn)，此式的含義是用B來(lái)腐蝕X得到的集合S，S是由B完全包括在X中時(shí)B的當(dāng)前位置的集合．

膨脹的作用與腐蝕的作用正好相反，它是基于二值化以后對(duì)圖像物體邊界點(diǎn)進(jìn)行擴(kuò)充，將與物體接觸的所有背景點(diǎn)合并到該物體中，使邊界向外的過(guò)程．如果兩物體之間的距離比較近，則膨脹運(yùn)算[8]可能會(huì)把兩個(gè)物體連通到一起，膨脹對(duì)填補(bǔ)圖像分割后物體中的空洞很有用．

膨脹運(yùn)算定義為：

其中X表示二值圖像，B表示結(jié)構(gòu)元素，S表示二值圖像X經(jīng)結(jié)構(gòu)元素B膨脹后的圖像．

一般情況下，腐蝕與膨脹是不可恢復(fù)的運(yùn)算，但通過(guò)腐蝕與膨脹可以構(gòu)成開運(yùn)算和閉運(yùn)算．先腐蝕后膨脹的過(guò)程稱為開運(yùn)算，它具有消除圖像上細(xì)小物體，并在物體影像纖細(xì)處（目標(biāo)狹窄區(qū)）分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過(guò)程稱為閉運(yùn)算，它具有填充物體影像內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用．

開運(yùn)算和閉運(yùn)算定義分別為式（3）和式（4）：

2 基于數(shù)學(xué)形態(tài)學(xué)車牌定位算法

由于天氣變化、光線強(qiáng)弱、車輛潔度等室外條件的影響，在實(shí)際場(chǎng)景中得到的汽車圖像背景很復(fù)雜并且存在噪聲，因此在進(jìn)行車牌定位識(shí)別之前需要對(duì)圖像進(jìn)行預(yù)處理[9-10]．預(yù)處理環(huán)節(jié)包括圖像增強(qiáng)和去噪濾波等環(huán)節(jié)．在預(yù)處理之后對(duì)圖像進(jìn)行形態(tài)學(xué)處理，首先利用腐蝕運(yùn)算進(jìn)行濾波，再進(jìn)行開運(yùn)算，確定出目標(biāo)區(qū)域[11]．

根據(jù)上述思想，本文采用的車牌定位流程如圖所示：

3 車牌定位算法的實(shí)現(xiàn)

3.1 預(yù)處理

為了消除攝像頭拍攝過(guò)程中帶來(lái)的噪聲，應(yīng)對(duì)圖像進(jìn)行去噪處理．目前常用的消噪方法主要有鄰域平均法[12]和中值濾波法[12]．鄰域平均法對(duì)抑制噪聲是有效的，但它選擇的是低通濾波器，而通常圖像中的邊緣信息里含有大量的高頻信息，所以在去噪的同時(shí)也使邊界變得模糊．中值濾波法采用一種非線性平滑濾波器，它與鄰域平均法的不同之處在于，中值濾波器的輸出像素值是由鄰域像素的中間值決定而不是平均值決定的．中值濾波法運(yùn)算簡(jiǎn)單、運(yùn)算速度快，并且在濾除噪聲的同時(shí)能很好地保護(hù)信號(hào)的細(xì)節(jié)信息，在一定條件下，可以克服線性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊．因此，本文選用中值濾波的方法[12-13]對(duì)圖像進(jìn)行消噪處理．

攝像頭拍攝到的圖像光照條件不夠理想，而且車牌位于車身下部，對(duì)比度較差，加上車身上部的一些反光等諸多因素的影響，如果直接對(duì)圖像進(jìn)行掃描定位會(huì)有很大困難，為了獲得較好的掃描、分割效果，有必要對(duì)車輛圖像進(jìn)行增強(qiáng)處理．圖像增強(qiáng)是指對(duì)圖像的某些特征，如邊緣、輪廓、對(duì)比度等進(jìn)行強(qiáng)調(diào)或銳化，以便于顯示、觀察或進(jìn)一步分析與處理．圖像增強(qiáng)不會(huì)考慮引起圖像質(zhì)量下降的原因，而是將圖像中感興趣的特征有選擇地突出，并衰減不需要的特征．

根據(jù)汽車圖像的特點(diǎn)，本文選用灰度變換增強(qiáng)，變換公式如式如下所示：

其中Rmax,Rmin分別為原始圖像直方圖中的的最大灰度值和最小灰度值；Smax,Smin分別為變換后圖像直方圖中的的最大灰度值和最小灰度值．

3.2 二值化處理

在作形態(tài)學(xué)處理之前，必須對(duì)輸入的包含車牌的圖像作背景去除處理．去除背景即把目標(biāo)與背景分開形成二值圖像①Yang F, Ma Z. Vehicle license plate location based on histogramming and mathematical morphology [C]. Proceedings of IEEE Fouth IEEE Workshopon Automatic Identification Advanced Technologies, 2005: 89-94．，以便進(jìn)行后期的車牌定位．精確地分開目標(biāo)與背景的關(guān)鍵是選取合適閾值．由于不同的圖像其分割閾值不盡相同，因此必須針對(duì)不同圖像進(jìn)行計(jì)算求得閾值，為了使算法具有自適應(yīng)性和較快的運(yùn)算速度采用迭代閾值選擇法計(jì)算閾值．

算法步驟如下：

3.3 形態(tài)學(xué)處理

可用下式表示：

3.4 車牌定位

經(jīng)數(shù)學(xué)形態(tài)學(xué)處理之后的圖像，最終還要進(jìn)行車牌定位[15]．根據(jù)我國(guó)車牌的特征，分別采用面積、長(zhǎng)寬比以及垂直投影特征值進(jìn)行加權(quán)綜合來(lái)確定車牌區(qū)域．

實(shí)際處理如式（5）所示：

其中：iλ表示各自不同的權(quán)值；Ci表示集中特征置信度，包括面積S、長(zhǎng)寬比P以及垂直投影特征值H．面積（S）指各矩形區(qū)域內(nèi)非零像素的數(shù)目，在二值圖像上面積越大，是車牌的可能性越大，因此面積越大，特征置信度Ci就越大．

長(zhǎng)寬比（P）是車牌的一個(gè)明顯特征，雖然車牌反映在圖像中的大小不同，由于我國(guó)車牌長(zhǎng)寬比相對(duì)固定，一般在0.30 – 0.34之間，因此在圖像中車牌區(qū)域的長(zhǎng)寬比也相對(duì)固定，所以越接近真實(shí)車牌長(zhǎng)寬比的區(qū)域的置信度Ci就越大．

垂直投影特征值（H）是根據(jù)在二值圖像上車牌字符呈明暗交替變化來(lái)確定的．特征值的計(jì)算方法如式（6）所示，其中特征值越大就越接近真實(shí)車牌，因此置信度Ci就越大．

式中：LU為垂直投影直方圖中所有從波谷到波峰的路徑總長(zhǎng)度；LD為直方圖中所有從波峰到波谷的路徑總長(zhǎng)度；bW為圖像的寬度，可消除圖像大小不同對(duì)特征值的影響；1 000為規(guī)范化因子．

綜合面積、長(zhǎng)寬比以及垂直投影特征值三個(gè)因素進(jìn)行綜合分析來(lái)定位車牌區(qū)域，可以消除僅用某一參數(shù)來(lái)進(jìn)行評(píng)價(jià)所帶來(lái)的誤差．

4 仿真結(jié)果

選取一幅像素240×340的汽車圖像進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果圖1所示：

本實(shí)驗(yàn)是在matlab 2012a上實(shí)現(xiàn)的，實(shí)驗(yàn)結(jié)果表明，經(jīng)圖像增強(qiáng)處理后能明顯增強(qiáng)目標(biāo)區(qū)域，經(jīng)二值化消除噪聲之后用形態(tài)學(xué)處理得到目標(biāo)區(qū)域比較明顯，根據(jù)車牌特性能準(zhǔn)確定位出車牌．

5 結(jié) 論

車牌定位是車牌自動(dòng)識(shí)別的關(guān)鍵環(huán)節(jié)，直接關(guān)系車牌自動(dòng)識(shí)別的準(zhǔn)確率．本文針對(duì)車牌圖像的特點(diǎn)，提出一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法．該算法針對(duì)去除背景后的汽車圖像中仍然存在噪聲，采用不同的結(jié)構(gòu)元素對(duì)圖像進(jìn)行形態(tài)學(xué)運(yùn)算，以進(jìn)一步消除噪聲，大大提高了車牌定位的精確度．實(shí)驗(yàn)表明，該方法可以從復(fù)雜背景中分離出待識(shí)別的車牌部分，使進(jìn)一步的車牌字符識(shí)別成為可能．上述基于形態(tài)學(xué)處理的車牌定位方法，可以較好地確定圖像中車牌的位置，且算法簡(jiǎn)單、實(shí)時(shí)性好，具有較好的實(shí)際運(yùn)用前景．

圖1 汽車圖像仿真實(shí)驗(yàn)

[1] 梅林, 劉峰. 基于邊緣檢測(cè)與垂直投影相結(jié)合的車牌定位方法[J]. 甘肅科技, 2009, 25(3): 15-17.

[2] 劉軍, 向軍, 劉銀生. 一種基于紋理分析和投影法的車牌定位方法[J]. 公路工程, 2011, 36(4): 29-32.

[3] 王鈺淞. 基于灰度邊緣和車牌顏色對(duì)的車牌定位[J]. 信息與電腦, 2012, 1(1): 42-43.

[4] Li G, Zeng R L, Lin L. Research on vehicle license plate location based on neural networks [J]. Innovative Computing, Information and Control, 2006, 3(6): 174-177.

[5] 張玲, 劉勇, 何偉. 自適應(yīng)遺傳算法在車牌定位中的應(yīng)用[J]. 計(jì)算機(jī)應(yīng)用, 2008, 28(1): 184-186.

[6] 李偉, 朱偉良, 孔祥杰, 等. 一種新型的基于數(shù)學(xué)形態(tài)學(xué)和顏色特征車牌定位算法[J]. 科技通報(bào), 2009, 25(2): 214-219.

[7] 王鈞銘, 趙力. 一種基于數(shù)學(xué)形態(tài)學(xué)的車牌圖像分割方法[J]. 電視技術(shù), 2007, 31(10): 84-86.

[8] 賓西川, 裘正定, 章春娥, 等. 一種基于數(shù)學(xué)形態(tài)學(xué)膨脹運(yùn)算的文本數(shù)字水印[J]. 計(jì)算機(jī)安全, 2009, (11): 4-6.

[9] 鄒攀紅, 孫曉燕, 張雄偉, 等. 一種基于數(shù)學(xué)形態(tài)學(xué)的二值圖像去噪算法[J]. 微計(jì)算機(jī)信息, 2010, 26(32): 200-203.

[10] 王玉軍, 董增壽. 利用數(shù)學(xué)形態(tài)學(xué)與圖像二值化進(jìn)行車牌定位[J]. 太原科技大學(xué)學(xué)報(bào), 2011, 32(2): 89-92.

[11] 鹿曉亮, 陳繼榮. 復(fù)雜背景下快速車牌定位方法研究[J]. 計(jì)算機(jī)仿真, 2006, 23(7): 256-259.

[12] 賽地瓦爾地?買買提. 基于Matlab的幾種圖像去噪方法研究[J]. 河南科學(xué), 2013, 31(9): 1388-1390.

[13] 張立國(guó), 楊瑾, 李晶, 等. 基于小波包和數(shù)學(xué)形態(tài)學(xué)結(jié)合的圖像特征提取方法[J]. 儀器儀表學(xué)報(bào), 2010, 31(10): 2285-2290.

[14] 左琦, 史忠科. 一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車牌圖象分割方法[J]. 中國(guó)圖象圖形學(xué)報(bào), 2003, 8(3): 281-285.

[15] 李剛, 曾銳利. 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法[J]. 儀器儀表學(xué)報(bào), 2007, 28(7): 1323-1327.

License Plate Location Algorithm Based on Mathematical Morphology

DONG Jiaying
(Mathematics and Information Science College, Wenzhou University, Wenzhou, China 325035)

License plate location is the premise of the whole recognition module in the system of license plate recognitions. In order to be able to pinpoint the car license plate, this paper proposes a license plate location method based on mathematical morphology. Firstly, utilizing the median filter to eliminate noise of the car image, then using iterative threshold selection method to binarize the image, and the binary image is processed by means of mathematical morphology expansion and corrosion to get the license plate numbers of the candidate area. The comprehensive analysis of license plate area and aspect ratio and vertical projection eigenvaluesis applied to accurate positioning plate area. The experiment turns out that the method is simple and easy with high accuracy and effectiveness, which can be used to accurately locate the actual license plate image.

Mathematical Morphology; Structural Element; License Plate Location

TP391.41

A

1674-3563(2014)04-0037-06

10.3875/j.issn.1674-3563.2014.04.006 本文的PDF文件可以從xuebao.wzu.edu.cn獲得

(編輯：封毅)

2014-04-22

董加英(1988- )，女，河南信陽(yáng)人，碩士研究生，研究方向：計(jì)算機(jī)數(shù)學(xué)與復(fù)雜系統(tǒng)控制