張正華，劉 平，顧 駿，徐 楊，呂東方

（揚(yáng)州大學(xué) 信息工程學(xué)院，江蘇 揚(yáng)州 225127）

基于HSV空間和連通域的車牌定位研究

張正華，劉 平，顧 駿，徐 楊，呂東方

（揚(yáng)州大學(xué) 信息工程學(xué)院，江蘇 揚(yáng)州 225127）

隨著智能交通技術(shù)的快速發(fā)展，車牌識別系統(tǒng)（License Plate Recognition，LPR）已經(jīng)成為其中的一個重要環(huán)節(jié)。在分析現(xiàn)有車牌定位算法基礎(chǔ)上，提出一種HSV顏色空間和連通域相結(jié)合的定位方法。利用車牌顏色信息對圖片提取出可能存在的車牌區(qū)域，通過數(shù)學(xué)形態(tài)學(xué)的分析得到候選連通區(qū)域，再結(jié)合車牌先驗(yàn)知識長寬比特征進(jìn)行區(qū)域搜索判斷，根據(jù)車牌字符特征垂直方向?qū)嚺贫祱D像精確定位得出正確的車牌區(qū)域。實(shí)驗(yàn)結(jié)果表明，所提出的方法可以有效地對車牌進(jìn)行定位。

車牌定位；HSV；數(shù)學(xué)形態(tài)學(xué)；連通域

0 引言

隨著人們生活水平的不斷提高，車輛數(shù)目不斷增加，因而智能交通系統(tǒng)已經(jīng)成為了交通運(yùn)輸系統(tǒng)的發(fā)展趨勢。智能交通系統(tǒng)的一個重要環(huán)節(jié)即LPR，它在智能交通管理和控制中扮演著舉足輕重的角色。一般情況下，車牌識別由車牌定位、字符分割和字符識別3部分組成［1，2］。車牌定位作為整個系統(tǒng)中的一個重要的組成部分，其定位的準(zhǔn)確程度將會直接影響到后續(xù)的車牌識別工作，從而整個系統(tǒng)的性能也會被影響。目前，我國民用汽車前面的牌照大小均為440 mm×140 mm（軍用汽車為440 mm×150 mm），大型汽車為440 mm×220 mm，在顏色特征上，常見的車牌有藍(lán)底白字和黃底黑字。常用的車牌定位方法有投影定位法［3，4］、數(shù)學(xué)形態(tài)學(xué)定位法［5，6］、基于小波變換定位法［7，8］、基于顏色信息和紋理特征的定位方法［9－10］等?；跀?shù)學(xué)形態(tài)學(xué)的車牌定位方法［11－12］具有復(fù)雜度低，噪聲干擾可減少，實(shí)時性定位的特點(diǎn)，但是邊緣定位粗糙；小波變換具有多分辨率的特性和方向特性［13］，所以它成為圖像分析處理的一個有效工具，但其算法較為復(fù)雜，運(yùn)算量較大，對車牌識別這一實(shí)時性要求較高的系統(tǒng)不太適合。

本文根據(jù)車牌的顏色和紋理特征，提出一種HSV空間和連通域相結(jié)合的定位方法，利用車牌先驗(yàn)知識對候選連通區(qū)域進(jìn)行搜索判斷，得到粗定位的車牌，最后根據(jù)車牌字符特征垂直方向?qū)嚺贫祱D像精確定位。該方法運(yùn)算簡單，不需要神經(jīng)網(wǎng)絡(luò)中的訓(xùn)練網(wǎng)絡(luò)，粗定位與精確定位相結(jié)合，實(shí)驗(yàn)結(jié)果表明，該方法車牌定位準(zhǔn)確率較高。

1 HSV空間

1.1 圖像預(yù)處理

一般從攝影設(shè)備里得到的是彩色圖像，彩色圖像含有大量的顏色信息，而且會占據(jù)很大存儲空間，耗用很多資源對其處理，降低系統(tǒng)執(zhí)行效率，所以在定位之前一般還需對采集到的圖像進(jìn)行灰度均衡化處理，從而提高定位以及后續(xù)識別處理的準(zhǔn)確性、魯棒性。采集到的圖像是由紅、綠、藍(lán)3種基礎(chǔ)顏色組成的RGB圖像。本文采用加權(quán)平均法［14］把彩色圖像轉(zhuǎn)換為灰度圖像。R＝G＝B＝WrR＋WgG＋WbB，其中，Wr、Wg、Wb分別為R、G、B的權(quán)重值。根據(jù)人眼對綠色最敏感，因此綠色所占的比重最大，通過下式可以進(jìn)行轉(zhuǎn)換

式中，R、G、B分別為彩色圖像的顏色分量；Gray（i，j）為灰度圖像在（i，j）處均衡化以后的像素值?；叶染饣蟮慕Y(jié)果如圖1所示。經(jīng)過處理后，像素值被限制在0～255的范圍之內(nèi)，對灰度圖像進(jìn)行開運(yùn)算，輸出背景圖像，并與灰度圖像作減法，得到增強(qiáng)后的灰度圖像，然后選取合適的閾值對其二值化處理，得到車牌二值化圖像。

圖1 灰度化后的車牌圖像

1.2 HSV空間

在日常所用的RGB顏色空間中，由于R、G、B這3個分量會隨著光照變化，所以利用RGB顏色空間來直接定位出車牌區(qū)域有難度［15］。因而，本文選在HSV空間中定位車牌，在HSV空間中，H代表色調(diào)，S代表飽和度，V代表亮度，這和人眼能感知到的顏色特征正好對應(yīng)。RGB顏色空間向HSV顏色空間轉(zhuǎn)換的公為：

式中，max和min分別為R、G、B這3個分量中的最大值和最小值。我國目前在使用的車牌主要有藍(lán)底白字、黃底黑字、黑底白字和白底黑字、紅字這幾種類型［16］，可以利用各顏色在H、S、V分量上的范圍這個特性對車牌區(qū)域進(jìn)行定位，其中各顏色在這3個分量上的范圍如表1所示。

表1 各顏色H、S、V范圍

由于生活中，藍(lán)色和黃色車牌較多，根據(jù)H、S分量即可將藍(lán)、黃區(qū)域識別出來。但直接利用其定位的話，當(dāng)車身顏色與車牌顏色接近時就會誤檢，所以還需進(jìn)行后續(xù)處理。以藍(lán)色車牌為例，將提出的藍(lán)色區(qū)域二值化設(shè)為1，如圖2所示。然后對其進(jìn)行形態(tài)學(xué)操作。

圖2 藍(lán)色區(qū)域二值化

2 連通區(qū)域分析

2.1 數(shù)學(xué)形態(tài)學(xué)

圖像形態(tài)學(xué)處理的基本思想是借助一種具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取對應(yīng)的形狀，實(shí)現(xiàn)對圖像大小和形狀的檢測，從而得到圖像灰度及其他信息。腐蝕、膨脹、開啟和閉合是4個最基本的形態(tài)學(xué)運(yùn)算。其中本文用到的是開運(yùn)算和閉運(yùn)算，下面將介紹它們各自在二值圖像和灰度（多值）圖像中的特點(diǎn)：

①開運(yùn)算：借助同一個結(jié)構(gòu)元素對圖像先進(jìn)行腐蝕運(yùn)算，然后再進(jìn)行膨脹運(yùn)算，表達(dá)式為：

開運(yùn)算可以消除較小的物體，去除邊界點(diǎn)分離出物體。

②閉運(yùn)算：先膨脹再腐蝕，表達(dá)式為：

閉運(yùn)算能夠很好地填補(bǔ)圖像的空洞，平滑物體的邊緣。

經(jīng)過數(shù)學(xué)形態(tài)學(xué)處理后，生成連通區(qū)域，如圖3所示。

圖3 連通區(qū)域

2.2 粗定位

開閉運(yùn)算后，按8連通尋找連通區(qū)域，然后計(jì)算連通區(qū)域的特征尺寸，對每個連通區(qū)域分析，根據(jù)車牌的尺寸留下符合寬、高要求的連通區(qū)域，再對留下的連通區(qū)域二次分析，計(jì)算其開始行和列，以及寬度和高度，根據(jù)車牌固定的寬高比，對其篩選，留下符合要求的區(qū)域，再從水平方向搜索剩下的連通候選區(qū)域，逐列掃描統(tǒng)計(jì)二值圖像中的白色區(qū)域，從而確定水平方向車牌的起始邊緣，得到粗定位的車牌區(qū)域如圖4所示。

圖4 粗定位車牌區(qū)域

2.3 精確定位

利用車牌二值圖像的特征，字符周圍是黑色，而字符是白色，所以可以提取黑白交界區(qū)域，對上述粗定位的車牌進(jìn)行精確定位。假設(shè)上述粗定位車牌區(qū)域?yàn)锳（x，y），最后精確定位車牌圖像為B（x，y），height為車牌預(yù)估字符高度，則車牌圖像B可由下式得到：

利用式（5）分析得到最終精確定位出的車牌如圖5所示。

圖5 精確定位車牌區(qū)域

3 實(shí)驗(yàn)結(jié)果分析

本實(shí)驗(yàn)在MatlabR2010a環(huán)境實(shí)現(xiàn)，對200張不同背景車牌圖像（來自網(wǎng)上下載的車牌測試圖像以及自己拍攝的車牌圖像）進(jìn)行測試，車牌類型包含不同省市的車牌，平均車牌定位成功率為96.5%。本文綜合應(yīng)用現(xiàn)有定位方法，并在此基礎(chǔ)上進(jìn)行改進(jìn)，針對候選連通區(qū)域出現(xiàn)的不足，利用二值圖像的特點(diǎn)，對粗定位的車牌進(jìn)行精確定位。本文方法不受背景顏色和車牌大小的影響，對車牌在圖像中的位置也沒有具體限制，而且算法簡單，因此該方法對于車牌圖像有良好的定位效果。

4 結(jié)束語

本文主要針對車牌識別過程中的車牌定位進(jìn)行了研究。采用HSV空間和連通域分析的方法對車牌進(jìn)行了粗定位和細(xì)定位，充分利用了車牌的顏色信息和車牌字符特征，對在HSV空間提取出的可能存在的車牌區(qū)域進(jìn)行數(shù)學(xué)形態(tài)處理，得到候選連通區(qū)域，然后利用車牌特征篩選合適的區(qū)域，進(jìn)行粗定位，最后垂直方向?qū)Υ侄ㄎ坏亩弟嚺茍D像分析，得到精確定位的車牌區(qū)域。同時通過實(shí)驗(yàn)驗(yàn)證了此方法，可以看出能很好地定位出車牌區(qū)域，并且算法簡單，準(zhǔn)確率高。

［1］常巧紅，高滿屯.基于HSV色彩空間與數(shù)學(xué)形態(tài)學(xué)的車牌定位研究［J］.圖學(xué)學(xué)報(bào)，2013，34（4）：159－160.

［2］FARADJI F，REZAIE A H，ZIARATBAN M.AMorpholog-ical-basedLicensePlateLocation［C］∥Image Processing.San Antonio，TX：ICIP，2007：57－60.

［3］侯培國，趙 靜，劉 明.基于小波變換和行掃描的車牌定位方法［J］.系統(tǒng)仿真學(xué)報(bào)，2006，18（2）：811－813.

［4］劉雄飛，龍巧云，李 根，等.基于行掃描和小波變換的車牌定位算法［J］.計(jì)算機(jī)應(yīng)用與軟件，2013（5）：279－282.

［5］KASAEI S H，KASAEI S M，KASAEI S A.New Morpholo-gy-based Method for Robust Iranian Car Plate Detection and Recognition［J］.International Journal of Computer Theory and Engineering，2010，2（2）：264－268.

［6］GUO Z Q，WANG Y J，DONG Z，et al.License Plate De-tection Method Base on Paired Morphological Operator［C］∥Proceedings of the 16th National Conference on Image and Graphics.Beijing：Tsinghua Vniversity Press，2011，292－295.

［7］郭航宇，景曉軍，尚 勇.基于小波變換和數(shù)學(xué)形態(tài)法的車牌定位方法研究［J］.計(jì)算機(jī)技術(shù)與發(fā)展，2010（5）：13－16.

［8］盧衍偉，張金敏，王思明.基于小波變換的車輛牌照定位研究［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012，33（4）：1 491－1 492.

［9］LI Jia.A Color and Texture Feature Based Approach to Li-censePlateLocation［C］∥IEEEInternational Conference on Computational Intelligence and Security. Harbin：［s.n.］，2007：376－380.

［10］楊 俊，戚飛虎.一種基于形狀和紋理特征的車牌定位方法［J］.計(jì)算機(jī)工程，2006，32（2）：200－202.

［11］王 怡.基于數(shù)學(xué)形態(tài)學(xué)的車牌定位與分割［J］.計(jì)算機(jī)應(yīng)用與軟件，2010，27（8）：255－256.

［12］廖春生.基于數(shù)學(xué)形態(tài)學(xué)車牌定位算法仿真研究［J］.計(jì)算機(jī)仿真，2011，28（12）：353－354.

［13］翟 莉，趙 亮.一種小波包域圖像自適應(yīng)水印算法［J］.無線電工程，2013，43（2）：23－24.

［14］聶洪印，周衛(wèi)東，劉 輝.多顏色模型和綜合特征下的車牌定位新方法［J］.計(jì)算機(jī)工程與應(yīng)用，2010，46（12）：221－223.

［15］謝永祥，董蘭芳.復(fù)雜背景下基于HSV空間和模板匹配的車牌識別方法研究［J］.圖學(xué)學(xué)報(bào)，2014，35（4）：585－589.

［16］GA36－2007，中華人民共和國機(jī)動車號牌［S］.

Research on License Plate Location Method Based on HSV Space and Connected Components

ZHANG Zheng-hua，LIU Ping，GU Jun，XU Yang，LV Dong-fang
（School of Information Engineering，Yangzhou University，Yangzhou Jiangsu 225127，China）

With the fast development of Intelligent Transportation System（ITS），License Plate Recognition（LPR）is a key point of it.On the basis of current vehicle license plate location algorithm，a method for license plate location is proposed based on HSV space and connected components.The color information of license plate is used to get the possible plate region，and the connected region is obtained by mathematical morphology techniques.Based on the prior knowledge of the license plate aspect ratio，the candidate regions of license plate is searched and judged.Finally，the precise positioning for binary image of license plate is performed based on its character feature vertical direction to obtain the right license plate area.The experimental results show that the proposed algorithm can effectively locate the license plate.

license plate location；HSV；mathematical morphology；connected components

TP391.41

A

1003－3106（2015）10－0026－03

10.3969／j.issn.1003－3106.2015.10.07

張正華，劉 平，顧 駿，等.基于HSV空間和連通域的車牌定位研究［J］.無線電工程，2015，45（10）：26－28.

張正華男，（1965—），副教授，碩士。主要研究方向：視頻圖像處理及編解碼、實(shí)時信號處理等。

2015-07-15

江蘇省產(chǎn)學(xué)研聯(lián)合創(chuàng)新資金（前瞻性聯(lián)合研究）資助項(xiàng)目（BY2013063－10）；江蘇省揚(yáng)州市產(chǎn)學(xué)研合作專項(xiàng)－與揚(yáng)州大學(xué)合作項(xiàng)目（2012038－8）。

劉 平女，（1990—），在讀碩士。主要研究方向：實(shí)時信號處理。