羅 山，李玉蓮

(攀枝花學(xué)院交通與汽車工程學(xué)院，四川 攀枝花 617000)

0 引言

車牌識別包括預(yù)處理、車牌定位、字符分割和字符識別4個主要環(huán)節(jié)，車牌定位是其關(guān)鍵環(huán)節(jié)之一，對后續(xù)的準(zhǔn)確識別起著至關(guān)重要的作用。常用的有基于數(shù)學(xué)形態(tài)學(xué)[1,2]、基于顏色[3,4]、基于紋理特征[5]、基于投影[6]、基于遺傳算法[7]、基于變換[8]、基于機(jī)器學(xué)習(xí)等定位方法。但單一的定位方法存在不同的優(yōu)缺點(diǎn)，難以獲得理想的定位效果，因此本文結(jié)合邊緣檢測、數(shù)學(xué)形態(tài)學(xué)和顏色信息定位方法的特點(diǎn)，提出一種數(shù)學(xué)形態(tài)學(xué)與顏色信息相結(jié)合的車牌定位新方法。本文方法主要包括車牌粗定位和精確定位兩個步驟，其流程如圖1所示。

圖1 車牌定位流程

1 車牌圖像預(yù)處理

實(shí)際的車牌圖像往往因?yàn)楣庹詹痪④嚺莆蹞p等原因造成質(zhì)量下降，為獲得更準(zhǔn)確的定位結(jié)果，需要對采集的車牌圖像進(jìn)行預(yù)處理，主要包括灰度化、去噪、對比度增強(qiáng)、去模糊等。經(jīng)預(yù)處理后的圖像如圖2所示。

2 車牌粗定位

2.1 提取車牌邊緣

由于車牌的字符與背景對比度強(qiáng)、邊緣陡峭，采用邊緣定位精度高、計算簡單的Roberts算子提取車牌邊緣，并采用實(shí)現(xiàn)簡單、處理速度快的Otsu算法獲取邊緣檢測所用的閾值。邊緣檢測結(jié)果如圖3所示。

2.2 數(shù)學(xué)形態(tài)學(xué)處理

數(shù)學(xué)形態(tài)學(xué)有膨脹、腐蝕、開啟和閉合四種基本運(yùn)算。設(shè)f表示圖像，B表示結(jié)構(gòu)元素，x表示平移量，則有以下定義：

2) 腐蝕運(yùn)算：fΘB={x|(B)x?f}

3) 開啟運(yùn)算：f°B=(fΘB)⊕B

4) 閉合運(yùn)算：f·B=(f⊕B)ΘB

先去除邊緣圖像中孤立的點(diǎn)，選擇與車牌幾何形狀相似的矩形結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)處理，獲得車牌候選區(qū)域。候選車牌圖像如圖4所示。

圖2 預(yù)處理圖像 圖3 邊緣圖像 圖4 候選車牌圖像

2.3 基于顏色信息的車牌位置確定

在車牌候選區(qū)域中包含多個偽車牌區(qū)域，需要通過真實(shí)的車牌位置來去除偽車牌，因此確定車牌位置區(qū)域是最關(guān)鍵的一步，直接決定車牌定位的準(zhǔn)確與否。我國的車牌按照字符顏色和底色的不同可分為藍(lán)底白字、黃底黑字、黑底白字、白底黑字4類，分別適用于不同的車型。

考慮到車牌字符顏色和底色的不同，并且車牌區(qū)域顏色特征以底色為主，因此利用底色信息來確定車牌位置。具體的算法步驟為：

1) 初始化車牌位置區(qū)域值為0；

2) 確定車牌R、G、B分量各自的灰度值范圍，常見的藍(lán)底色車牌的灰度值大致范圍為17

3) 對車牌圖像進(jìn)行行和列遍歷，提取在此灰度值范圍內(nèi)的像素點(diǎn)并更新像素值為255，并統(tǒng)計在此灰度范圍的像素點(diǎn)數(shù)目；

4) 遍歷結(jié)束，得到由這些像素點(diǎn)組成的車牌位置區(qū)域。

對算法進(jìn)行仿真，得到車牌位置區(qū)域圖像如圖5所示。

圖5 車牌位置區(qū)域

3 車牌精確定位

通過前面的車牌位置去除車牌候選區(qū)域中的偽車牌區(qū)域，得到車牌的精確位置，利用精確位置提取準(zhǔn)確的車牌區(qū)域，實(shí)現(xiàn)車牌定位。車牌精確定位算法如下：

1) 將車牌候選區(qū)域與車牌位置區(qū)域進(jìn)行交運(yùn)算以去除偽車牌區(qū)域，再進(jìn)行形態(tài)學(xué)處理，填補(bǔ)區(qū)域內(nèi)孤立的小孔洞，得到車牌的精確位置矩陣；

2) 選擇合適的閾值，對精確位置矩陣進(jìn)行行遍歷，得到車牌位置區(qū)域的上、下邊緣，如果下邊緣與上邊緣之差大于閾值，則得到車牌位置區(qū)域的高度，即下邊緣與上邊緣的差值，否則，返回行遍歷，直到找出上、下邊緣為止；

3) 選擇合適的閾值，對精確位置矩陣進(jìn)行列遍歷，得到車牌位置區(qū)域的左、右邊緣，如果右邊緣與左邊緣之差大于閾值，則得到車牌位置區(qū)域的寬度，即右邊緣與左邊緣的差值，否則，返回列遍歷，直到找出左、右邊緣為止；

4) 根據(jù)車牌位置區(qū)域的高度、寬度及上、下邊緣來提取準(zhǔn)確的車牌區(qū)域，實(shí)現(xiàn)車牌定位。

對算法進(jìn)行仿真，得到車牌精確位置矩陣如圖6所示，圖7為車牌定位結(jié)果。

圖6 車牌精確位置矩陣

4 結(jié)束語

本文對傳統(tǒng)單一的車牌定位方法存在的不足進(jìn)行研究，數(shù)學(xué)形態(tài)學(xué)方法具有較強(qiáng)的抗噪聲能力，但存在出現(xiàn)多個候選區(qū)域的不足，基于顏色信息的方法邊緣定位準(zhǔn)確，由此提出一種改進(jìn)思路，利用車牌顏色信息提取車牌位置區(qū)域，從而保證車牌定位的準(zhǔn)確性。用本文方法對若干幅不同場景獲得的車牌圖像進(jìn)行實(shí)驗(yàn)，定位準(zhǔn)確率達(dá)到96.4%。實(shí)驗(yàn)表明，本文方法克服了數(shù)學(xué)形態(tài)學(xué)定位方法會出現(xiàn)過多的候選區(qū)域的不足，能取得較好的定位效果，并且運(yùn)算速度快。但車牌嚴(yán)重傾斜時定位準(zhǔn)確率下降，因此傾斜車牌的準(zhǔn)確定位是進(jìn)一步的研究方向。