羅 山

(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

車牌定位是車牌識(shí)別系統(tǒng)中至關(guān)重要的環(huán)節(jié)，車牌的準(zhǔn)確定位直接決定著后續(xù)的識(shí)別效果。目前應(yīng)用較多的車牌定位方法有數(shù)學(xué)形態(tài)學(xué)法[1]、區(qū)域標(biāo)記法[2]、投影法[3]、多特征提取法[4]、遺傳算法[5]、神經(jīng)網(wǎng)絡(luò)算法[6]、變換法[7]和AdaBoost算法[8]等。這些方法各有優(yōu)缺點(diǎn)，適用于不同的場景。

針對(duì)單一定位方法存在的問題，結(jié)合數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)具有抑制噪聲能力和便于區(qū)域提取的優(yōu)勢(shì)，在連通區(qū)域分析的基礎(chǔ)上，提出一種基于數(shù)學(xué)形態(tài)學(xué)與區(qū)域分析的車牌定位方法，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

車牌圖像在采集過程中由于光照變化、車牌污損、背景復(fù)雜等因素導(dǎo)致質(zhì)量下降，這對(duì)定位的準(zhǔn)確性有很大的不利影響，為改善圖像質(zhì)量，提高定位的準(zhǔn)確率，需要對(duì)采集的車牌圖像進(jìn)行預(yù)處理。圖像預(yù)處理主要包括灰度化、去噪、對(duì)比度增強(qiáng)等。圖2是在相對(duì)運(yùn)動(dòng)情況下采集的待定位車牌圖像，車牌圖像存在一定程度的模糊，對(duì)精確的定位有一定的干擾。經(jīng)預(yù)處理后的圖像如圖3所示，可見處理后噪聲明顯減少、對(duì)比度得到增強(qiáng)。

2 數(shù)學(xué)形態(tài)學(xué)處理

2.1 邊緣檢測(cè)

基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)抑制噪聲能力比基于微分算子強(qiáng)，提取的邊緣比較光滑連續(xù)，且運(yùn)算簡單。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)A表示目標(biāo)圖像，B表示結(jié)構(gòu)元素，z表示平移量，則有以下定義：

2) 腐蝕運(yùn)算：AΘB={z|(B)z?A}

3) 開啟運(yùn)算：A°B=(AΘB)⊕B

4) 閉合運(yùn)算：A·B=(A⊕B)ΘB

將基本的形態(tài)學(xué)運(yùn)算進(jìn)行組合，可構(gòu)造出形態(tài)學(xué)邊緣檢測(cè)算子，常見的算子[9]有：

1)E=(A°B)⊕B-(A°B)·B

2)E=(A·B)°B-(A·B)ΘB

3)E=(A°B)⊕B-(A·B)ΘB

其中E為邊緣檢測(cè)圖像。本文采用抗噪膨脹腐蝕型算子3)對(duì)預(yù)處理后的車牌圖像進(jìn)行邊緣檢測(cè)，這里選擇3×3的方形結(jié)構(gòu)元素。得到的邊緣圖像如圖4所示。

圖2待定位車牌圖像
圖3預(yù)處理圖像
圖4邊緣圖像

2.2 生成連通區(qū)域

膨脹是將物體周圍的點(diǎn)合并到該物體中，能縮小或者填充比結(jié)構(gòu)元素小的孔洞，它也可以連接斷開的物體，形成連通區(qū)域。腐蝕是消除物體的邊界，具有細(xì)化或者收縮物體作用，它還可以濾除小于結(jié)構(gòu)元素的物體。閉運(yùn)算具有填充比結(jié)構(gòu)元素小的孔洞，彌合狹窄的間斷等作用。開運(yùn)算具有平滑物體輪廓、消除小于結(jié)構(gòu)元素的物體和細(xì)的突出物等作用。與腐蝕和膨脹運(yùn)算相比，開運(yùn)算與閉運(yùn)算能更好地保持目標(biāo)物體的大小。

結(jié)合各種運(yùn)算的特點(diǎn)，經(jīng)過反復(fù)實(shí)驗(yàn)，本文選用長度為3的垂直線形結(jié)構(gòu)元素進(jìn)行腐蝕運(yùn)算，再對(duì)腐蝕后的圖像采用[25×25]的方形結(jié)構(gòu)元素進(jìn)行閉運(yùn)算，經(jīng)形態(tài)學(xué)處理后，車牌圖像中每個(gè)白色連通區(qū)域即為車牌候選區(qū)域，如圖5所示。

2.3 去除小區(qū)域

由于車牌圖像背景復(fù)雜，車牌候選區(qū)域中存在許多不是車牌區(qū)域的孤立小區(qū)域，可將這些小于車牌區(qū)域面積的非車牌小區(qū)域去掉，以減少車牌候選區(qū)域數(shù)目，以減少運(yùn)算量。在此，利用Matlab函數(shù)bwareaopen來去除小區(qū)域，其參數(shù)P的取值可根據(jù)車牌區(qū)域面積進(jìn)行試驗(yàn)確定。去除小區(qū)域后的結(jié)果如圖6所示。

3 連通區(qū)域分析

去除小區(qū)域后，減少了車牌候選區(qū)域，對(duì)剩下的候選區(qū)域進(jìn)行分析，比較分析區(qū)域參數(shù)以去除偽車牌區(qū)域。求每一個(gè)候選區(qū)域的最小外接矩形的寬度和高度，利用車牌區(qū)域?qū)挾?、高度及寬高比在一定的范圍之?nèi)這一幾何特征，剔除不滿足條件的區(qū)域，從而找出真實(shí)的車牌區(qū)域。

基于區(qū)域分析提取車牌區(qū)域算法步驟為：1) 標(biāo)記每個(gè)連通區(qū)域；2) 提取標(biāo)記區(qū)域的屬性；3) 記錄每個(gè)標(biāo)記區(qū)域的最小外接矩形的寬、高和坐標(biāo)；4)利用車牌區(qū)域的寬高比為定值，結(jié)合車牌區(qū)域的高度，提取出車牌區(qū)域。

我國車牌區(qū)域?qū)挾扰c高度一般分別為440 mm與140 mm，寬高比約為3.14，考慮到車牌傾斜等情況，經(jīng)過反復(fù)實(shí)驗(yàn)，取區(qū)域的寬高比閾值區(qū)間為[3,4]。對(duì)區(qū)域進(jìn)行篩選，剔除寬高比不滿足此條件的區(qū)域。另外，考慮到寬高比雖然滿足此條件，但高度或?qū)挾炔坏扔趯?shí)際的車牌高度或?qū)挾鹊膮^(qū)域的情況，因此還需剔除高度或?qū)挾炔粷M足實(shí)際車牌尺寸的區(qū)域，本文選取高度進(jìn)行比較判定。經(jīng)過兩次篩選，則同時(shí)滿足寬高比和高度條件的區(qū)域即為真實(shí)的車牌區(qū)域。提取的車牌區(qū)域如圖7所示。

圖5 車牌候選區(qū)域圖6 去除小區(qū)域圖7 提取的車牌區(qū)域

4 實(shí)驗(yàn)結(jié)果與分析

在Matlab平臺(tái)中對(duì)不同環(huán)境下的車牌圖像進(jìn)行實(shí)驗(yàn)仿真測(cè)試本文算法的有效性。圖8給出了精確定位的部分車牌圖像，圖8(a3)、(b3)、(c3)和(d3)分別是在霧天、夜晚、光照強(qiáng)烈和存在傾斜的情況下采集的車牌圖像的定位結(jié)果?？梢钥闯?，在幾種常見復(fù)雜環(huán)境下的車牌圖像的定位效果好，車牌切割完整準(zhǔn)確，殘損很小。實(shí)驗(yàn)結(jié)果表明本文算法能夠有效地實(shí)現(xiàn)車牌定位，準(zhǔn)確率高，速度快。

圖8 提取的車牌

5 結(jié)束語

本文對(duì)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，但獲得的連通區(qū)域中存在很多偽車牌區(qū)域，為減少偽車牌區(qū)域?qū)_定位的干擾，通過去除小區(qū)域處理去除大部分偽車牌區(qū)域，通過區(qū)域分析得到反映車牌特征的區(qū)域參數(shù)，利用區(qū)域參數(shù)進(jìn)行兩次篩選剔除寬高比和高度不滿足條件的區(qū)域，得到真實(shí)的車牌區(qū)域。實(shí)驗(yàn)表明該方法克服了單一車牌定位方法存在的不足，能從背景較為復(fù)雜的車牌圖像中快速準(zhǔn)確地提取出車牌，為后續(xù)的車牌字符分割與識(shí)別奠定了良好的基礎(chǔ)。