黑底车牌

第43卷第2期中山大学学报(自然科学版)Vol43No2

2004年3月ACTASCIENTIARUMNATURALIUMUNIVERSITATISSUNYATSENIMar2004

车牌定位和分割的一种综合方法

张树波,赖剑煌

(中山大学数学与计算科学学院,广东广州510275

摘要:提出了一种基于颜色空间和字频统计结合的车牌分割方法。该方法是在

H范仲淹的简介 SV彩色空间中,充分

利用车牌图像提供的彩色信息,构造出5级灰度图,然后采用数学形态学、字频统计方法进行分析和判

断,确定并分割出汽车牌照。该方法不受车牌大小、位置以及车牌的背景和光照条件等方面的限制,适用

范围广。实验表明,该方法符合人类的视觉特征,效果好,精度高,对含噪声图像也能有效分割。

关键词:HSV彩色空间;数学形态学;字频统计

中图分类号:TP39文献标识码:A文章编号:05296579(2

近年来,中国汽车的消费量不断增长,车辆管理

已经成为智能交通管理中的重要环节。而数字图像

处理和模式识别技术的发展,使汽车牌照识别技术

成为智能交通领域中的重要研究课题。如果能够实

时采集车辆的图像,对其车牌及车号进行正确识别,

那么将有利于快速、高效地进行车辆的管理和监控,

实现交通管理的自动化、智能化。因此,车牌识别

技术是智能交通系统中的核心技术之一。

车牌识别技术包括牌照定位、牌照分割、字符

分割和字符识别4个步骤,牌照定位技术是整个车

牌识别技术的基础和前提,牌照定位准确与否,直接

关系到后续工作能否顺利进行,因此,汽车图像中牌

照的正确定位是车牌识别技术中的关键技术和难点

所在。目前已有不少学者在这方面进行了研究,提

出了各自的车牌定位和分割方法,总结起来主要有

如下几类方法:①基于颜色的分割方法,这种方法主

要利用彩色空间的信息,实现车牌分割,包括彩色边

缘算法[1]、颜色距离和相似度算法[2]等;②基于纹理

的分割方法,这种方法主要利用车牌区域水平方向

的纹理特征进行分割,包括小波纹理[3]、水平梯度

差分纹理[2]等;③基于边缘检测的分割方法[1,4];④基

于数学形态学的分割方法[5]。综观这些方法,对于

基于纹理或边缘的算法来说,车牌图像中很可能不

止一个区域具有车牌区域的纹理特征,难以准确找

到车牌位置,而且这些方法对图像有各种不

同的条件限制,尤其是对车牌倾斜度的要求,一旦条

件发生变化,车牌定位效果明显下降。基于颜色空

间的分割方法中,彩色边缘算法实际上也是一种边

缘检测算法,没有摆脱其局限性,

而颜色距离和相似

度算法中

15(2B,,V)(3V),,,3,HSVVH,,

SRGB,,5,RGBH,(

没能排除光照强度的

R,)S(,HHSV2),,

HSV

1

,(,G,)3,,,(S)干扰。数学形态学的方法主要是

用来对二值图像进行一些预处理它往往要结合其它

方法使用不能单独用来分割车牌。本文通过对汽车

牌照特征进行研究提出一种综合的车牌定位和分割

方法该方法充分利用颜色空间提供的信息在颜色

空间中利用各分量提供的信息将彩色图像转化为5

级灰度图然后在这个级灰度图上运用字频统计分析

方法有效地排除光照强度的干扰准确地定位和分割

出汽车图像中的车牌。

1级灰度图的构造

1颜色空间的选择在基于颜色的数字图像处理

中经常用到的颜色模型有和种模型,RGB模型中各

像素值由红色、绿色和蓝色种颜色的亮度值叠加

来表示。这种颜色的亮度值随光照强度的不同而改

变因此该模型是受光照条件影响的而一般汽车图像

的光照条件是不定的所以在空间中进行识别车牌是

十分困难。而模型分别用色度、饱和度、和亮度

1

1

的阈值范围

,

现以黄底牌照为例说明阈值的确定方

个分量表示每一个像素的颜色特性,分量表示了亮

度方面的信息也即是光照条件方面的信息而和两

个分量包含了图像的彩色信息,如果舍弃分量只考

虑和分量就是排除了光照条件的影响这对于光照

条件不确定的彩色汽车图像分割具有重要的意义在

该模型下仅用

H

和S两个分量就可以将蓝色和黄色

两种颜色区域找出来。同时通过对白底和黑底车牌

的研究发现只用V分量就能将白色和黑色两种颜色

识别出来因此HSV模型特别适合于车牌区域的识

别。由于一般采

收稿日期:2003-06-01

基金项目:国家自然科学基金资助项目(60144001);广东省自然科学基金资助项目1(021766)

作者简介:张树波(1971年生),男,工程师;通讯联系人:赖剑煌;E-mail:stsljh@zsueducn

://第2期

张树波等:车牌定位和分割的一种综合方法127

集到的汽车图像是RGB模型,所以在处理之前应把

RGB模型转化为HSV模型,记RGB模型各分量为

R、G、B,转换成HSV模型各分量为H、S、V。

12阈值的确定和牌照区域的标识一般车牌的牌

底颜色为蓝、黄、黑或者白色中的一种,那么要在

颜色空间中定位车牌首先就必须在汽车图像中找出

这4种颜色的区域,在HSV彩色汽车图像中用H和

S分量标识蓝色和黄色区域,再用V分量标识白色和

黑色区域,其它无关颜色区域标识为牌照的背景,

就可初步确定车牌的大致位置。为此,首先必须确

定各种护士长工作总结 颜色牌底在HSV空间中各有关分量的阈值,

对于蓝、黄底牌照,需要确定H、S分量

其中,p

j(:,:,1)为

j

个像素

H

分量的值。p

j(:,:,2)

为第j个像素S分量的值。H

i为第i块牌照中黄色

样本点的H分量的均值。H

i为对应的方差。H^为

第i块牌照中黄色样本点的S分量的均值。S

i为对

应的方

。H^为所有样本牌照H分量的均值。S^为

所有样本牌照S分量的均值。

取这两个分量的方差为:H

=max{H

},S

i=1,2,⋯,ni

max{S},i=1,2,⋯,n,所以黄底牌照在

i=1,2,

⋯

,n

i

HSV空间

H

和

S

分量的区间估计为:

H

H^-t

(3)

S^-t

a

记为[YH

1

,YH

2

]

用相同的方法可以估计出分量的区间估计

H

1

,BH

2

],S,BS

2

]。对于黑、白底牌照,需要确定,用

上面的方法采集样本,根据式(1)可计算出V分量的

均值V^和方差V

,再结合式(3)确定白底牌照的阈

值范围为

[V

1

,1],黑底牌照的阈值范围为[0,V

2

]。

设图像f(x,y)中任一像素点(x,y)的H分量

值为H(x,商业贿赂行为 y),S分量值为S(x,y),V分量值为V(x,

y),根据上面确定的阈值区间,可构造出判断树(图

图1构造5级灰度图的判断树

1

)。

a2

n

,

H

^

+ta2

H

n

23

S

n

,

S

^

+ta23

H

n

和

[YS1,YS2]

。

H

分量的区间估计

[BS1

V

分量的阈值

1

Fig11Decisiontreeforfive-scalegrayimage

运用该判断树就可以把彩色图像f(x,y)转化

为5级灰度图g(x,y),将所有可能的牌照区域标

识出来,其中灰度值255用来标识蓝色区域,灰度

值200用来标识黄色区域,灰度值150用来标识白

色区域,灰度值100用来标识黑色区域,灰度值0

用来标识与牌底颜色无关的图像背景。图2为按

上述方法标识出的5级灰度图。

图2彩色图像的5级灰度标识图

Fig2Five-s柿子醋 calegrayimagefromcolorplate

2汽车牌照的定位和分割算法

我们知道汽车牌照除了具有颜色方面的特征之

外,还具有一定的字频统计特征和几何结构特征。

从彩色图像变换得到的5级灰度图像g(x,y)已经用

4个灰度级标识出各种颜色牌照的侯选区域,每个灰

度级可能有多个侯选区域,但是只有满足特定的字

符密度特征和频率特征以及长、宽比例特性的区域

才是所要找的牌照区域。首先必须确定牌照的字符

密

度、空间频率和长、宽比例的先验估计值,方

128中山大学学报

法如下:取n幅标准样本牌照图像,对每幅图像根

据牌底颜色按前面确定的阈值进行二值化得到牌

照的二值图(假定字符二值化为1,底牌二值化为

0),然

后计算出第i(i=1,2,⋯,n)块车牌的字符密度i

=该图像像素值总和

该图像的总面积

,空间频率Ri=

该图像水

平方向灰度值平均跳跃次数,长、宽之比L

i,根据

公式(1)和(3)可以计算出这军棋玩法 3个参数的区间估计值

分

别为[

1

,

2

],[R

1

,R

2

],[L

1

,L

2

]。

在确定了字频特征和几何特征的先验信息之

后,接下来就要在5级灰度图中,根据各区域的相

关指标值找出实际牌照区域。计算步骤如下(流程

://

Fig3Procedureofstatistical-letter-frequencyanalysis

(1)二值化5级灰度图:将待处理灰度级的灰

度值转化为1,其它灰度级的灰度值转化为0,得

到二值图g

1

(x,y)。

(2)形态学运算:运用合适的结构元素对

g

1

(x,y)进行形态学运算,消除孤立点,改善二值图

的质量。

(3)确定侯选区域:运用投影方法找出并标识

各侯选区域,将所有侯选区域从大到小排序,从第

一个区域开始进入步骤(4)。

(自然科学版)第43卷

(4)字符密度特征判断:计算出侯

选区域的字符密度,如果∈[

1

,

2

],

则进入步骤(5);否则,对下一个区域进

行处理。

(5)频率特征判断:计算出侯选区

域灰度值水平方向平均跳跃次数R,狗狗生产 如果

R

∈[R

1

,R

2

],则进入步骤(6);否则,对下

一个区域进行处理。

(6)几何结构特征判断:计算侯选区域的

长、

宽比L,如果

L

∈[L

1

,L

2

],则断定该区域是车牌所

在位置,该灰度级所代表的颜色就是车牌的底牌

颜色;否则,对下一个区域从步骤(4)开始进行处

理。

(7)如果这二值图g

1

(x,y)的各区域均不符合

车牌的特征,则在该灰度级找不到车牌,说明车

牌的底牌不是这一灰度级所代表的颜色。必须对

别的灰度级所标识的区域进行处理。

经过上述算法处理后根据投影图的坐标标

识,就可以分割出真实的车牌区域,如图4为图

2中

(a)和(b)的分割结果。

图4分割结果图

Fig14Segmentingresult

图如图

3

)。

图

3

字频统计分析流程

1

3结论

本文提出了一种对彩色汽车牌照进行识别和

分割的综合方法,该方法是建立在对汽车牌照特

征充分认识的基础之上,首先,利用HSV颜色空

间的特点,将搜索范围缩小在有限的4种颜色之

内,根据不同颜色车牌出现的概率,从最可能的

蓝底牌照开始搜索,然后是黄底牌照、黑底牌照,

最后是白底牌照,有效地提高了运算效率。

其次,对于每一个侯选区域的判别,充分利

用车牌的几何结构、字符密度和空间频率各种特

征,识别能力强。实验结果表明,用该算法对74

张不同背景、不同颜色的车牌进行定位,正确率

达到

90%以上。

另外,在并行运行的环境下,只要将本文的算

法稍微改动,可明显提高识别速度。所以,本算法

具有速度快、准确率高、适应性强等特点,可应用

于智能交通的车牌识别系统中,也可应用于其它的

相关领域。

(下转第132页)

://132中山大学

学报(自然科学版)第43卷

[6]nceofpositivesolutionsforellipticsystemssystemsofboundaryvalueproblems[J].JMathAnalAppl,

[J].JMathAnalAppl,1996,201:375-386.1993,180:93-108.

[7]DUNNINGERDR,nceandmultiplicity[9]郭大钧,孙经先,刘兆理.非线性常微分方程泛函方法

ofpositivesolutionsforellipticsystems[J].NonAnal,1997,[M].济南:山东科学技术出版社,1995.

29(9):1051-1060.[10]erFunctionalAnalysis[M].Berlin:

[8]FINKAM,vesolutionsofcondorderSpringer

V

erlag,1985.

ASingularSecondOrderDifferentialSystemsofBoundaryValueProblem

BAIDing-yong1,MA长笛指法图 Ru-yun2

(mentofMathematics,SunYat-nUniversity,Guangzhou510275,China;

mentofMathematics,NorthwestNormalUniversity,Lanzhou730070,China)

Abstract:Theexistenceofpositivesolutionsforasingularcondorderdifferentialsystemsofboundaryvalue

nresultshereimproveandgeneralizethe

worksofother

referencesinsublinearandsuperlinearcas.

Keywords:singularboundaryvalueproblem;cone;fixedpoint;positivesolution

(上接第128页)

ASynthesizeApproachforLocatingandSegmentingVehicleLicenPlates

ZHANGShu-bo,LAIJian-huang

(SchoolofMathematicsandComputationalSciences,SunYat-nUniversity,Guangzhou510275,China)

Abstract:AnewapproachofVehicleLicenPlateLocatingandSegmentingbadoncolorspaceandstatistical-

orithmemploysinformationofthecolorimageinHSVcolorspaceto

constructafive-scalegrayimage,pre-processtheimagewithmorphologicalmethod,thenlocatesandgmentsthe

vehiclelicen

platebyanalyzinganddiscriminatingthestatistical-letter-frequencypropertyofeverypossibleregions.Thealgorithmis

参考文献:

[1]张引,潘云鹤.彩色汽车图象牌照定位新方法[J].中

国图象图形学报,2001,6A(4):374-377.

[2]郭捷,施鹏飞.基于颜色和纹理分析的车牌定位方法

[不出汗是什么原因 J].中国图象图形学报,2002,7A(5):472-475.

[3]戴青云,余英林.一种基于小波与形态学的车牌图象分

割方法[J].中国图象图形学报,2000,5A(5):412-

413.

[4]KAMATV,cientimplementationofthe

Houghtransformfordetectingvechiclelicenplatesusing

DSPS∥ProceedingofReal-TimeTechnologyand

ApplicationsSymposium[M].CA:IEEEComputerSocie学习计划怎样写 ty

Press,1995:58-59.

[5]左奇,史忠科.一种基于数学形态学的实时车牌图象

分割方法[J].中国图象图形学报,2003,8A(5):281-

285.

[6]章毓晋.图象工程(上册)[M].北京:清华大学出版社,

1999.

neitherconfinedtothesizeorthepositionoftheplate,norlimitedtothebackgroundorilluminationconditiono动车可以带白酒吗 fimage.

Experimentsshowthatthelocatingandgmentingmethodisharmonywithhumanvision,andiffectiveevenfor

imagewithnois.

Keywords:HSVcolorspace;mathematicalmorphology;statistical-letter-frequency

://