一种新的基于边缘检测的车牌定位方法.doc

《一种新的基于边缘检测的车牌定位方法.doc》由会员分享，可在线阅读，更多相关《一种新的基于边缘检测的车牌定位方法.doc（11页珍藏版）》请在三一办公上搜索。

1、精品论文大集合一种新的基于边缘检测的车牌定位方法任文龙，张晓航，巨永锋 长安大学电子与控制工程学院，陕西西安（710064） E-mail：renwenlong2006摘要：随着我国公路交通事业的发展，传统的人工管理方式已经越来越不能满足实际工作 的需要，交通管理智能化成为发展的趋势。车牌识别系统一般包含车辆牌照定位、车牌字符分割、车牌字符识别三个主要部分。车牌定位是车牌识别系统中重要的一步。本文重点对车 牌定位进行了研究，通过对图像处理和分析技术以及对问题本身的详细考察，提出了基于边缘检测的新的牌照定位方法。这种方法主要用到了图像边缘检测技术，并利用 MATLAB 进 行仿真，以检验算法的结

2、果。关键字：车牌自动识别；边缘检测；投影；车牌定位 中图分类号：U4911. 引言随着社会经济的不断发展，道路通行能力日益不能满足交通量的增长，交通拥挤和堵塞 现象日趋严重，交通污染与事故更是引起社会的普遍关注。经过长期和普遍的研究，许多国 家已经从主要依靠修建更多的道路，扩大路网规模来解决日益增长的交通需求，逐渐转移到 用高新技术来改造现有的道路运输系统和管理体系，用高质量的管理来提高路网通行能力， 提高服务质量。从 20 世纪 90 年代起，我国也逐步展开了智能交通系统的研究和开发，探讨在现有的交 通运输网的基础上，提高运输效率，保障运输安全。我国加强智能交通系统（ITS）的研究 与开发势

3、在必行，特别是考虑到我国的国情和我国经济的快速发展,社会信息化程度日益提 高,交通管理智能化成为发展的趋势。车牌自动识别系统（LARS）作为一种交通信息的获取技术在交通车辆管理、园区车辆 管理、停车场管理有着特别重要的应用价值，受到业内人士的普遍关注。我们知道在原始图 像中直接搜索车牌区域并对车牌上的字符进行识别是十分困难的，这就需要分别进行一系列 处理，车牌自动识别的处理的算法由三部分组成，如图 1.1 所示。其中车牌定位作为关键技 术，成为重点研究的对象1。- 11 -输入图图像预处 像理系统车牌定位 分割系统数据 特征提取库 字符识别图 1.1 车牌识别系统中处理和识别单元本文将对车牌定

4、位进行研究，对车牌定位的实现过程，首先是用边缘检测算子(sobel 算子)提取边缘信息并进行二值化处理；然后对其垂直投影确定车牌垂直位置，再进行水平 投影就得到了车牌的水平位置,从而定位出车牌。2. 车牌定位2.1 车牌定位的概念所谓车牌定位算法是指在实际拍摄的图像中确定车牌区域的位置以便提取分割出车牌 区域图像的问题。牌照的快速准确定位是车牌自动识别技术中非常关键的一步，是典型的图 像分割问题，因此，定位方法与车牌特征和图像处理技术是分不开的。车牌定位方法分为两种：基于灰度图像的车牌定位方法和基于彩色图像的车牌定位方 法。前者是基于灰度定位的方法，根据车牌几何特征的特点和纹理特征进行车牌的定

5、位，在 复杂背景和不同光的条件下，该方法均有很好的定位效果，而且运算速度快；后者是一种基 于彩色图像的定位方法，它充分应用了车牌的色彩特征，将车牌的色彩特征与几何特征进行 了有机结合，是一种效果非常好的定位方法。目前国内外许多学者对此做了大量研究，发表 了很多卓有成效的论文，其中大多集中在灰度图像的车牌定位方法。2.2 车牌的特征车牌的本身具有许多固有特征，这些特征对不同的国家是不同的，我国现在使用的车牌 主要根据中华人民共和国机动车牌号 GA36-92 标准，具有以下特征：(1)形状特征：标准的 车牌外轮廓尺寸 440140，字符高 90，宽 45，字符间距 12，间隔符宽 10。整个字符的

6、高宽 比近似比为 3：1，车牌的边缘是线段围成的有规则的矩形。主要用在车牌的定位分割。(2) 颜色特征：现有的字符颜色与车牌底色搭配有四种类型，蓝底白字，黄底黑字，白底黑字， 黑底白字。这部分特征主要用在对彩色图像进行车牌的定位。(3)字符的特征：标准的车牌 上有 7 个字符，呈水平排列，待识别的字符模板可以分为以下三类，汉字，英文字母，阿拉 伯数字3。主要用于对字符匹配识别方面。车牌与汽车的其它区域相比，还有以下主要特征：(1)车牌区域中的垂直边缘比水平边缘密集，而车身其它部分的水平边缘明显，垂直边 缘较少。(2)灰度变化特征：车牌的底色、边缘颜色，车辆外部的颜色都是不相同的，表现在图 像中

7、就是灰度级互不相同，这就在车牌边缘形成了灰度突变边界。实际上，车牌的边缘在灰 度上的表现是一种屋脊状边缘。在车牌区域内部，字符和车牌底的灰度较均匀的呈现波峰波 谷。(3)有相对集中和规则的纹理特征。2.3 现有的车牌定位方法4，5，6经典的车牌定位分割算法包括从简单的灰度阈值方法、频域和空间分割方法到复杂的连 接元素方法以及 Hough 变化法等,在背景较复杂和光照不均匀条件下，这些方法难以取得令 人满意的分割效果。近年来，人们针对这种情况，提出了各种各样的定位算法。目前没有一 个标准图像数据库来评价无限制条件下车牌定位算法的性能，这个问题的研究目前刚刚起 步。我们可以把车牌定位方法归纳为以下

8、几类：(1)基于直线检测的方法。这类方法一般采用 Hough 变化等方法来检测直线（车牌周围 边框形成）。利用车牌形状特性来定位车牌，在实际运用中由于光照不均匀等影响和摄像机 畸变，曝光不足和动态范围太窄等原因，导致图像存在伪影，加上车牌上的灰尘、赃污等使 形状特性表现的不明显，从而影响定位效果;此外传统的 Hough 变换法应用在车牌定位中，只是单纯的进行直线的检测，没有和车牌形状特性结合起来，而且 Hough 空间与原图像空间不是一一对应的，由 Hough 空间中检测到的特征点无法确定出车牌轮廓的起始位置，无 法避免直线干扰的问题，因此在有直线干扰时及未进行边框提取时的可能性会大大增加。

9、Hough 变化计算量较大，对于边框不连续的实际车牌，需要附加大量的运算。(2)基于阈值化的方法。图像经过阈值化得到一个字符和背景分离的二值图像是这类方 法的特点。目前已经提出了多种阈值化策略，但简单算法二值化效果不好，复杂算法计算时 间长、计算量大限制了实际应用。(3)基于灰度边缘检测方法。此类方法通常利用车牌区域局部对比度明显和灰度有规律 变化的纹理特征来定位。中国车牌类型较多，在不同光照条件下车牌对比度更加不一，需要 进行图像增强处理，还需要考虑图像中与车牌特征非常想似的非车牌区域的排除问题。(4)基于彩色图像的车牌定位方法。目前的车牌分割受限于灰度图像，所以定位效果受阴影和光照条件的限

10、制。由于人类视觉对彩色信息比较敏感，人眼能分辨的灰度只有 20 多 级，而分辨的色彩却有 35000 种，彩色图像可以提供更多的视觉信息，有图像学者提出了利 用车牌的颜色信息来搜索牌照，将处理对象改为彩色图像以求可以精确的定位车牌。比如一些系统采用 BP 神经网络对彩色图像进行彩色分割，把每个像素通过网络学习归 类为期望的颜色，然后利用水平和竖直直方图的方法确定牌照的位置，但是当车牌区域颜色 域附近颜色非常相似且牌照倾斜的情况下彩色定位分割错误将会增加。但是基于彩色图像的定位算法最大的缺点是计算量和存储量都比较大，如基于神经网络 的彩色图像车牌分割方法，此方法需要处理好网络局部收敛问题，定位时

11、间长。此外当车牌 区域颜色和附近颜色相似时，定位错误增加。也有一些系统采用彩色边缘检测算子 ColorPrewitt 计算二值边缘图像，然后采用形态学 方法来生成连通区域图像，再进行轮廓跟踪，通过标记候选牌照区域，得到 n 个候选牌照区 域;最后对候选牌照进行分析与分解，进而提取牌照区域，但是当图像中相似颜色区块较多 时，定位速度会急剧下降。也有的系统首先利用颜色信息对输入图像进行彩色粗分割，得到了颜色为车牌照的一些 区域。然后将分割结果中的伪目标(即除了车牌区域以外的区域)分为两类(一类是与汽车牌照 颜色相近的背景，一类是可能与牌照颜色相近的汽车外壳)，分别进行处理，最终利用投影 法得到准确

12、的车牌位置。虽然这种方法的定位率比较准确，但是其识别速度却很慢。这类方法一般都是将输入的 RGB 彩色图像转换成 HSL 彩色图像，然后进行基于模糊逻 辑或神经网络的色彩分割，再进一步定位车牌，计算量巨大。目前，基本上处于理论研究阶 段，随着计算机运算速度的提高，应该逐步走向实用阶段。上述 4 类方法中，基于直线检测的方法对我国车牌来讲并不完全适用，因为我国车牌的 悬挂明显不够规范，有些车牌边框不够明显必然造成定位算法失效，如果结合别的算法则需 要在本身运算量很大的情况下额外增加系统开销。基于彩色图像的车牌分割方法是近期研究 热点，但是这类方法运算量是基于灰度算法的 3 倍左右，目前处理速度是

13、制约实际应用的障 碍。分析发现，车牌最明显的特点是其纹理特征，这样看来，在兼顾到实时性要求和定位成 功率的情况下，基于灰度边缘检测的方法不失为一个理想选择。研究这类定位算法，我们发 现，这类方法一般先是求取图像边缘，然后根据边缘图像来分割车牌。考虑到车牌区域明显的纹理特征，我们决定主要研究基于灰度边缘检测的定位分割算 法。其流程图如图 3.1 所示：图像输入 图像预处理图像边缘检测 及二值化边缘检测图垂 直投影边缘检测图水平投影 输出车牌位置图 2.1 车牌定位的流程框图3. 基于边缘检测的车牌定位算法3.1 边缘检测原理图像灰度在某个方向上的局部范围内表现出不连续性，这种灰度明显变化点的集合

14、 就称为边缘。它存在于目标与背景，目标与目标，区域与区域之间。它包含了丰富的信息， 是图像分割，纹理特征提取和形状特征提取等图像分析的重要基础7,8。两个具有不同灰度值的乡邻区域之间总存在边缘，一般边缘可以分为以下两种：阶梯 形边缘（Step-step）,位于两边的像素灰度有明显不同的地方屋顶形边缘（Roof-edge），位 于灰度值从增加到减少的转折处。由于边缘是图像上灰度变化最剧烈的地方，边缘检测算法 就是利用这一特点，对图像中各个像素点进行微分或求二阶微分来确定边缘像素点7,8。经典的边缘检测方法，是对原始图像中像素的某小邻域构造边缘检测算子。其过程如图41 所示。首先通过平滑滤除图像中

15、的噪声，然后进行一阶微分或二阶微分运算，求得梯 度最大值或二阶导数的过零点，最后选取适当的阈值来提取边缘点。梯度或含过 零点图像阈值处一阶或二阶原使平滑处理平滑平滑处理理图像处理边缘点图 3.1 边缘检测原理图3.2 几种常见的边缘检测算子Robets 算子：边缘定位准确，但对噪声敏感，去噪声作用小，适合于边缘明显且噪声较 小的图像分割；Sobel 算子：它是有方向性的，在水平和垂直方向上形成了最强烈的边缘； Sobel 算子不紧能检测边缘点，而且能抑制噪声影响，对灰度渐变和噪声较多的图像处理得 较好；Prewitt 算子：与 Sobel 算子相比，对噪声抑制较弱；Laplace 算子：它是一

16、个与方向 无关的各向同性边缘检测算子，对细线和孤立点检测效果好，但边缘方向信息丢失，常产生 双像素的边缘，对噪声有双倍加强作用，很少直接用于检测边缘；Canny 算子：Canny 算子 检测边缘的方法是寻找图像梯度的局部极大值，它使用两个阈值来分别检测强边缘和弱边 缘，而且仅当弱边缘和强边缘相连时，弱边缘才会包含在输出中8。3.3 各种算法的边缘检测仿真由于系统实时性的限制，这里对前面介绍的边缘检测算子进行了仿真实验。 通过 MATLAB6.59,10仿真实验分析可知:(1)Roberts 算子定位比较精确，但由于不包括平滑，所以对噪声比较敏感。(2)Prewitt 算子和 Sobel 算子都

17、是一阶的微分算子，而前者是平均滤波，后者是加权平 均滤波，对噪声具有一定的抑制能力，但不能完全排除检测结果中出现伪边缘。该类算子对 灰度渐变和具有噪声的图像处理比较好。其中 Sobel 算子比 Prewitt 算子更能抑制噪声的影 响。(3)Laplace 算子属于二阶微分算子，对图像中的阶跃型边缘定位准确且具有旋转不变性 (即无方向性)，但是该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘， 同时抗噪声能力比较差。(4)Canny 算子同样采用高斯函数对图像作平滑处理，因此具有较强的去噪能力，但同样 存在容易平滑掉一些边缘信息。同时它所采用的一阶微分算子的方向性较好，因此边缘定位

18、 准确性较高。通过边缘检测仿真结果图可见(见附录)，几个边缘检测算子都可以较好的提取所需的车 牌边缘。为了车牌的定位，我们希望车辆图像的车牌区域突现出来的同时，其它边缘能够很 好地得到抑制。而一个好的边缘检测算法应满足如下要求：检测精度高；抗噪声能力强计算简单易于实现。其中最根本的问题是解决检测精度和抗噪声能力间的矛盾。经过仿 真比较，决定选用 Sobel 算子。3.4 车辆图片预处理与边缘提取考虑到图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统 噪声、暴光不足或过量、相对运动等，往往会与原始景物之间或图像与原始图像之间产生了 某种差异，这种差异称为降质或退化。这种降质

19、或退化对我们的处理往往会造成影响。因此， 先对图像进行预处理，在这里主要进行去噪声处理。因为噪声主要是一些含高频的突变成分，因此可以通过一个低通滤波器来消除图像中包 含的噪声，并使低频成分得到增强。滤波的方式有两种，一种是空间域滤波，一种是频率域 滤波。在空间域，常见的滤波方式有两种方式，均值滤波和中值滤波。在车辆边缘提取之前， 采用均值滤波，并与未进行滤波的边缘进行比较。如图 3.2,3.3 所示：图 3.2 未滤波直接提取出的边缘信息图 3.3 滤波后提取的边缘信息对比以上二幅图片，图 3.2 未经滤波直接提取出的边缘图像最清晰，车牌区域也较滤波 后清楚，所包含的有用信息最多，车牌水平和垂

20、直边缘都比较明显，车牌上字符也清晰；而 图 3.3 车牌的水平边缘已经很模糊，车牌字符也模糊，不利于字符识别。分析这种情况产生 的原因，归纳起来主要有以下方面:(1)原始图像清晰度比较高，从而简化了预处理 (2)图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊 (3)图像的锐化可以增强图像中物体的边缘轮廓，但同时也使一些噪声得到了增强。 综上所述，得出不是每一种图像处理都适合滤波和边界增强。本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图 a 作为后期处理的依据。需要注意的是以上 用 MATLAB 仿真的图像，在处理时已经过二值化处理，所以提取的边缘直接是二值化边缘图像。

21、3.5 车牌提取经过边缘提取得到的图像，车牌区域在水平方向灰度投影值具有明显频繁的跳变，在垂 直方向上的投影则出现峰-谷-峰的特性。根据这种峰谷特点，对车牌进行垂直定位和水平定 位。汽车本身具有一定的特点，一般情况下，牌照都挂在缓冲器上或附近，处于车牌照图像 的下半部分，所以投影的主要意图是缩小牌照搜索范围，确定出牌照的位置。对图 3.2 的边 缘图像进行垂直投影，如图 3.4 所示：一般对应于车牌位置的投影值较大，而在车牌左右边界附近的垂直投影值较小，因此在 车牌左右边界之间有一个比较连续的投影区，根据这些特定，就能大致确定出车牌的竖直位置。由图可大概定出车牌的竖直位置大概在 260-410

22、 列之间。图 3.4 垂直投影灰度统计图类似的方法可得出汽车边缘图像的水平投影图，如图 3.5 所示。在车牌上下边界处有比 较大的投影值，上下边界之间有连续的投影区，由此特点可得出车牌的行位置大概在 300-360 行之间。图 3.5 水平投影灰度统计图通过以上步骤确定的车牌行列就可以得出车牌的位置，大致确定的牌照位置如图 3.6 所 示：4. 结论图 3.6 提取出的车牌本文给出的算法速度较快，可以满足整个系统的实时性要求，对车牌大小、高宽比、车牌类型、是否有边框等车牌信息具有鲁棒性。在进行了边缘检测后，经过垂直和水平投影， 就可以初步确定车牌的位置，为车牌识别奠定了良好的基础。5. 附录边

23、缘检测仿真结果：图 5.1 给出了各种边缘检测结果，图 5.2 是在加上高斯噪声下的边 缘检测结果。图 a 原图图 b Robets 算子检测图图 c Prewitt 算子检测图图 d Sobel 算子检测图图 e LOG 算子检测图图 f Canny 算子检测图 图 5.1 各种边缘检测算子的检测结果图 a 高斯噪声原图图 b Robets 算子检测图图 c Prewitt 算子检测图图 d Sobel 算子检测图图 e Canny 算子检测图图 f LOG 算子检测图 图 5.2 噪声图像的边缘检测结果参考文献1 张国伍主编.智能交通系统工程导论M.北京:电子工业出版社,2003.2 刘效

24、静,成瑜.汽车牌照自动识别技术研究J.南京航空航天大学学报.1998:30(5),573-576. 3 GA36-92.中华人民共和国机动车号牌s.北京:公安部,1992.4 韩永强,李世祥.汽车牌照子图像的定位算法J.微型电脑应用.1999:3,14-16.5 范勇,蒋欣荣,游志胜等.汽车牌照快速定位算法J.光电工程.2001:Vo1.28.No.2,56-59.6 张玉蛟,史忠科.一种新的车牌识别预处理算法J.西北工业大学学报.2002:Vo1.20.No.1, 84-86. 7 贾永红.计算机图像处理与分析M.武汉:武汉大学出版社.2001.8 赵荣椿.数字图像处理导论M.西安:西北工业

25、大学出版社.2000.9 刘宏友,李莉,彭锋.MATLAB 6 基础及应用M.重庆:重庆大学出版社.2001. 10 孙兆林.MATLAB 6.x 图像处理M.北京:清华大学出版社.2002.A new license plate location method based on edge detectionRen Wenlong, Zhang Xiaohang, Ju YongfengSchool of Electronic and Control Engineering, CHANG-AN University, Xian (710064)AbstractWith the developm

26、ent of our national road transportation, the transportation management by hand cannot meet the practical demands nowadays, the management of transportation shows a tendency to intelligentize. Generally, LARS mainly comprise license plate location, character isolate and character recognition. License

27、 plate location is an important stage in vehicle license plate recognition. In this thesis ,we did a lot of research on license plate location, through applying image processing and image analysis technology, brought forward a new license plate location method based on edge detection. Such method mostly employ edge detection technique and is simulated by using MATLAB.Keywords: license plate automatic recognition; edge detection; projection; license plate location作者简介：任文龙男，长安大学电子与控制工程学院硕士研究生。 张晓航女，长安大学电子与控制工程学院硕士研究生。巨永锋男，教授，博士生导师。