一种基于 LBP 纹理的车牌定位方法.doc

《一种基于 LBP 纹理的车牌定位方法.doc》由会员分享，可在线阅读，更多相关《一种基于 LBP 纹理的车牌定位方法.doc（5页珍藏版）》请在三一办公上搜索。

1、精品论文大集合一种基于 LBP 纹理的车牌定位方法张凡，景晓军，孙松林 北京邮电大学信息与通信系，北京 (100876) E-mail: beibei19850507摘要：车牌定位作为车牌识别系统中一个重要的环节，定位算法的好坏直接影响到识别的效果。纹理特征是反映图像内容的重要特征之一。车牌部分的文字具有丰富的纹理特征。本 文提出了一种基于 LBP(LocalBinaryPattern)纹理特征的车牌定位方法。LBP 算子通过刻 画图像像素局部邻域内灰度的变化来描述图像的纹理结构特征。LBP 算子有基本和扩展两 种形式。实验中，首先用扩展的 LBP 算子得到车牌纹理图，按后进行二值化，最后用投

2、影 法进行定位。实验表明，将 LBP 算子应用于车牌定位，能够比较准确地搜索车牌文字区域， 实现定位。关键词：纹理特征；LBP 算子；车牌定位 中图分类号：1.引 言在车辆牌照识别系统中，核心问题在于识别牌照中的文字目标，而其关键又在于提取文 字目标所在的区域。目前，人们已提出许多可以用于车牌分割的特征，常见的有：车牌的几何特征，形状特 征1，车牌区域的灰度分布特征，边缘灰度直方图统计特征2，字符格式排列特征3，等等。基于不同特征的定位算法，其区分度和抗干扰能力有很大的区别。本文综合考虑了各种 算法的优势以及缺点，提出了基于 LBP 纹理特征的定位方法。2.1 纹理特征纹理特征是反映图像内容的

3、重要特征之一。是对图像的像素灰度级在空间上的分布模式 的描述，包含图像的表面信息及其周围环境的关系。多年来，研究者们建立了许多纹理算法以测量纹理特征。主要有统计法，结构法，模型 法等。统计法是对像素的空间分布信息进行统计，这类方法有共生矩阵法，Laws 纹理能量 法等；结构法主要是分析纹理基元的分布规则；模型法先假设出纹理分布模型，如分形模型， 随机场模型等，再由图像确定出模型参数。本文使用的 LBP 纹理算子，属于统计法。2.2 LBP 算子Ojala T4提出了 LBP(Local Binary Pattern,局部二值模式)作为纹理算子来分析纹理特征。 通过刻画图像像素局部邻域内灰度的变

4、化来描述图像的纹理结构特征。LBP 对一个区域内的中心像素和相邻像素的差值选取合适的阈值进行二值化，从而得到 局部二元图。LBP 特征突出的优点是对灰度变化不敏感而且计算快速简单，近来在人脸识 别，背景建模等计算机视觉应用邻域表现出良好的性能。基本的 LBP 如下图：图 1 基本的 LBP 算子- 5 -15 是中心点像素，将其 3*3 邻域内的 8 个像素值与之比较，大于 15 的取值为 1，小于15 的取值为 0。(1 1 0 0 1 0 0 0 ) ( 2 0 0 )2 1 0最后用得到的值 200 代替中心点的像素值 15。 为了描述大尺度下的纹理结构，该算子推广到不同邻域大小。使用圆

5、形邻域以及对于像素的线性插值，将算子扩展到任意半径以及任意邻域像素个数。像素的局部区域用 ( P, R ) 来描述， R 为中心像素与其相邻像素的距离，反映了纹理在空间上的分辨率， P 为邻域像素的数目。通过不同的 ( P, R ) 来获得目标在多尺度下的纹理描述。P 1p=LB Pp , R y s g g 2c p = 0pc s ( x ) = 1 ( x 0 ( x th )th )图 2 扩展的 LBP 算子其中， g 表示中心点 y 的像素值， g 表示以 y 为中心点，半径为 R 的圆环上的第c cpcp 个等分点的灰度值，对于那些不能落在精确位置的像素点进行灰度值内插。上述的

6、LBP 方法描述纹理计算简单，通用性强。但是不能很好地表现平坦区域内的纹理， 因为平坦区域中，中心点的像素值和周围像素值非常接近，这样会给二值化过程带来问题， 所以设置比较的阈值 th 而不是 0，另外阈值还可以消除一部分噪音的影响。3.基于 LBP 车牌定位的算法流程（1） 对图像进行预处理，若本身是 256 级灰度图，则不用，若是 24 位真彩图，则转 换成 256 级灰度图。本实验直接采用灰度图 3。图 3 原始灰度车牌图（2） 对原始图像进行 LBP 算子处理，得到具有纹理特征的新图。实验中选择扩展的LBP 算子，( P , R ) =(8,2),根据实验的结果，选取比较阈值为 th=

7、4。得到的纹理图如图 4。图 4 LBP 后得到的纹理图（3） 用一初始阈值 T 对图像进行二值化得到二值化图像。常用的二值化方法有直方 图统计法，固定门限法，动态阈值法，抖动矩阵二值化等。由于在光照较弱的情 况下车牌图像的光照程度很不均匀，车牌字符与底色的对比度偏低，所以采用动 态阈值法5。算法如下：(0)G min + G max（a）阈值的初始值为G=2，其中G min，G max分别为灰度的最大值和最小值。Gk( k )（b） 根据阈值将图像分割成目标和背景两部分，求出两部分的平均灰度值：GG(i , j )GG (i, j ) N (i, j )=k0G (i , j )GG (i,

8、 j ) N (i, j )G1 =G(i , j )GN (i, j )k其中，G (i, j ) 为图像 (i, j ) 点上的灰度值， N (i, j ) 为 (i, j ) 点的权重系数，这里取 为整个图像上 G (i, j ) 的个数。G 为阈值。（c）求出新的阈值（d） 如果Gk +1= G kk +1 G 0 + G1G=2则结束，否则 k k + 1 ，转（b）。二值化后的图像如图 5图 5 动态阈值分割后的二值图（4） 定位车牌区域。利用垂直投影法6检测车牌垂直位置，利用水平投影法检测车牌 水平位置。得到车牌的四角坐标。如图 6 所示图 6 得到四角坐标图（5） 根据（4）得

9、到的车牌区域，利用区域的 4 个顶点坐标，截取原图像，得到车牌 图像。截取后的原图如图 74.实验结果分析图 7 提取的车牌实验选取了 100 幅在不同光照，倾斜程度下的车牌图像，经过上述算法处理，对车牌定位的准确率达到 85%。5.结束语在车牌定位的各种算法中，由于定位条件的不同，导致定位质量不同。纹理方法对光 照，倾斜，变形等不敏感，适用与车牌定位。本文采用基于纹理模式的方法，首先用 LBP 算子得到纹理图，然后进行二值化，最后通过投影法得到车牌区域。但是本算法也有一定 的缺点，对图像的清晰度要求较高。参考文献1 梁栋,高隽,付启众,等.基于形状特性和反 Hough 变换的车牌区域定位与重

10、建J. 计算机应用,2002,22（5）:4347.2 郭捷,施鹏飞.基于颜色和纹理分析的车牌定位方法J ,中国图像图形 A,2002,7（5）:472476.3 林纯青,徐立亚,戚威虎.汽车图象只能中字符目标的提取算法J.上海交通大学学报,1998,33（10）:13.4 OJALA T,PIETUAINEN M,HAWOOD D.A compaative study of textures with classfication based on feature distributionsJ.Pattern Recognition,1996,29（1）:5159.5 王涛,全书海.基于改进

11、Sobel 算子的车牌定位方法J.微机计算机信息,2008,24（5-1）:313.6 应宏微,姚明海,张水平.基于纹理分析和垂直投影的车牌定位算法J.控制工程,2004,11（5）:432435J.A License Plate Location Method based on LBP TextureZhang Fan, Jing Xiaojun, Sun SonglinDepartment of Information and Telecommuniation System,Beijing University of Posts andTelecommunication,Beijing (

12、100876)AbstractWith license plate location a key part of license plate identification system,location calculation methodhas a big influence on the effect of identification.Texture is one of the most impotant character of the images.The character sector of the license plate has abundant texture infor

13、mation. The author proposes a new method of license plate location based on LBP texture.The LBP arithmetric opraters describe the texture of a image by the change of grayness in a local distict.There are two forms of LBP arithmetric opraters,the basic and the improved. The experiment indicates thatthe new method can accurately search for the license plate domain and segment license plate.Keywords: texture pattern; LBP; license plate location