车牌定位和分割的一种综合方法课案.doc

　第 43 卷　第 2 期 中山大学学报 (自然科学版) Vol 43 　No 2 　 2004 年　3 月 ACTA 　SCIENTIARUM　NATURALIUM　UNIVERSITATIS　SUNYATSENI Mar 　2004 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 HSV 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 : 0529 6579 (2004) 02 012604 　　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(, HHSV 2),, HSV1,(,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。 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 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 ; 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