基于字符笔划特征的汽车牌照二值化方法.doc

第 28 卷 第 1 期 2003 年 2 月 武 汉 大 学 学 报 ·信 息 科 学 版 Vol128 No . 1 Geo matics and Info r matio n Science of Wuhan U niversity Feb. 2003 文章编号 :1671- 8860 (2003) 01- 0071- 03 文献标识码 :A 基于字符笔划特征的汽车牌照二值化方法 黄书强1 孙承志2 傅仲良3 ( 1 武汉大学计算机学院 ,武汉市珞喻路 129 号 ,430079) ( 2 国家测绘局 ,北京市海淀区三里河路 9 号 ,100830) ( 3 武汉大学空间信息与数字工程研究中心 ,武汉市珞喻路 129 号 ,430079) 摘 要 :提出了利用基于字符笔划特征的汽车牌照二值化方法 。试验表明 ,该算法与 Bernsen 、Ot su 、L EVBB 等算法相比 ,能够很好地克服光照不均和各种污损的影响 ,实现对字符目标的提取 。 关键词 :二值化 ; Kamel- Zhao 算法 ;牌照识别 中图法分类号 : TP751 汽车牌照自动识别是当前计算机视觉与模式 识别技术在智能交通领域应用的重要课题之一 , 有着巨大的经济效益和社会效益 。而汽车牌照二 值化是牌照识别中一个仅次于牌照定位的重要步 骤 ,二值化结果的好坏直接关系到随后的字符分 割和字符识别效果 。目前 ,二值化方法主要有全 局阈值法和局部动态阈值法两大类 。全局阈值方 法的优点在于算法简单 ,但其对不同光照条件或 不均匀光照等情况的适应能力差 ,应用受到极大 限制 。而局部动态阈值法计算量大 、速度慢 ,不能 保证字符笔划的连通性 , 容易出现伪影现象等 。 在实际应用当中 ,汽车牌照图像由于受光照不均 及各种污损 、拍摄条件的影响 ,严重地干扰了二值 化的效果 。针对这一现象 ,大多数牌照二值化算 法均采用了局部动态阈值方法 ,如 Ber nsen 算法 、 Ot su 算法 、L EVBB 算法等 ,但这些算法仍不能很 好地克服光照不均和各种污损的影响 。Kamel- Zhao 方法是一种非常有效的字符提取算法 , 在 OCR 中具有很好的应用效果 ,但是该算法中的阈 值是根据经验预定的 ,二值化效果与阈值的选取 有很大的关系 ,并且不同的图像选取相同的阈值 很难取得好的分割效果 。为此 ,本文结合 Kamel- Zhao 算法 ,提出了一种基于字符笔划特征的全局 动态阈值二值化方法 。该方法具有阈值容易确 定 、字符笔划保持好 、抗噪声能力强等特点 。 基于笔划特征的二值化算法 1 一般地 , 牌照识别系统分为图像采集 、预处 理 、牌照定位 、牌照二值化 、字符分割及字符识别 等部分 。本文主要讨论牌照定位后的二值化处理 算法 。牌照二值化处理分为 3 个步骤 。 1) 确定牌照是白底黑字还是黑底白字牌照 。 利用整幅图像的灰度平均值 、均方差和字符像素 所占大体比例来确定图像的粗阈值 ,以此阈值将 图像作第一次二值化 。 2) 利用最大类间方差调整粗阈值 ,以确定细 阈值 ,并统计字符像素的准确比例 。 3) 通过上述得到的字符像素所占比例 ,在一 定范围调整 T 值 ,使其得到最优阈值 。 根据最优阈值 T 和得到的牌照类型来进行 细 Kamel- Zhao 算法 。 1 . 1 牌照类型确定及字符像元比例的确定 在光照均匀 、无噪声和无干扰的理想情况下 , 牌照图像中灰度变化平缓 ,可以假定字符灰度为 g1 , 背景灰度为 g2 。设该牌照图像中字符像素点 所占比例为 r1 , r1 值一般为 0 . 35 左右 ;背景像素 点所占比例为 r2 。则该牌照图像灰度总体均值 为 : M = r1 ·g1 + r2 ·g2 , 方差为 : c2 = r1 ·( g1 - M ) 2 + r2 ·( g2 - M ) 2 由式 ( 1) 及式 ( 2) 可得 : g1 M g2 ( 1) ( 2) 收稿日期 : 2002- 10- 20 。 1 . 3 笔划宽度 W 和阈值 T 的选取 根据实际提取出来的牌照和标准牌照图像之 r1 r2 g1 = M ± C , g2 = M i C r r 2 1 黑底白字和白底黑字牌照计算得到的字符平 间比例关系可确定牌照中字符的大体宽度 W 。 均灰度分别为 : M + r1 / r2 C 、M - 参数 T 的选择对 Kamel- Zhao 算法效果影响较 大 。 本文提出的阈值 T 确定方法为 : 利用文献 [ 1 ]算法 , 可以得到牌照图像中字符像元比较准确 的比例 r3 ; 在一定范围调整 T , 利用下面算法计 算该阈值条件下字符像元