1482009,45(17)
ComputerEngineering
and却,)胁眦如m计算机工程与应用
◎图形、图像、模式识别◎
一种新的车牌定位方法及应用
李宇成,覃妮,王目树
LI
Yu-cheng,QINNi,WANG
Mu-shu
北方工业大学自动化系,北京100144
Departmentof
Automation,Noah
ChinaUniversity
of
Technology,Beijing
100144,China
E—mail:lyc—ncut@163.tom
LI
Yu—eheng,QINNi.WANGMu-shu.Newmethod
for
licenseplatelocation
and
application.Computer
Engineeringand
Applications.2009.45(17):148-150.
Abstract:Forthelimitationed
texture,sharp-cut
to
contrast
ofcurrent
licenseplatelocation
to
measurementmethods,a
new
algorithmisregion
presented,using
complicat—alsoofthe
has
ex—
ve—
andexterior
to
getthe
a
contrast
energy,based
on
extremum
with
to
ofconvolutionenergy.It
theadvantageperimentsshow
avoidthedifficultythat
this
choosethresholdbetween0-255
compared
otheralgorithms.Largenumbersapplythis
method
to
algorithmhave
higheraccuracy
androbust.Finallyexplainhow
carry
on
hiclespeedmeasurement.
Keywords:imageenergy;licenseplatelocation;contrast;license
plate
texture
摘要:针对现有车牌定位方法的局限性,提出了一种基于灰度图像求取卷积能量极值区域的车牌定位新方法。该方法充分利用车牌的纹理复杂、对比度鲜明、外型规则等特征构造车辆图像的能量图,然后通过选取能量区域定位车牌。其明显优点是,避免了常见方法中直接对图像进行二值化时阀值难以确定的问题。大量实验表明该方法计算简单,准确率高,鲁棒性好。最后说明了如何应用该方法进行车速测量。
关键词:图像能量;车牌定位;对比度;车牌纹理DOI:10.3778/j.issn,1002—8331.2009,】7.045
文章编号:1002—8331(2009)17—0148—03
文献标识码:A
中图分类号:TP391,4
l引言
车牌识别作为一种关键技术被广泛应用于道路交通监测、
本文提出的方法是.首先求出图像的灰度能量图,然后基于能量图对车牌进行初定位,找到车牌可能位于的能量区。然后将每个能量区对应的对比度图区域逐个进行简单的二值化,最终找到车牌I)(域。由于无需直接对原始图像进行二值化,从而避免了常见方法阈值难以确定的问题。大量实验表明该方法在背景相当复杂的情况下也能很好的定位。
高速路、桥自动收费和停车场无人管理等许多自动交通系统,而车牌定位是此技术的难点和关键点。定位的速度和准确度直
接影响到整个车牌识别系统的性能。
目前,车牌定位算法主要是根据车牌本身两种比较明显的特征来实现的。一是车牌字符笔画多,边缘信息丰富,由此人们提出了基于边缘【11,形态学12l、方差等的定位方法。这类方法漏检率低,f日.是定位不够准确,而且可能产牛虚景。二是车牌底色和字符颜色都比较同定二基于颜色特征[31的方法来定位车牌。这种方法定位准确、虚景少f日.是漏检率高。
实验表明,车牌定位技术中最不稳定的凶素是在对图像进
2车牌定位
提出的基于灰度图像的求取图像能量区域的车牌定位方法,首先足利用车牌的纹理复杂、对比度鲜明、外型规则等特征构造车辆图像的能量图,然后通过选取能量区域来定位车牌。
图1给出了整个车牌定位算法的流程,该算法由四个部分组成。第一部分是图像的预处理,主要完成图像的滤波和车辆的粗定位等;第二部分足构造对比度图,包含构造极值图和构造对比度图两部分;第三部分是构造图像的能量图;第四部分是选取车牌区域及验证。
行二值化时难于确定一个最合适的阈值。为了找到车牌,各种
常见定位方法,见【5l,都要对原始图像的全局或局部直接进行二值化处理,由于天气的变化以及车辆图像背景色彩的不确定性,很难找到通用的闽值确定方法。文14I ̄【5】通过能量滤波能
较好地粗分割出车牌的候选区域,但对于背景复杂的l鲴像有时达不到预期的滤波效果,且最后还是无法避免图像l嘲值的确定。
2.1网像预处理
由于采集的车辆图像为彩色图像,首先,将彩色图像转化
作者简介:李宇成(1954~),男,教授,目前从事智能控制及图像处理研究工作;覃妮(1982一),女,硕士,目前从事图像解码研究开发工作;王目树
(1981一),男,硕士,目前从事图像压缩研究开发工作。
收稿口期:2008—09—24
修回U期:2008~12—19
@图侈避!堑)
厂—=二二]
选取能最极值区域
李宇成,覃妮,王目树:一种新的车牌定位方法及应用
步提高车牌定位的准确率。
构造图像能量图具体步骤如下:
2009,45(17)
149
L—一构造丧值图]
L—舅造每r比度图一--1
(1)首先对对比度图每行像素进行延拓,即有:
f0
10
n<L
厂一构造【刳蠢琵语西]
X(n)={x(凡)W≤n≤W+L
,l>W+L
(3)
l:■一—了——_I否|对比度图对戊Ⅸ域二值化l
l————=(■—一
:::i~
(图1
定位成功
其中:形为图像的宽度;2L为卷积长度。
(2)对X(n)进行行卷积,即
L
I对比度图IJ应区域连通域I
L—<遁苗破是乒滞各襄臣三>
)
车牌定位算法流程网
萱(,1)=∑X(n+i一1)・^(i)(1≤,l≤形)
注l
(4)
其中,z(凡)为长度为2E的卷积核。
通过式(3)和(4)构造出图像的能量图。图3就是所构造的
卷积能萤图,从图中町以看出车牌区域所对应的能量区的能量
是最大的。
为灰度图像。其次,光线不足或者反光等诸多因素有可能造成车牌对比度较差,对接F来的纹理分析产生影响,所以有必要进行图像增强。本文对图像中特亮和特暗的地方进行灰度拉伸,增强图像对比度。以提高车牌定位准确率。然后,定出车大概位置,再在车辆所在区域搜索车牌,这样可以提高整个程序的运行效率。为了减少图像中的孤立干扰点,选用Mxl的模板对灰度拉伸后的图像进行中值滤波。
2.4车牌区域选取
大多数情况F,构造图像的能量图后。可以在能量图的最大值区域中找到车牌所在的位置。求取整幅图像能量最大值公式如下:
Xm。=max(max(贾.(凡)))其中Ⅳ为图像的高度。
在图4中,黑线就是根据行能量最大定位得到的目标行。为了准确定位,选取能量图中能量最大的两个能量区,对各能量区进行连通,通过判断与选定的能量区对应的对比度图区域的连通域足否符合车牌情况来最后确定车牌位置。具体算法如下:
(1)对预选的1个或多个最大能量区对比度图按行分别进行二值化。,构造出二值图像I。这里用到的阈值为这两个最大能量区中每行灰度的均值。
(2)对I作区域连通。构成待定车牌区域。
(3)检验I区域是否确实是车牌区域。检验标准t要比对车牌的长宽比例和估算尺寸。若不符合要求,回到步骤(1)继续寻找其他区域。
实验表明HzB方法具有较高的准确性,图4车牌的定位的效果如图5所示。
1≤凡≤W
1≤i≤Ⅳ
(5)
2.2构造I冬I像对比度I冬l
由于车牌区域与车身相比.车牌区域的对比度较大。为求出车牌区域的对比度,需求出每行像素的灰度的极值。因此先对图像中每一行的相邻像素做极值处理,如公式(1)所示。其他情况
,、fx(/1.),
当(x(n)—戈(n—1))・(x(n)一戈(n+1))>0,.、
”7
““’I茗(n-1),其他情况
由此构造出图像的极值图。将极值图的每行相邻像素作差值运算即叮构成图像对比度图,如图2所示。如此处理可以减少由车身带来的误差,而且还能突出车牌区域。
由实际实验知道,在光线特强时,由于反光,车身的某部分的相邻点问的灰度差远大于车牌区域的灰度差,因此,可以将其直接过滤去除。过滤公式如下:
”“’【Ix(肿1)叫(n)I其他2.3构造卷积能黾图
,r。、一/o
Ix(n+1)-x(n)l一>220
r,、”7
图5乍牌准确定位效果图
由于车牌区域纹理复杂、对比度较大,绝大多数情况下,车
牌区域的卷积能量是所有能量区中最大的。特殊睛况下车牌区
域的能量极值也是次最大的。实验表明,次最大的情况仅仅发生在榆测个别特殊车型时。容易理解,对图像求卷积能量时,卷积长度越接近车牌的长度,就越能够突出车牌区域。实际巾车牌图像的长度与车宽图像的长度成一定的比例范围(有关车宽计算的方法。将另文讨论)。所以,对每帧图像构造能量图时,卷积长度参照车宽图像长度,采用自适应的方法来选择,以进一
3实验结果
在一般的二值化定位算法中,图像整体闽值的确定是最不
稳定的。阈值的确定由于受图像亮度及图像复杂程度的影响,
进而导致算法的鲁棒性和适应性较差。为了测试算法的鲁棒性
和适应性,对l05l幅从立交桥I二拍摄的在不同环境,不同天
气、光照,不同车型条件下获取的图像进行了实验。图片分类及实验统计结果如表l所示。
图2车辆对比度图图3图像奄{;}{能聩图图4
乍牌}i定位效果图
150
2009,45(17)
Computer
En#needng
and
Applications计算机工程与应用
表1实验统计结果
光照强度采集|圭l片数
较亮
348598.5%
5结论
较暗
220100%
亮
492698.8%
暗
189299.4%
提出了一种基于图像能量的车牌定位算法,该算法避免了常见方法中二值化图像时,整体阈值难以最佳确定的问题。对大量不同背景和光照条件下的运动车辆的车牌进行了定位实
定位错洪定位准确率
验,实验表明方法计算简单,准确率高,鲁棒性好,满足系统实
时性要求。该方法可以应用于车辆监控、道路收费、停车场管理等领域。
从表1可看出提出的算法受亮度和图像复杂程度的影响很
小,总的定位准确率达到98.8%。图6所示的四幅图是本文算法分别对暗、较暗、亮、较亮四种不l司光照图像的车牌定位效果图。
图7同一辆车的图像序列定位
参考文献:
【1】Lin
on
Chien-Chou,HuangWen-Huei.Locatingedge
features
of
intensity
andsaturation
licenseplatebased
subimages[J].IEEE,
2007.227.
【2】FamdjiF,RezaieAH,ZiaratbanM.Amorpbeiogical—basedlicense
plate
图6不同光照和类型图像车牌定位效果图
location[J].IEEEICIP。2007:57—60.
4应用车牌定位于测量车速
为了测量汽车的运行速度同,可以通过定位车牌的位置来确定车辆帧问移动的像素距离,再将车辆帧问移动的像素个数映
【3】赵雪春,戚飞虎.基于彩色分割的车牌自动识别技术m上海交通大
学学报,1998(10):4—9.【4】王润民,钱盛友.一种基于能量滤波和小波的车牌定位方法们.光电
子・激光,2006(9):1110—1114.
射为对应的实际距离,最后除以时间来得到运动速度。图7中的三帧图像,是实验中同—辆车经过镜头时连续采集的,图5中黑
线标记车牌定位的结果。可以看出,车牌能够准确定位。(上接21页)
。u
f5】曹刚,游志胜,赵树龙.一种基于自适应能量滤波的快速车牌定位方
法【J1.光电子・激光,2003(5):523—528.【6】李宇成,阴亮.基于图像的运动车辆速度测量【J】.北方工业大学学
报,2008(3):32—36.
具有较小的跟随误差,而在真实声望值保持不变时,计算值具
).9).8).7
B■itara:☆d,№I
有较小的随机误差,其性能优于单独选择—个A因子的情况。
从表1可以看出,选择单一遗忘因子A--0.005和A---0.25时,平均均方误差比动态选择方法分别要高174%和80%,进一步说明了本方法的有效性。
t^一,k._一
呵
--,.--檑荏震
f算值【.
量
地
).6).5}.41.3}.2).1
于
;
5结论
动态性是声望模型中需要考虑的—个重要问题。在通过遗
忘因子解决声望的动态性的基础之上,对声望值的计算误差及其来源进行了讨论,并分析了遗传因子的取值与跟随误差和随
交互次数
图3采用动态选择A方法时声望的真实值
和计算值比较图(A=O.005或0.25)
机误差的关系,提出了以降低总误差为目标的一种自适应选择
遗忘因子的算法。仿真结果表明:该方法是行之有效的。参考文献:
【1】ResmckP,ZeckhauserR,FriedmanE,eta1.Reputationsystems[J].
Communicationsofthe
10次实验的平均均方误差平均值对比如表1所示。
表l不同A选取斤法的平均均方误差
ACM,2000,43(12):45—镐.
survey
【2】JosangA,IsmailR,BoydC.A
foronline
service
oftrustand
reputation
systems
provision[J].DecisionSuppoa
Systems,2007,43
(2):618-644.
从图1、2、3中可以看出,当服务提供者的真实声望值发生
突变时,采用较小的遗忘因子(A=0.005),则计算值的变化缓
【3】JcsangA,IsmailR.Thebeta
15th
BledElectronic
reputation
system[C]//Proceedingsofthe
for
CommerceConference,Bled,Slovenia。2002.
trust
on
慢,不能尽快体现出服务提供者真实声望值的变化;若采用较
大的遗忘因子(A=0.25),虽然计算值可以随真实声望较快地改
【4】XiongL,liuLPeerTrust:Supportingreputation-based
to—peer
peer—
electronic
communities[J].IEEETransactions
Dataand
KnowledgeEngineering,2004,l6(7):843-857.
变,但声望度计算值的随机性很大;而采用提出的动态选择方法,在真实声望值发生突变时,计算值可以较快地体现该变化,
【5]盛骤,谢式千,潘承毅.概率论与数理统iT[M].北京:高等教育出版
社,2003.
一种新的车牌定位方法及应用
作者:作者单位:刊名:英文刊名:年,卷(期):被引用次数:
李宇成, 覃妮, 王目树, LI Yu-cheng, QIN Ni, WANG Mu-shu北方工业大学,自动化系,北京,100144计算机工程与应用
COMPUTER ENGINEERING AND APPLICATIONS2009,45(17)0次
参考文献(6条)
1.Lin Chien-Chou.Huang Wen-Huei Locating license plate based on edge features of intensity andsaturation subimages 2007
2.Faradji F.Bezaie A H.Ziaratban M A morphoiogical-based license plate location 20073.赵雪春.戚飞虎 基于彩色分割的车牌自动识别技术 1998(10)
4.王润民.钱盛友 一种基于能量滤波和小波的车牌定位方法[期刊论文]-光电子·激光 2006(09)
5.曹刚.游志胜.赵树龙 一种基于自适应能量滤波的快速车牌定位方法[期刊论文]-光电子·激光 2003(05)6.李宇成.阴亮 基于图像的运动车辆速度测量[期刊论文]-北方工业大学学报 2008(03)
相似文献(1条)
1.学位论文 陈勇 车牌定位和字符分割算法的研究与实现 2006
随着科学技术的发展,社会信息化程度的日益提高,交通管理智能化已成为发展的趋势。车辆牌照识别系统的研制与开发,是影响交通系统智能化、现代化的重要因素,而车牌定位和字符分割是车牌识别中最为关键的两项技术,对整个系统的性能起着至关重要的作用。
本文在详细研究国内外各种代表性车牌定位算法的基础上,提出了一种三级定位算法。首先基于图像能量特征对车牌区域进行粗定位,得到一组候选区域。然后基于字符纹理特征分析对车牌候选区域进行筛选,得到车牌区域,并运用数学形态学方法对区域作二次定位。接着利用牌照的颜色信息对定位的结果作最后的修正。
车牌倾斜、噪声、边框和铆钉以及光照不均等问题给车牌字符的分割带来了很大困难。本文提出了一种边缘自适应滤波的牌照图像增强算法,有效抑制了噪声对字符边缘信息的干扰。并对牌照图像的二值化方法进行了比较研究。创新的提出了基于字符纹理区域边界检测的车牌倾斜校正算法,解决了长期以来车牌倾斜校正适应性差、精确度低的难题。对字符笔划的平滑处理进行了改进,有效提高了平滑的适应性。并对字符切分的算法进行了讨论。
在研究的基础上,设计和实现了车牌定位和字符分割软件模块,并对车牌定位和字符分割算法进行了测试。车牌定位的准确率达到96.5﹪,错误率1﹪,失败率2.5﹪;字符分割的车牌正确率达到93.45﹪,字符正确率达到98.25﹪。实验结果表明,本文的车牌定位和字符分割算法具有较好的实用性和鲁棒性,并已在实际的工程中得到了应用。
本文链接:http://d.g.wanfangdata.com.cn/Periodical_jsjgcyyy200917045.aspx
授权使用:中南林业科技大学(znlykj),授权号:056ea244-b9d0-489d-920e-9e3400d7b116
下载时间:2010年11月20日