鄭成勇
?
一種CIELab顏色空間中的車(chē)牌定位方法
鄭成勇
(五邑大學(xué) 數(shù)理系,廣東 江門(mén) 529020)
提出了在CIELab顏色空間中進(jìn)行車(chē)牌定位的方法. 首先將圖像從RGB顏色空間轉(zhuǎn)換到CIELab顏色空間;然后通過(guò)數(shù)學(xué)形態(tài)學(xué)增強(qiáng)和圖像連通體分析提取出候選區(qū)域;最后通過(guò)分析候選區(qū)域的面積、寬高比及灰度階躍次數(shù)提取出真實(shí)的車(chē)牌區(qū)域. 大量的車(chē)牌定位實(shí)驗(yàn)表明:所提算法適用于不同尺寸的車(chē)牌圖像,定位準(zhǔn)確率較高.
車(chē)牌定位;CIELab;數(shù)學(xué)形態(tài)學(xué)
車(chē)牌定位是將車(chē)牌從復(fù)雜的背景中分割出來(lái),定位的準(zhǔn)確度直接決定后續(xù)車(chē)牌字符的分割與識(shí)別的準(zhǔn)確性,是車(chē)牌識(shí)別系統(tǒng)(LPR)的關(guān)鍵. 國(guó)內(nèi)外學(xué)者對(duì)此進(jìn)行了大量的研究[1-9],其中,基于顏色的車(chē)牌定位方法目前主要以RGB顏色空間和HSV(或HIS)顏色空間為主. RGB顏色空間不具有進(jìn)行彩色圖像處理所需的獨(dú)立性和均勻性指標(biāo),光照的變化對(duì)車(chē)牌定位精度影響較大;HSV(或HIS)顏色空間包含亮度、色度、飽和度等指標(biāo),車(chē)牌的顏色特征以色度和飽和度表示,受光照條件的影響相對(duì)較小,但要用色度和飽和度來(lái)分離出特定顏色的車(chē)牌,閾值的選取仍然比較困難. 本文提出了一種CIELab顏色空間中的車(chē)牌定位方法,該法對(duì)光照條件等不敏感,定位準(zhǔn)確率較高.
圖1 車(chē)牌定位提取流程圖
由于無(wú)法直接從RGB顏色空間轉(zhuǎn)換到Lab顏色空間,所以需要先從RGB顏色空間轉(zhuǎn)換到XYZ顏色空間,然后再轉(zhuǎn)換到Lab顏色空間. 從RGB顏色空間到XYZ顏色空間的轉(zhuǎn)換公式為[12]:
從XYZ顏色空間到Lab顏色空間的轉(zhuǎn)換公式為[10]:
,
,
,
圖1 藍(lán)底白字車(chē)牌閾值分割效果圖
圖2 黃底黑字車(chē)牌閾值分割效果圖
End For.
通過(guò)面積及寬高比檢驗(yàn),絕大多數(shù)偽車(chē)牌區(qū)域已經(jīng)被去除. 實(shí)驗(yàn)表明:大多數(shù)情況下可以省略這一步,因?yàn)樗鼘?duì)定位的準(zhǔn)確率影響不大. 灰度階躍次數(shù)檢驗(yàn)算法如下:
圖3 圖像大小220×100,分割閾值
圖4 圖像大小320×240,分割閾值
圖5 夜晚圖像,分割閾值,尺寸為352×288
圖6 圖像大小366×271,分割閾值
圖7 圖像大小640×480,分割閾值
圖8 圖像大小1 632×1 224,分割閾值
圖9 圖像大小288×267,分割閾值
通過(guò)對(duì)不同尺寸、不同光照條件下多種車(chē)牌圖像的定位,實(shí)證了本文算法的有效性,并得出以下結(jié)論:
2)車(chē)牌的寬高比范圍約介于待處理圖像寬高比的2倍到4倍之間,其面積應(yīng)大于待處理圖像寬高比的200倍;
3)因圖像尺寸的不同,圖像中車(chē)牌寬度和高度并沒(méi)有明確的范圍.
[1] 陳斌,游志勝. 車(chē)牌號(hào)碼顏色提取搜索方法[J]. 計(jì)算機(jī)應(yīng)用,2001, 21(4): 74-75.
[2] 王夏黎,周明全,耿國(guó)華. 一種基于HSV顏色空間的車(chē)牌照提取方法[J]. 計(jì)算機(jī)工程,2004, 30(17): 133-135.
[3] 周澤華,潘保昌,鄭勝林,等. 基于多顏色模型的車(chē)牌定位方法[J]. 微計(jì)算機(jī)信息,2007, 23(1): 283-285.
[4] 傅一平,李志能,袁丁. 基于HSI空間的顏色算法提牌照識(shí)別的性能[J]. 計(jì)算機(jī)工程與設(shè)計(jì),2004, 25(5): 703-707.
[5] HSIEH J, YU S, CHEN Y. Morphology-based license plate detection from complex scenes[C]//Proceedings of the 16th International Conference on Pattern Recognition (ICPR'02). [S.l.]: [s.n.], 2002, 3: 176-179.
[6]MAHINI H, KASAEI S, DORRI R. An efficient features-based license plate localization method[C]// Proceedings of 18th International Conference on Pattern Recognition (ICPR'06). Hong Kong: [s.n.], 2006, 2: 841-844.
[7] 郭天舒. 基于車(chē)牌自身結(jié)構(gòu)特征的車(chē)牌定位算法[J]. 計(jì)算機(jī)與信息技術(shù),2008, 10: 51-57.
[8] 朱俊梅,陳少平. LPR系統(tǒng)車(chē)牌定位提取方法的研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2008, 44(14): 198-201.
[9] 郭捷,施鵬飛. 基于顏色和紋理分析的車(chē)牌定位方法[J]. 中國(guó)圖像圖形學(xué)報(bào),2002, 7(5): 472-476.
[10] Wikipedia. Lab color space[EB/OL]. [2009-04-24]. http://en.wikipedia.org/wiki/Lab_color_space.
[11] 陳麗雪,陳昭炯. 基于Lab空間的圖像檢索算法[J]. 計(jì)算機(jī)工程,2008, 34(13): 224-226.
[12] RGB2Lab [EB/OL]. [2009-04-24]. http://users.rsise.anu.edu.au/~luke/cvcourse_files/labs/RGB2Lab.m.
[13] Wikipedia. D65[EB/OL]. [2009-10-12]. http://en.wikipedia.org/wiki/D65.
[責(zé)任編輯:孫建平]
A Method for Locating Vehicle License Plates in CIELab Color Space
ZHENGCheng-yong
This paper attempts to put forward a vehicle license plate location technique which is independent of image size and illumination condition. We first shift the image from the RGB color space to the CIELab color space, then extract candidate rectangular regions through morphology analysis and image connection components analysis, and finally locate the real plate region through an analysis of the area of the candidate region, ratio of width to height and number of gray level jumps. A large number of plate location experiments show that the algorithm is applicable to plates of different sizes; its accuracy of license plate location is high.
license plate location; CIELab; mathematic morphology
1006-7302(2010)01-0021-06
TP391
A
2009-09-09
鄭成勇(1978—),男,湖南宜章人,碩士,講師,研究方向:數(shù)字圖像處理、模式識(shí)別,E-mail: zcy_179@163.com.