魏中衡 張帥

摘要：車(chē)牌定位是車(chē)輛牌照識(shí)別的重要基礎(chǔ)。傳統(tǒng)的車(chē)牌定位方法由于受到光照變化、圖像尺寸大小或者車(chē)身顏色與車(chē)牌顏色相近的影響具有局限性。該文提出了一種基于紋理分析和字符特征相結(jié)合的方法，重點(diǎn)介紹了圖像預(yù)處理、梯度化、紋理分析和字符特征分析等主要步驟并給出了實(shí)驗(yàn)結(jié)果。

關(guān)鍵詞：車(chē)牌定位；紋理分析；字符特征；sobel變換

中圖分類(lèi)號(hào)：TP311文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)22-5434-04

License Plate Location Based on Texture and Character Features

WEI Zhong-heng, ZHANG Shuai

（Shandong University of Science and Technology，Qingdao 266590, China）

Abstract：License plate location is the base of license plate recognition. Traditional methods have limitations in light change、image size differences and those plates which have the similar color with the car. The paper proposed a method based on texture and character features. It introduces image processing、image gradient、texture and character features analysis with experimental results.

Key words: license plate location; texture analysis; character features; sobel transform

隨著經(jīng)濟(jì)的迅猛發(fā)展，中國(guó)的城市道路以及停車(chē)場(chǎng)建設(shè)越來(lái)越多，智能交通系統(tǒng)的出現(xiàn)大大提高了管理效率。車(chē)牌定位系統(tǒng)作為智能交通的一部分，能夠有效的加快我國(guó)交通管理自動(dòng)化的進(jìn)程。而車(chē)牌定位作為車(chē)牌定位識(shí)別系統(tǒng)中的重要環(huán)節(jié)，效果的好壞直接影響最終的識(shí)別效果。

該文提出了一種比較精確的車(chē)牌定位方法。首先對(duì)車(chē)牌圖像進(jìn)行預(yù)處理，提高圖像的質(zhì)量。圖像的預(yù)處理包括灰度化和灰度拉伸以減少要處理的圖像信息。然后使用水平sobel算子去除橫向噪聲的干擾，有效的提取車(chē)牌區(qū)域的縱向紋理特征。為了進(jìn)一步的講車(chē)牌區(qū)域從圖像中提取出來(lái)，我們接著對(duì)圖像做了二值化處理和水平跳變檢測(cè)。最后，通過(guò)紋理分析和字符特征分析篩選出精確的車(chē)牌區(qū)域。整個(gè)流程如圖1所示。

1圖像預(yù)處理

1.1灰度化

一般拍攝的圖像為24位真彩色圖像，而彩色圖像處理起來(lái)相對(duì)復(fù)雜，我們根據(jù)灰度值和RGB顏色之間的對(duì)應(yīng)關(guān)系將彩色圖轉(zhuǎn)化為灰度圖。G代表灰度化后的灰度值，R、G、B分別代表原圖像中的紅、綠、藍(lán)分量。根據(jù)G＝0.299R + 0.587G + 0.114B，可以得到灰度圖2。

1.2灰度拉伸

為了增強(qiáng)車(chē)輛圖像和拍照?qǐng)D像的對(duì)比度，以便更好的進(jìn)行車(chē)牌定位，需要對(duì)圖像進(jìn)一步進(jìn)行灰度拉伸,見(jiàn)公式（1）。

2 sobel變換

圖像邊緣是圖像最基本的特征，邊緣是指周?chē)鷪D像像素灰度階躍變化的像素集合。車(chē)牌區(qū)域最明顯的是字符特征，加上字符在水平方向邊緣特征比較突出，我們選擇使用水平sobel算子對(duì)灰度圖像進(jìn)行sobel變換，得到的圖像很好的提取了車(chē)牌區(qū)域的縱向紋理特征，也去除了橫向噪聲的干擾。公式（2）為水平sobel算子。

3二值化

4獲得車(chē)牌區(qū)域

4.1水平跳變檢測(cè)

車(chē)牌區(qū)域上有字符，而且字符之間的間隔非常均勻，所以字符和牌照底色在灰度值上存在跳變，這樣使得牌照區(qū)域則會(huì)有豐富的邊緣。所以在進(jìn)行紋理分析前，我們先進(jìn)行水平跳變檢測(cè)。

水平跳變檢測(cè)中每一點(diǎn)的計(jì)算只與其右側(cè)點(diǎn)有關(guān)，若f(x,y)為當(dāng)前像素點(diǎn)，跳變點(diǎn)

5總結(jié)

該文提出了一種基于紋理分析和字符特征的車(chē)牌定位方法，有效的解決了其他算法因?yàn)楣庹兆兓?、?chē)牌尺寸大小不一等帶來(lái)的定位不準(zhǔn)確的問(wèn)題。實(shí)驗(yàn)結(jié)果表明，該方法效果比較好，能夠較為精確的定位出車(chē)牌區(qū)域。

參考文獻(xiàn)：

[1]鄭成勇.一種RGB顏色空間中的車(chē)牌定位新方法[J].中國(guó)圖象圖形學(xué)報(bào),2010,11(15):1623-1628.

[2]王枚,王國(guó)宏.利用伴生與互補(bǔ)顏色特征的車(chē)牌定位新方法[J].計(jì)算機(jī)工程與應(yīng)用,2007,43(1):206-208,211.

[3]王義興,黃鳳崗,韓金玉,等.基于顏色搭配與紋理特征的車(chē)牌定位方法[J].中國(guó)圖象圖形學(xué)報(bào),2009,14(2):303-308.

[4]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.

[5] Rami Al-Hmouz，Subhash Challa. License plate localization based on a probabilistic model[J].Machine Vision and Applications,2010,21( 3) : 1-12.

[6]秦鐘,徐建閩.基于字符角點(diǎn)信息的車(chē)牌定位方法[J].華南理工大學(xué)學(xué)報(bào),自然科學(xué)版.2006,34(4):19-23.

[7]是湘全,何苑凌,蔡孟波.遺傳算法在汽車(chē)牌照定位中的應(yīng)用[J].公路交通科技,2000,17(5):33-36.

[8]曹剛,游志勝,趙樹(shù)龍.基于小波隱性馬爾可夫樹(shù)模型的車(chē)牌定位[J].電子科技大學(xué)學(xué)報(bào),2004,33(5):515-518.

[9]葉茂亮,劉長(zhǎng)松.基于筆畫(huà)分析和形態(tài)學(xué)的汽車(chē)牌照定位算法[J].電視技術(shù),2005(5):85-87.

[10]楊海廷.基于紋理特征的車(chē)牌識(shí)別系統(tǒng)的研究與實(shí)現(xiàn)[D].電子科技大學(xué).2005.