專利名稱：基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法的車牌字符分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖象處理技術(shù)領(lǐng)域，特別涉及車牌識(shí)別技術(shù)中的復(fù)雜背景中的車牌字符分 割方法。
技術(shù)背景智能交通是當(dāng)前交通管理發(fā)展的主要方向，是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題。 汽車牌照自動(dòng)識(shí)別技術(shù)則是智能交通系統(tǒng)的核心。它是解決高速公路管理問題的重要手段，是計(jì)算機(jī)圖像處理技術(shù)和模式識(shí)別技術(shù)在智能交通領(lǐng)域的應(yīng)用。該技術(shù)在解決高速公路的 諸多問題，如車輛收費(fèi)和管理，交通流量檢測(cè)，停車場(chǎng)收費(fèi)管理，違章車輛監(jiān)控，假牌照 車輛識(shí)別等具體問題中應(yīng)用廣泛，具有巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。同時(shí)，它在城市道路、 港口和機(jī)場(chǎng)等項(xiàng)目管理中占有重要地位。隨著計(jì)算機(jī)性能的提高和圖像處理技術(shù)的發(fā)展， 車牌識(shí)別系統(tǒng)已經(jīng)日趨成熟。詳見文獻(xiàn)T.Vaito， T.Tsukada， K.Yamada， K.Kozuka, and S.Yamamoto， "Robust license-plate recognition method for passing vehicles under outside environment," IEEE Trans. Veh. Technol., vol.49， pp.2309-2319， Nov.2000和文獻(xiàn) Shyang-Lih Chang, Li-Shien Chen, YunChung Chung， Sei-Wan Chen, Automatic license plate recognition, Intelligent Transportation Systems, IEEE Transactions on, March 2004所述。在自動(dòng)車牌識(shí)別技術(shù)中，車牌字符的精確分割是整個(gè)識(shí)別技術(shù)的難點(diǎn)和關(guān)鍵。車牌字 符分割的精度直接影響整個(gè)車牌識(shí)別系統(tǒng)的性能。在實(shí)際生活中，由于受背景的復(fù)雜性、 光照條件的不均勻性和天氣變換的不定性等環(huán)境因素，以及車牌本身傾斜程序、受污染程 度等因素的影響，目前的多數(shù)車牌字符分割方法只是在一定程度上解決了特定條件下從復(fù)雜背景中提取字符的問題，然而這些算法必須利用具體問題的先驗(yàn)知識(shí)，比如要利用車牌 在圖像中出現(xiàn)的位置以及車牌顏色等特定信息，這樣雖然可以解決某個(gè)特定的問題，但是 當(dāng)遇到新的問題或者某些先驗(yàn)知識(shí)不再成立時(shí)，又必須重新設(shè)計(jì)新的方法。通用的、能適 用于所有環(huán)境和條件的車牌定位方法還沒有成功研究出來。因此，如何在現(xiàn)有所有有價(jià)值 的研究成果之上，提高字符分割系統(tǒng)的通用性、縮短定位時(shí)問和提高分割精度將成為我們 當(dāng)前研究的主要方向。詳見文獻(xiàn)Rahman, C.A.; Badawy, W.; Radmanesh， A, "A real time vehicle's license plate recognition system",尸raceW"gs.C:—/^e"ce o"爿t/v朋ced F油o
。w/S/g"a/5oyo/iSwveZ〃tmce， Page(s):163 — 166, 2003禾B文獻(xiàn)Dogaru, R.; Dogaru, I.; Glesner， M， "Emergent computation in semitotalistic cellular automata: applications in character segmentation", 5fe附/com^wc組Co—re"ce, d 2(W /V( ceW,， Page(s):451 - 454vol.2, 2004現(xiàn)在通常使用的車牌字符分割方法有.-(1) 基于投影法的車牌字符分割方法。它通過對(duì)車牌區(qū)域的直方圖進(jìn)行分析，利用 字符區(qū)域的投影值比背景區(qū)域大的特性達(dá)到識(shí)別字符區(qū)域的目的。其缺點(diǎn)是適用于車牌圖 像亮度變化比較均勻、對(duì)比度比較良好的情況。但是在實(shí)際應(yīng)用中車牌圖像處于變化光源 的環(huán)境中，亮度極不均勻，從而限制了上述方法的使用。詳見文獻(xiàn)Yungang Zhang,Changshui Zhang，"A New Algorithm for Character Segmentation of License Plate", Intelligent Vehicles Symposium, 2003. Proceedings. IEEE, 9-11 June 2003 Page(s):106 — 109(2) 基于人工神經(jīng)網(wǎng)絡(luò)的方法。它利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)能力，通過訓(xùn)練 來達(dá)到車牌字符分割的目的。其優(yōu)點(diǎn)是融若干預(yù)處理和識(shí)別于一體、識(shí)別速度快；缺點(diǎn)是 當(dāng)特征定義遇到困難時(shí)，效果不能令人滿意。詳見文獻(xiàn)Satriyo Nugroho，A， Kuroyanagi，S, Iwata，A， "An algorithm for locating characters in color image using stroke analysis neural network", Neural Information Processing, 2002. ICONIP '02. Proceedings of the 9th International Conference on Volume 4,18-22 Nov. 2002 Page(s):2132 - 2136 vol.4.(3) 基于彩色的車牌字符分割方法。它是通過提取車牌中字符區(qū)域不同于其他區(qū)域 的特殊彩色特征來區(qū)別字符區(qū)域和背景區(qū)域，從而在車牌中分割出字符。其缺點(diǎn)是難以解 決在照明不均勻環(huán)境下定位準(zhǔn)確率問題，并且定位速度慢，難以達(dá)到實(shí)時(shí)性識(shí)別的要求。 詳見文獻(xiàn)H.Goto and H.Aso. Character Pattern Extraction from Colorful Documents with Complex Backgrounds[C〗.Proceedings of 16lh International Conference on Pattern Recognition, ICPR2002, Aug.2002， Canada.(4) 基于邊緣檢測(cè)的方法。它通過提取圖像的邊緣信息進(jìn)行分析，進(jìn)而測(cè)得車牌字 符邊緣。其缺點(diǎn)是要求圖像邊緣的連續(xù)性要好，但實(shí)際拍攝的車牌字符邊框往往不連續(xù)。 詳見文獻(xiàn)Fu Yuqing, Shen Wei, Huang Xinhua. Research on vehicle license plate character extraction from complex background[J]. Pattern Recognition and Artificial Intelligence, 2000， 13(3): 345~348(in Chinese)
上述的四種車牌字符分割算法的共同點(diǎn)是這些方法都是針對(duì)一個(gè)特定的條件，容易 受天氣、背景、光照等因素的限制，魯棒性不好。 一旦條件發(fā)生變化，它們的分割準(zhǔn)確率 就會(huì)發(fā)生較大的波動(dòng)，從而整個(gè)車牌識(shí)別系統(tǒng)的性能大大降低。 發(fā)明內(nèi)容本發(fā)明的任務(wù)是提供一種基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位相結(jié)合的車牌字符 分割方法，它具有在照明不均勻環(huán)境下定位準(zhǔn)確率高和識(shí)別率高的特點(diǎn)。按照本發(fā)明的車 牌字符分割方法，它包含下列步驟步驟1.車牌預(yù)處理。車牌字符分割以車牌定位程序分割出來的車牌圖像作為源圖片，因此，為了取得更好的字符分割效果，必須先對(duì)車牌圖像進(jìn)行預(yù)處理。預(yù)處理包括車牌圖 像增強(qiáng)和車牌圖像二值化。(1) 車牌圖像增強(qiáng)。本發(fā)明釆用運(yùn)用灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換， 實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)。具體方法為首先采用公式gra^(l,力(/,/) + l)-gra^(U(/,/Kl) + l計(jì)算車牌圖像的灰度直方圖，其中/表示圖像的行位 置，j'表示圖像的列位置，A車牌圖像，grayA表示灰度直方圖矩陣；然后采用灰度拉伸變換對(duì)車牌字符區(qū)域進(jìn)行增強(qiáng)，灰度拉伸的變換公式為當(dāng)X〈X,時(shí)，/(X)=ZJ_X,當(dāng);c, s ;c s jc2 時(shí) ， /(jc) = h - ^ (x — x, ) +力， 當(dāng)X > X2時(shí) ，= 255 — h (x —+ ^ ,其中，x原始車牌圖像中象素的灰度級(jí)，f(x)是象素 255 — x2點(diǎn)x經(jīng)過增強(qiáng)后的灰度級(jí)，(X|， yi) and (x2, y2)是灰度拉伸變換的兩個(gè)閾值(2) 車牌圖像二值化。二值化閾值的選取是影響圖像二值化效果的一個(gè)至關(guān)重要的因素，在本發(fā)明中，二值化閥值由下式公式計(jì)算而得r = M+ C' * ^r。其中，T為二值化閾值，r,為車牌圖像中字符象素所占的比例，r2為車牌圖像中背景象素所占的比 例，M為增強(qiáng)后車牌圖像的均值，C為增強(qiáng)后車牌圖像的標(biāo)準(zhǔn)差，它們的計(jì)算公式分別為M = 。
+r2 *g2和c = V心-M)2 + *-M)2 ，其中&和&分
別為增強(qiáng)后的車牌中字符象素點(diǎn)和背景象素點(diǎn)的灰度級(jí)。然后利用得到的二值化閾對(duì)增強(qiáng) 后的車牌圖像進(jìn)行二值化，得到車牌的二值圖像。具體的二值化方法是若車牌圖像上象 素點(diǎn)的值大于或等于閥值，就把該處的值設(shè)置為255,否則把該處的值設(shè)置為0。經(jīng)過二值 化，車牌灰度圖像轉(zhuǎn)化為由一系列0和255組成的圖像。歩驟2.運(yùn)用快速區(qū)域標(biāo)號(hào)算法對(duì)車牌二值圖像進(jìn)行連通性分析?？焖賲^(qū)域標(biāo)號(hào)算法是一種快速的連通性分析方法，它的基本思想如下首先假設(shè)二值圖像中為0的點(diǎn)是背景， 為1的點(diǎn)是字符；然后建立一個(gè)和車牌二值圖像矩陣同樣大小的標(biāo)號(hào)矩陣，把標(biāo)號(hào)矩陣中 每個(gè)元素的基本標(biāo)號(hào)都設(shè)置為1;接著對(duì)圖像從左到右、從上到下進(jìn)行掃描，如果遇到0， 標(biāo)號(hào)不作變化，如果遇到l，再根據(jù)該點(diǎn)周邊點(diǎn)的象素值，即使用如附圖I所示的4鄰域 掩模確定它的標(biāo)號(hào)。4鄰域掩模對(duì)車牌二值圖像的巻積運(yùn)算可以用下面的式子來代替-C(/，))=:邵—1,力+邵+ 1,力+邵,卜1) +邵,7' + 1) + 5(/，力，其中，B為車牌二值圖像矩陣，C為標(biāo)號(hào)矩陣，/表示圖像的行位置，./表示圖像的列位置，4鄰域掩模如附圖1所示。然后分別檢測(cè)標(biāo)號(hào)矩陣中標(biāo)號(hào)分別為4和5的標(biāo)號(hào)的數(shù)目，以確定區(qū) 域生長法的"種子"點(diǎn)。如果標(biāo)號(hào)矩陣中4的數(shù)目多于5的數(shù)目，則把標(biāo)號(hào)為4的點(diǎn)設(shè)置 為區(qū)域生長法的"種子"點(diǎn)，否則把標(biāo)號(hào)為5的點(diǎn)設(shè)置為區(qū)域生長法的"種子"點(diǎn)。接著 用區(qū)域生長法確定字符的候選區(qū)域，具體的做法就是以這些"種子"點(diǎn)開始區(qū)域生長，凡 是一個(gè)點(diǎn)的8鄰域內(nèi)有"種子"標(biāo)號(hào)點(diǎn)處在區(qū)域生長法得到的區(qū)域內(nèi)的，就把該點(diǎn)加入到 生長區(qū)域之中。由此可以得到字符的候選區(qū)域，記錄下每個(gè)區(qū)域的上、下、左、右邊界。歩驟3.連通區(qū)域分析。對(duì)步驟2中所得到的一系列字符候選區(qū)域進(jìn)行分析篩選，去除 由于噪聲、光照不均勻等因素產(chǎn)生的偽字符區(qū)域。具體的方法就是分別去除高度小于5個(gè) 象素、寬度小于2個(gè)象素、高寬比小于1和高寬比大于3的字符候選區(qū)，剩下的字符候選 區(qū)域?yàn)樽罱K的字符候選區(qū)域。歩驟4.采用基于大間隔的車牌字符定位方法確定各個(gè)字符在車牌中的位置。該方法的 具體思路如下-(1)計(jì)算字符的實(shí)際寬度和車牌大間隔、小間隔的大小。字符的實(shí)際寬度是根據(jù)步驟 3得到的最終字符候選區(qū)域的寬度來計(jì)算的。具體的計(jì)算方法是計(jì)算所有最終字符候選區(qū) 域的寬度的平均值，把該平均值作為本幅車牌圖像中字符的實(shí)際寬度。小間隔和大間隔是 車牌中存在的兩種不同間隔。在如附圖2所示的標(biāo)準(zhǔn)車牌中，第一個(gè)字符和第二個(gè)字符、 第三個(gè)字符和第四個(gè)字符、第四個(gè)字符和第五個(gè)字符、第五個(gè)字符和第六個(gè)字符、第六個(gè) 字符和第七個(gè)字符之間的間隔都為12mm，稱為小間隔；第二個(gè)宇符和第三個(gè)字符之間的 距離為34mm ，稱為大間隔。大間隔和小間隔的計(jì)算公式分別為/arge—inter = 0.75* vWt//1/2， sma〃—inter = 0.26*wzV/Z/7其中l(wèi)arge—inter是大間隔，small—inter是小間隔，width為字符實(shí)際寬度。(2) 對(duì)歩驟3得到的最終字符候選區(qū)域進(jìn)行排序。本方法中，按照字符候選區(qū)域從左 至右進(jìn)行排序，因此排列后的候選字符區(qū)域和車牌中的字符區(qū)域具有相同的次序。(3) 釆用中間補(bǔ)足方法，補(bǔ)足步驟2中可能遺漏的中間字符。具體的方法是利用上面 第一歩得到的字符實(shí)際寬度來判定已經(jīng)定位出來的相鄰兩個(gè)區(qū)域間遺失的字符數(shù)目，如果 相鄰區(qū)域的間隔距離小于1.2* (t+l)倍的字符實(shí)際寬度而大于1.2*{倍的字符實(shí)際寬度， 則這兩個(gè)區(qū)域間遺失了 t字符，應(yīng)該根據(jù)小間隔和字符實(shí)際寬度對(duì)這個(gè)t個(gè)區(qū)域進(jìn)行補(bǔ)足； 如果相鄰區(qū)域的間隔距離小于1.2倍的字符實(shí)際寬度而大于0.8倍的字符實(shí)際寬度，則這兩 個(gè)區(qū)域間遺失了 1字符，同樣補(bǔ)足一個(gè)字符。(4) 定位大間隔的位置。經(jīng)過字符中間補(bǔ)足后，幵始尋找大間隔在車牌中的位置，其 基本原理如下從右到左掃描中間補(bǔ)齊后的字符候選區(qū)域，如果某兩個(gè)字符候選區(qū)域中間 的間隔大于或等于大間隔的大小，則說明找到大間隔，這兩個(gè)字符區(qū)域分別屬于第二個(gè)和 第三個(gè)字符。如果掃描完畢后沒有找到大間隔，則以字符實(shí)際寬度和實(shí)際高度為基準(zhǔn)分別 向第一個(gè)候選區(qū)域的左邊區(qū)域和最后一個(gè)候選區(qū)域的右邊區(qū)域掃描，如果掃描到的區(qū)域中 字符象素所占的比例小于20%，則說明此處為大間隔所在。(5) 采用基于大間隔的定位方法確定7個(gè)字符的相應(yīng)位置。找到大間隔以后，首先基 于大間隔的位置，定位出第一個(gè)和第二個(gè)字符。具體的方法是如果大間隔的左邊有兩個(gè) 字符候選區(qū)域，則把這兩個(gè)候選區(qū)域確定為第一個(gè)和第二個(gè)字符；如果只有一個(gè)字符候選 區(qū)域，則檢測(cè)這個(gè)字符和大間隔之間的距離，如果距離大于小間隔，則這個(gè)候選區(qū)域?yàn)榈?一個(gè)字符，此時(shí)需根據(jù)小間隔和字符實(shí)際寬度的大小來確定第二個(gè)字符的位置，如果距離 小于小間隔，則這個(gè)候選區(qū)域?yàn)榈诙€(gè)字符，此時(shí)需根據(jù)小間隔和字符實(shí)際寬度的大小來 確定第一個(gè)字符的位置；如果大間隔的左邊沒字符候選區(qū)域，則此時(shí)需根據(jù)小間隔和字符
實(shí)際寬度的大小來確定第一個(gè)和第二個(gè)字符的位置。然后確定第三個(gè)到第七個(gè)字符的位置。 具體的方法是把大間隔右邊的字符候選區(qū)域從左到右依次確定為第三個(gè)字符、第四個(gè)字符、 第五個(gè)字符、第六個(gè)字符和第七個(gè)字符。如果大間隔右邊的字符候選區(qū)域不足5個(gè)，則根 據(jù)小間隔和字符實(shí)際寬度的大小向右補(bǔ)足剩下的字符區(qū)域。步驟5.分割字符。根據(jù)前面的步驟我們定位出了所有的字符在車牌中的位置，利用這 些位置信息我們從車牌中分割出字符；通過以上步驟，我們就從車牌的灰度圖像中分割出字符。需要說明的是-1. 步驟l中使用的車牌圖像是經(jīng)過車牌定位程序后得到的灰度圖像，不需要再做灰度 轉(zhuǎn)換處理。2. 由于受光照、噪聲等因素的影響，如果直接對(duì)原始的車牌灰度圖像進(jìn)行字符定位， 那么定位的精度一定不高，因此在步驟1的第一步中采用灰度直方圖和灰度拉伸變換對(duì)車 牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)。3. 歩驟l的第二步中所采用的二值化閾值的計(jì)算方法可以最大限度地突出字符區(qū)域， 在二值化時(shí)可以把大部分的背景二值化為0。4. 經(jīng)過步驟2的快速區(qū)域標(biāo)號(hào)后，標(biāo)號(hào)矩陣一共有6種值從1到6。其中，值為l 的點(diǎn)表示黑點(diǎn)即背景點(diǎn)，值為2的點(diǎn)為孤立的白點(diǎn)，值為3的點(diǎn)表示字符的起始點(diǎn)或終止 點(diǎn)，值為4、 5、 6的點(diǎn)為字符內(nèi)部的點(diǎn)。5. 由于有些字符可能因?yàn)閿嗔鸦蛘邔?duì)比度的原因在區(qū)域生長過程中沒有完全被定位 出來，在步驟3的去除偽候選區(qū)域過程中，這些不完全的字符區(qū)域可能會(huì)被去除，因此需 要通過歩驟4的第三歩來檢測(cè)是否有遺失的字符區(qū)域，并重新定位出來。本發(fā)明采用一種基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法相結(jié)合的車牌字符分割方法，首先通過灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)；接著計(jì)算二值化閾值把車牌灰度圖像轉(zhuǎn)化為二值圖像；然后用快速區(qū)域標(biāo)號(hào)算 法對(duì)車牌二值圖像進(jìn)行連通性分^f并用區(qū)域生長法得到字符的候選區(qū)域；接著從車牌二值化圖像中定位出大間隔的位置；然后結(jié)合車牌大間隔的位置特征修正和補(bǔ)齊字符區(qū)域，得 到最終的字符區(qū)域；最后從車牌灰度圖像中分割出字符。采用本發(fā)明提出的基于快速區(qū)域 標(biāo)號(hào)算法和車牌大間隔定位方法相結(jié)合的車牌字符分割方法，可以有效地提高系統(tǒng)的通用性和定位精度等性能。本發(fā)明的創(chuàng)新之處在于-本發(fā)明采用一種基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法相結(jié)合的車牌字符分割 方法，既充分利用快速區(qū)域標(biāo)號(hào)算法定位出字符的候選區(qū)域，又結(jié)合了車牌大間隔的位置 特性準(zhǔn)確的確定7個(gè)字符的相應(yīng)位置，具有很高的定位精度和定位速度。用快速區(qū)域標(biāo)號(hào) 算法對(duì)均值濾波后的車牌二值圖像進(jìn)行連通性分析，能夠快速的定位出車牌字符的候選區(qū) 域；根據(jù)標(biāo)號(hào)的特性確定區(qū)域生長法"種子"點(diǎn)的方法能夠更加精確的定位字符的候選區(qū) 域；基于車牌大間隔的位置和特性的字符區(qū)域修正和補(bǔ)齊方法對(duì)車牌定位程序定位精度要 求不是很高，而且最大限度的減少了對(duì)車牌先驗(yàn)知識(shí)的依賴，提高了系統(tǒng)整體的魯棒性。


圖1是快速區(qū)域標(biāo)號(hào)算法中所用的4鄰域掩模。 圖2是本發(fā)明最終得到的車牌圖像示意圖。其中，XI、 X2、 X3、 X4、 X5、 X6和X7分別代表車牌的第一個(gè)、第二個(gè)、第三個(gè)、 第四個(gè)、第五個(gè)、第六個(gè)和第七個(gè)字符。 圖3是原始的車牌灰度圖像。 圖4是增強(qiáng)后的車牌圖像。 圖5是二值化后的車牌圖像。 圖6是區(qū)域生長法得到的字符候選區(qū)域。 圖7是去除偽區(qū)域后得到的字符候選區(qū)域。 圖8是最終得到的車牌中字符區(qū)域。 圖9是從車牌中分割出來的字符。 圖10是本發(fā)明方法的流程圖。圖11是圖10中第四步采用基于大間隔的車牌字符定位方法確定各個(gè)字符在車牌中的 位置的流程圖。
具體實(shí)施方式
采用本發(fā)明的方法，首先使用Matlab語言編寫車牌識(shí)別軟件和車牌字符分割軟件；然 后在高速公路的入口處、收費(fèi)站和其他任何合適位置采用攝像裝置自動(dòng)拍攝車輛的原始圖 像；接著把拍攝到的車輛原始圖像作為源數(shù)據(jù)輸入到車牌識(shí)別軟件中進(jìn)行處理；定位出的
車牌再通過車牌字符分割軟件，最后輸出7個(gè)分割出來的車牌字符。采用320張車牌識(shí)別 軟件處理后得到的、包括雨天、霧天、晴天等不同天氣和車牌水平、車牌傾斜、車輛運(yùn)動(dòng)、 車輛靜止等不同狀態(tài)下的車輛灰度圖像作為源數(shù)據(jù)，準(zhǔn)確分割出313張車牌字符，字符分 割準(zhǔn)確率為97.8%。綜上所述，本發(fā)明的方法充分利用快速區(qū)域標(biāo)號(hào)算法的特點(diǎn)和車牌大間隔的位置特性， 從而實(shí)現(xiàn)快速準(zhǔn)確地從所提供的車牌灰度圖像中分割出車牌字符。
權(quán)利要求
1、本發(fā)明涉及一種基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法相結(jié)合的車牌字符分割方法，其特征在于包括如下步驟步驟1.車牌預(yù)處理。車牌字符分割以車牌定位程序分割出來的車牌圖像作為源圖片，因此，為了取得更好的字符分割效果，必須先對(duì)車牌圖像進(jìn)行預(yù)處理。預(yù)處理包括車牌圖像增強(qiáng)和車牌圖像二值化。(1)車牌圖像增強(qiáng)。采用運(yùn)用灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)。(2)車牌圖像二值化。首先計(jì)算二值化閾值，然后利用得到的二值化閾值對(duì)增強(qiáng)后的車牌圖像進(jìn)行二值化，得到車牌的二值圖像。步驟2.運(yùn)用快速區(qū)域標(biāo)號(hào)算法對(duì)車牌二值圖像進(jìn)行連通性分析。通過對(duì)車牌二值圖像的連通性分析，得到字符的候選區(qū)域，記錄下每個(gè)區(qū)域的上、下、左、右邊界。步驟3.連通區(qū)域分析。對(duì)步驟2中所得到的一系列字符候選區(qū)域進(jìn)行分析篩選，去除由于噪聲、光照不均勻等因素產(chǎn)生的偽字符區(qū)域。步驟4.采用基于大間隔的車牌字符定位方法確定各個(gè)字符在車牌中的位置。該方法的具體思路如下(1)計(jì)算字符的實(shí)際寬度和車牌大間隔、小間隔的大??；(2)對(duì)步驟3得到的最終字符候選區(qū)域進(jìn)行排序；(3)采用中間補(bǔ)足方法，補(bǔ)足步驟2中可能遺漏的中間字符；(4)定位大間隔的位置；(5)采用基于大間隔的定位方法確定7個(gè)字符的相應(yīng)位置；步驟5.分割字符。根據(jù)前面的步驟我們定位出了所有的字符在車牌中的位置，利用這些位置信息我們從車牌中分割出字符；
2.如權(quán)利要求l所說， 一種基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法相結(jié)合的車牌字符 分割方法，其特征是，既充分利用快速區(qū)域標(biāo)號(hào)算法定位出字符的候選區(qū)域，又結(jié)合了車牌 大間隔的位置特性準(zhǔn)確的確定7個(gè)字符的相應(yīng)位置，具有很高的定位精度和定位速度。用快速 區(qū)域標(biāo)號(hào)算法對(duì)均值濾波后的車牌二值圖像進(jìn)行連通性分析，能夠快速的定位出車牌字符的 候選區(qū)域；根據(jù)標(biāo)號(hào)的特性確定區(qū)域生長法"種子"點(diǎn)的方法能夠更加精確的定位字符的候 選區(qū)域基于車牌大間隔的位置和特性的字符區(qū)域修正和補(bǔ)齊方法對(duì)車牌定位程序定位精度 要求不是很高，而且最大限度的減少了對(duì)車牌先驗(yàn)知識(shí)的依賴，提高了系統(tǒng)整體的魯棒性。
全文摘要
基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法的車牌字符分割方法，屬于圖象處理技術(shù)領(lǐng)域，涉及車牌自動(dòng)識(shí)別技術(shù)。首先通過灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)；接著計(jì)算二值化閾值把車牌灰度圖像轉(zhuǎn)化為二值圖像；然后用快速區(qū)域標(biāo)號(hào)算法對(duì)車牌二值圖像進(jìn)行連通性分析并用區(qū)域生長法得到字符的候選區(qū)域；接著從車牌二值化圖像中定位出大間隔的位置；然后結(jié)合車牌大間隔的位置特征修正和補(bǔ)齊字符區(qū)域，得到最終的字符區(qū)域；最后從車牌灰度圖像中分割出字符。采用本發(fā)明提出的基于快速區(qū)域標(biāo)號(hào)算法和車牌大間隔定位方法相結(jié)合的車牌字符分割方法，可以有效地提高系統(tǒng)的通用性和定位精度等性能。
文檔編號(hào)G06K9/34GK101154271SQ20061012253
公開日2008年4月2日 申請(qǐng)日期2006年9月30日 優(yōu)先權(quán)日2006年9月30日
發(fā)明者峰 楊, 爭 馬 申請(qǐng)人:電子科技大學(xué)中山學(xué)院