專利名稱：基于字符輪廓和模板匹配的車牌字符分割算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計(jì)算機(jī)視覺領(lǐng)域，特別是一種基于字符輪廓和模板匹配的車牌字符分割算法。
背景技術(shù)：
智能交通系統(tǒng)(ITS)可以有效地解決交通擁堵、交通事故、環(huán)境污染等難題，車牌識(shí)別技術(shù)是智能交通系統(tǒng)的核心，其發(fā)展水平影響著智能交通系統(tǒng)的發(fā)展。字符分割是車牌識(shí)別技術(shù)中較為關(guān)鍵的模塊，分割的好壞直接影響車牌識(shí)別率。常用的字符分割算法有:垂直投影法、模板匹配法、連通區(qū)域法。當(dāng)前的字符分割算法主要基于垂直投影分割算法。由于車牌區(qū)域的字符間存在間隙，所以車牌區(qū)域的垂直投影呈現(xiàn)連續(xù)的峰、谷、峰分布，這些波谷就是字符的分割點(diǎn)。但是，由于拍攝的圖像受到各種環(huán)境因素的影響，常常會(huì)引起字符粘連和字符斷裂，而垂直投影法通常只能分割理想環(huán)境中的車牌字符，無法準(zhǔn)確地分割字符粘連和字符斷裂的情況，對(duì)復(fù)雜環(huán)境的適應(yīng)性差。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種對(duì)車牌定位精度較差、光照強(qiáng)弱引起的字符粘連、字符斷裂、字符模糊有很好的適應(yīng)性的基于字符輪廓和模板匹配的車牌字符分割算法。實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于字符輪廓和模板匹配的車牌字符分割算法，包括以下步驟:步驟一:根據(jù)原圖像對(duì)比度采用自適應(yīng)灰度拉伸對(duì)圖像進(jìn)行增強(qiáng)；步驟二:提取字符邊緣:采用基于HSV顏色空間對(duì)車牌圖像上每個(gè)像素的顏色進(jìn)行判斷，確定車牌顏色，然后使用拉普拉斯算子檢測出字符邊緣，并采用經(jīng)典的全局動(dòng)態(tài)二值化方法:0tsu算法找出一個(gè)合適的閾值對(duì)圖像進(jìn)行二值化，將圖像劃分為前景和背景兩個(gè)部分；步驟三:利用車牌區(qū)域的整體字符的“峰-谷-峰”交替出現(xiàn)的特征，得出字符的高度，同時(shí)對(duì)圖像的上下邊框進(jìn)行去除，再根據(jù)標(biāo)準(zhǔn)字符的高寬比，由字符的高度，得到字符的寬度；步驟四:在黑底白字的車牌邊緣圖像中，提取邊緣完整的獨(dú)立普通字符，分離粘連的字符，提取斷裂的字符和類“ I ”字符，每一步提取后去除相應(yīng)的字符，并對(duì)提取的字符進(jìn)行二次確認(rèn)；步驟五:利用車牌的顏色判斷出使用哪一種車牌樣式模板，在模板匹配過程中首先獲取車輛模板字符寬度，由提取到的字符的平均寬度作為基礎(chǔ)，在此基礎(chǔ)上減2，減1，加1，加2，用5個(gè)字符寬度可以得到5個(gè)不同大小的模板，用這5個(gè)不同大小的字符模板在提取到的字符上移動(dòng)作匹配，求出匹配度最大的模板。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn):本發(fā)明提出了一種基于字符輪廓和模板匹配的車牌字符分割方法。綜合分析復(fù)雜的自然環(huán)境中的車牌可能出現(xiàn)的各種情況，如背光的車牌對(duì)比度很差、強(qiáng)烈光照下的車牌有些過曝、部分污損車牌的字符斷裂或粘連、速度較快的車輛的車牌會(huì)有些模糊、很多車牌含有金屬邊框易引起字符與金屬邊框粘連等，傳統(tǒng)投影法對(duì)字符粘連、對(duì)比度較差的車牌圖像分割效果較差，而且受邊框和二值化的影響比較大，抗干擾能力差。本發(fā)明算法很好地解決了由于車牌邊框、鉚釘、光照強(qiáng)弱、車牌污損等各種因素引起的字符粘連、字符斷裂帶來的字符分割問題。本發(fā)明提出的字符分割算法具有很好的魯棒性，很強(qiáng)的實(shí)用性。下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。


圖1是本發(fā)明字符分割流程2是本發(fā)明提取字符流程3是本發(fā)明灰度拉伸前的灰度圖；圖4是本發(fā)明灰度拉伸后的灰度圖；圖5是本發(fā)明邊緣檢測后的車牌圖；圖6是本發(fā)明二值化后的車牌圖；圖7是本發(fā)明去除邊框用于估計(jì)字符高度的車牌圖；圖8是本發(fā)明普通字符的車牌圖；圖9是本發(fā)明與邊框粘連的情況的示意圖；圖10是本發(fā)明“I”字符示意圖；圖11是小型汽車車牌、大型汽車前牌、領(lǐng)館汽車車牌、港澳出入境車車牌、教練汽車車牌、軍用汽車車牌的模板示意圖；圖12是大型汽車后牌、掛車車牌的模板示意圖；圖13是使館汽車車牌的模板示意圖；圖14是公安汽車車牌的模板示意圖；圖15是本發(fā)明小型汽車字符分割的效果圖。
具體實(shí)施方式
:如圖1所示:本發(fā)明一種基于字符輪廓和模板匹配的車牌字符分割算法，包括以下步驟:步驟一:根據(jù)原圖像對(duì)比度采用自適應(yīng)灰度拉伸對(duì)圖像進(jìn)行增強(qiáng)；步驟二:提取字符邊緣:采用基于HSV顏色空間對(duì)車牌圖像上每個(gè)像素的顏色進(jìn)行判斷，確定車牌顏色，然后使用拉普拉斯算子檢測出字符邊緣，并采用經(jīng)典的全局動(dòng)態(tài)二值化方法:0tsu算法找出一個(gè)合適的閾值對(duì)圖像進(jìn)行二值化，將圖像劃分為前景和背景兩個(gè)部分；步驟三:利用車牌區(qū)域的整體字符的“峰-谷-峰”交替出現(xiàn)的特征，得出字符的高度，同時(shí)對(duì)圖像的上下邊框進(jìn)行去除，再根據(jù)標(biāo)準(zhǔn)字符的高寬比，由字符的高度，得到字符的寬度；步驟四:在黑底白字的車牌邊緣圖像中，提取邊緣完整的獨(dú)立普通字符，分離粘連的字符，提取斷裂的字符和類“I”字符，每一步提取后去除相應(yīng)的字符，并對(duì)提取的字符進(jìn)行二次確認(rèn)，如圖2所示；步驟五:利用車牌的顏色判斷出使用哪一種車牌樣式模板，在模板匹配過程中首先獲取車輛模板字符寬度，由提取到的字符的平均寬度作為基礎(chǔ)，在此基礎(chǔ)上減2，減1，加1，加2，用5個(gè)字符寬度可以得到5個(gè)不同大小的模板，用這5個(gè)不同大小的字符模板在提取到的字符上移動(dòng)作匹配，求出匹配度最大的模板。步驟四的具體步驟為:在黑底白字的車牌邊緣圖像中，存在完整的獨(dú)立字符、粘連的字符和斷裂的字符，分步進(jìn)行字符提取，每一步提取后去除相應(yīng)的字符，通過字符輪廓可以得到輪廓的最小外接矩形，輪廓的最小外接矩形反應(yīng)字符的尺寸，字符輪廓分為兩類:普通字符和類“I”字符；(I)提取邊緣完整的獨(dú)立普通字符將高度接近估計(jì)的字符高度，并且高寬比接近標(biāo)準(zhǔn)字符高寬比的字符提取到普通字符類別中；(2)分離粘連的字符通常字符的粘連的情況有:字符與字符的粘連，字符與上下邊框的粘連，字符與左右邊框的粘連；對(duì)字符的最小外接矩形寬度是字符估計(jì)寬度的1.5倍以上的情況進(jìn)行處理:1、優(yōu)先處理字符與上下邊框的粘連:這種粘連可能是多個(gè)字符與邊框的粘連，而字符與字符之間存在明顯的間隙，字符的間隙在二值化圖像的垂直方向上為連續(xù)的黑色，其長度接近或大于字符估計(jì)的高度，找到字符間隙即可分離出字符；I1、然后處理字符與字符的粘連，這種情況通常不存在字符之間的空隙，所以只能強(qiáng)行分割； II1、最后處理字符與左右邊框的粘連，左右邊框在二值化圖像的垂直方向上為連續(xù)的白色，去除一部分，降低其影響即可，避免傷及字體部分；(3)提取斷裂的字符有些模糊的字符在邊緣檢測后，部分邊緣是斷裂的，需要對(duì)斷裂的邊緣之間進(jìn)行區(qū)域生長，邊緣之間連接成功后，提取滿足普通字符尺寸的字符；(4)提取類“I”字符首先提取“I”字符，但是字符“I”可能是字符“J”、“L”、“T”斷裂而產(chǎn)生，因此需要對(duì)“I”字符進(jìn)行空間擴(kuò)展，頂部和底部進(jìn)行區(qū)域生長搜索，如果滿足“J”、“T”、“L”中的輪廓形狀，將其提取為普通字符；如果滿足“ I ”輪廓，將其提取為“ I ”字符。步驟一中所述的自適應(yīng)灰度拉伸，在圖像增強(qiáng)中，圖像拉伸是增加圖像對(duì)比度的一個(gè)好方法，灰度拉伸公式:
權(quán)利要求
1.一種基于字符輪廓和模板匹配的車牌字符分割算法，其特征在于:包括以下步驟: 步驟一:根據(jù)原圖像對(duì)比度采用自適應(yīng)灰度拉伸對(duì)圖像進(jìn)行增強(qiáng)； 步驟二:提取字符邊緣:采用基于HSV顏色空間對(duì)車牌圖像上每個(gè)像素的顏色進(jìn)行判斷，確定車牌顏色，然后使用拉普拉斯算子檢測出字符邊緣，并采用經(jīng)典的全局動(dòng)態(tài)二值化方法=Otsu算法找出一個(gè)合適的閾值對(duì)圖像進(jìn)行二值化，將圖像劃分為前景和背景兩個(gè)部分； 步驟三:利用車牌區(qū)域的整體字符的“峰-谷-峰”交替出現(xiàn)的特征，得出字符的高度，同時(shí)對(duì)圖像的上下邊框進(jìn)行去除，再根據(jù)標(biāo)準(zhǔn)字符的高寬比，由字符的高度，得到字符的寬度； 步驟四:在黑底白字的車牌邊緣圖像中，提取邊緣完整的獨(dú)立普通字符，分離粘連的字符，提取斷裂的字符和類“ I”字符，每一步提取后去除相應(yīng)的字符，并對(duì)提取的字符進(jìn)行二次確認(rèn)； 步驟五:利用車牌的顏色判斷出使用哪一種車牌樣式模板，在模板匹配過程中首先獲取車輛模板字符寬度，由提取到的字符的平均寬度作為基礎(chǔ)，在此基礎(chǔ)上減2，減1，加1，加·2，用5個(gè)字符寬度可以得到5個(gè)不同大小的模板，用這5個(gè)不同大小的字符模板在提取到的字符上移動(dòng)作匹配，求出匹配度最大的模板。
2.根據(jù)權(quán)利要求1所述的一種基于字符輪廓和模板匹配的車牌字符分割算法，其特征在于:步驟四的具體步驟為:在黑底白字的車牌邊緣圖像中，存在完整的獨(dú)立字符、粘連的字符和斷裂的字符，分步進(jìn)行字符提取，每一步提取后去除相應(yīng)的字符，通過字符輪廓可以得到輪廓的最小外接矩形，輪廓的最小外接矩形反應(yīng)字符的尺寸，字符輪廓分為兩類:普通字符和類“I”字符； (1)提取邊緣完整的獨(dú)立普通字符 將高度接近估計(jì)的字符高度，并且高寬比接近標(biāo)準(zhǔn)字符高寬比的字符提取到普通字符類別中； (2)分離粘連的字符 通常字符的粘連的情況有:字符與字符的粘連，字符與上下邊框的粘連，字符與左右邊框的粘連； 對(duì)字符的最小外接矩形寬度是字符估計(jì)寬度的1.5倍以上的情況進(jìn)行處理: ·1、優(yōu)先處理字符與上下邊框的粘連:這種粘連可能是多個(gè)字符與邊框的粘連，而字符與字符之間存在明顯的間隙，字符的間隙在二值化圖像的垂直方向上為連續(xù)的黑色，其長度接近或大于字符估計(jì)的高度，找到字符間隙即可分離出字符； I1、然后處理字符與字符的粘連，這種情況通常不存在字符之間的空隙，所以只能強(qiáng)行分割； II1、最后處理字符與左右邊框的粘連，左右邊框在二值化圖像的垂直方向上為連續(xù)的白色，去除一部分，降低其影響即可，避免傷及字體部分； (3)提取斷裂的字符 有些模糊的字符在邊緣檢測后，部分邊緣是斷裂的，需要對(duì)斷裂的邊緣之間進(jìn)行區(qū)域生長，邊緣之間連接成功后，提取滿足普通字符尺寸的字符； (4)提取類“I”字符首先提取“ I ”字符，但是字符“ I ”可能是字符“ J”、“L”、“T”斷裂而產(chǎn)生，因此需要對(duì)“I”字符進(jìn)行空間擴(kuò)展，頂部和底部進(jìn)行區(qū)域生長搜索，如果滿足“J”、“T”、“L”中的輪廓形狀，將其提取為普通字符；如果滿足“ I ”輪廓，將其提取為“ I ”字符。
3.根據(jù)權(quán)利要求1所述的一種基于字符輪廓和模板匹配的車牌字符分割算法，其特征在于:步驟一中所述的自適應(yīng)灰度拉伸，在圖像增強(qiáng)中，圖像拉伸是增加圖像對(duì)比度的一個(gè)好方法，灰度拉伸公式:
全文摘要
本發(fā)明公開了一種基于字符輪廓和模板匹配的車牌字符分割算法，由于車牌邊框、鉚釘、光照強(qiáng)弱、車牌污損等各種因素的影響，引起字符粘連、字符斷裂等不利情況，針對(duì)車牌的字符內(nèi)容是固定的，利用字符的輪廓特征對(duì)有限的字符進(jìn)行分類，利用區(qū)域生長和局部二值化方法在輪廓周圍搜索字符，對(duì)找到的字符進(jìn)行自適應(yīng)模板匹配，尋找誤差最小的模板對(duì)字符進(jìn)行重新分割，利用模板補(bǔ)充剩余字符以及去除偽字符。本發(fā)明對(duì)不同光照下的大量車牌進(jìn)行分割，平均字符分割正確率為97.3%，具有很好的魯棒性，在現(xiàn)實(shí)中有很強(qiáng)的實(shí)用性。
文檔編號(hào)G06K9/34GK103198315SQ20131013529
公開日2013年7月10日 申請日期2013年4月17日 優(yōu)先權(quán)日2013年4月17日
發(fā)明者張毅, 柏連發(fā), 陳錢, 顧國華, 韓靜, 岳江, 查志強(qiáng), 閆敏敏 申請人:南京理工大學(xué)