一种利用Hough变换和先验知识的车牌识别新方法

中 图 分 类 号 ： TP391.41
文献标识码： A
A new method of license plate recognition by Hough transformation and prior knowledge
LIN Jun ，YANG Feng ，LIN Kai
(College of polytechnic ， Hunan Normal University ， Changsha 410081 ， China)
Key words： prior knowledge； Hough transformation； license plate recognition(LPR)； multi-line defection； projection method； BP
随着交通管理系统的日趋现代化，车牌自动识别系 统成为智能交通系统的重要组成部分。 通过对当前车牌 识别的基本原理和主要方法的研究，分析比较各种识别 方法的优缺点，针对车牌定位、字符分割和字符识别，本 文提出一套实用可靠的算法。
车牌字符识别是车牌识别系统的核心部分，本文构 造 了 BP 神 经 网 络 进 行 车 牌 识 别 。 通 过 反 复 修 正 各 个 参 数使该识别算法快速准确， 并且具有良好的稳定性，能
* 基 金 项 目 ： 湖 南 省 教 育 厅 科 学 研 究 项 目 ( No . 06C519 )
《 信 息 化 纵 横 》 2009 年 第 17 期
Abstract ： In the locating process， a multi-line defection based on Hough transformation， from sketchy to precision algorithm combined with prior knowledge is recommended. In the segmentation process， the accuracy of projection can be raised up further by rational improvement. Lastly， by taking a large amount of experiments to improve the BP neural network， recognition accuracy of the system theoretically achieves 91.00%， the results show that it is an effective method.
换多线检测的由粗到精的定位算法。 在字符分割中，通过合理改进，使投影法的准确性进一步得到提
升 。 并 在 大 量 实 验 的 基 础 上 ， 将 BP 神 经 网 络 反 复 修 正 ， 使 得 系 统 理 论 识 别 率 达 到 了 91.00% ， 结 果 表 明
此方法是行之有效的。
关 键 词 ： 先 验 知 识 ；Hough 变 换 ； 车 牌 识 别 ； 多 线 检 测 ； 投 影 法 ；BP
割点。 尽管如此，垂直投影仍然是字符分割中的一个非
常重要的方法。 本文对垂直投影法加以改进，基本上克
服了边框和铆钉带来的影响。
对 于 二 值 化 后 可 能 存 在 的 水 平 边 框 干 扰 如 图 8(a)
所示 (垂直边框对垂管车牌整体的大小如何，单个字符的宽度不会超
过整个图像宽度的 1/8。 因而可将宽度超过 1/8 或更多
一点的白线像素置 0。 这样既去除了大部分干扰又无字
符信息的丢失。
下 面 将 进 行 校 正 。 选 取 图 9 每 1 列 如 图 10 所 示 的
最 下 方 的 1 值 像 素 ， 经 过 Hough 变 换 后 如 图 11 所 示 的 可
欢 迎 网 上 投 稿 23
图形、图像与多媒体 Image Processing and Multimedia Technology
满足车牌实时识别的要求。
1 车牌定位 1.1 图像预处理
(1)尺 寸 归 一 化 ：车 牌 图 像 的 尺 寸 对 算 法 中 相 关 阈 值的选取有较大影响。 本系统中车牌图像尺寸均已归一 化 到 400 ×300 像 素 。
图 1 经1过 预 处 理 的 灰 度 原 图
图 2 特征提取图
图3 3 水 平 粗 定 位
图 444 垂 直 粗 定 位
图 5 利 用 H55ough HH变oouu换gghh多 直 线 检 测
5
Hough
图 6 车 牌 6精 定 位
图 7 回 归 到 原 灰 度 图 像 的7车 牌 定 位
2 字符分割
(4) 精 确 定 位 ： 在 以 往 的 车 牌 识 别 方 法 中 ，Hough 变 换 线 检 测 一 般 只 用 于 车 牌 矫 正 ， 实 际 上 Hough 变 换 线 检 测更可用来做车牌定位。 本文中将利用此对车牌做最后 的精确定位。
Hough 变 换 提 取 直 线 的 原 理 [4] ： 对 于 图 像 空 间 中 的 任 意 一 点 ( x0， y0) ， 将 其 变 换 为 参 数 空 间 (θ，r) 中 的 1 条 曲 线 r =x0 cos θ+y0 sin θ， 对 位 于 同 一直线 l 上的 n 个点逐一进行上述变换，则在参数空间 (θ，r) 中 对 应 得 到 n 条 曲 线 ， 由 变 换 公 式 可 知 ， 这 n 条 曲
(2)图 像 平 滑 ：为 了 更 好 地 提 取 水 平 灰 度 跳 变 特 征 (与算法有关)，有必要先对图像进行水平平滑处理。 实 验表明，使用[1/2 1/2]这样一种掩膜的效果最好。 1.2 算法
(1)特 征 提 取[1]：提 取 水 平 灰 度 跳 变 特 征 。 对 经 过 了 水平平滑的灰度图像，选取适当阈值 T，将每一行各像 素与其前一像素比较，若灰度差绝对值超过 T，则记为 1，否则记为 0，从而完成对灰度图像进行水平方向灰度 跳变特征的提取。 实验证明，此方法与传统边缘检测相 比，特征提取效果更显著、噪音更小。 以水平方向为对象 是因为车牌在水平方向较垂直方向灰度跳变特征更为明 显。
果图像重新二值化，以得到更理想的二值图像。 图 8 是
用 Otsu 法 [5] 得 到 的 二 值 图 。
字符切割最常用的方法是投影法。 如果二值化后车
牌图像的字符中粘连和断裂情况不那么严重，只需要垂
直投影就可以很好地完成字符切割的任务。 但是水平边
框、铆钉有时会把一些“谷”填平，使得难以精确确定分
(2) 水 平 方 向 粗 定 位 ：对 由(1) 生 成 的 二 值 图 像 ， 结 合 先验知识，即图像中车牌位置以下的部分与车牌以上的 部分相比干扰要小很多， 采取由下至上的行搜索方法。 当某 1 行的 1 个值个数与整行像素之比值大于一定阈 值 时 ， 便 记 下 行 位 置 x1 ， 继 续 逐 行 上 移 搜 索 ， 当 比 值 小 于 阈 值 时 记 下 行 位 置 x2 ，x1 与 x2 形 成 坐 标 对 ， 若 x1 与 x2 距 离 超 过 较 小 的 高 度 ( 以 400 ×300 为 例 ， 车 牌 高 度 应 大 于 10 ， 所 以 选 择 10) 时 ， 即 确 定 其 为 车 牌 水 平 方 向 切 割 位 置 ( 为 了 防 止 少 切 ， 分 别 对 x1 和 x2 进 行 向 下 和 向 上 的 适 当 延 伸 ) ； 否 则 ， 排 除 此 x1 和 x2 ， 并 继 续 向 上 搜 索 寻 找 x1 、x2 坐 标 对 ， 直 到 确 定 x1 、x2 为 止 ， 并 对 二 值 图 像2 切割。为了增强稳定性，可以用双行比值代替单行比值， 此时应缩小判定阈值。
(3) 垂 直 方 向 粗 定 位 [2]： 设 由 (2) 切 割 出 来 的 图 像 为 A，对 A 进行除噪处理后，先用 1 个与 A 等高度、宽度与 高 度 相 同 的 矩 形 框 体 B 对 A 从 左 至 右 遍 历 搜 索 [3]， 若 B 中 1 值像素之和与 B 中全部像素之比大于一定阈值时， 记 录 此 时 列 位 置 为 y1 ， 然 后 用 同 样 方 式 从 右 之 左 搜 索 ， 获 得 列 位 置 y2 。 用 y1 与 y2 对 A 切 割 ， 完 成 垂 直 方 向 的 粗定位。
24
线 必 定 经 过 同 一 点 ( θ0， r0) 。 找 到 参 数 空 间 中 的 这 个 点 就 知 道 了 图 像 空 间 中 的 对 应 直 线 l ， 因 此 ，Hough 变 换 可 以 用来在二值图像中检测直线。
设 由 算 法 (3) 粗 切 割 得 到 的 图 像 为 C ， 利 用 Hough 变 换 对 C 进 行 多 条 直 线 检 测 ( 至 少 10 条 以 上 ) 。 取 直 线 中 端点行坐标最小值和最大值分别为车牌上下边界精定 位值，取直线左端点列坐标平均值或中值为车牌左边界 精定位值，取直线右端点列坐标平均值或中值为车牌右 边界精定位值(经过反复实验论证，使用平均值时稳定 性优于使用中值)。 由此确定的车牌定位结果为最终定 位结果。
车牌定位作为整个算法步骤的第一步，定位错误将 直接导致最终识别错误， 定位不精确将提升分割难度。 实际中不同车牌图像在拍摄距离和角度、 拍摄手法、光 照强弱等方面不尽相同，有时甚至差异很大，使得一些 传统方法在图像群品质的差异存在较大跨度下其定位 准确率低下，缺失普遍性。其中，利用水平灰度跳变特征 的分步骤法即先粗略定位再精确定位是相对比较稳定 的一种方法，但其缺点也很明显，就是精确定位不够精。
图形、图像与多媒体 Image Processing and Multimedia Technology
一种利用 Hough 变换和先验知识的车牌识别新方法 *
林 俊，杨 峰，林 凯 ( 湖 南 师 范 大 学 工 学 院 ， 湖 南 长 沙 410081)
摘 要 ： 在 车 牌 定 位 上 ， 针 对 当 前 实 际 中 存 在 的 一 些 困 难 ， 结 合 先 验 知 识 ， 提 出 了 一 种 Hough 变
字符分割之前，有必要对倾斜的车牌进行校正。 用
《 信 息 化 纵 横 》 2009 年 第 17 期
图形、图像与多媒体 Image Processing and Multimedia Technology
Hough 变 换 进 行 倾 斜 角 检 测 是 一 种 常 用 的 有 效 途 径 。
由于实现了车牌定位，可以用全局阈值法对定位结
检测到边缘直线，此直线倾角(即车牌倾角 θ)根据公式：
000 00 0 x
cosθ sinθ
=
x0
(1)
y -sinθ cosθ y0
对 图 9 进 行 坐 标 转 换 便 实 现 了 车 牌 倾 斜 校 正 ， 如 图 12
所 示 。 其 中 x0、y0 为 原 坐 标 ，x 、y 为 转 换 后 坐 标 。
图 1~图 7 是选取了 3 幅不同方位角度车牌图像的
ÁÁ详细定位过程。 从图2可以看出，图像中车牌位置以下
的信息干扰明显比以上部分的干扰弱小，这是因为车牌 的下方主要是路面背景， 而车牌的上方却包含了车灯、 中网等敏感信息。 由下至上的搜索法充分地利用了这一 特征。 同时由于车牌多处在图像下半部，从而也减少了 搜索时间。 用多直线检测，精确度高，鲁棒性好。
为了改善这种情况， 本文尝试性地提出了一种利用 Hough 变 换 多 线 检 测 实 现 精 确 定 位 的 方 法 ， 同 时 结 合 先验知识，改进了水平搜索方式，有效地提升了车牌定 位精准率，使得这一算法具有较强的适应性，并且速度 快、鲁棒性好。
在字符分割中，得益于定位的良好效果，通过合理 地二值化与滤波处理，提出了一种改进的投影法。 该算 法克服了车牌群光照变化跨度大以及边框、铆钉等常见 因素干扰，使投影法字符分割的准确率得到了一定的提 升。