一种新的车牌图像字符分割与识别算法

微电子学与计算机２００７年第２４卷第２期１引言智能交通系统（ＩＴＳ）是一个热点研究领域，受到日益广泛的关注，车牌识别是其重要组成部分。

对行驶车辆的牌照进行自动识别，从而完成自动收费、无人停车管理等，这无疑节省了人力、物力，同时提高了交通管理的效率。

车牌识别系统主要包括四大部分，如图１所示。

在准确定位车牌后，字符分割的好坏对字符识别率起着至关重要的作用。

由于处于实际环境中，受天气、光照、观察点的影响，经定位后的车牌还是存在各种各样的噪声。

因此，必须对图像进行预处理，以改善图像质量，提高字符识别率［１￣３］。

２面向字符分割的图像预处理２．１光照不均校正与对比度增强车牌不可避免的存在噪声，而且由于车牌识别系统在室外２４小时工作，光照度大范围变化，也存在光照不均，亮度太低、对比度太小等情况，这些都会降低系统的字符识别率，因此需要采取去噪，光照不均校正和对比度增强等措施。

本文应用中值滤波滤除噪声，通过低通滤波获得图像背景的照度估计，再从原始图像中减去此照度来校正光照不均［４］，然后通过对比拉伸变换增强对比度［５］。

２．２二值化分割由车牌定位得到的车牌字符图像一般为彩色图或灰度图，为方便后面的字符分割和识别要先对图像进行二值化处理，二值化的好坏直接影响到后一种新的车牌图像字符分割与识别算法陈振学１，汪国有１，刘成云２（１华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室，湖北武汉４３００７４）（２武汉科技大学信息科学与工程学院，湖北武汉４３００８１）摘要：提出了一种新的字符分割算法，该算法利用由中间向两端搜索的方法确定字符的上下边界，且利用一维循环清零法及先验知识垂直分割得到单个的字符。

实验结果表明，该算法较好的解决了以上问题，适用于各种质量的车牌图像，分割的正确率较高。

关键词：智能交通系统；字符分割；投影特征；先验知识中图分类号：ＴＰ３９１．４１文献标识码：Ａ文章编号：１０００－７１８０（２００７）０２－００４２－０３ＡＮｏｖｅｌＡｌｇｏｒｉｔｈｍｏｆＣｈａｒａｃｔｅｒＳｅｇｍｅｎｔａｔｉｏｎｉｎＬｉｃｅｎｓｅＰｌａｔｅｓＲｅｃｏｇｎｉｔｉｏｎＣＨＥＮＺｈｅｎ－ｘｕｅ１，ＷＡＮＧＧｕｏ－ｙｏｕ１，ＬＩＵＣｈｅｎｇ－ｙｕｎ２（１ＩｎｓｔｉｔｕｔｅｏｆＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ＆ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＳｔａｔｅＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎＬａｂｏｒａｔｏｒｙｆｏｒＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ＆ＩｎｔｅｌｌｉｇｅｎｃｅＣｏｎｔｒｏｌ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ）（２ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００８１，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＴｈｅＬＰＲ（ＬｉｃｅｎｓｅＰｌａｔｅＲｅｃｏｇｎｉｔｉｏｎ）ｓｙｓｔｅｍｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｓｔｅｐｓ：ｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｎｇ，ｃｈａｒａｃｔｅｒｓｅｇｍｅｎ－ｔａｔｉｏｎａｎｄｃｈａｒａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎ．ＣｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｉｓａｎｉｍｐｏｒｔａｎｔｓｔｅｐｉｎａＬＰＲｓｙｓｔｅｍ．Ｔｈｅｒｅａｒｅｍａｎｙｆａｃｔｏｒｓｔｈａｔｃａｕｓｅｔｈｅｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｔａｓｋｄｉｆｆｉｃｕｌｔ，ｓｕｃｈａｓｉｍａｇｅｎｏｉｓｅ，ｐｌａｔｅｆｒａｍｅ，ｒｉｖｅｔ，ｓｐａｃｅｍａｒｋ，ｐｌａｔｅｒｏｔａｔｉｏｎａｎｄｉｌｌｕｍｉｎａｔｉｏｎｖａｒｉａｎｃｅ．Ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｃｈａｒａｃｔｅｒｓｔｏｐ－ｂｏｔｔｏｍｅｄｇｅｓｃａｎｂｅｏｂｔａｉｎｅｄｂｙｓｅａｒｃｈｉｎｇｆｒｏｍｍｉｄｄｌｅｔｏｅｎｄ．Ａｎｄｔｈｅｎ，ｔｈｅｓｉｎｇｌｅｃｈａｒａｃｔｅｒｓｃａｎｂｅｓｅｇｍｅｎｔｅｄｕｓｉｎｇｏｎｅ－ｄｉｍｃｙｃｌｅｃｌｅａｒｉｎｇａｎｄｐｒｉｏｒｋｎｏｗｌｅｄｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏ－ｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ＩＴＳ；Ｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ；Ｐｒｏｊｅｃｔｉｏｎｆｅａｔｕｒｅ；Ｐｒｉｏｒｋｎｏｗｌｅｄｇｅ收稿日期：２００５－１０－２４基金项目：总装备部基金项目（５１４０１０２０２０１ＪＷ０５２１）４２２００７年第２４卷第２期微电子学与计算机续的操作。

二值化的方法很多，有全局阈值法、局部阈值法等。

全局阈值法根据图像的直方图或灰度的空间分布确定一阈值，并据此阈值实现灰度图像到二值图像的转化，但是对输入图像的量化噪声或不均匀光照等情况抵抗能力差，应用受到极大的限制。

局部比较法通过定义考察点的领域，并由领域计算模板来实现考察点灰度与领域的比较，较全局法有更广泛的应用，但其实现速度慢，不能保证字符笔划的连通性。

这里采用局部ＯＴＳＵ聚类法确定阈值，将车牌图像二值化［６］。

二值化结果如图２所示。

用这种聚类准则分割图像，当目标在图像中占有适当的比例时，分割结果比较好，而且算法比较简单，有利于实时处理。

２．３车牌的倾斜校正由于道路的坡度、车牌的悬挂、摄像头与车牌之间存在倾斜角度等影响，使得拍摄到的车牌图像产生了倾斜，给字符分割和识别造成困难。

因此，需要在字符分割之前进行车牌的倾斜校正。

本文采用Ｈｏｕｇｈ变换的方法进行车牌倾斜校正［７，８］，通过Ｈｏｕｇｈ变换求取车牌的边框参数后，进而确定车牌区域四个顶点的坐标，然后通过双线性空间变换对畸变图像进行校正。

校正结果如图３所示。

３字符分割算法３．１字符上下边界的确定（去除铆钉的影响）对车牌图像进行水平投影，字符在垂直方向往往对应于两个波谷之间的一段距离。

可以求得车牌区域水平投影直方图的平均值ｉＡｖｇＶａｌ，当在直方图中出现极值点的值小于ｉＡｖｇＶａｌ／３时可以认为是波谷点。

依据此方法，将投影图二值化，结果见图４（ａ）。

然后，由车牌图像高度的中点为起始点，分别向两端搜索，直到搜索到第一个波谷点为止，记下这两个波谷点，即为字符的上下边界，它们之间的部分就是需要的字符。

结果见图４（ｂ），可见边框和铆钉都去除了。

３．２单个字符的分割根据ＧＡ３６－９２规定，车牌外轮廓尺寸为４４０ｍｍ×１４０ｍｍ，字符样式为Ｘ１Ｘ２・Ｘ３Ｘ４Ｘ５Ｘ６Ｘ７，其中Ｘ１是各省、直辖市的简称，Ｘ２是英文字母，Ｘ３Ｘ４是英文字母或阿拉伯数字，Ｘ５Ｘ６Ｘ７是３位阿拉伯数字，每个字符宽４５ｍｍ，高９０ｍｍ，间隔符宽１０ｍｍ，字符间隔１２ｍｍ，字符与车牌上下边界距离２５，字符与车牌左右边界距离１５．５ｍｍ［９］。

利用这些先验信息作为约束条件，就可以在清除杂点和间隔符的基础上，比较准确的找到垂直分割线的位置。

本文在采用清除杂点和间隔符的方法时，使用的是一维循环清零法，该算法通过对垂直投影图经过一次扫描，就可以达到目的。

不过，在清除杂点和间隔符的同时，也将垂直投影较短的字符“１”清除掉了。

对于这个问题，我们可以利用前面的先验知识，如果相邻字符间的距离大于某一阈值，则可认为该相邻字符间存在‘１’字符，并记录后，传给字符识别函数，从而可提高字符识别的效率。

因为车牌字符周围区域含有噪声和污点，在垂直投影矩阵Ｈｏｒ中反映为零散的１点或少量的１点。

而车牌字符区域的灰度起伏较为集中且不会断开，为了清除这些干扰点，本文使用一维循环清零法，该方法可以在对Ｈｏｒ矩阵只进行一遍扫描的情况下统计出连续１点的个数，并将少于某个设定车牌高度点数阈值ＴＨ３的连续１点清零。

４３微电子学与计算机２００７年第２４卷第２期具体步骤如下：（１）初始化访问标志辅助参数向量为０，即Ａ＝｛Ａｓｓｉｓ（ｍ）＝０｝，０代表未被扫描过；初始化栈Ｓ１、Ｓ２，其中Ｓ１记录坐标，Ｓ２记录连续１的个数；（２）从上到下依次扫描Ｈｏｒ中的每个点ｈｏｒ（ｉ），若ｈｏｒ（ｉ）＝１且Ａｓｓｉｓ（ｉ）＝０，把ｈｏｒ（ｉ）的坐标ｉ压入Ｓ１中，并将Ｓ２中的值加１，同时置该坐标的访问标志为１，即Ａｓｓｉｓ（ｉ）＝１；（３）检查该坐标的相邻像素点，如果其值为１，且其访问标志为０，则转入（２），否则，转入（４）；（４）检查栈Ｓ２中的值ｓｕｍ，即当前类似车牌区域的高度，若ｓｕｍ小于预先设定的阈值ＴＨ３，则利用栈Ｓ１中元素所记录的坐标信息将该段连续的像素点置为０；（５）清空栈Ｓ１和Ｓ２；（６）是否扫描完所有点，若是，则转入（７），否则，转入（２）；（７）结束。

经过上述处理得到的水平投影，去掉了车牌字符区域周围的干扰，而保留了车牌字符的位置信息。

此时，只需找到Ｈｏｒ中１点集的各个起始和终止位置，分割即可得需要的车牌单个字符。

字符分割结果如图５所示。

由图８可以看出，车牌字符能够正确分割，只不过字符“１”被当作干扰点，也被清除了。

对于这个问题，我们可以通过字符之间的距离与位置的先验知识，将字符“Ａ”与“Ｋ”、“４”与“０”之间的字符确定为“１”。

我们采用一个包含５９８幅车牌图像的车牌库作为实验数据库，正确分割率到达了９６．８％。

结果表明，本算法能准确有效地进行车牌字符分割。

４结束语本文提出了一种新的车牌图像字符分割算法。

该算法能准确地进行车牌字符分割的任务。

车牌图像的预处理工作，有效地提高了分割的准确率。

基于水平投影二值化的从中间向两端搜索的方法，能很好的解决车牌铆钉及边框的影响。

基于一维循环清零法的垂直投影法，结合字符宽度的先验知识，能有效的实现单个字符的分割。

该算法还存在一些需要改进的地方。

特别是对于警车、军车车牌以及其它上下两行字符的车牌，本算法并不适用，这将是笔者下一步改进的方向。

参考文献：［１］ＨｅｇｔＪＡ，ＤｅｌａＨａｙｅＲＪ，ＫｈａｎＮＡ．Ａｈｉｇｈｐｅｒｆｏｒｍａｎｃｅｌｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍ［Ｃ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｒｎｅｔ－ｉｃｓ，ＳａｎＤｉｅｇｏ，Ｃａｌｉｆｏｒｎｉａ，１９９８，４３５７￣４３６２［２］ＮｉｕＸｉｎ，ＳｈｅｎＬａｎ－Ｓｕｎ．Ｒｅｓｅａｒｃｈｏｎｌｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇ－ｎｉｔｉｏｎｔｅｃｈｎｏｌｏｇｙ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ＆ＣｏｎｔｒｏｌＴｅｃｈｎｏｌｏｇｙ，１９９９，１８（１２）：１４￣１７［３］ＰａｏｌｏＣｏｍｅｌｌｉ，ＰａｏｌｏＦｅｒｒａｇｉｎａ，ＭａｒｉｏＮｏｔｔｕｒｒｒｎｏＧｒａｎｉｅｒｉ，ｅｔａｌ．Ｏｐｔｉｃａｌｒｅｃｏｇｎｉｔｉｏｎｏｆｍｏｔｏｒｖｅｈｉｃｌｅｌｉｃｅｎｓｅｐｌａｔｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ，１９９５，４４（４）：７９０￣７９９［４］ＭＳｈｒｉｄｈａｒ，ｅｔａｌ．ＬｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎｕｓｉｎｇＳＫＩＰＳＭ［Ａ］．ＭａｃｈｉｎｅＶｉｓｉｏｎａｎｄＴｈｒｅｅＤｉｍｅｎｓｉｏｎａｌＩｍａｇｉｎｇＳｙｓ－ｔｅｍｓｆｏｒＩｎｓｐｅｃｔｉｏｎａｎｄＭｅｔｒｏｌｏｇｙ，ＰｒｏｃｅｅｄｉｎｇｓｏｆＳＰＩＥ，２００１，７２￣７９［５］ＲａｆａｅｌＣＧｏｎｚａｌｅｚ，ＲｉｃｈａｒｄＥＷｏｏｄｓ．Ｄｉｇｉｔａｌｉｍａｇｅｐｒｏ－ｃｅｓｓｉｎｇ，ＳｅｃｏｎｄＥｄｉｔｉｏｎ［Ｍ］．２００２，８５￣８６［６］汪国有，邹玉兰，凌勇．基于显著性的ＯＴＳＵ局部递归分割算法［Ｊ］．华中科技大学学报，２００２，３０（９）：５７￣５９［７］ＷｅｎＣＹ，ＹｕＣＣ，ＨｕｎＺＤ．Ａ３－Ｄｔｒａｎｓｆｏｒｍａｔｉｏｎｔｏｉｍ－ｐｒｏｖｅｔｈｅｌｅｇｉｂｉｌｉｔｙｏｆｌｉｃｅｎｓｅｐｌａｔｅｎｕｍｂｅｒｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｏｒｅｎｓｉｃＳｃｉｅｎｃｅｓ，２００２，４７（３）：５７８￣５８５［８］郝永杰，刘文耀，路烁．畸变汽车牌照图像的空间校正［Ｊ］．西南交通大学学报，２００２，３７（４）：４１７￣４２０［９］ＺｈａｎｇＹｉｎ，ＰａｎＹｕｎ－Ｈｅ．Ｐｒｅｐｒｏｃｅｓｓｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｃｈａｒ－ａｃｔｅｒｒｅｃｏｇｎｉｔｉｏｎｏｆＬｉｃｅｎｓｅＰｌａｔｅ［Ｊ］．ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ，１９９９，１６（７）：８５￣８７作者简介：陈振学男，（１９７７－），博士研究生。