车牌定位与字符分割方法研究

第２８卷第３期２０１１年６月沈阳航空航天大学学报ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＡｅｒｏｓｐａｃｅＵｎｉｖｅｒｓｉｔｙ

Ｖｏｌ畅２８Ｎｏ畅３

Ｊｕｎ畅２０１１

收稿日期：２０１１－０３－０７

作者简介：朗瑶（１９８０－），女，辽宁抚顺人，助理工程师，主要研究方向：图像重建与图像处理，Ｅ－ｍａｉｌ：ｓｈｅｎｈａｎｇｌａｎｇｙａｏ＠１６３．ｃｏｍ。

文章编号：２０９５－１２４８（２０１１）０３－００５６－０４

车牌定位与字符分割方法研究

郎　瑶１

，孙延鹏１

，许　冰２

，郑　丹

１

（１畅沈阳航空航天大学电子信息工程学院辽宁沈阳１１０１３６；２畅沈阳工业大学软件学院，辽宁沈阳１１００２３）

摘　要：介绍了一种改进的基于纹理特征的车牌定位方法，采用自适应阈值，实现了车牌的准确定位。设定自适应改变大小的投影切割阈值实现了字符分割。最后采用ＢＰ神经网络法来识别各个字符。实验结果表明，该方法能够较为准确的实现车牌识别，具有定位准、鲁棒性好等特点。关　键　词：信号处理技术；纹理特征；车牌定位；自适应阈值；字符分割中图分类号：ＴＮ９１１．７３ 文献标志码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．２０９５－１２４８．２０１１．０３．０１３

Ｏｎｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｏｎａｎｄｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ

ＬＡＮＧＹａｏ１

，ＳＵＮＹａｎ－ｐｅｎｇ１

，ＸＵＢｉｎｇ２

，ＺＨＥＮＧＤａｎ

１

（１畅ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＳｈｅｎｙａｎｇＡｅｒｏｓｐａｃｅＵｎｉｖｅｒｓｉｔｙ，ＬｉａｏｎｉｎｇＳｈｅｎｙａｎｇ１１０１３６；２畅Ｃｏｌｌｅｇｅｏｆｓｏｆｔｗａｒｅ，ＳｈｅｎｙａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，ＬｉａｏｎｉｎｇＳｈｅｎｙａｎｇ１１００２３）

Ａｂｓｔｒａｃｔ：Ｔｈｅｐａｐｅｒｉｎｔｒｏｕｄｕｃｅｓａｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍｗｉｔｈａｎａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄｂａｓｅｄｏｎａｎ

ｉｍｐｒｏｖｅｄｔｅｘｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｆｏｒｐｒｅｃｉｓｅｌｏｃａｔｉｏｎ．Ｔｈｅｆｅａｔｕｒｅｏｆｃｈａｒａｃｔｅｒｓｅｇｍｅｎｔａｔｉｏｎｌｉｅｓｉｎｔｈｅｐｒｏｊｅｃ－ｔｉｏｎｔｈｒｅｓｈｏｌｄｗｈｉｃｈｉｓａｂｌｅｔｏｃｈａｎｇｅａｃｃｏｒｄｉｎｇｔｏｄｉｆｆｅｒｅｎｔｉｍａｇｅｓ．ＦｉｎａｌｌｙＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｕｓｅｄｔｏｉｄｅｎｔｉ－ｆｙｅａｃｈｃｈａｒａｃｔｅｒ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｃａｎａｃｈｉｅｖｅａｃｃｕｒａｔｅｌｉｃｅｎｓｅｐｌａｔｅｒｅｃｏｇｎｉｔｉｏｎ．Ｋｅｙｗｏｒｄｓ：ｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇ；ｔｅｘｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓ；ｌｉｃｅｎｓｅｐｌａｔｅｌｏｃａｔｉｏｎ；ａｄａｐｔｉｖｅｔｈｒｅｓｈｏｌｄ；ｃｈａｒａｃｔｅｒ

ｓｅｇｍｅｎｔａｔｉｏｎ 车牌识别（ＬＰＲ）系统

［１－３］

是智能交通系统（ＩＴＳ）的一个重要组成部分，它能够自动摄取车

辆的图像并识别车牌。一个完整的车牌识别系统由车牌定位、字符分割和字符识别等单元组成。

车牌定位

［２－５］

是从车牌图像中确定出车牌所

在的位置，并将车牌从该区域分割出来，是后续字

符识别的前提条件，定位准确与否直接影响到字符分割和字符识别的准确率。目前车牌定位算法大多是基于汽车牌照的不同特征而提出的，主要

包括：（１）车牌区域内字符的纹理特征［３－５］

；（２）几何特征法［２］

；（３）颜色特征

［３－４］

；（４）频谱分析

法

［５］

等。

在实际应用中，依据所选择的不同特征，可采用不同的定位方法。这些方法或者对复杂背景及光照比较敏感，或者定位速度慢，为了克服缺陷，

本文提出了一种改进的基于纹理特征的车牌定位方法，采用自适应阈值，实现了车牌的初步定位。在字符分割上利用纵向投影法，并对投影后的分割阈值做了改进，使之具有一定的自适应性能。最后采用ＢＰ神经网络法识别各个字符，建立３

个网络，分别是汉字网络，字母网络，数字和字母混合网络。由于我国车牌的特殊性，这样的分类网络有助于快速准确的识别车牌。

１　车牌定位

首先对采集到的图像进行预处理操作，包括图像转换，图像增强、边缘检测等，再利用数学形态学变换和车牌区域的先验知识，采用自适应阈值，利用横纵向投影法确定车牌边框，从而定位出

车牌区域。车牌初定位流程图如图１所示。１．１　边缘检测

本文在Ｓｏｂｅｌ边缘检测算法的基础上，改进了一种梯度的计算方法。常见的３ｘ３邻域４邻点差分计算梯度表达式如式（１），这种四邻点差分计算梯度的方法，只有９０°整数倍的旋转不变性。图２（ａ）表示的水平边缘利用式（１）计算的梯度

幅值为

（

１２）２＋０２＝１２

，但是同一边缘若旋转４５°如图２（ｂ）所示，按照式（１）计算得到的梯度幅值为

（

１２）２＋（１２）２＝２

２

。本来强度相同的两条边缘，如果一条是接近水平或垂直，而另一条是接近４５°或１３５°，按式（１）的计算结果，后者要比前者强到倍２。针对这一问题，本文采用公式（２）计算梯度：

ｆｘ（ｉ，ｊ）＝１２（ｆｉ，ｊ＋１－ｆｉ，ｊ－１），ｆｙ（ｉ，ｊ）＝１

２

（ｆｉ＋１，ｊ－ｆｉ＋１，ｊ）　

（１）

ｆｘ（ｉ，ｊ）＝２－１２（ｆｉ，ｊ＋１－ｆｉ，ｊ－１）＋２－２４

ｆｉ＋１，ｊ＋１－ｆｉ＋１，ｊ－１＋ｆｉ－１，ｊ＋１－ｆｉ－１，ｊ－１）　ｆｘ（ｉ，ｊ）＝

２－１２（ｆｉ＋１，ｊ－ｆｉ－１，ｊ）＋２－２

４

ｆｉ＋１，ｊ＋１－ｆｉ－１，ｊ＋１＋ｆｉ＋１，ｊ－１－ｆｉ－１，ｊ－１）　（２） 图像梯度的模值和方向分别为：Ｍ（ｉ，ｊ）＝ｆｘ（ｉ，ｊ）２＋ｆｙ（ｉ，ｊ）２（３）

θ（ｉ，ｊ）＝ａｒｃｔａｎｆｙ（ｉ，ｊ）

ｆｘ（ｉ，ｊ）（４）利用式（２）计算图２（ａ）和图２（ｂ）

的梯度得到相同的模值１／２。改进的梯度计算方法由于采用了特定的加权系数而具有的４５°整倍数旋转不变性，兼顾了边缘定位精度和抑制噪声的要求，是Ｓｏｂｅｌ算子所没有的。

图１　车牌初定位流程图

１．２　自适应阈值

数学形态学处理后的图像有时会存在多个车牌候选区域，这会给车牌定位带来干扰。本文在分析总结了目前常用定位方法原理的基础上，经大量实验论证，采用自适应的边缘检测，能够很好的解决这一问题。

首先设定边缘检测阈值为０．１８，经实验证实，此阈值适用于大多数车牌图像，根据白色像素

所占比例大小，调整上下阈值，直至符合比例要

求。最后采用行与列扫描，统计白色像素的投影

法实现车牌的初步定位。由于拍摄角度问题，车牌图像可能存在一定的倾斜，本文采用基于Ｒａ－ｄｏｎ变换的车牌倾斜矫正算法，该算法比传统的Ｈｏｕｇｈ变换法以及投影法更能快速有效地检测出车牌的倾斜角度。

图２　同一边缘在不同情况下的图形

１．３　精确定位

精确定位对后续的字符分割有着举足轻重的作用。通常方法是对已选区域进行二值化等处理，但很难保证二值化阈值的自适应。

本文直接对车牌的灰度图像进行边缘检测，再对车牌分别从４个方向扫描。设定两个指标：（１）每一行或一列中白像素所占的比例；（２）每一行或一列中黑白像素跳变的次数。通过此方法，

可以精确定位出车牌区域。定位结果如图３所

示。整个车牌定位模块如图４。

２　字符分割

本文利用车牌字符本身的大小和位置信息，结合投影特征，设定自适应改变大小的投影切割阈值完成字符分割。首先对定位后的车牌二值化如图５，再进行竖直方向投影如图６所示，从投影图可以看到，车牌字符与字符之间的波谷，基本就

７

５第３期 郎　瑶，等：车牌定位与字符分割方法研究