复杂背景中多车牌粗定位算法研究

复杂背景中多车牌粗定位算法研究 陈 蓓，曹文伦，张洪才 ，，CHEN BeiCAO Wen-lunZHANG Hong-cai 西北工业大学，西安 710072 ，’，Northwestern Po lytechnical UniversityXian 710072China ，， CHEN BeiCAO Wen-lunZHANG Hong-cai.Research on multi-vehicle license plate location under complex background. ，，():Computer Engineering and Applications20094517228-230. : AbstractThis paper presents no a vel method of the vehicle license plate l ocation based on characteristics fractal of dimension ，，under complex background.Here the i mage clippingthe transformation of grayscale imageand the constructing procedure of grayscale transfer function with the image enhancement are researched.Then the ca lculation technique of fractal dimension of pla te ，image is given meanwhlie the license region is determined.Moreovethe r fractal dimension of mu lti-vehicle license plate i mage is ，mainly from 2.65 to 2.80 which is larger than that of whole vehicle license plate imagebut smaller than individual vehicle license ，，plate imag.eIndependent of colorshape and size of hveicle license platethis algorithm not only is of convenience but also has good robustness.The performance the of proposed al gorithm has been tested on larg ea number ofexpe rimental data from random and arel ，mages.Based on the experimental resultsthis a lgorithm shows both the missing rate and false detection rate are lal zero.The poss ,i i ，bility that the candidate greion is more than oneis 50%at the same timethe probability of correctionfor inspect is up to 100%. :;; Key wordsvehicle license plate l ocationvehicle license plate reogcnitionintelligent traffic system 摘 要:提出了基于车牌分形维数特征进行复杂背景中车牌粗定位的方法。讨论了图像剪裁、灰度图转化以及图像增强时灰度转移函数的构造过程;给出了车牌图像分形维数的计算方法及车牌区域的确定。同时指出多车牌图像车牌区域的分形维数基本在 之间，其值高于车牌图像整体的分形维数，但是低于单车牌图像车牌区域的分形维。数该方法计算简单，不依赖车牌的 2.65~2.80 颜色、形状、尺寸，具有极好的鲁棒性。通过对大量随机的实验图像进行计算 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明:漏检率和误检率均为 ，检出多于一个候选区域 0 的为 ，正确检测率为 。50%100% 关键词:车牌定位;车牌识别;智能交通系统 : 文章编号:() 文献标识码:中图分类号: DOI10.3778/j.issn.10028331.2009.17.0691002,8331200917022803ATN911.73--- 汽车牌照自动识别系统有着非常广泛的应用前景，已经成对在背景较复杂或光照不均匀条件下，传统方法难以取得令人 满意的定位效果的弊端，本文提出的方法取得了较好的结果 。为图像处理领域的一个热点。车牌识别的主要步骤如下:车牌 定位、车牌字符分割和车牌字符识别。牌照的定位从图像处理 的意义上来说就是从一幅随机的图像中找出一块具有某种特多车牌定位算法 2 征的区域，该区域中包含了汽车牌照。自然环境下，汽车图像背 本文算法通过图像剪裁、灰度转化、灰度增强、维数计算、景复杂、光照不均匀，如何在有复杂自然背景的汽车图像中准 区域查找等步骤实现车牌定位，整体步骤见图 。1确地确定汽车牌照区域是整个识别成功的关键。 输入图像图像裁剪灰度图转化灰度增强 传统车牌定位方法1 区域查找维数计算车牌区域输出 [1]典型的汽车牌照定位方法主要有:边缘检测法、基于灰度 多车牌定位算法步骤图 [2][3]1的检测方法等;近些年出现了基于神经网络的车牌定位方法、 [4]基于小波理论的车牌定位技术;国内还有基于彩色图像的车 图像预处理 2.1 [5][6]牌分割方法、基于车牌特征的定位方法等。然而，由于车牌识别 图像预处理分为图像剪裁、灰度图转化和灰度增强。通过大多是在户外进行，天气状况实时背景车牌磨损采集误差(如 、、、相机拍摄的图像往往有较为复杂的背景，可以通过对输入图像 车牌倾斜)等干扰较大。因此，现有定位方法都不是十分理想。针 剪裁、灰度图转化和灰度增强等预处理手段使得图像中的车牌 基金项目:国家自然科学基金()。 the National Natural Science Foundtaion of China under Grant No.60634030 作者简介:陈蓓()，女，讲师，博士，主要研究方向为智能控制、模式识别及图像处理;曹文伦()，男，讲师，博士，主要从事自动化控制、 19791980-- 图像处理算法的理论与应用研究;张洪才()，男，教授博士生导师，主要研究方向为估计与控制图像处理信息融合 、、、。1938- 区域特性更加显著，以方便后续处理。() () s=Tr2图像剪裁就是将 相机采集到的彩色图像通过插值等 CCD 也就是说，通过上述变换，每个原始图像的像素灰度值 都对应 r图像处理手段剪裁为统一长宽的待处理图像。首先将不同采集 产生一个 s 值。终端采到的不统一有复杂背景的输入图像通过插值转换为等 从 s 到 r 的反变换可用下式表示:长等宽的归一图像，如图( )所示。再来分析图 所示 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 : 4a2 -1()由于车的颜色不同，光照不同，感兴趣区域的灰度值不是一成 r=T s () 3 不变的，这在后续处理时就会有所差异。例如:同样是白色的 由概率论理论可知，如果已知随机变量 的概率密度函数 ξ 车，车牌为蓝底白字。在正常光照下，车牌区域的平均灰度值要 为 ()，而随机变量 是 的函数，即 ()，的概率密度 prη ξ η=Tξη r 略微低于整幅图像，见图 ();但在夜间灯光反射下，车牌区 2a为 ()，所以可由 ()求出 ()。psprps s r s 域由于受到的光照反射较为强烈而表现出其平均灰度值要略 因为 ()是单调增加的，由数学分析可知，它的反函 数s=Tr微高于整幅图像，如图( )所示。所以为了消除颜色对车牌区 2b -1域的干扰，就有必要将彩色图像转化为灰度图像。 ()也是单调函数在这种情况下，且仅当 时发生，。r=T sη>i-- 图 复杂背景多车牌定位4 ()原图像 ()原图像 ()原图像 ()原图像 abcd ()针对图()的 ()针对图()的 ()针对图()的 ()针对图()的 eafbgchd 车牌定位结果车牌定位结果车牌定位结果 车牌定位结果 部分实验结果 图 5 要的 大小的立方体个数。 域维数明显高于 的维数，但是低于单车牌图像车牌区域维数。 ε×ε×ε I 表 车牌区域搜索(对应于图 中实验图像)1 5 灰度图像子块 中的每个单位面积均作同样的计算，可 Fi 以得到 ()(，，…，()())，则有:nεk=12R×R/ ε×ε 图像剪裁后边长;灰度增强后 k =256(R×R)(/ ε×ε) 灰度级;;子块边长=4ε=2=32 )()(() NF= nε 11Σ 2.492 8 2.517 5 2.409 6 2.602 1 的维数 ε i k I k=1 增强后 的均维数 Fi 2.486 4 2.365 9 2.424 9 2.536 3 车牌区域维数 候选将 及()()代入式()，即可求出灰度图像子块 、、Rε 10119F i2.727 1 2.652 0 2.675 9 2.746 2 车牌区域个数 5 2 3 1 的盒维数 。 DB 根据大量实验表明，在多车牌定位中，汽车牌照区域中至车牌定位 2.3 少有一个子块的分形维数在 之间。理论上讲，灰度图 2.65~2.80 车牌定位是根据在车牌附近的分形维数不同于图像其他 像 的每个子块都有可能是车牌出现的区域。遍历整个图像， I 区域的特性，计算得出各个单位面积的分形维数，然后将各个 查找分形维数鉴于 之间的子块即可找到车牌所在区2.65~2.80 满足条件的单位面积显示出来而将背景置零的图像处理过。程 ， ，[2] Henzinger T AHorowitz B Kirsch C M.Embedded control systems POSITION_CAL ， development with Giotto[C]//Proc of LCTES.ACM SIGPLAN Nceotsi 进程模块0 1 2 3 4 0 2001. POSITION_CAL ，[3] Kountouris ALe Guernic P.Pro_ling of signal programs and its 进程模块application in the timing evaluation of design imp lementtaions[C]// 0 0 1 2 3 4 5 Proc of the IEE Colloq on HW -SW Cosynth for Recon_g Sy s, POSITION_CAL ，，，，: temsHP LabsBristolUKFebruary 19966/1-6/9. 进程模块0 1 2 3 4 5 ，[4] Gamati_e AGautier T.The gsnial approach to the design of sys, 图 功能分区仿真结果图 5 tem architectures [C]//the 10th IEEE nternaona Conference and Itil，Workshop on the Engineerngi of Computer Based SystemAprsil 2003. 结论5 本文介绍了利用同步语言 对模块化综合航电系统 Signal :，， [5] Partitioning in avionics a rchitecturesRequrementismechnaisms进行建模仿真的方法，同步语言 利用时钟推理机制能够 Signal ， and a ssuranceNASA/CR-1999-209347[R].1999.准确地分析被仿真元素之间的依赖关系，同时 仿真模型 Signal 具有很好的模块性和层次结构性，仿真过程中能够有效提高仿 [6] Airlines Electronic Engineering Committee.ARINC Spec i_ctaion :真单元的重用性。虽然同步语言 中有关动作瞬间完成这 653Avionics A pplication Software StandaIrd nterf ace[Z].Aeronauti, Signal 一假设与实际情况不符，但是在这一假设情况下，有利于系统 ，，，，cal radioInc.AnnapolisMaryland1997-01.逻辑关系的分析，有利于建立测试评估目标的快速原型。如果 ，Benveniste ABerry G.The synchronous approtoa ch rea ctive a nd [7] ，，():所设计的系统在该假设条件下都不能正确运行，那么系统设计 real-Time systems[J].Proc of IEEE19917991270-1282. 人员必须提早对设计 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 进行改进。 张建东，高晓光，吴勇基于 网的综合航电系统建模与性能评 [8] .Petri 估西安:西北工业大学，[D].2004. 廖勇，熊光泽面向新一代航空电子的实时自适应资源管理中间件 [9] . 及算法研究成都:成都电子科技大学，[D].2006. 参考文献:，，，[10] Brunette CDelamare R Gamatiè Aet al.A modeingl paradigm for ，，，:[1] Closse EPoize MPulou Jet al.TAXYSA tool for the develop, integrteda modular avionics design[J].Softwianeerre Enngi g and Ad, ment and veri_cation of real -time embedded systems [C]//Proc of vanced A pplication，2006-09.，:，Computer Ai ded Veri_cation.ParisFranceSprniger-Verlag2001. 能够适用于我国所有类型车牌的粗定位;对复杂背、景车牌的(上接 页) 230 倾斜等并不敏感，具有极好的鲁棒性。 经过上述处理得出的即是大概的车牌区域范围，见 图其中 。5 图 ()左上角树木图像和图 ()下方草地的分形维数接近于 5a5b 车牌，因此也被检测出来了，见图( )()基于本文的车牌区 、。5ef 参考文献:域粗定位，结合传统手段进行进一步的车牌精确定位，可以大 ，[1] Yu MeiKimYong Deak.Approatoch Korean li cense plate reco gni, 大提高车牌定位的精准度。图 ()、()更加说明了本文方法 5dhtion based on vertcali edge mtchaing[C]//Proceedings of the IEEE 对于描述车牌区域的有效性。 ，，，: International Conference on SystemMasn and ybernet Cics20004 2975-2980. ，，[2] Ma MiaoTian HongpengHao Chongyang.Imagdenoe ising using 实验结果3 grey re lational analysis in spatial domain[C]//Proceedings of SPIE -实验环境为 ，，， AMD Athlon1800+256 M Ram P CWin2000The I nternational Society for Optical Engineerngi on Visual Com, 。本文实验所用车辆图像均为在自然场景中拍摄的 Matlab6.0 任意像素的彩色图像，其中牌照包括普通牌照(底色为蓝、黑、 ，，():munciations and I mage Processing200559601335-342.黄)，军用牌照(底色为白)，武警牌照(底色为白。)图像中牌 ，，， [3] Lu YinghuaYu LijieKong Junet al.A novel license plate loca,照大小不一，背景包括人、其他车辆、树木、建筑物等。随机抽 tion method based onneur al network andsa turation informtaion[C]// 取的车牌粗定位测试集共包含 幅图像，其中漏检 幅，误 40 0 ，: 18th Australian Joint Conference on Art ificial Intelligence2005检 幅，检出冗余区域 幅，正确检出 幅，实验的部分结 0 20 40 1037-1040. 果见图 。5 ，[4] Hsieh C hing-TangJuan Yu -Shan.Wavelet transform bliacense sed plate detect ion for cluttered scene[J].WSEAS Transactions , on Com puters，2005，4(1):30-33. 4 结论张引，潘云鹤彩色汽车图像牌照定位新方法中国图形图象学 [5] .[J]. 采用基于分形维数的方法对车辆牌照定位算法进行了研 报，，():200164374-377. 究通过图像剪裁，灰度转换图像增强车牌分形维计算车牌 。、、、骆雪超，刘桂雄，冯云庆，等一种基于车牌特征信息的车牌识别方 [6] . 区域提取等步骤实现了多车牌快速定位本文算法复杂度低; 。法华南理工大学学报:自然科学版，，():[J].200331470-73.