基于Matlab数字图像处理的车牌定位方法

基于Matlab数字图像处理的车牌定位方法 TrafficEngineering交通 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 的车牌定位方法 王传丽,宇仁德,张齐 (山东理工大学交通与车辆工程学院,山东淄博255049) 摘要:通过彩色图像灰度化,最佳阈值法对图像进行二值化,改进的中值滤波策略 对图像去噪,小波融合技术等对图像 进行预处理.从而提高图像质量.利用改进的边缘检测的方法对预处理后的图像进 行定位,并运用数学形态学的知识筛选车 牌区域.结果证明.该定位方法取得了较好的效果,可为车牌图像的准确识别奠定 基础. 关键词:图像预处理;小波分析;车牌定位 中图分类号:U495文献标识码:A文章编号:1002—4786(2011)13—0133—04 LocationofVehicleLicensePlateBasedonMatlabDigital ImageProcessing WANGChuan-li,YURen-de,ZHANGQi (SchoolofTransportationandVehicleEngineering,ShandongUniversityofTechnology,Zibo255049,China) Abstract:Troughbinaryingtheimagebycolorimagegrayprocessingmethodandbestthresholdmethod, denoisingtheimagebymedianfilterstrategy,andpreprocessingtheimagebywaveletfusiontechnology,theim— agequalitywasimproved.Theuseofmodifiededgedetectionmethodcouldlocatetheimageafterpreprocessing, andtheregionalofnumberplatewasfinallyscreenedoutbymeansofthemathematicalmorphology.Itwas provedthatthislocationmethodhadachievedgoodresultsandcanlayafoundationforaccurat elyidentifyingthe licenseplate. Keywords:imagepreprocessing;waveletanalysis;vehiclelicenseplatelocation 1车牌识别系统的研究背景 随着汽车数量的逐年递增,道路交通面临巨大 压力,如何高效管理和解决交通问题已成为现实生 活中亟待解决的难题.为了对现状加以控制,车牌 识别工作显得尤为重要.比如,将车牌识别的结果 通过网络传给车辆信息数据库,车辆信息数据库就 可以显示车辆的车主编号,车型,车主名称,缴费 凭证,缴费日期,更新日期,养路费和客货运附加 费,违章情况等相关信息.车牌识别(VehicleLic— ensePlateRecognition,VIR)是现代智能交通系 统中的重要组成部分之一,应用十分广泛.一个车 牌识别系统包括车牌定位,车牌分割,车牌识别三 个主要步骤.它以数字图像处理,模式识别,计算 机视觉等技术为基础.对摄像机所拍摄的车辆图像 或者视频序列进行分析,得到每一辆汽车唯一的车 牌号码,从而完成识别过程.由于外界环境不同 光照和复杂背景的影响,准确地将车牌定位分割 出来已是一个公认的难题.因此,通过一些后续 处理手段实现停车场收费管理,交通流量控制指标 测量,车辆定位,汽车防盗,高速公路超速自动化 监管等功能,对于维护交通安全和城市治安.防止 交通堵塞,实现交通自动化管理有着重要的现实意 2011年7月第13期l133 窑通工程TrafficEngineering 义. 2车牌识别系统的系统组成 根据系统的应用功能.确定系统的软件流程如 图1所示. 图像输入H灰度变换—图像二值化 边缘检测H去噪处理—车牌定位 车牌字符分割卜一叫字符识别—车牌输出 图1系统软件流程图 2.1车牌图像预处理 监控系统大多是利用摄像机室外拍摄汽车图 像,在实际应用中,拍摄质量会受到光照,天气, 背景,车牌磨损,图像倾斜等因素的干扰.这些不 确定性都会影响车牌识别的准确度.因此在对车牌 进行识别前要对车牌进行预处理.尽可能地排除干 扰. 2.1.1彩色图像灰度化 目前拍摄的车牌图像大都是彩色图像,彩色图 像包含着大量的颜色信息.不但在存储上占用很多 的内存空间,而且在处理时间上也会大大延长.因 此需要将彩色图像转换为灰度图像. 由于人眼对绿色的敏感度最高,对红色的敏感 度次之,对蓝色的敏感度最低,因此采用如下的图 像灰度值的转换公式【]: w=O.229"R+O.587*G+0.114"B 式中,R,G,B分别为红色,绿色,蓝色的颜 色值:W为转化后像素的灰度等级.经过加权平均 法进行灰度化后,更接近人类视觉系统. 本实验中将24位真彩色图像转换成256级灰度 图像. 2.1.2最佳阈值法二值化[21 图像二值化的主要目的是简化计算,这样可以 更快地求取边界和区域信息.对于灰度图像,最简 单的方法就是规定一个阈值,根据阈值决定像素点 的值.选取适当的阈值进行二值化,可以做到较好 地保留字符特征和去噪.对于大部分图像来说,简 单地赋予一个阈值已经足够了,但其自适应能力较 差为了更好地适应不同光照环境下的图像,应该 采用计算的方法有针对性地选取图像的阈值进行二 值化处理.实验结果如图2所示. 设图像由物体和背景两部分组成,物体像素的 灰度级具有正态概率密度函数p(),其均值为, 图2二僵化后的图像 方差为.背景像素的灰度级也具有正态概率密度 函数g(z),其均值为,方差为下.物体占总图像 面积的比例为A,背景所占面积为1-A,因此,该 图像总的灰度概率密度函数为 Ap()+(1-A)g(z)(1) 令图像阈值为t,并且将小于t的全部点称为目 标物体点,而将不小于t的全部点称为背景点.那 么,设将背景点错归为目标物体点的概率为Q(t), 将目标物体点错归为背景点的概率为Q:(t),因 而有: Qt(t):J一q(z)dz(2) Qz(,)=JP(z)&=l-p(t)(3) 总的错分概率为: aQ2()+(1-A)Ql(t)=A[1-p()】(4) 显然,使上式最小的阈值t为最佳阈值.因此, 对上式微分可得: (1-A)g(t)=Ap(t)(5) 由Tp()和q()都服从正态分布,因而有: )=1e.(6) )=1e.(7) 将式(6),式(7)代人式(5)并取自然对数可得: lncr+ln(1一A)一—=lnr+lnA一—毛(8) (f)(,)=2(9) 根据式(8),式(9),若a=0.5,.『=,则可以得 出: = 2.1.3自适应中值滤波 高通滤波可以使图像的低频分量得到抑制,低 通滤波可以使图像的高频分量得到抑制,为了使图 像边缘变得更加清晰,本实验利用自适应中值滤波 134I交通 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化 TrafficEnqneernq交通工程 的方法来实现图像增强.经过二值化后的图像存在 一 定的噪声干扰,为了排除这些孤立的噪声干扰, 需要对二值化后的图像进行滤波处理. 常用的滤波处理方法有:高斯平滑滤波,带通 和带阻滤波,中值滤波. 中值滤波【3】效果依赖于滤波窗口的大小,太大 会使边缘模糊.太小则去噪效果不佳.因为噪声点 和边缘点同样是灰度变化较为剧烈的像素,普通中 值滤波在改变噪声点灰度值时,会一定程度地改变 边缘像素灰度值.但是噪声点几乎都是邻域像素的 极值,而边缘往往不是,因此可以利用这个特性来 限制中值滤波. 具体的改进方法如下:逐行扫描图像,当处理 每一个像素时.判断该像素是否是滤波窗口覆盖下 邻域像素的极大或者极小值.如果是,则采用正常 的中值滤波处理该像素;如果不是,则不予处理. 在实践中这种方法能够非常有效地去除突发噪声 点,尤其是椒盐噪声,且几乎不影响边缘. 由于算法可以根据局部邻域的具体情况而自行 选择执行不同的操作,因此改进的中值滤波也称为 自适应中值滤波. 对比图3和图4,可以发现,图4在滤除椒盐噪 声的同时在图像细节上有了更好的保留,其他边缘 也更加清晰.基本和原图一致. 图3对灰度图像进行 Canny算子边缘提取 图4自适应中值滤波后的 Canny边缘提取 2.1.4边界提取 边界提取算法就是掏空内部点,边界提取对图 像分析和处理具有非常重要的意义,在此车牌定位 中采用数学形态学问与canny算子相结合的方法对车 牌图像的边界进行提取,canny边缘检测算子对受 到白噪声影响的阶跃型边缘是最优的.检测结果不 单能清晰地提取图像边缘,而且边缘连续性比较 好.而数学形态学又能很好地处理普通边界提取过 程中出现的粘连和裂开的细裂缝.实验结果如图5 所示. Canny算子[51的实现步骤如下: a)首先用2D高斯滤波 模板 个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载 与原始图像进行卷 图5Canny算子和数学形态学结合边界提取的图像 积.以消除噪声; b)利用导数算子(~11Prewitt算子,Sobel算子)找 到图像灰度沿着两个方向的导数G,G,并求出梯 度的大小:IGI=%/-Gx2+Gy2; C)利用b)的结果计算出梯度的方向:0=arctan ?; d)求出边缘的方向,可以把边缘的梯度方向大 致分为4种(0.,45.,90.和135.),并可以找到这个 像素梯度方向的邻接像素: e)遍历图像,若某个像素的灰度值与其梯度方 向上前后两个像素的灰度值相比不是最大的,那么 将这个像素值置为0.即不是边缘: f)使用累计直方图计算两个阈值,凡是大于高 阈值的一定是边缘,凡是小于低阈值的一定不是边 缘,如果检测结果在两个阈值之间,则根据这个像 素的邻接像素中有没有超过高阈值的边缘像素,如 果有,则它就是边缘,否则不是. 形态学的边界提取步骤如下:设要提取的图像 边缘为/3(A),B是一个合适的结构元素,首先由B 对A进行腐蚀,然后用A减去腐蚀后的图像得到边 缘,即: fl(A)=4一OB) 2.1.5小波融合技术 图像融合是将同一对象的两个或更多的图像合 成为一幅图像,以便它比原来的任何一幅图像更容 易被理解.这一技术可应用于多频谱图像理解及医 学图像处理等领域,在这些场合,同一物体部件的 图像往往是采用不同的成像机理得到的. 图像融合是信息融合的一个重要分支,广泛地 用于目标识别,机器视觉,智能系统,医学图像处 理等领域.传统图像融合方法主要是在时间域通过 算术运算实现融合,具有算法简单直观,融合速度 快,适合实时处理等优点,但其没有对频率变化进 行考虑,再加上二值化选取阈值的单一性,使图像 出现大量不必要的信息,为了克服这个缺点,本文 采取多分辨率图像融合的算法. 2011年7月第13期I135 交通工程TrafficEngineering 多分辨率图像融合[61算法则是在频域实现了图 像的融合.根据分解形式的不同,多分辨率图像融 合算法又可分为多分辨金字塔方法和小波变换方 法.近年来,基于小波变换的图像融合越来越受到 重视.由于人的视网膜图像是在不同频带上分别以 不同算子进行融合,而基于小波分解的图像也是以 同样方式进行的,所以,其可以获得与人的视觉特 性更为接近的融合效果. 一 个优秀的图像平滑处理方法[.7】应该在消除噪 声和增强或保护图像特征两者之间取得良好的兼 顾.高通滤波通过增强图像的高频信息来增强图像 的边缘信息,低通滤波通过增强图像的低频信息对 图像进行平滑操作,两者互相矛盾.所以要选取一 个合适的信噪比,满足既不丢失图像的有用信息, 也不被噪声影响正常的图像边缘检测. 本文采取小波融合技术.根据低频分量和高频 分量的特点,去除干扰信息,保留有用信息,按照 各自的融合算法进行融合. 2.2车牌定位 车牌定位是对车牌字符进行准确分割的前提, 如果车牌定位不准确.就会直接影响车牌字符的分 割和识别的准确度.因此采用好的车牌定位方法非 常重要. 对预处理后的图像,利用基于边缘检测的投影 法来进行定位,将定位得到的车牌区域的上下左右 四个坐标值t0p,bottom,left,right保存下来【81,再 利用定位出来的四个坐标值来截取车牌区域. 本文采用了一种改进的基于边缘检测的投影 法与车牌先验知识相结合的车牌定位方法,由于 实验条件有限.本文仅在天气好的情况下拍摄了 100幅清晰的车牌图像,用该方法成功定位的有85 幅. 分析此种方法失败的原因主要是:有极少数汽 车车牌上方进气格栅为竖格栅,且高宽比也类似于 车牌,此时用本文的算法定位可能得到进气格栅区 域.可以考虑再加入一个其他基于车牌特征的判据 来确定车牌. 后期又将车牌上的稀有金属制成的圆点作为车 牌特征对车牌进行定位,定位的准确度达到98%. 实验结果如图6所示. 3结论 对于车牌识别,标准字符匹配才是王道,想提 图6精确定位车牌 高识别率,更得从根本上解决二值化质量问题.从 根本上来讲,车牌的识别率无论是90%或者98%都 是没有区别的,只要车牌的识别率没有达到100%, 都会造成车牌识别的误判,给车主带来麻烦.影响 其正常的生活,因此要想真正实现车牌识别的智能 化还需要做进一步的研究工作. 本文采用改进的边缘检测投影法,小波多分辨 率图像融合技术对车牌图像进行处理,取得了较好 的效果,为车牌图像的准确识别奠定了基础. 参考文献 [1]张德丰.MATLAB数字图像处理[M].北京:机械 工业出版社.2009. [2]李冬梅,牛长流.运动车辆的牌照识别[A].2009 通信理论与技术新发展——第十四届全国青年通信 学术会议 论文 政研论文下载论文大学下载论文大学下载关于长拳的论文浙大论文封面下载 集[C].北京:电子工业出版社,2009. f3】张学敏,倪红霞.Matlab基础及应用[M1.北京: 中国电力出版社.2009. [4]陈昌涛,张玲,何伟,等.基于车牌色彩变化 特征的车牌定位方法fJ].计算机应用研究,2008, (12):3654-3655. [5]赵杜娟,刘高平,黄华,等.自编码神经网络 车牌字符识别研究[A】.第18届全国多媒体学术会议 (NCMT2009),第5届全国人机交互学术会议 (CHCI2009),第5届全国普适计算学术会议 (PCC2009)论文集[C].北京:中国计算机学会多媒 体技术专业委员会,2009. 『6]张铮,王艳平.数字图像处理与机器视觉—— VisualC++与Matlab实现[M】.北京:人民邮电出版 社.2010. [7】章毓晋.图像处理和分析教程[M1.北京:人民邮 电出版社.2009. 『81FabioCaccia,RobeaoMarmot,LucaLombardi. LicensePlateDetectionandcharacterRecognition[J]. LectureNotesinComputerScience,2009,(5716), 471-480. 收稿日期:2010,11—08 136l交通标准化