一种新的车牌字符分割方法

第２４卷　第Ｏ２期　文章编号：１００６—９３４８（２００７）０２—０２５２—０３　计　算　机　仿　真　２００７年０２月　一种新的车牌字符分割方法　吴红梅，陈继荣，鹿晓亮　（中国科学技术大学，安徽合肥２３００２７）　摘要：在车牌识别系统中，字符分割的效果起着至关重要的作用。传统的方法对车牌图像的要求太高，这在一定程度上影响　了车牌的识别率。针对字符断裂和背景噪声非常复杂情况下的车牌，利用小波变换是信号局部特征奇异性检测的有效方法。　提出了三级分割算法，该方法能相当准确地提取出车牌中的字符，同时，在分割过程中，各字符间及字符内的细微噪声也得　到了很好的去除。实验结果表明：该方法能行之有效地提取车牌字符，准确率高，抗干扰能力强，在实际应用中取得了很好的　效果。　关键词：去噪；跳变；三级分割；连通区域　中图分类号：ＴＢ２４　文献标识码：Ｂ　Ａ　Ｎｅｗ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｃｈａｒａｃｔｅｒ　Ｓｅｇｍｅｎｔａｔｉｏｎ　ａｎｄ　Ｎｏｉｓｅ　Ｅｌｉｍｉｎａｔｉｏｎ　ｏｆ　Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　ＷＵ　Ｈｏｎｇ—ｍｅｉ，ＣＨＥＮ　Ｊｉ—ｒｏｎｇ，ＬＵ　Ｘｉａｏ—ｌｉａｎｇ　（Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　Ｃｈｉｎａ，Ｈｅｆｅｉ　Ａｎｈｕｉ　２３００２７，Ｃｈｉｎａ）　ＡＢＳＴＲＡＣＴ：Ｃｈａｒａｃｔｅｒ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｐｌａｙｓ　ａ　ｇｒｅａｔ　ｒｏｌｅ　ｉｎ　ｔｈｅ　Ｌｉｃｅｎｓｅ　Ｐｌａｔｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ．Ｔｒａｄｉｔｉｏｎａｌ　ｍｅｔｈｏｄｓ　ａｌｗａｙｓ　ｄｅｍａｎｄ　ｍｕｃｈ　ｆｒｏｍ　ｔｈｅ　ｉｍａｇｅ　ｑｕａｌｉｔｙ　ａｎｄ　ｔｈｕｓ　ｗｉｌｌ　ｉｎｅｖｉｔａｂｌｙ　ａｆｆｅｃｔ　ｔｈｅ　ｕｌｔｉｍａｔｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ．　Ｏｎ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｏｆ　ｔｈｅ　ｌｉｃｅｎｓｅ　ｐｌａｔｅ　ｗｉｔｈ　ｔｈｅ　ｐａｒｔｉｎｇ　ｏｆ　ｃｈａｒａｃｔｅｒｓ　ａｎｄ　ｖｅｒｙ　ｃｏｍｐｌｅｘ　ｂａｃｋｇｒｏｕｎｄ　ｙａｗｐ，ｔｈｅ　ｗａｖｅｌｅｔ　ｔｒａｎｓｆｏｒｍ　ｉｓ　ｕｓｅｄ　ａｓ　ａ　ｖａｌｉｄ　ｍｅｔｈｏｄ　ｆｏｒ　ｄｅｔｅｃｔｉｎｇ　ｔｈｅ　ｌｏｃａｌ　ｃｈａｒａｃｔｅｒ　ｓｉｎｇｕｌａｒｉｔｙ　ｏｆ　ｓｉｇｎａ１．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ。ｔｈｅ　ｐｒｅｓｅｎｔｅｄ　ｍｅｔｈｏｄ　ｅｘｔｒａｃｔｓ　ｃｈａｒａｃｔｅｒｓ　ｆｒｏｍ　ｔｈｅ　ｉｍａｇｅ　ｗｉｔｈ　ｔｈｅ　ｔｈｒｅｅ—ｌｅｖｅｌ—ｓｅｇｍｅｎｔａｔｉｏｎ　ｍｅｔｈｏｄ．Ｔｈｅ　ｎｏｉｓｅ　ｂｅｔｗｅｅｎ　ａｎｄ　ｉｎｓｉｄｅ　ｃｈａｒａｃｔｅｒｓ　ｗｉｌｌ　ｂｅ　ｒｅｍｏｖｅｄ　ｓｉｍｕｌｔａｎｅｏｕｓｌｙ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｉｓ　ｍｅｔｈｏｄ　ｃａｎ　ｓｅｇｍｅｎｔ　ｃｈａｒａｃｔｅｒｓ　ｐｒｅｃｉｓｅｌｙ　ａｎｄ　ｉｔ　ｐｅｒｆｏｒｍｓ　ｅｘｃｅｌｌｅｎｔｌｙ　ｉｎ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ．　ＫＥＹＷＯＲＤＳ：Ｎｏｉｓｅ　ｅｌｉｍｉｎａｔｉｏｎ；Ｂｉｎａｒｙ　ｔｒａｎｓｉｔｉｏｎ；Ｔｈｒｅｅ—ｌｅｖｅｌ—ｓｅｇｍｅｎｔａｔｉｏｎ；Ｃｏｎｎｅｃｔｅｄ　ｃｏｍｐｏｎｅｎｔｓ　过预处理后的车牌灰度图利用信号局部特征的奇异性进行　１　引言　智能交通系统（ＩＴＳ）是当前交通管理发展的主要方向。　车牌识别技术则是整个智能交通系统的核心，其发展水平对　粗分割，然后再用一种基于全局和局部投影以及最大连通区　域的字符细分割算法。这种算法很好地弥补了传统算法的不　足，同时能去除字符内部的浮动噪声。因为该算法包含三个　于ＩＴＳ的发展有着举足轻重的影响。车牌识别系统包括车牌　定位、字符分割和字符识别三大部分。由于目前字符识别算　法均是针对单独字符进行识别的，因此在准确地定位车牌　后，字符分割的好坏对字符识别起着至关重要的作用。　一层次的字符分割，故称之为三级字符分割算法。　三级字符分割算法分为三个步骤：基于小波变换的字符　粗分割；基于局部垂直投影的较细分割；基于最大连通区域　思想的精细分割。下面将详细讨论整个算法流程。　般的字符分割算法采用水平投影和垂直投影相结合　的方法。然而这样的算法对分割前的车牌图像要求比较高，　２　三级算法分割车牌字符　２。１　基于小波变换的字符粗分割　将所提取的彩色车牌（如图１）转换成灰度图，经过一系　列的预处理后的灰度图如图２所示。　由于小波变换具有“变焦距”性质，因此，直观上讲，它　比如字符之间不能有过多的粘连，字符的断裂严重等等，这　在很大程度上影响了整个系统的识别率。　为了克服传统的投影算法所面临的问题，我们首先将经　收稿日期：２００５—１２—１５修回日期：２００６一Ｏｌ一２１　－－ｗ——对信号局部特征的奇异性即奇异点的位置及奇异度的大小　２５２－－－——　维普资讯 http://www.cqvip.com

图１　车牌原图　图２　经过预处理后的车牌灰度图　的分析比傅立叶变换更加有效。由于篇幅有限，这里将不再　具体阐述，请查看相关资料。　可以定义边缘图像中顶部和底部边缘点的距离为外轮　廓垂直距离。经过预处理后的车牌灰度图的外轮廓垂直距离　如图３所示。　图３　外轮廓垂直距离图　从上图可以看出，只要将字符间的间隙位置找到，就可　以将字符分割开来。而各字符的间隙与外轮廓垂直距离的局　部极小值相对应。因此，可对字符的外轮廓垂直距离进行小　波变换，取其斜率为正的零交叉点作为字符的分割点。这里　我们取的小波函数为三次Ｂ样条的函数。信号，（　）在尺度ｓ　下的Ｂ样条变换为：　其中为三次Ｂ样条函数：　）＝ｆ（ｘ）　警）＝ｓ　（，×　（　其中０（　）为三次Ｂ样条函数：　＝　＋　一　］：　其中［　］　＝ｍａｘ｛０，　｝；ｒｔ＝３．　考虑到两侧的边框以及字符的断裂问题，从图３呵看　出，就可能得到多余六个的局部极小值。这时，我们采取以下　两种方法：　１）先设定一个初始尺度进行小波变换，再用分割的于　图像数目进行尺度自适应；　２）由于各字符问有一定的间隔，当所分割的子　像的　间隔小于一定值，将两子图像进行合并。　为了下一步的实验的方便，将基于小波变换的车牌字符　分割图转换成二值图像，再次进行倾斜校正，并利用图像像　素值的跳变特征，有效地去除车牌识别中的边框、铆钉干　扰。　２．２　基于局部垂直投影的较细分割　所谓局部垂直投影，就是选取车牌区域的局部进行投　影，比如车牌的上３／４区域，下２／３区域等等。适当选取局部　候选区域，可以避开由水平边框或者其他噪声引起的字符粘　连，从而准确地分割出车牌字符。二值图的上３／４　域垂直　投影如图４所示。　图４　局部垂直投影示例　由图４可以看出，在图７中由于水平边框造成的粘连已　经彻底分割开来，各个字符的左右边界可以准确界定。另外，　根据所分割出来的子图像块的白点密度以及总的字符个数　信息，可以判定第一个以及最后一个子图像块为大的白块噪　声，予以去除。经过局部垂直投影分割后的效果如图５所示。　图５　局部垂直投影后字符分割效果图（已　进行归一化）　局部垂直投影的具体算法如Ｆ所述：　１）对经过预处理去噪的车牌图像进行整体垂直投影，如　果子图像块的宽度介于预先设定的阈值ａ，ｂ之间（ａ，ｂ的推　荐值分别为５和２８），说明分割正确，返回。　２）宽度小于ａ的子块予以舍弃，对宽度大于ｂ的子块利　用上３／４区域垂直投影进行再分割，如能正确分割，则返回。　３）利用下３／４区域垂直投影进行再分割，如能正确分　割，则返回。　４）利用上２／３区域垂直投影进行再分割，如能正确分　割，则返回。　５）利用下２／３区域垂直投影进行再分割，如能正确分　割，则返回。　６）利用上１／２区域垂赢投影进行再分割，如能正确分　割，则返回。　７）利用下１／２区域垂直投影进行再分割。　绝大多数情况下，经过前三步分割，车牌字符的左右边　界便能准确界定。　左右边界界定之后，子图像块的上下边界可能需要更准　确的确定，如图５所示。另外，字符内部可能存在诸多细微噪　声，影响以后的字符识别，需要去除。我们采用基于最大连通　区域思想的精细分割算法进行第三次分割。　２．３　基于最大连通区域思想的精细分割　连通域：　若一个区域ｎ中任意两个象素（　，Ｙ　）和（　，Ｙ　）之间　可以由一条路径（　，Ｙ　），……，（　，ＹＨ），（　，ｙ　），（　，　Ｙ　）……，（　，Ｙ　）连接，路径中所有象素（　，Ｙ　）均属　该　．．．——２５３．．．——　维普资讯 http://www.cqvip.com

区域，且路径中任意一个象素都与其前点和后点相邻，则称　该区域为连通域。　相邻：如果象素（　，ｙ　）在象素（　，Ｙ　）的邻域内，则说　两者相邻。　４邻域和８邻域：一个象素的４邻域（４点邻域）指的是与　（ａ）存在严重外界干扰　象素（ｉ，　）在水平和垂直方向相邻的象素集合；一个象素的８　邻域（８点邻域）不仅包括与象素（　√）在水平和垂赢方向相　邻的象素，也包括与象素（ｉ√）在对角线方向相连的象素。　连通区域的性质：设力　…一，　一，，　，　……，　是　（ｂ）水平边框和字符紧密粘连　按某一相似特性（颜色或灰度）选取出的ｎ个象素的集合，其　中的每一个象素集合均是一个连通域，则属于同一连通域　的象素有下述两个主要性质：　３）区域　一定是由４点邻域或８点邻域构成的连接，且　其轮廓是封闭的；　４）对每个　来说，区域内的象素或象素的组合均满足　同一规律性，其规律的含义是象素灰度的相似性。　基于最大连通区域思想的精细分割的具体思路是：对左　右边界界定之后的每个子图像块（第一个汉字除外），按而积　大小再分割成若干小“块”，然后将面积小于某一阈值的块置　零，即可消除悬浮在字符上下的边框噪声以及字符内部的细　微噪声。再统计各个子图像块的上下边界位置，利用平均高　度信息以及上下坐标信息，确定各个字符上下边界精确位　置。　由于车牌本身的污损或者二值化方法的影响，有时候字　符本身也会有分裂的现象，如果选取的阈值过大，会导致有　效笔画的误切，因此阈值的选取应该特别小心，以能去除大　部分噪声而不损失有效笔画为基本选取准则。图５经精细分　割之后如图６所示。　图６　精细分割效果图（已进行归一化）　由图６可以看出，经过三级分割算法处理之后，能相当　准确地提取出噪声复杂情况下的车牌字符。　３　实验结果　大量样本的实验结果表明，三级字符分割算法能在字符　断裂和背景噪声复杂的情况下顺利提取出车牌字符。图７列　出了一些噪声更为严重时的车牌图像，图８给出了相应的三　级分割处理结果。　４　结束语　本文针对车牌字符的断裂以及车牌字符背景非常复杂　的情况下，提出了相应的解决办法，对多种复杂条件下的车　牌样本进行的实验表明本文提出的方法能够准确地提取车　－——２５４－－——　图７　噪声更为严重时的车牌图像　（ｂ）　围８　字符分割效果图　牌字符，为车牌号码最终的有效识别奠定了坚实的基础。　参考文献：　［１］　张旭，王宏安，戴国忠，而向车牌识别的区域分割技术［Ｊ］．计　算机工程，２００２—４：１１３—１１５．　［２］　李文举，等。质量退化的车牌字符分割方法［Ｊ］．计算机辅助　设计与图形学学报，２００４—５：６９７—７００．　［３］Ｊ　Ａ　Ｈｅｇｔ，Ｒ　Ｊ　Ｈａｙｅ，Ｎ　Ａ　Ｄｅｌａ＆Ｋｈａｎ、Ａ　ｈｉｇｈ　ｐｅｒｆｏｒｍａｎｃｅ　ｌｉｃｅｎｓｅ　ｐｌａｔｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｓｙｓｔｅｍ［Ｊ］．Ｐｒｏｃ．ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｓｙｓｔｅｍｓ，Ｍａｎ　ａｎｄ　Ｃｙｂｅｒｎｅｔｉｃｓ，１９９８，４３５７—　４３ｉｆ２．　［４］Ｙｕｎｇａｎｇ　Ｚｈａｎｇ，Ｃｈａｎｇｓｈｕｉ　Ｚｈａｎｇ　Ａ　Ｎｅｗ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ　Ｃｈａｒａｃｔｅｒ　Ｓｅｇｍｅｎｔａｔｉｏｎ　ｏｆ　ＩＡｅｅｎｓｅ　Ｈａｔｅ［Ｊ］，　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｖｅｈｉｃｌｅｓ　Ｓｙｍｐｏｓｉｕｍ，２００３．Ｐｒｏｃｅｅｄｉｎｇｓ．ＩＥＥＥ　９—１　１　Ｊｕｎｅ　２００３．１０６—１０９　［５］　蒋治华，陈继荣，刘奕，车牌盘噪技术研究［Ｊ］．计算机工程，　２Ｏ（）４啼ｌ２．１ｌ２一ｌ１５．　［作者简介］　吴红梅（１９７９．６一），女（议族），安徽人，硕士研究　生，主要研究方向为：图像处理，图像压缩。　陈继荣（１９４４．１１一），男（汉族）。安徽入，副教授，　主要研究方向为：多智能体认知与嵌入式系统。　鹿晓亮（１９７９，ｌ１一），男（汉族），河南人，硕士研究　生。研究方向：数字图像处理，模式识别。