專利名稱：基于補償原理和中心區(qū)域掃描的車牌二值化方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖象處理技術(shù)領(lǐng)域，特別涉及車牌識別技術(shù)中的復(fù)雜背景中的車牌二值化 方法。
技術(shù)背景隨著我國加入WTO和交通運輸?shù)牟粩喟l(fā)展，智能交通系統(tǒng)(Intelligent Traffic System簡稱ITS)的推廣是必然的趨勢。作為ITS的一個重要組成部分，車輛牌照識別 (License Plate Recognition簡稱LPR)的快速、準(zhǔn)確實現(xiàn)對于交通管理、治安處罰等 工作的智能化起著非常重要的作用。從20世紀(jì)90年代人們就開始了對汽車牌照自動識別 的研究，其主要途徑是采用計算機圖像處理技術(shù)對車牌的圖像進(jìn)行分析，自動提取車牌信 息，確定汽車牌號。目前車牌識別的理論己經(jīng)日趨成熟。詳見文獻(xiàn)T.Vaito， T.Tsukada， K.Yamada, K.Kozuka^ and S.Yamamoto, "Robust license-plate recognition method for passing vehicles under outside environment," IEEE Trans. Veh. Technol., vol.49， pp,2309-2319， Nov.2000和文獻(xiàn)Shyang-Lih Chang, Li-Shien Chen, YunChung Chung, Sei-Wan Chen, Automatic license plate recognition, Intelligent Transportation Systems, IEEE Transactions on, March 2004所述。在對從背景中分割出來的汽車牌照進(jìn)行字符識別之前，選擇合適的二值化閾值實現(xiàn)對 字符和背景的分割，是自動車牌識別技術(shù)中的一個重要環(huán)節(jié)。車牌的二值化精度直接影響 字符分割的精確度，進(jìn)而影響整個車牌識別系統(tǒng)的性能。常規(guī)的閾值選擇方法通常是基于 灰度值進(jìn)行的，但是在實際生活中，由于受光照條件的不均勻性、天氣變換的不定性等環(huán) 境因素，以及車牌本身受污染程度等因素的影響，很難找到一個合適的灰度閾值使字符和 背景完全分離。目前的多數(shù)車牌二值化方法只是在一定程度上解決了特定條件下從復(fù)雜背 景中提取字符的問題，然而這些算法對條件的要求比較高，當(dāng)遇到新的問題或者某些條件 不再成立時，又必須重新設(shè)計新的方法。通用的、能適用于所有環(huán)境和條件的車牌二值化 方法還沒有成功研究出來。因此，如何在現(xiàn)有所有有價值的研究成果之上，提高車牌二值 化的通用性、提高二值化精度將成為我們當(dāng)前研究的主要方向。詳見文獻(xiàn)B.SankurandM. Sezgin， "A survey over image thresholding techniques and quantitative performance evaluation,，，< / ￡7e"rom'c /mag/"g， v13， nl， January, p 146-168, 2004.禾口文獻(xiàn)Meenen，P. and Adhami,R, " Approaches to image binarization in current automated fingerprint identification systems",尸raceW卿c /" r/z/r/y-Sevew// 5b涵ea說r" S戸/ cw/Km 20-22 AforcA 20ft5 Page(s):276-281,2005.目前，常用的圖像二值化方法主要有全局閾值法和局部閾值法兩大類。在全局閾值法中，比較經(jīng)典的閾值選取方法主要有(1) 直方圖法。該方法先計算整幅圖像的灰度直方圖，然后根據(jù)直方圖選擇一個理想 的閾值。其優(yōu)點是在圖像和背景灰度差別較明顯時效果比較突出；缺點是這種方法往往容 易忽略細(xì)節(jié)，當(dāng)圖像中存在較多的陰影或者圖像灰度變化比較復(fù)雜時往往很難得到理想的效果，從而限制了上述方法的使用。詳見文獻(xiàn)Zhao Mansuo， Yan Hong. Signal Processing and Its Applications, Adaptive Threshold Method for Binarization Blueprint Images. In: Proceedings of the Fifth International Symposium on ISSPA，99, 1999,2:931-934(2) Otsu算法。它通過計算類內(nèi)方差和類間方差求取二值化最佳閾值。其優(yōu)點是經(jīng)過 該算法處理，車輛牌照上的字符筆劃飽滿，不出現(xiàn)空心、斷裂；缺點是在計算類間方差和 類內(nèi)方差時，消耗時間較多，不符合實時性要求。詳見文獻(xiàn)P.K.Sahoo,S.Soltani,A.K.Wong， and Y.C.Chan， "A survey of thresholding techniques", C謡/ 她f Fifw'on， Gra/ / /cs, aw/ //wage iVoce訓(xùn)'"g， vol.41 ， pp.233-260,1988.基于局部閾值的二值化方法有..(1) Niblack方法。其基本思想是對圖像中的每一個點，在它的r"鄰域內(nèi)，計算鄰域 里象素點的均值和方差，然后通過修正系數(shù)得到二值化閾值。其缺點是過分夸大了圖像的 細(xì)節(jié)，沒有注意到圖像的整體效果，只要圖像中的背景灰度產(chǎn)生一定的變化，這種方法就 會把背景誤認(rèn)為是物體，而且計算量大，速度慢。詳見文獻(xiàn)Trier O D， Jain A K. "Goal-directed Evaluation of Binarization Methods", IEEE Trans on PAMI， 1995,17(12): 1991-1201.(2) Bemsen算法。其缺點是Bernsen算法有可能造成偽影、筆劃斷裂等現(xiàn)象，不利于 后期的正確識另U 。詳見文獻(xiàn)Zhao Hong,Wang Li-min，Wang Gong-yi."Research on binarization method of license plate recognition in automatic recognition", Applied Science and Technology, Vol.31 ,Mar.2004上述的幾種車牌二值化方法的共同點是這些方法都是具有一定的條件限制，因此容 易受天氣、背景、光照等因素的影響，魯棒性不好。 一旦條件發(fā)生變化，它們的二值化準(zhǔn)確率就會發(fā)生較大的波動，從而整個車牌識別系統(tǒng)的性能大大降低。發(fā)明內(nèi)容本發(fā)明的任務(wù)是提供一種基于光照補償原理和中心區(qū)域掃描的車牌二值化方法，它具 有在照明不均勻的環(huán)境下實現(xiàn)字符和背景很好分離的特點。按照本發(fā)明的二值化方法，它 包含下列步驟步驟l.車牌圖像增強。為了更好的實現(xiàn)車牌的二值化，我們先對車牌圖像進(jìn)行增強 處理，突出字符在車牌中的位置。本方法中運用灰度直方圖和灰度拉伸變換對車牌區(qū)域進(jìn) 行變換，實現(xiàn)對車牌中的字符區(qū)域的增強?；叶戎狈綀D描述了圖像的灰度級內(nèi)容，反映了圖像的灰度分布情況。它通過對整個車 牌區(qū)域進(jìn)行掃描，統(tǒng)計車牌圖像中各個灰度級出現(xiàn)的次數(shù)或概率，具體的統(tǒng)計公式為gra_M(U(z'，_/) + l) = gra;^(l，/4(/,/) + l) + l， 其中，/表示圖像的行位置，y'表示圖像的列位置，A車牌圖像，A(i,j)表示車牌圖像中的一個象素值，gmyA表示灰度直方圖矩陣。從直方圖 中可以得到最大和最小灰度值Xl和x2，也就是灰度拉伸變換的兩個閾值?；叶壤熳儞Q是一種最簡單的分段線性變換函數(shù)?；叶壤斓木唧w變換公式為當(dāng)X〈X1時間， f(x)=y1/x1*x;當(dāng)x小于或等于 x2且 大于或等于X1 時<formula>formula see original document page 5</formula> ;當(dāng)X > X2時,<formula>formula see original document page 5</formula>凡。其中，X是原始車牌圖像中象素的灰度級，f(X)是象素點X255 - x2經(jīng)過增強后的灰度級，(x,， y,) and (x2, y2)是灰度拉伸變換的兩個閾值步驟2.采用基于光照補償原理的二值化方法對增強后的車牌進(jìn)行二值化?；诠庹昭a 償原理的二值化方法是一種利用光照補償函數(shù)弱化光照強度對二值化閾值的影響的方法， 它的基本思路如下(1)計算增強后的車牌圖像的灰度直方圖，并利用灰度直方圖計算增強后的車牌中字 符象素點和背景象素點的灰度級g,和g2以及增強后的車牌圖像的均值和標(biāo)準(zhǔn)差。其中，灰度直方圖的計算方法和步驟l中一致，只不過A為增強后的車牌圖像；字符象素點的灰度級g,可以通過計算灰度直方圖中前30%的點的均值而得，背景象素點的灰度級g2通過計 算灰度直方圖中后70 %的點的均值而得；而圖像均值可由公式 M =門* g, + r2 * g 2計算得到，圖像的標(biāo)準(zhǔn)差可由公式C = — M)2 + r2(g2 - M)2計算而得,其中，n為車牌圖像中字f午象素所占的比例，r2為車牌圖像中背景象素所占的比例，g,和g2分別為增強后的車牌中字符象素點和 背景象素點的灰度級，并且o < 。 < 。 < l ， r, + 。 = l ,M為增強后車牌圖像的均值，C為增強后車牌圖像的標(biāo)準(zhǔn)差。(2)計算光照補償函數(shù)f (L)。光照補償函數(shù)表示光照強度對二值化閾值的影響程度。_ —0.2具體的光照補償函數(shù)f(L)的計算公式為當(dāng)O <工^ l時/f^、= '"工)=_ 1 + e/(z; ) = o」 〃工) o.i當(dāng)i <工< 2時， i + e i -1 ;當(dāng)i; ￡ 2時， i + e i -，。其中，L為光照補償因子，e為指數(shù)函數(shù)，f (L)為光照補償函數(shù)。光照補償因子L是判漸車牌圖像的曝光狀態(tài)以決定光照補償函數(shù)的形式的因子，其計算公式為￡ =蘭，其中，MC為增強后車牌圖像的均值，C為增強后車牌圖像的標(biāo)準(zhǔn)差。當(dāng)Q <工S l時，表示車牌 圖像曝光不足；當(dāng)l <工< 2時，車牌圖像正常曝光；當(dāng)Z ^ 2時，表示車牌圖像曝 光過度。g)計算二值化的閾值，并對對增強后的車牌圖像進(jìn)行二值化。結(jié)合上面得到的光照 補償函數(shù)，標(biāo)準(zhǔn)差和均值，計算二值化的閾值。具體的二值化閾值t由下面的公式計算得r - m + c到，其中，M為增強后車牌圖像的均值，C為增 強后車牌圖像的標(biāo)準(zhǔn)差，f (L)為光照補償函數(shù)，r,為車牌圖像中字符象素所占的比例，r2為車牌圖像中背景象素所占的比例，t為二值化閥值。然后利用二值化閾值t對增強后的 車牌圖像f (x)進(jìn)行二值化。具體的二值化方法為當(dāng)f ( x ) ^ r時，f (y) =255; 當(dāng)/ ( r ) < r時，f (y) =0。其中，t為二值化閾值，f (x)為增強后的車牌圖像，f(y)為初步二值化后的車牌圖像。步驟3.采用中心區(qū)域掃描法對車牌進(jìn)行處理。中心區(qū)域掃描法是一種判定車牌類型的 區(qū)域掃描方法。其具體的思路如下(1) 確定車牌中心區(qū)域的位置。在本方法中，中心區(qū)域的位置為點10' 5 ''、、『X'F7 、 ( i￥—x ' I"^ )和iF"i "'圍成的區(qū)域，其中x是車牌圖像的 寬度，y為車牌圖像的高度。(2) 計算二值車牌區(qū)域水平方向黑白線段長度之和，并統(tǒng)計黑、白線段的各自最大長度。判斷黑線段的開始是尋找灰度從255降到0的點，黑線段結(jié)束點是灰度從0升到255 的點或者行末；判斷白線段的開始是尋找灰度從0升到255的點，白線段結(jié)束點是灰度從 255降到0的點或者行末。(3) 比較黑、白線段的最大長度，判斷原始車牌類型是白底黑字還是黑底白字。如果 最長的白色線段長度大于最長的黑色線段長度，則認(rèn)為該車牌是白底黑字，否則認(rèn)為車牌 是黑底白字。(4) 根據(jù)上述結(jié)果確定最終車牌二值化圖像。如果車牌是黑底白字，則最終車牌二值 化圖像就是初步二值化后的車牌圖像；如果車牌是白底黑字，則最終的車牌二值化圖像由公式/ (z ) == 2ss- / ( y )得到，其中，f (y)為初步二值化后的車牌圖像的值，f (z)為最終車牌二值化圖像的值。通過以上歩驟，我們就可以將車牌的灰度圖像轉(zhuǎn)化為二值圖像，實現(xiàn)車牌中字符和背 景的有效分離。需要說明的是1. 歩驟l中使用的車牌圖像是經(jīng)過車牌定位程序后得到的灰度圖像，不需要再做灰度 轉(zhuǎn)換處理。2. 歩驟2的第一步中重新計算灰度直方圖是為了該步驟中確定灰度級在前30%的點。3. 步驟2的第一歩中r,為車牌圖像中字符象素所占的比例，r2為車牌圖像中背景象素所占的比例，0 < r, < 。 < 1 , r, + r2 = 1 。在本方法中r,的取值為0.318， r2的 取值為0.682。4. 歩驟2的第二歩中之所以計算光照補償函數(shù)是由于實地拍攝中，車牌圖像常常因為 光照不均勻等因素的影響，出現(xiàn)曝光不足或者曝光過度的情況，需要通過--個函數(shù)來修正光照因素對二值化閾值的影響。 頁5.由于車牌彩色圖像一共有3種主要類型，即黃底黑字、藍(lán)底白字和黑底白字，經(jīng)過 灰度轉(zhuǎn)換和步驟2的第三步二值化后，車牌圖像一共有2種類型，即白底黑字和黑底白字， 因此在進(jìn)行字符定位之前需要通過中心區(qū)域掃描法來對車牌進(jìn)行歸一化處理。本發(fā)明采用一種基于補償原理和中心區(qū)域掃描的車牌二值化方法，首先通過灰度拉伸 變換對車牌區(qū)域進(jìn)行變換，實現(xiàn)對車牌中的字符區(qū)域的增強；接著運用直方圖法計算出增 強后的車牌中字符象素點和背景象素點的灰度級g,和g2;然后計算增強后的車牌圖像的均值和標(biāo)準(zhǔn)差，并利用均值和標(biāo)準(zhǔn)差得到光照補償因子；接著根據(jù)光照補償因子計算光照補 償函數(shù)；然后根據(jù)光照補償函數(shù)、標(biāo)準(zhǔn)差和均值，計算二值化的閾值；最后運用中心區(qū)域 掃描法判斷車牌的類型，進(jìn)行歸一化處理。 本發(fā)明的創(chuàng)新之處在于本發(fā)明采用一種基于補償原理和中心區(qū)域掃描的車牌二值化方法，既充分利用全局動 態(tài)閾值法二值化速度快的特點，符合車輛牌照識別系統(tǒng)的實時性要求，又引入了光照補償 函數(shù)彌補了由于光照不均勻?qū)е碌娜謩討B(tài)閾值法性能急速下降的缺點，很好地實現(xiàn)了背 景象素和字符象素的完全分離。同時，又引入中心區(qū)域掃描法對初步二值化后的車牌進(jìn)行 分析，并作歸一化處理，得到最終的二值化結(jié)果。因此，本發(fā)明的方法與傳統(tǒng)的全局動態(tài) 閾值法相比，不僅二值化速度快，而且具有魯棒性高、實現(xiàn)背景和字符的完全分離等特點。


圖1是本發(fā)明最終得到的車牌圖像示意圖。其中，XI、 X2、 X3、 X4、 X5、 X6和X7分別代表車牌的第一個、第二個、第三個、 第四個、第五個、第六個和第七個字符。圖2是灰度拉伸變換函數(shù)。橫坐標(biāo)是變換前的灰度級，縱坐標(biāo)是變換后的灰度級。圖3是光照補償函數(shù)的公式。圖4是原始的車牌灰度圖像。圖 5是增強后的車牌圖像。圖6是二值化后的車牌圖像。
具體實施方式
采用本發(fā)明的方法，首先使用Matlab語言編寫車牌識別軟件和車牌二值化軟件；然后 在高速公路的入口處、收費站和其他任何合適位置采用攝像裝置自動拍攝車輛的原始圖像；
接著把拍攝到的車輛原始圖像作為源數(shù)據(jù)輸入到車牌識別軟件中進(jìn)行處理；定位出的車牌 再通過車牌二值化軟件，最后輸出車牌二值化的結(jié)果。釆用320張車牌識別軟件處理后得 到的、包括雨天、霧天、晴天等不同天氣和車牌水平、車牌傾斜、車輛運動、車輛靜止等 不同狀態(tài)下的車輛灰度圖像作為源數(shù)據(jù)，基本上都能很好地實現(xiàn)字符和背景的完全分離， 準(zhǔn)確率接近100%。綜上所述，本發(fā)明的方法充分利用全局閾值法和光照補償原理的特點以及中心掃描法 的特性，從而快速準(zhǔn)確地實現(xiàn)車牌的二值化。
權(quán)利要求
1、本發(fā)明涉及一種基于補償原理和中心區(qū)域掃描的車牌二值化方法，其特征在于包括如下步驟步驟1.車牌圖像增強。運用灰度直方圖和灰度拉伸變換對車牌區(qū)域進(jìn)行變換，實現(xiàn)對車牌中的字符區(qū)域的增強。步驟2.采用基于光照補償原理的二值化方法對增強后的車牌進(jìn)行二值化。它的基本思路如下(1)計算增強后的車牌圖像的灰度直方圖，并利用灰度直方圖計算增強后的車牌中字符象素點和背景象素點的灰度級g1和g2以及增強后的車牌圖像的均值和標(biāo)準(zhǔn)差；(2)計算光照補償函數(shù)f(L)；(3)計算二值化的閾值，并對對增強后的車牌圖像進(jìn)行二值化；步驟3.采用中心區(qū)域掃描法對車牌進(jìn)行處理。中心區(qū)域掃描法是一種判定車牌類型的區(qū)域掃描方法。其具體的思路如下(1)確定車牌中心區(qū)域的位置；(2)計算二值車牌區(qū)域水平方向黑白線段長度之和，并統(tǒng)計黑、白線段的各自最大長度；(3)比較黑、白線段的最大長度，判斷原始車牌類型是白底黑字還是黑底白字；(4)根據(jù)上述結(jié)果確定最終車牌二值化圖像；通過以上步驟，我們就可以將車牌的灰度圖像轉(zhuǎn)化為二值圖像，實現(xiàn)車牌中字符和背景的有效分離。
2、 如權(quán)利要求1所說， 一種基于補償原理和中心區(qū)域掃描的車牌二值化方法，其特征在于-既充分利用全局動態(tài)閾值法二值化速度快的特點，符合車輛牌照識別系統(tǒng)的實時性要求，又 引入了光照補償函數(shù)彌補了由于光照不均勻?qū)е碌娜謩討B(tài)閾值法性能急速下降的缺點，很 好地實現(xiàn)了背景象素和字符象素的完全分離。同時，又引入中心區(qū)域掃描法對初步二值化后 的車牌進(jìn)行分析，并作歸一化處理，得到最終的二值化結(jié)果。因此，本發(fā)明的方法與傳統(tǒng)的 全局動態(tài)閾值法相比，不僅二值化速度快，而且具有魯棒性高、實現(xiàn)背景和字符的完全分離 等特點。
全文摘要
本發(fā)明提供了一種基于補償原理和中心區(qū)域掃描的車牌二值化方法。首先通過灰度拉伸變換對車牌區(qū)域進(jìn)行變換，實現(xiàn)對車牌中的字符區(qū)域的增強；接著運用直方圖法計算出增強后的車牌中字符象素點和背景象素點的灰度級g₁和g₂；然后計算增強后的車牌圖像的均值和標(biāo)準(zhǔn)差，并利用均值和標(biāo)準(zhǔn)差得到光照補償因子；接著根據(jù)光照補償因子計算光照補償函數(shù)；然后根據(jù)光照補償函數(shù)、標(biāo)準(zhǔn)差和均值，計算二值化的閾值；最后運用中心區(qū)域掃描法判斷車牌的類型，進(jìn)行歸一化處理。本發(fā)明的方法與傳統(tǒng)的全局動態(tài)閾值法相比，不僅二值化速度快，而且具有魯棒性高、實現(xiàn)背景和字符的完全分離等特點。
文檔編號G06K9/34GK101154270SQ200610122530
公開日2008年4月2日 申請日期2006年9月30日 優(yōu)先權(quán)日2006年9月30日
發(fā)明者峰 楊, 爭 馬 申請人:電子科技大學(xué)中山學(xué)院