基于颜色与投影特征的车牌定位

0引言

车牌识别系统可以应用于道路监控、车库管理、高速公路收费站等场合，车牌识别技术是推进交通智能化管理的关键技术之一。在车牌自动识别系统中，其关键技术主要有车牌定位、字符分割、字符识别，而又以车牌定位为核心，车牌能否准确定位是实现车牌正确识别的前提和基础。但由于车牌图像背景复杂，车辆种类繁多，车牌在图像上的位置任意，再加上光照不均匀、反光、拍摄角度倾斜以及车牌本身折损等原因［１］，使得车辆牌照准确定位难度较大。

国内外关于车牌定位的方法主要有：基于纹理和水平灰度变化的方法，基于数学形态学的方法，基于颜色特征的方法，基于边缘检测和Ｈｏｕｇｈ变化的方法，基于水平、垂直投影法，基于小波变换的方法和遗传算法等等。在以上众多的算法中，大多是基于单一特征来进行车牌定位的。使用单一特征的定位方法确定车牌区域存在着明显的局限性，受到特定条件的。车牌区域特征主要有［２］：车牌区域的纹理特征，车牌区域的几何特征，车牌区域的位置特征，车牌区域的颜色特征，车牌区域水平或者垂直投影特征，车牌区域频谱特征。对于车牌区域的底色一般为蓝底、白底、黑底和黄底，字符颜色相应的为白字、黑字和红字，其中一些小型和大型车辆的牌照底色会跟着省份的变化而略有不同；车牌区域水平或者垂直灰度累积投影呈现连续峰谷峰的分布。本文充分应用车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法。该方法较单一特征的定位方法有较好的通用性，能够快速、准确地确定出车牌区域。

1算法描述及流程

车牌定位就是利用车牌区域特征，把车牌区域完整地从一幅具有背景的车辆图像中分割出来。基于颜色与投影特征的车牌定位方法流程如图一所示。对于拍摄的彩色车牌图像，首先通过颜色空间转换，将ＲＧＢ颜色空间转换为ＹＣｂＣｒ颜色空间，提取其Ｃｂ颜色分量以消除光照对车身的影响，经过一系列处理实现车牌的粗定位；再以图像处理技术为基础，采用水平、垂直投影法进行精确定位，最终确定出车牌区域。

基于颜色与投影特征的车牌定位

ＬｉｃｅｎｓｅＬｏｃａｔｉｏｎＢａｓｅｄｏｎｔｈｅＣｏｌｏｒａｎｄＰｒｏｊｅｃｔｏｒＦｅａｔｕｒｅｓ

任安虎1张燕2

ＲｅｎＡｎｈｕＺｈａｎｇＹａｎ

（１．西安工业大学电子信息工程学院，陕西西安７１００３２；２．陕西工业职业技术学院电气工程系，陕西咸阳７１２０００）（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ＇ａｎＴｅｃｈｎｏｌｏｇｉｃａｌＵｎｉｖｅｒｓｉｔｙ，ＳｈａａｎｘｉＸｉ＇ａｎ７１００３２；

２．ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａａｎｘｉＶｏｃａｔｉｏｎａｌｏｆＴｅｃｈｎｌｏｇｙ，ＳｈａａｎｘｉＸｉａｎｙａｎｇ７１２０００）

摘要：车牌定位是车牌识别系统的关键技术，定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法，算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性，可适应于不同背景、不同光照下的汽车图像，能够确定出车牌区域，准确率得到了较大提高。

关键词：车牌定位；颜色特征；投影特征；通用性；准确率

中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１６７１－４７９２－（２０１０）３－００９６－０３

Abstract：Ａｓｔｈｅａｃｃｕｒａｃｙｏｆｌｉｃｅｎｓｅｌｏｃａｔｉｏｎｗｉｌｌｅｆｆｅｃｔｔｈｅｒｅｓｕｌｔｏｆｔｈｅｌｉｃｅｎｓｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍ，ｔｈｅｌｉｃｅｎｓｅｌｏｃａｔｉｏｎｉｓｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｙｏｆｌｉｃｅｎｓｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｌｉｃｅｎｓｅ’ｓｃｏｌｏｒａｎｄｐｒｏｊｅｃｔｏｒｆｅａｔｕｒｅｓ，ａｎｅｗｐｏｓｉｔｉｏｎｉｎｇｍｅｔｈｏｄｗｈｉｃｈｃｏｍｐｏｓｉｔｅｔｈｅｃｏｌｏｒａｎｄｐｒｏｊｅｃｔｏｒｆｅａｔｕｒｅｓｗａｓｐｒｏ－ｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｂｅｄｉｖｉｄｅｄｉｎｔｏｒｏｕｇｈｌｏｃａｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｐｒｅｃｉｓｅｌｏｃａｔｉｏｎａｌｇｏ－ｒｉｔｈｍ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｓｉｎｇｌｅｆｅａｔｕｒｅｍｅｔｈｏｄ，ｔｈｅｍｅｔｈｏｄｗｅｐｒｏｐｏｓｅｄｈａｓａｂｅｔｔｅｒｕｎｉｖｅｒｓａｌａｎｄｉｔｃａｎｂｅｕｓｅｄｔｏｌｏｃａｔｅｔｈｅｌｉｃｅｎｓｅｐｌａｔｅｒｅｇｉｏｎｉｎｄｉｆｆｅｒｅｎｔｂａｃｋｇｒｏｕｎｄｓａｎｄｉｌｌｕｍｉｎａｔｉｏｎｉｎｔｅｎｓｉｔｙ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅａｃｃｕｒａｃｙｈａｓｂｅｅｎｇｒｅａｔｌｙｅｎｈａｎｃｅｄ．

Keywords：ＬｉｃｅｎｓｅＬｏｃａｔｉｏｎ；ＣｏｌｏｒＦｅａｔｕｒｅ；ＰｒｏｊｅｃｔｏｒＦｅａｔｕｒｅ；Ｕｎｉｖｅｒｓａｌｉｔｙ；ＡｃｃｕｒａｔｅＲａｔｅ

96

2车辆牌照的粗定位

车辆牌照粗定位就是在复杂背景的车牌图像里大致确定出车牌区域，去除非车牌区域的影响，为后面实现精确定位剔除干扰。经过大量的实验后本文采用的车牌粗定位的算法是基于ＹＣｂＣｒ颜色空间。

先将ＲＧＢ颜色空间转换到ＹＣｂＣｒ颜色空间，提取Ｃｂ颜色分量，经过图像的预处理，包括：灰度化、灰度拉伸、二值化、去噪、中值滤波、边缘检测，再经过水平、垂直投影切割出车牌区域，实现车牌的粗定位。基于ＹＣｂＣｒ颜色空间的车牌图像粗定位算法流程框图如图二所示。

２．１ＲＧＢ颜色空间转换为ＹＣｂＣｒ颜色空间

ＹＣｂＣｒ颜色空间［３］广泛应用在数字视频中。在这种格式中，亮度信息用单个分量Ｙ表示，彩色信息用两个色差分量Ｃｂ和Ｃｒ来代替。ＲＧＢ颜色空间与ＹＣｂＣｒ颜色空间相互转换的公式如式（１）和（２）所示：

拍摄的汽车图像是ＲＧＢ颜色空间的２４位真彩色图像，利用公式（１）将其转换到ＹＣｂＣｒ颜色空间，提取ＹＣｂＣｒ颜色空间彩色图像中的Ｃｂ颜色分量，可以发现车牌图像中车身上的光照影响几乎被消除，车牌区域被进一步的显示出来，这样便于后续的车辆图像处理。

２．２预处理

预处理包括：灰度化、灰度拉伸、二值化、去噪、中值滤波。对Ｃｂ颜色分量的图像灰度化处理方法有最大值法、平均值法及加权平均值法，本文选用加权平均值法实现彩色图像灰度化。灰度拉伸属于图像增强的重要手段之一，通过灰

度拉伸使图像中目标与背景的明暗对比度增强，从而使车辆牌照区域突出。将图像转换为只有两级灰度（黑白）值，常用的二值化方法有直方图统计法、固定门限法、动态阈值法、松弛法、

抖动矩阵二值化法等。在实际的车牌系统中，进行图像二值变换的关键是要确定合适的阈值，在确定阈值的过程

中，经过大量实验比对后采用全局阈值Ｏｓｔｕ方法获得的阈值二值化效果较好，能将对象和背景区别开来。去噪处理及中值滤波消除图像中的噪声，同时还实现了图像的平滑处理。

２．３边缘检测

边缘检测［４］是一种确定图像中物体边界的方法，就是用边缘点勾画出物体的轮廓。常用的边缘检测算子有Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子、Ｐｒｅｗｉｔｔ算子、Ｋｉｒｓｃｈ算子、ＬＯＧ算子等。通过比较各种边缘检测算子的性能后，发现Ｓｏｂｅｌ算子不但原理简单，易于实现，而且在检测水平、垂直边缘时效果较好，所以选用了Ｓｏｂｅｌ算子提取图像的边缘。Ｓｏｂｅｌ算子由水平和垂直算子构成，它的水平、

垂直算子如式（３）所示：水平算子：，垂直算子：

（３）

２．４水平、垂直投影

对经过边缘检测的图像进行水平投影，确定车牌的上下

边界，然后再进行垂直投影确定车牌的左右边界。根据分隔出的上下左右边界位置，实现车牌的粗定位［５］。对边缘检测后的车牌图像（黑底白字）进行逐行扫描，由下至上统计每行白像素的个数。当某行的白像素数首次大于临界值时则该行为待搜索车牌的最低行，然后根据车牌的几何尺寸确定车牌的最高行，由此确定车牌的上下界。车牌区域的上下边界确定以后，进行逐列由左至右扫描，依此统计每列白像素的个数。

当某列的白像素数首次大于临界值时则该列为待搜索车牌的左边界，再根据车牌的几何尺寸确定右边界。3车辆牌照的精确定位

经过车牌图像粗定位后，去除了图像中大部分的背景，

但图像中不仅含有车辆的牌照，还包含了其它的图像信息，为了后续车牌图像的字符分割和识别，对粗定位后的车牌图

像必须进行进一步的精确定位，算法流程如图三所示。

经过粗定位之后得到的是ＲＧＢ颜色空间下的２４位真彩色图像，其中图像的灰度化、灰度拉伸、二值化、去噪及中值滤波、

水平、垂直投影方法与粗定位的方法相同，不同的地方是经过粗定位去除了车牌区域以外的大部分干扰，二值化的图一

算法流程图

图二

基于ＹＣｂＣｒ颜色空间的车牌图像粗定位算法框图

（２）

（１）

图三

车牌精确定位算法流程图

基

于颜色与投影特征的车牌定位

97

参数可以依照实验进行调整，在水平、垂直定位时可以更精确的选择参数，最终实现车牌的精确定位。

4实验结果

对２４位真彩色图像进行本算法的处理，处理的效果图如图四所示。

图四（ａ）是包含车牌的原始图像，应用粗定位算法后得到如图四（ｂ）所示的效果图，消除了车牌的大部分背景；再经过精确定位后得到如图四（ｃ）所示的效果图，由上可明显地看出实现了车牌的定位，分割出了车牌。

5结束语

本文提出了基于颜色与投影特征的车牌定位方法。该算法分为粗定位和精确定位，主要根据车牌区域的颜色特征实现车牌的粗定位，根据车牌的投影特征实现车牌的精确定位。经过实验统计，该方法的定位准确率达到９０％以上，可适应于不同背景、不同光照下的汽车图像。

参考文献

［１］冯满堂，马青玉，成峰．基于混合特征的多车牌定位算法［Ｊ］．微计算机信息，２００９，２５（３３）：２３６－２３８．

［２］孙杰．车牌定位分割技术的研究与实现［Ｄ］．吉林：东北电力大学．２００７．

［３］何东健，耿楠，张义宽．数字图像处理［Ｍ］．西安：西安电子科技大学出版社，２００８：５１－６６．

［４］龚声蓉，刘纯平，王强等．数字图像处理与分析［Ｍ］．北京：清华大学出版社，２００６：１７０－１８０，２４８－２５１．

［５］赵志国．基于改进投影法的车牌精确定位算法研究［Ｊ］．农业装备与车辆工程，２００８，（４）：３６－３８．

作者简介

任安虎（１９７４—），男，陕西宝鸡，硕士，西安工业大学讲师，主要研究方向：通信与信息处理技术；

张燕（１９７４—），女，陕西西安，硕士，陕西工业职业技术学院助教，主要研究方向：信号与信息处理技术。

（ａ）车牌图像（ｂ）粗定位的效果图

（ｃ）精确定位的效果图

图四车牌定位的效果图

98