基于背景和像素的彩色车牌定位

基于背景和像素的彩色车牌定位黄娟娟付炜（燕山大学信息学院河北066004）摘要：本文提出彩色车牌定位算法。首先采用背景差法，即原图与背景图像相减，去除大量疑似车牌颜色特征的背景区域，缩小定位范围；然后统计车牌颜色RGB值，利用像素分类对车牌进行水平和垂直精确定位，确定车牌区域。关键词：车牌定位；背景差；像素分类中图分类号:TP391文献标志码:ABasedonbackgroundandpixelcolorlicenseplatelocationHuangJuanjuanFuWei(InformationCollegeOfYanshanUniversity,Hebei066004)Abstract：Colorlicenseplatelocationalgorithmproposedinthispaper.First,usingthebackgrounddifferencemethod,namely,Originalandbackgroundimagesubtractiontoremovethelicenseplatecolorcharacteristicsofalargenumberofsuspectedbackgroundarea,narrowingdown;andthenstatisticsplatecolorRGBvalues,usingpixelclassificationoflicenseplatesinhorizontalandverticalprecisionpositiontodeterminethelicenseplatearea.Keywords：licenseplatelocation；Backgrounddifference；Pixel’sClassification0引言:车牌定位的目的是为了在原始车辆图上确定一个包围车牌区域尽可能小的子图像，是整个识别模块实现的前提，其定位正确率将大大影响整个系统的最终识别性能。车牌定位的实质是图像分割，要求完全保留车牌区域内的信息,而尽量删除其它所有非车牌区域的干扰信息。目前进行车牌定位时多采用灰度图像或二值图像，或使用纹理特征分析技术等，但这些方法在不同程度上都有一定欠缺，且定位效果较易受阴影和光照等条件的影响。根据彩色图像比灰度图像能够提供更多的视觉信息，本文对彩色车牌进行了定位。1彩色图像和像素分析彩色图像由三个二维亮度函数[1]f(x,y)组成,RGB色制为R(x,y),G(x,y),B(x,y),(x,y)表示图像空间坐标，R(x,y),G(X,Y），B(X,Y）三个函数的值表示配色方程中三色的色饱和度。根据配色方程,即图像中任意一点色度都可以用R(x,y),G(X,Y）,B(X,Y）三色饱和度函数相加得到。像素的颜色是基于RGB模型的，只须统计每个像素颜色RGB值，每个像素的颜色由红、绿和蓝三原色组合而成。其表达式为:yxfyxfyxfyxfbluegreenred,,,,,,（1）其中f表示像素空间位置(x,y)的颜色，fred,fgreen,fblue分别表示该位置点的红绿、蓝三种原色的颜色分量值。2利用背景差初步定位车牌有蓝底白字(小车)、黄底黑字(大车)、黑底白字(外籍车)、白底黑字和红字(军警车)[2],这就为我们车牌的定位提供了可靠的依据。在背景复杂的汽车图像中,某些非车牌区域也具有车牌的某一特征，若使用车牌的单一特征分割车牌,分割结果中往往会有这些非车牌区域[3]。为了说明方便,这里只以小车牌照为例。所以先确定背景图像。水平扫描中车牌背景色变到车牌前景色的过渡、车牌背景色变到中间色再变到车牌前景色的过渡，利用调色板获取车牌底色为蓝色，利用车牌字符和车牌底色具有明显的反差特征来与背景差分对目标进行粗定位，可滤掉背景而只保留车牌及其阴影信息.其与背景图像的差值并不能完全滤掉背景信息.但却大大缩小了车牌定位区域，实现了车牌的粗定位。2.1图象背景的提取提取背景的过程可化为彩色图像分割的问题，是多维特征空间分类,可化为多次阈值分割来解决[4]。在一般的多阈值情况下,取阈值分割可表示为：如果Tkf(x,y)≤Tk+1(K=0,1,2,⋯,n),则g(x,y)=K（2）其中:T0、T1、K、Tk是一系列分割阈值,这里表示不同颜色分割的阈值，颜色分割后可得到图像背景模型。提取背景图像如图2。图1原始图像图2背景图像可见提取的背景图像中没有了车牌字符,但其他部分信息却基本保留下来。2.2用原始图象与背景图象作减法将原图像(N1*N2)平均划分为nn大小的基本图元[5](n要能被N1和N2整除)，在实际中我们一般取n=8。设(x,y)为原图坐标，分别计算每个图元的平均R、G、B值为：11,1,nnininnnjnjyyxrnnjiR(3)11,1,nnininnnjnjyyxbnnjiB(4)11,1,nnininnnjnjyyxgnnjiG(5)其中O≤i≤N1/n,O≤j≤N2/n。因为背景图像的R、G、B值并未发生变化，所以将平均R、G、B值相同的图元为单位来进行原图和背景图像的相减处理[6]，将差值为零的图像消去，消除其它地方可能存在的与车牌颜色相同的伪区域，且可以直接有效地去除大部分车辆车灯区，只有粗范围的车牌区保留下来。如图3。图3相减后图像3根据像素精确定位精定是在分割后的图像区域中搜索符合车牌外形特征的结果,主要目的是把初定位的区域范围尽可能的缩小。根据车牌区域的底色相似，采用最大相似性，在RGB颜色空间内选取合适的颜色阈值fT，把图像中的像素分为一系列具有相似颜色的类,将像素分类为车牌区和非车牌区。虽然车牌颜色、车身颜色具有多样性，且有时一辆车的车身也不仅只有一种颜色，但是在车牌附近车身颜色的变化是以行为单位，车牌附近车身同一行的颜色从左到右基本不变。据此来确定底色的颜色值范围为蓝色，同理可确定其它颜色。在RGB颜色空间颜色值随亮度变化而变化，可适当地进行亮度调节。3.1水平定位对确定大致车牌范围的图3进行扫描，其中对蓝色区域的判定为：1)对蓝色的极限值R=0、G=0、B=255,有(B-G)+(B-R)=255×2,这个值最蓝。2）如果某点BR且BG,则B比R、G大得越多越蓝。3）如果某点的BR或BG,则可判定为非蓝。据此对行像素P进行统计分类n1,n2...nN1(ni为第i行的像素个数，i=l，2⋯．，N1)。像素点(i,j)为蓝色点，统计Y方向蓝色像素点：11,_1,_iyBlueiyBlue;（6)像素跳变如图4。图4行像素统计图5水平定位图像由图4可知，车牌与车身像素颜色(RGB)值不同[7]，车身中和车牌底色像素颜色(RGB)值相同的数量极少，所以在像素扫描统计的过程中，因不满足车牌颜色范围而剔除。满足条件的像素密集在车牌区域。据像素统计确定阈值，进一步排除车牌所在可能行，确定车牌行区域。本文阈值T=40。车牌行区域条件：当niT时，该行不是车牌所在行。当niT时，该行是车牌所在行。根据车牌底色单一性和连通性，将满足车牌行区域条件的行合并，合并区域即为车牌行区域，然后水平提取车牌区域。如图5所示。3.2垂直定位车牌行区域进列逐列扫描，并对列像素p'进行统计分类n1',n2'...nN1'(nj'为第j列的像素个数)。统计X方向蓝色像素点：1,1_,1_jxBluejxBlue；(7）如图6所示，根据像素统计图确定阈值T'，确定车牌列区域(T'=10)。车牌列区域条件：当nj'T'时，该列不是车牌所在列。当nj'T'时，该列是车牌所在列。将满足车牌列区域的条件合并，垂直定位后的车牌图像如图7。图6列像素统计图7提取的车牌图像同理也可定位出其它底色的车牌，有时由于拍摄角度的不同会使拍摄的车牌有一定的倾斜，可用Hough变换[8]和旋转投影法对车牌进行校正。4结束语本文就彩色车牌定位提出一种背景差和像素定位相结合的新方法，具有比单一使用灰度边缘或单一使用颜色特征进行定位更加准确的特点,且能够适应各种车牌大小图像。对车身颜色与车牌区域颜色接近部分较多、可能会出现多个类似车牌的区域的情况可准确的定位。实验证明,该方法具有很好的定位效果和实用性。参考文献[1]沈勇武,章专,基于特征颜色边缘检测的车牌定位方法[J].仪器仪表学报,2008,Vol129No112：2673-2677[2]张宇,黄险峰,基于数学形态法和主成分分析法的车牌定位[J].计算机与数字工程,2009vol.37No.4：130-134.[3]郭大波,陈礼民,卢朝阳,韩丽萍,基于车牌底色识别的车牌定位方法[J].计算机工程与设计,2003,vol.24No.5[4]薄树奎,孙新德,丁琳,一种基于彩色图像分割的车牌检测方法[J].计算机科学,2009,Vol.36No.4:261-264[5]王卫,陈继荣,徐璟业,基于颜色特征的车牌快速定位[J].计算机工程与应用,2006,42(1):226-229.[6]杨志刚,王庆,一种分级的车牌颜色识别方法[J].计算机工程与应用，2008,44(24):178-180.[7]沈全鹏,林德杰，何爽基，基于像素分类的彩色车牌定位[J].自动化与信息工程,2007,32(2).[8]王枚,房培玉,王国,基于彩色分量垂直边缘检测的车牌定位新方法[J].计算机工程与应用,2007,43(12):177-179作者简介黄娟娟(1983.6-），女（汉族），河北沧州人，硕士研究生，主要研究领域为模式识别，图像处理；E-mail：[e-mail]