專利名稱：一種車牌字符分割方法
技術(shù)領(lǐng)域：
一種車牌字符分割方法，屬于計(jì)算機(jī)圖象處理技術(shù)領(lǐng)域，特別涉及復(fù)雜背景中車牌自動(dòng)識(shí)別技術(shù)。
背景技術(shù)：
智能交通是當(dāng)前交通管理發(fā)展的主要方向，是目前世界交通運(yùn)輸領(lǐng)域的前沿研究課題。汽車牌照自動(dòng)識(shí)別技術(shù)則是智能交通系統(tǒng)的核心。它是解決高速公路管理問(wèn)題的重要手段，是計(jì)算機(jī)圖像處理技術(shù)和模式識(shí)別技術(shù)在智能交通領(lǐng)域的應(yīng)用。該技術(shù)在解決高速公路的諸多問(wèn)題，如車輛收費(fèi)和管理，交通流量檢測(cè)，停車場(chǎng)收費(fèi)管理，違章車輛監(jiān)控，假牌照車輛識(shí)別等具體問(wèn)題中應(yīng)用廣泛，具有巨大的經(jīng)濟(jì)價(jià)值和現(xiàn)實(shí)意義。同時(shí)，它在城市道路、港口和機(jī)場(chǎng)等項(xiàng)目管理中占有重要地位。隨著計(jì)算機(jī)性能的提高和圖像處理技術(shù)的發(fā)展，車牌識(shí)別系統(tǒng)已經(jīng)日趨成熟。詳見(jiàn)文獻(xiàn)T.Vaito，T.Tsukada，K.Yamada，K.Kozuka，and S.Yamamoto，“Robust license-plate recognition method for passing vehicles under outsideenvironment，”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 licenseplate recognition，Intelligent Transportation Systems，IEEE Transactions on，March2004所述。
在自動(dòng)車牌識(shí)別技術(shù)中，車牌字符的精確分割是整個(gè)識(shí)別技術(shù)的難點(diǎn)和關(guān)鍵。車牌字符分割的精度直接影響整個(gè)車牌識(shí)別系統(tǒng)的性能。在實(shí)際生活中，由于受背景的復(fù)雜性、光照條件的不均勻性和天氣變換的不定性等環(huán)境因素，以及車牌本身傾斜程序、受污染程度等因素的影響，目前的多數(shù)車牌字符分割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(wèn)題，然而這些方法必須利用具體問(wèn)題的先驗(yàn)知識(shí)，比如要利用車牌在圖像中出現(xiàn)的位置以及車牌顏色等特定信息，這樣雖然可以解決某個(gè)特定的問(wèn)題，但是當(dāng)遇到新的問(wèn)題或者某些先驗(yàn)知識(shí)不再成立時(shí)，又必須重新設(shè)計(jì)新的方法。通用的、能適用于所有環(huán)境和條件的車牌定位方法目前還沒(méi)有成功研究出來(lái)。因此，如何在現(xiàn)有所有有價(jià)值的研究成果之上，提高車牌字符分割系統(tǒng)的通用性、縮短定位時(shí)間和提高分割精度成為焏待解決的技術(shù)問(wèn)題。詳見(jiàn)文獻(xiàn)Rahman，C.A.；Badawy，W.；Radmanesh，A，“A real time vehicle’slicenseplate recognition system”，Proceedings.IEEE Conference on Advanced Video and SignalBased Surveillance，Page(s)163-166，2003和文獻(xiàn)Dogaru，R.；Dogaru，I.；Glesner，M，“Emergent computation in semitotalistic cellular automataapplications incharacter segmentation”，Semiconductor Conference，2004.CAS 2004 Proceedings，Page(s)451-454 vol.2，2004現(xiàn)在通常使用的車牌字符分割方法有(1)基于投影法的車牌字符分割方法。它通過(guò)對(duì)車牌區(qū)域的直方圖進(jìn)行分析，利用字符區(qū)域的投影值比背景區(qū)域大的特性達(dá)到識(shí)別字符區(qū)域的目的。其缺點(diǎn)是適用于車牌圖像亮度變化比較均勻、對(duì)比度比較良好的情況。但是在實(shí)際應(yīng)用中車牌圖像處于變化光源的環(huán)境中，亮度極不均勻，從而限制了上述方法的使用。詳見(jiàn)文獻(xiàn)Yungang Zhang，ChangshuiZhang，″A New Algorithm for Character Segmentation of License Plate″，IntelligentVehicles Symposium，2003.Proceedings.IEEE，9-11 June 2003 Page(s)106-109(2)基于人工神經(jīng)網(wǎng)絡(luò)的方法。它利用神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自學(xué)習(xí)能力，通過(guò)訓(xùn)練來(lái)達(dá)到車牌字符分割的目的。其優(yōu)點(diǎn)是融若干預(yù)處理和識(shí)別于一體、識(shí)別速度快；缺點(diǎn)是當(dāng)特征定義遇到困難時(shí)，效果不能令人滿意。詳見(jiàn)文獻(xiàn)Satriyo Nugroho，A，Kuroyanagi，S，Iwata，A，″An algorithm for locating characters in color image using stroke analysisneural network″，Neural Information Processing，2002.ICONIP’02.Proceedings of the9th International Conference on Volume 4，18-22 Nov.2002 Page(s)2132-2136 vol.4.
(3)基于彩色的車牌字符分割方法。它是通過(guò)提取車牌中字符區(qū)域不同于其他區(qū)域的特殊彩色特征來(lái)區(qū)別字符區(qū)域和背景區(qū)域，從而在車牌中分割出字符。其缺點(diǎn)是難以解決在照明不均勻環(huán)境下定位準(zhǔn)確率問(wèn)題，并且定位速度慢，難以達(dá)到實(shí)時(shí)性識(shí)別的要求。詳見(jiàn)文獻(xiàn)H.Goto and H.Aso.Character Pattern Extraction from Colorful Documents withComplex Backgrounds[C].Proceedings of 16th International Conference on PatternRecognition，ICPR2002，Aug.2002，Canada.
(4)基于邊緣檢測(cè)的方法。它通過(guò)提取圖像的邊緣信息進(jìn)行分析，進(jìn)而測(cè)得車牌字符邊緣。其缺點(diǎn)是要求圖像邊緣的連續(xù)性要好，但實(shí)際拍攝的車牌字符邊框往往不連續(xù)。詳見(jiàn)文獻(xiàn)Fu Yuqing，Shen Wei，Huang Xinhua.Research on vehicle license plate characterextraction from complex background[J].Pattern Recognition and ArtificialIntelligence，2000，13(3)345~348(in Chinese)上述的四種車牌字符分割算法的共同點(diǎn)是這些方法都是針對(duì)一個(gè)特定的條件，容易受天氣、背景、光照等因素的限制，魯棒性不好。一旦條件發(fā)生變化，它們的分割準(zhǔn)確率就會(huì)發(fā)生較大的波動(dòng)，從而整個(gè)車牌識(shí)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)是提供一種基于拉普拉斯變換、區(qū)域生長(zhǎng)法和車牌先驗(yàn)知識(shí)相結(jié)合的車牌字符分割方法，它具有在照明不均勻環(huán)境下定位準(zhǔn)確率高和便于識(shí)別的特點(diǎn)。
本發(fā)明的車牌字符分割方法，它包含以下步驟步驟一.對(duì)車牌定位過(guò)程分割出來(lái)的車牌源圖像進(jìn)行預(yù)處理，具體包括車牌圖像歸一化和車牌圖像增強(qiáng)兩個(gè)分步驟1)、確定車牌類型并歸一化。車牌源圖像是車牌的灰度圖，具有白底黑字和黑底白字兩種類型，在對(duì)字符進(jìn)行分割之前對(duì)車牌進(jìn)行歸一化。本發(fā)明使用點(diǎn)象素分析方法對(duì)車牌灰度圖像進(jìn)行分析，確定車牌的類型，并把車牌歸一化。點(diǎn)象素分析方法是確定車牌圖像到底是白底黑字類型還是黑底白字類型的一種分析方法，它通過(guò)選取一個(gè)閾值，然后分別統(tǒng)計(jì)大于閾值和小于閾值的象素點(diǎn)的個(gè)數(shù)，并且比較。如果前者象素點(diǎn)的個(gè)數(shù)是后者的1.05倍以上，則認(rèn)為車牌是白底黑字，否則車牌為黑底白字。在本發(fā)明中，統(tǒng)一把所有的車牌歸一化為黑底白字。
2)、車牌圖像增強(qiáng)。為了更好的實(shí)現(xiàn)從背景中分割出字符，應(yīng)對(duì)車牌圖像進(jìn)行增強(qiáng)處理，以突出字符在車牌中的位置。本發(fā)明運(yùn)用灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)?；叶戎狈綀D描述了圖像的灰度級(jí)內(nèi)容，反映了圖像的灰度分布情況。它通過(guò)對(duì)整個(gè)車牌區(qū)域進(jìn)行掃描，統(tǒng)計(jì)車牌圖像中各個(gè)灰度級(jí)出現(xiàn)的次數(shù)或概率，具體的統(tǒng)計(jì)公式為grayA(1，A(i，j)+1)＝grayA(1，A(i，j)+1)+1，其中，i表示圖像的行位置，j表示圖像的列位置，A表示原始車牌圖像，A(i，j)表示車牌圖像中的一個(gè)象素值，grayA表示灰度直方圖矩陣?；叶壤熳儞Q是一種最簡(jiǎn)單的分段線性變換函數(shù)，它的基本思想是找出灰度直方圖中的最大和最小灰度值，將車牌圖像中所有灰度值小于最小灰度值的點(diǎn)的灰度值置為0，將車牌圖像中所有灰度值大于最大灰度值的點(diǎn)的灰度值置為255，而將車牌圖像中所有灰度值介于最大和最小灰度值之間的點(diǎn)用以下變換公式來(lái)重新計(jì)算灰度值B(i，j)＝((A(i，j)-min)/(max-min))*255。其中，max和min分別表示最大和最小灰度值，B為經(jīng)過(guò)灰度拉伸變換后的車牌圖像。
步驟二.采用拉普拉斯算子對(duì)車牌區(qū)域進(jìn)行邊緣檢測(cè)。拉普拉斯算子是線性二次微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。用拉普拉斯算子對(duì)經(jīng)預(yù)處理后的車牌圖像中每一個(gè)象素點(diǎn)進(jìn)行計(jì)算，找出像素值為零的點(diǎn)的位置作為邊緣點(diǎn)；本方法中所采用的拉普拉斯算子如附圖1所示。
步驟三.運(yùn)用區(qū)域生長(zhǎng)算法，確定車牌字符的“初步”候選區(qū)域。區(qū)域生長(zhǎng)算法是一種把性質(zhì)相同或相近的點(diǎn)集合在一起形成一個(gè)區(qū)域的算法，其基本原理是首先確定一個(gè)“種子”點(diǎn)，然后在“種子”點(diǎn)周圍搜索性質(zhì)相同或相近的點(diǎn)，接著以找到的新的點(diǎn)作為“種子”點(diǎn)，繼續(xù)搜索，一直到“種子”點(diǎn)周圍沒(méi)有性質(zhì)相同或相近的點(diǎn)為止。本方法中，以拉普拉斯變換檢測(cè)到的邊緣點(diǎn)為“種子”點(diǎn)開(kāi)始區(qū)域生長(zhǎng)，將相鄰的“種子”點(diǎn)合并，得到車牌字符的初步候選區(qū)域，記錄下每個(gè)初步候選區(qū)域的上、下、左、右邊界。
步驟四.去除虛假字符區(qū)域。由于受噪聲、光照不均勻等因素的影響，源圖像不一定是理想狀態(tài)下得到的車牌圖像，在區(qū)域生長(zhǎng)算法后得到的區(qū)域中可能存在著虛假字符區(qū)域，必須對(duì)這些字符候選區(qū)域進(jìn)行篩選。具體的篩選方法如下首先，根據(jù)標(biāo)準(zhǔn)車牌的長(zhǎng)度、寬度和標(biāo)準(zhǔn)字符的寬度和高度等先驗(yàn)知識(shí)，計(jì)算車牌字符的理論寬度、高度和高寬比。其具體計(jì)算方法如下char_width＝(45/440)*n＝0.1n，char_height＝(90/140)*m＝0.643m，height-to-width＝char_height/char_width，其中char_width和char_height分別為車牌字符的理論寬度和高度，m和n分別為車牌的高度和寬度，height-to-width為字符的高寬比。然后，根據(jù)計(jì)算得到的字符理論高度、寬度和高寬比，去除高度、寬度和高寬比明顯不符合字符區(qū)域要求的“初步”字符候選區(qū)，剩下的字符候選區(qū)域?yàn)椤爸虚g”字符候選區(qū)域。
步驟五.若步驟四所得的“中間”字符候選區(qū)域?yàn)?個(gè)，則得到本發(fā)明的最終車牌字符分割結(jié)果；若步驟四所得的“中間”字符候選區(qū)域不足7個(gè)，則補(bǔ)足7個(gè)車牌字符候選區(qū)域，得到“最終”字符候選區(qū)域，具體包括以下順序的分步驟1)、對(duì)“中間”字符候選區(qū)域進(jìn)行排序?qū)Σ襟E四所得的“中間”字符候選區(qū)域從左至右進(jìn)行排序，排列后的候選字符區(qū)域和車牌中的字符區(qū)域具有相同的次序；2)、計(jì)算字符的實(shí)際高度和寬度計(jì)算所有“中間”字符候選區(qū)域的寬度和高度的平均值，把該平均值作為本幅車牌圖像中字符的實(shí)際寬度和高度；3)、對(duì)“中間”字符候選區(qū)域進(jìn)行中間補(bǔ)足，即檢測(cè)相鄰的字符候選區(qū)域的間隔距離，判斷兩個(gè)字符候選區(qū)域之間是否有遺失字符，如果有遺失，則補(bǔ)足遺失的字符候選區(qū)域4)、定位“中間”字符候選區(qū)域在實(shí)際車牌中的位置采用基于車牌右邊界的定位方法，首先確定經(jīng)過(guò)中間補(bǔ)足后的最右邊一個(gè)“中間”字符候選區(qū)域在實(shí)際車牌中的位置，具體過(guò)程為如果該區(qū)域和車牌右邊界的間隔距離小于1.2*(t+1)倍的字符實(shí)際寬度而大于1.2*t倍的字符實(shí)際寬度，則該區(qū)域右邊遺失了t字符沒(méi)有補(bǔ)足，應(yīng)該根據(jù)車牌的先驗(yàn)知識(shí)向右對(duì)這個(gè)t個(gè)區(qū)域進(jìn)行補(bǔ)足；如果該區(qū)域和車牌右邊界的間隔距離小于1.2倍的字符實(shí)際寬度而大于0.8倍的字符實(shí)際寬度，則該區(qū)域右邊遺失了1字符沒(méi)有定位出來(lái)，同樣向右補(bǔ)足一個(gè)“中間”字符候選區(qū)域；然后，根據(jù)上面確定的最右邊一個(gè)“中間”字符候選區(qū)域在實(shí)際車牌中的位置情況來(lái)依次定位剩余“中間”字符候選區(qū)域在實(shí)際車牌中的位置；5)、向左定位可能存在的字符如果所有的“中間”字符候選區(qū)域都確定了在車牌中的實(shí)際位置，而此時(shí)定位出的車牌字符還不足7個(gè)，則說(shuō)明左邊還有字符沒(méi)有補(bǔ)足，應(yīng)根據(jù)車牌的先驗(yàn)知識(shí)向左補(bǔ)足其余的“中間”字符候選區(qū)域；經(jīng)過(guò)上述步驟，最終得到7個(gè)“中間”字符候選區(qū)域作為“最終”字符候選區(qū)域，即是本發(fā)明的最終車牌字符分割結(jié)果。
需要說(shuō)明的是1.步驟1中使用的車牌源圖像是經(jīng)過(guò)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.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(guò)車牌定位程序的灰度轉(zhuǎn)換后步驟1中使用的車牌灰度圖像一共有2種類型，即白底黑字和黑底白字，因此在進(jìn)行字符定位之前要對(duì)車牌進(jìn)行歸一化處理。
3.由于受光照、噪聲等因素的影響，如果直接對(duì)原始的車牌灰度圖像進(jìn)行字符定位，那么定位的精度一定不高，因此在步驟1中采用灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)。
4.由于有些字符可能因?yàn)閿嗔鸦蛘邔?duì)比度的原因在區(qū)域生長(zhǎng)過(guò)程中沒(méi)有完全被定位出來(lái)，在步驟4的去除偽候選區(qū)域過(guò)程中，這些不完全的字符區(qū)域可能會(huì)被去除，因此需要通過(guò)步驟5來(lái)檢測(cè)是否有遺失的字符區(qū)域，并重新定位出來(lái)。
5.受車牌對(duì)比度和噪聲、光照等因素的影響，在區(qū)域生長(zhǎng)過(guò)程中定位出來(lái)的字符候選區(qū)域有時(shí)可能會(huì)比較少，經(jīng)過(guò)步驟5的第四步后得到的字符區(qū)域可能不足7個(gè)，需要步驟5的第五步來(lái)補(bǔ)齊遺失的字符區(qū)域。
7.由于字符識(shí)別程序一般都是針對(duì)二值車牌字符進(jìn)行識(shí)別，本發(fā)明最終得到的車牌字符分割結(jié)果在字符識(shí)別之前，應(yīng)當(dāng)進(jìn)行二值化處理。具體的二值化方法可以是若字符區(qū)域中的某點(diǎn)的灰度值大于或等于閥值，就把該處的值設(shè)置為255，否則把該處的值不變。二值化處理的具體步驟可以作為字符分割的最后一個(gè)步驟，也可以作為字符識(shí)別的第一個(gè)步驟。
本發(fā)明采用一種基于拉普拉斯變換、區(qū)域生長(zhǎng)法和車牌先驗(yàn)知識(shí)相結(jié)合的車牌字符分割方法，首先對(duì)所有的車牌進(jìn)行歸一化處理；然后通過(guò)灰度直方圖和灰度拉伸變換對(duì)車牌區(qū)域進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中的字符區(qū)域的增強(qiáng)；接著采用拉普拉斯算子對(duì)進(jìn)行車牌區(qū)域進(jìn)行邊緣檢測(cè)；接著以拉普拉斯變換檢測(cè)到的邊緣點(diǎn)為“種子”點(diǎn)進(jìn)行區(qū)域生長(zhǎng)，得到“初步”字符候選區(qū)；接著去除高度、寬度和高寬比明顯不符合字符區(qū)域要求的“初步”字符候選區(qū)，得到“中間”字符候選區(qū)域；接著結(jié)合車牌的先驗(yàn)知識(shí)修正和補(bǔ)足字符區(qū)域，得到“最終”字符候選區(qū)域并作為最終車牌字符分割結(jié)果。
本發(fā)明的創(chuàng)新之處在于本發(fā)明采用一種基于拉普拉斯變換、區(qū)域生長(zhǎng)法和車牌先驗(yàn)知識(shí)相結(jié)合的車牌字符分割方法，既充分利用了拉普拉斯變換和區(qū)域生長(zhǎng)法的相關(guān)特性，又結(jié)合了車牌本身的先驗(yàn)知識(shí)，因而能夠更加準(zhǔn)確的定位字符區(qū)域。以拉普拉斯變換檢測(cè)到的邊緣點(diǎn)為“種子”點(diǎn)進(jìn)行區(qū)域生長(zhǎng)的方法，能夠有效的定位出車牌字符的候選區(qū)域，提高了區(qū)域生長(zhǎng)算法的定位精度。結(jié)合車牌先驗(yàn)知識(shí)的字符區(qū)域修正和補(bǔ)足方法只要求車牌定位程序?qū)嚺朴疫吔绲臏?zhǔn)確定位，而對(duì)車牌的上下邊界和左邊界的定位精度要求不是很高，提高了系統(tǒng)整體的魯棒性。


圖1是本發(fā)明使用的拉普拉斯變換算子示意圖。
圖2是通常車牌圖像示意圖。其中，X1、X2、X3、X4、X5、X6和X7分別代表車牌的第一個(gè)、第二個(gè)、第三個(gè)、第四個(gè)、第五個(gè)、第六個(gè)和第七個(gè)字符。
圖3是原始的車牌灰度圖像示意圖。
圖4是增強(qiáng)后的車牌圖像示意圖。
圖5是拉普拉斯變換后的車牌圖像示意圖。
圖6是區(qū)域生長(zhǎng)法得到的字符候選區(qū)域示意圖。
圖7是去除偽區(qū)域后得到的字符候選區(qū)域示意圖。
圖8是最終得到的車牌中字符區(qū)域示意圖。
圖9是從車牌中分割出來(lái)的字符。
圖10是本發(fā)明的流程示意圖。
圖11是本發(fā)明中步驟五采用基于先驗(yàn)知識(shí)的車牌補(bǔ)齊方法確定7個(gè)車牌字符的具體流程示意圖。
權(quán)利要求
1.一種車牌字符分割方法，其特征是，它包含以下步驟步驟一.對(duì)車牌定位過(guò)程分割出來(lái)的車牌源圖像進(jìn)行預(yù)處理，具體包括車牌圖像歸一化和車牌圖像增強(qiáng)兩個(gè)分步驟1)、確定車牌類型并歸一化使用點(diǎn)象素分析方法對(duì)車牌灰度圖像進(jìn)行分析，確定車牌的類型，并把車牌歸一化為黑底白字；2)、車牌圖像增強(qiáng)運(yùn)用灰度直方圖和灰度拉伸變換對(duì)經(jīng)歸一化后的車牌圖像進(jìn)行變換，實(shí)現(xiàn)對(duì)車牌中字符區(qū)域的增強(qiáng)；步驟二.采用拉普拉斯算子對(duì)經(jīng)預(yù)處理后的車牌圖像進(jìn)行邊緣檢測(cè)用拉普拉斯算子對(duì)經(jīng)預(yù)處理后的車牌圖像中每一個(gè)象素點(diǎn)進(jìn)行計(jì)算，找出像素值為零的點(diǎn)的位置作為邊緣點(diǎn)；步驟三.運(yùn)用區(qū)域生長(zhǎng)算法，確定車牌字符的“初步”候選區(qū)域以拉普拉斯變換檢測(cè)到的邊緣點(diǎn)為“種子”點(diǎn)開(kāi)始區(qū)域生長(zhǎng)，將相鄰的“種子”點(diǎn)合并，得到車牌字符的初步候選區(qū)域，記錄下每個(gè)初步候選區(qū)域的上、下、左、右邊界；步驟四.去除虛假字符區(qū)域首先，根據(jù)標(biāo)準(zhǔn)車牌的長(zhǎng)度、寬度和標(biāo)準(zhǔn)字符的寬度和高度等先驗(yàn)知識(shí)，計(jì)算車牌字符的理論寬度、高度和高寬比；然后，根據(jù)計(jì)算得到的字符理論高度、寬度和高寬比，去除高度、寬度和高寬比明顯不符合字符區(qū)域要求的“初步”字符候選區(qū)，剩下的字符候選區(qū)域?yàn)椤爸虚g”字符候選區(qū)域；步驟五.若步驟四所得的“中間”字符候選區(qū)域?yàn)?個(gè)，則得到本發(fā)明的最終車牌字符分割結(jié)果；若步驟四所得的“中間”字符候選區(qū)域不足7個(gè)，則補(bǔ)足7個(gè)車牌字符候選區(qū)域，得到“最終”字符候選區(qū)域，具體包括以下順序的分步驟1)、對(duì)“中間”字符候選區(qū)域進(jìn)行排序?qū)Σ襟E四所得的“中間”字符候選區(qū)域從左至右進(jìn)行排序，排列后的候選字符區(qū)域和車牌中的字符區(qū)域具有相同的次序；2)、計(jì)算字符的實(shí)際高度和寬度計(jì)算所有“中間”字符候選區(qū)域的寬度和高度的平均值，把該平均值作為本幅車牌圖像中字符的實(shí)際寬度和高度；3)、對(duì)“中間”字符候選區(qū)域進(jìn)行中間補(bǔ)足，即檢測(cè)相鄰的字符候選區(qū)域的間隔距離，判斷兩個(gè)字符候選區(qū)域之間是否有遺失字符，如果有遺失，則補(bǔ)足遺失的字符候選區(qū)域4)、定位“中間”字符候選區(qū)域在實(shí)際車牌中的位置采用基于車牌右邊界的定位方法，首先確定經(jīng)過(guò)中間補(bǔ)足后的最右邊一個(gè)“中間”字符候選區(qū)域在實(shí)際車牌中的位置，具體過(guò)程為如果該區(qū)域和車牌右邊界的間隔距離小于1.2*(t+1)倍的字符實(shí)際寬度而大于1.2*t倍的字符實(shí)際寬度，則該區(qū)域右邊遺失了t字符沒(méi)有補(bǔ)足，應(yīng)該根據(jù)車牌的先驗(yàn)知識(shí)向右對(duì)這個(gè)t個(gè)區(qū)域進(jìn)行補(bǔ)足；如果該區(qū)域和車牌右邊界的間隔距離小于1.2倍的字符實(shí)際寬度而大于0.8倍的字符實(shí)際寬度，則該區(qū)域右邊遺失了1字符沒(méi)有定位出來(lái)，同樣向右補(bǔ)足一個(gè)“中間”字符候選區(qū)域；然后，根據(jù)上面確定的最右邊一個(gè)“中間”字符候選區(qū)域在實(shí)際車牌中的位置情況來(lái)依次定位剩余“中間”字符候選區(qū)域在實(shí)際車牌中的位置；5)、向左定位可能存在的字符如果所有的“中間”字符候選區(qū)域都確定了在車牌中的實(shí)際位置，而此時(shí)定位出的車牌字符還不足7個(gè)，則說(shuō)明左邊還有字符沒(méi)有補(bǔ)足，應(yīng)根據(jù)車牌的先驗(yàn)知識(shí)向左補(bǔ)足其余的“中間”字符候選區(qū)域；經(jīng)過(guò)上述步驟，最終得到7個(gè)“中間”字符候選區(qū)域作為“最終”字符候選區(qū)域，即是本發(fā)明的最終車牌字符分割結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種車牌字符分割方法，其特征是，所述步驟一中的分步驟1)確定車牌類型并歸一化時(shí)，選取一個(gè)閾值，然后分別統(tǒng)計(jì)大于閾值和小于閾值的象素點(diǎn)的個(gè)數(shù)，并且進(jìn)行比較，如果前者象素點(diǎn)的個(gè)數(shù)是后者的1.05倍以上，則認(rèn)為車牌是白底黑字，否則車牌為黑底白字；然后，統(tǒng)一把所有的車牌歸一化為黑底白字。
3.根據(jù)權(quán)利要求1所述的一種車牌字符分割方法，其特征是，所述步驟一中的分步驟2)對(duì)車牌圖像增強(qiáng)處理時(shí)，通過(guò)對(duì)整個(gè)車牌區(qū)域進(jìn)行掃描，統(tǒng)計(jì)車牌圖像中各個(gè)灰度級(jí)出現(xiàn)的次數(shù)或概率，具體的統(tǒng)計(jì)公式為grayA(1，A(i，j)+1)＝grayA(1，A(i，j)+1)+1，其中，i表示圖像的行位置，j表示圖像的列位置，A表示原始車牌圖像，A(i，j)表示車牌圖像中的一個(gè)象素值，grayA表示灰度直方圖矩陣；然后，找出灰度直方圖中的最大和最小灰度值，將車牌圖像中所有灰度值小于最小灰度值的點(diǎn)的灰度值置為0，將車牌圖像中所有灰度值大于最大灰度值的點(diǎn)的灰度值置為255，而將車牌圖像中所有灰度值介于最大和最小灰度值之間的點(diǎn)用以下變換公式來(lái)重新計(jì)算灰度值B(i，j)＝((A(i，j)-min)/(max-min))*255，其中，max和min分別表示最大和最小灰度值，B為經(jīng)過(guò)灰度拉伸變換后的車牌圖像。
4.根據(jù)權(quán)利要求1所述的一種車牌字符分割方法，其特征是，所述步驟二中采用拉普拉斯算子對(duì)經(jīng)預(yù)處理后的車牌圖像進(jìn)行邊緣檢測(cè)時(shí)，具體算法為Alp(i，j)＝8*A(i，j)-A(i+1，j)-A(i-1，j)-A(i，j+1)-A(i，j-1)-A(i-1，j-1)-A(i+1，j-1)-A(i-1，j+1)-A(i+1，j+1)其中，Alp(i，j)是拉普拉斯變換后的該點(diǎn)的值，A(i，j)是該點(diǎn)的原值，A(i+1，j)是該點(diǎn)右邊那個(gè)點(diǎn)的值，A(i-1，j)是該點(diǎn)左邊那個(gè)點(diǎn)的值，A(i，j+1)是該點(diǎn)下面那個(gè)點(diǎn)的值，A(i，j-1)是該點(diǎn)上面那個(gè)點(diǎn)的值，A(i-1，j-1)是該點(diǎn)左上角那個(gè)點(diǎn)的值，A(i+1，j-1)是該點(diǎn)右上角那個(gè)點(diǎn)的值，A(i-1，j+1)是該點(diǎn)左下角那個(gè)點(diǎn)的值，A(i+1，j+1)是該點(diǎn)右下角那個(gè)點(diǎn)的值。
5.根據(jù)權(quán)利要求1所述的一種車牌字符分割方法，其特征是，所述步驟四去除虛假字符區(qū)域時(shí)，計(jì)算車牌字符的理論寬度、高度和高寬比的具體計(jì)算方法如下char_width＝(45/440)*n＝0.1n，char_height＝(90/140)*m＝0.643m，height-to-width＝char_height/char_width，其中char_width和char_height分別為車牌字符的理論寬度和高度，m和n分別為原始車牌圖像的高度和寬度，height-to-width為字符的高寬比。
全文摘要
一種車牌字符分割方法，屬于圖象處理技術(shù)領(lǐng)域，涉及車牌自動(dòng)識(shí)別技術(shù)。采用拉普拉斯變換、區(qū)域生長(zhǎng)和車牌先驗(yàn)知識(shí)相結(jié)合的方法，先對(duì)原始車牌圖像歸一化；然后通過(guò)灰度直方圖和灰度拉伸變換增強(qiáng)字符區(qū)域；接著采用拉普拉斯算子進(jìn)行邊緣檢測(cè)；接著以檢測(cè)到的邊緣點(diǎn)為“種子”點(diǎn)進(jìn)行區(qū)域生長(zhǎng)，得到“初步”字符候選區(qū)；接著去除高度、寬度和高寬比明顯不符合字符區(qū)域要求的“初步”字符候選區(qū)，得到“中間”字符候選區(qū)域；接著補(bǔ)足字符區(qū)域，得到“最終”字符候選區(qū)域并作為最終車牌字符分割結(jié)果。本發(fā)明充分利用了拉普拉斯變換和區(qū)域生長(zhǎng)法的相關(guān)特性，又結(jié)合了車牌本身的先驗(yàn)知識(shí)，因而能夠更加準(zhǔn)確的定位字符區(qū)域；提高了區(qū)域生長(zhǎng)算法的定位精度和提高了分割方法的魯棒性。
文檔編號(hào)G06K9/54GK1851731SQ200610020899
公開(kāi)日2006年10月25日 申請(qǐng)日期2006年5月25日 優(yōu)先權(quán)日2006年5月25日
發(fā)明者馬爭(zhēng), 楊峰 申請(qǐng)人:電子科技大學(xué)