一种改进Radon变换的车牌图像识别

幸坚炬，李军，谢赞福

（广东技术师范学院计算机科学学院，广东广州 510665）

一种改进Radon变换的车牌图像识别

幸坚炬，李军，谢赞福

（广东技术师范学院计算机科学学院，广东广州 510665）

随着物联网技术在交通运输领域的应用，以及人们对交通管理的要求越来越高，智能交通管理已成为了研究热点之一.而车牌识别技术(Vehicle License Plate Recognition，VLPR)是智能交通系统的重要环节,是视频图像识别技术在汽车牌照识别中的应用.车牌识别技术可以将运动中的汽车牌照从各种复杂环境中提取并识别出来，能够识别车辆牌号、颜色等信息.车牌识别技术在交通运输中的应用越来越明显，具有很大的研究价值.论文中利用图像处理技术对车牌图像进行处理，准确定位车牌区域，然后对由于运动等原因所造成的车牌倾斜进行Radon变换校正，实现了对车牌的字符进行分割和识别，倾斜车牌识别率为90%，经过校正后的识别率可达98%，达到了良好的效果.

模式识别；车牌识别；倾斜校正；图像处理

0 引言

随着人们生活水平的不断提高，城市中的汽车数量迅速增长，使得由于管理不科学所造成的交通问题日益突出，如何更加智能地管理交通成为了人们关注的热点.现有的高速公路事故自动检测、社区车辆管理等系统.这些系统都是通过传感器对运动中的汽车进行检测，获得相关的数据，以实现对车辆进行监控和管理的目的.不管是在国内还是国外，智能交通系统ITS（intelligent traffic system）都是重要的研究课题［1］.智能交通系统中的车牌识别系统LPR（license plate recognition）可以广泛应用于车牌的被盗追踪，自动放行，小区停车管理，闯红灯拍照等［2］.

论文中利用图像处理技术，对汽车牌照图像进行一系列处理，提出一种改进Radon变换的车牌识别系统设计方案，并在MATLAB软件进行仿真［3］.

1 车牌识别的概述与方法

对车牌字符进行识别是一个复杂的过程，不仅需要从运动中的汽车中得到汽车车牌，而且需要进行后期一系列处理，以使得准确地分割并识别出车牌中的字符.

①图像输入：在实际应用中，车辆通道有感应器，摄像头，光照检测器，位置检测等图像信息采集系统，当有车辆通过时会激活图像信息采集系统，将汽车的相关信息传到识别软件中.

②车牌定位：本系统针对蓝底白字车牌进行识别.传入识别软件的图像是整辆汽车，我们需要定位出汽车的牌照所在位置并且把车牌的区域截取出来才能进行识别.也就是用一种算法找到车牌的区域，而且这个算法必须很准确地找到车牌所在的区域.

③灰度化处理：对于彩色的图像，我们往往需要对彩色进行处理，彩色图像占用空间较大，因此我们将汽车牌照进行灰度化处理，即将彩色图像转换为灰度图像.这样操作不仅方便下一步处理，并且有用的信息也不会因此而减少，反而会使处理过程更加简便和省时.

④车牌倾斜校正：对行驶中的汽车进行拍摄，并且因为车身与摄像机形成一定的角度，难免会出现采集到的牌照区域是倾斜的.因为倾斜的车牌将会影响后期对车牌字符的识别，所以首先对倾斜的车牌进行处理.论文中使用radon算法来对车牌进行倾斜校正.

⑤车牌字符分割：我们在获得车牌区域之后，对车牌区域图像进行灰度化以及二值化等处理，获得垂直投影算法的输入二值化图像.为了分割出车牌字符，我们对输入的二值图像进行垂直投影.因为根据车牌的规格，每一个字符之间是隔有一定距离的.在我们垂直投影之后的直方图就会有凹凸的形状.那么根据凹凸情况，我们只要把凹凸的部分进行分割，就可以达到字符分割的目的.

⑥字符识别：字符识别的方法有很多，比如特征统计、神经网络、模板匹配等.特征提取和神经网络这两种识别方法对实时性要求高的场合很难适应.但是模板匹配的方法处理速度快，算法容易设计.由于在前期对车牌图像的处理比较严格，使得分割后的字符比较完整和清晰，所以论文中使用的识别方法是模板匹配［4］.

车牌字符识别的流程如图1所示.

图1 车牌字符识别系统流程图

2 车牌定位

拍摄下来的汽车图片包括了整辆汽车甚至还可能包括了外部复杂的环境，识别之前需要在其中找出车牌所在区域并且把它截取出来.系统根据在彩色图像中的RGB比例找出与蓝色相近的区域，这样寻找车牌区域的方法有个很大的缺点就是在有其他的蓝色背景的干扰下，就很难确定车牌的区域.所以在这里我们在得到蓝色区域的时候，根据车牌的长宽比和蓝白色的比再进行计算，进一步确认是否是车牌所在区域.

在车牌定位中，基于颜色来划分是一种很常用的方法，而在颜色划分中有RGB颜色模型、YUV颜色模型以及HSV颜色模型［5］三种.不同的划分方法有不同优缺点，HSV颜色模型中，H能够获得0到360的值，代表的是色调；S可以获得的值是0与1之间，它代表的是饱和度；V代表了明亮度，能够获得的值也是0与1之间.因为HSV色彩模型跟人类视觉对颜色的感知差不多，所以本文采用的颜色模型为HSV色彩模型.HSV和RGB之间的转换可以通过以下公式：

其中，公式中的θ满足以下条件：

通过文献［6］，可以知道HSV色彩模型相对来说比较均匀，能够更准确的找到车牌.如图2，车牌位置截取图.

图2 车牌区域定位图

3 灰度化处理

灰度图像中的R、G、B三个灰度值相等，通常用字母g表示［7］.采集到的车辆图像一般是彩色图像，颜色种类较多，图像中除了车辆外还有车身和周围景物，并且使用基于颜色划分的方法截取的车牌区域是也彩色图像，因此彩色图像处理起来难度比较大.不过彩色图像被灰度化以后，其占用的存储空间会减小，不仅方便下一步处理，并且不会影响图像质量，反而会使处理过程更加方便和快速.

灰度化过程的计算公式如下：

Y=0.2989R+0.5870G+0.1141B（5）

Y表示灰度值.经过转换后的车牌图像如图3所示.

图3 灰度图像及直方图

4 倾斜车牌校正

当汽车通过车牌识别系统时，系统将汽车图片拍下.但是每一辆汽车经过车牌识别系统的角度或者是路径不一样，每次拍下的汽车牌照就是同一辆汽车也有可能出现小小的不同，比如车牌倾角不同，光亮度不同等.车牌有可能在水平方向上出现倾斜，也可能在垂直方向上出现倾斜，甚至是在水平和竖直方向上都存在倾斜.因为我们在后期使用模版匹配的方法进行车牌字符识别，所以分割出来的字符的形状影响着识别效果.而倾斜的车牌是如果不进行处理直接分割字符的话，即使能够分割成功，对后期的识别也是不利的［8］.根据我国现用车牌的长宽比规格，垂直方向上的倾斜对于水平方向上的倾斜来说可以忽略不计.因此论文中也只对车牌在水平方向上做了校正处理.

车牌的倾斜我们可以使用投影法、Hough变换法或者是Radon变换法等进行处理［9］.经过比较，论文中使用了Radon变换法对倾斜车牌进行校正处理，以满足汽车牌照在水平方向是一致的，这样的处理使得后期的分割字符和识别字符步骤更有保障.

Radon变换就是将数字图像的矩阵在某一个指定角度的射线方向上做投影变换［10］.使用这样的方法对车牌的特征影响比较小，车牌投影的其实就是将一个平行四边形转变成一个矩形.在平行四边形的车牌中，每一行的第一个像素都不在同一个竖直边缘上.所以我们在找到车牌左边界的时候将车牌图像每一行的第一个像素平移到竖直的边缘，其他同行的像素跟着一起向左平移，这样处理之后车牌就可以变成矩形.如果我们把图像看成二维函数f（x，y），那它的投影也就是指在特定方向上的线性积分，按照这样上面所说，f（x，y）在垂直方向上的线性积分其实就是它在x轴的投影；f（x，y）在水平方向上的线性积分其实就是它在y轴上面的投影.依据这些投影，我们可以获得图像在特定方向的特征值.如果需要计算任意方向上的投影，我们只要旋转坐标轴，使得y’与这个方向重合，在y’上的投影是沿着这个方向上的线积分.数学表达式为：

其中θ表示两坐标系x轴之间的夹角，也就是Radon变换的投影方向.

Radon变换处理图像时，在规定角度范围内计算每个θ角方向的积分值，找出积分最大值对应的角度θ，此时待检验直线的角度为90-θ.

大量的实验显示，这个方法简单实用，计算量相对较小，执行速度快的，精度高.车牌校正效果前后比较如图4所示.

5 车牌分割

常用的车牌分割方法有两种［11-12］，现阶段使用的比较多的字符分割方法是基于垂直投影的方法，在用相关技术得到车牌区域后，获得垂直投影算法的输入二值化图像［13］.对于处理后的车牌图像，需要计算它的垂直投影，在垂直投影后的直方图中我们会看到多个“波峰”和“波谷”的情况，“波峰”对应的是车牌字符位置，“波谷”是车牌字符间的间距.这样的话，完成对“波峰”和“波谷”的分割后，也就很快地可以达到车牌字符的分割目的.如图5，垂直投影算法进行车牌字符分割的流程图.

图4 车牌倾斜校正

图5 车牌字符分割流程图

基于垂直投影的方法处理车牌的字符分割时间复杂度低，处理效果明显.从总体来说，这个算法在车牌字符分割中是理想的.如图6，车牌形态学操作及处理结果.

6 车牌识别

现阶段比较成熟的车牌字符识别方法［14］有三种：基于模板匹配的识别方法、基于神经网络的识别方法［15］和基于特征的识别方法.考虑到基于模板匹配方法的特点以及在前面的步骤中我们得到的车牌字符完整度好，清晰度高.所以论文中采用的是基于模板匹配的字符识别方法.

基于模板匹配的方法是指从以上步骤分割出来的字符与事先建立好的标准模板库里面的每一个模板进行一一对比，在对比的过程中计算两者之间的相似度，并且量化出来.最后根据量化的结果，输出模板库中与分割出来的字符最相近（相似度值最大）的字符.计算待测样本与模板之间的相似度度量量化指标，计算方法如下：

图6 形态学操作及处理结果

在公式（8）中，S表示待测样本与模版进行相似度对比的度量值，I表示了待测样本，D表示的是模板.如图7所示，车牌最后识别出来的结果.

图7 车牌识别结果

基于模板匹配的算法实现起来比较简单，处理速度比较快，实验中使用100张不同环境，不同倾斜角度的车牌图像分成五组做测试.实验结果表明，经改进的算法中，不同倾角的100张车牌图像中98张车牌图像能够正确识别，实验的数据显示可达98%的识别率.表1为100张车牌的实验结果统计.

表1 摇车牌识别结果

本文将图形图像处理技术与MATLAB仿真工具相结合，实现了用Radon变换对有一定倾斜角度的车牌图像进行校正、识别.实验的算法识别率较高，表明本文所提出的车牌识别方案可行.

［1］陆福宏.车牌识别技术在智能交通系统中的应用［J］.?中国科技博览,2010(12):302.

［2］孟波,刘继.视频车牌识别技术在ETC系统中的应用［J］.江苏科技信息,2014.

［3］马东,韩其睿.基于MATLAB的汽车牌照识别的研究［J］.电子世界,2011.

［4］刘玮.基于图像处理的车牌识别技术的研究［D］.哈尔滨理工大学博士学位论文,2008.

［5］查自强.复杂背景下的快速车牌识别技术研究［D］.南京理工大学硕士学位论文,2013.

［6］张培.复杂背景下交通标志的颜色分割［D］.武汉理工大学硕士学位论文,2010.

［7］王维真,熊义军,魏开平,等.基于粒子集群算法的灰度图像相关匹配技术［J］.计算机工程与应用, 2010(12):169-171.

［8］吕文强.基于Adaboot和SVM的车牌识别方法研究［D］.南京理工大学硕士学位论文,2013.

［9］陈玲,李熙莹,卢林.车牌倾斜校正算法研究及改进［J］.计算机与现代化,2013,12:91-97.

［10］孙前进,徐素莉,孙炎增.基于Radon变换特征提取的步态识别［J］.数据采集与处理,2010(2):268-272.

［11］任明亮,范勇.一种快速精确的汽车牌照字符分割方法［J］.四川大学学报,2002,3:450-454.

［12］迟晓君,孟庆春,基于投影特征值的车牌字符分割算法［J］.计算机应用研究,2006,23(7):256-257.

［13］S H Park,K.I.Kim,K Jung,H-J Kim.Locating Car License Plate Using Neural Networks［J］,Electronics Letters,2007,(l7)3:1475-1477.

［14］赵先军.基于神经网络的车牌识别技术研究［D］.西安电子科技大学硕士学位论文,2005.

［15］陈智慧.复杂背景下的车牌识别技术研究［D］.太原科技大学硕士学位论文,2014.

An Improved License Plate Recognition Research and Realization of the Radon Transform

XING Jian,LI Jun,XIE Zanfu

(Institute of Computer Sciences Guangdong Polytechnic Normal University Guangzhou,China)

As the Internet of things technology applied in the field of transportation,and people more and more high to the requirement of traffic management,intelligent traffic management has become one of research hot spots.The License Plate Recognition technology(Vehicle License Plate Recognition,VLPR)is video image Recognition technology in the application of Vehicle License Plate Recognition,and a very important part of intelligent transportation system.Car license plate in the movement of license plate recognition technology can be extracted from the complex environment and identified,including the license plate extraction,image preprocessing, feature extraction,and license plate character recognition technology.Also,can identify the vehicle brand,color and other information.License plate recognition technology in the application of transportation is more and more obvious,and has broad application prospects.In the paper by using image processing technology of license plate image processing,it can accurate positioning license plate area,and then correct the movement by Radon transform to recognize the license plate.After correction the recognition rate can reach 98%.

Vehicle License Plate Recognition;Image processing;Pattern recognition;Tilt correction

P 407

B

1672-402X（2016）11-0062-05

2016-05-20

广东省科技计划工业高新技术领域攻关项目（No.2013B010401032）

幸坚炬（1990-），男，广东兴宁人，广东技术师范学院研究生.研究方向：图像识别.

李军，（1964-），女，浙江临海人，广东技术师范学院教授，硕士学位，研究方向：移动互联网、图像识别、人工智能等研究.

谢赞福（1956-），男，海南儋州人，广东技术师范学院教授.研究方向：图像识别、人工智能.