复杂背景下车牌定位算法研究

重庆邮电大学光电工程学院 刘峰利 邹 虹

复杂背景下车牌定位算法研究

重庆邮电大学光电工程学院 刘峰利 邹 虹

车牌定位是车牌识别的关键技术之一，为了提高复杂背景下车牌定位的准确度，提出了一种基于边缘检测和多特征提取的车牌定位算法。首先对于图像进行预处理操作，随后运用边缘检测算法得到边缘信息，进而对其进行数学形态学操作，最后根据车牌自身结构的特征验证候选区域。结果表明，所提算法在复杂背景下定位准确率很高，且受光照影响小，具有很强的鲁棒性。

车牌定位；复杂背景；边缘检测；车牌结构特征

1 引言

在车牌识别系统中，车牌定位是字符分割和识别的先决条件，其定位精度关系到系统的整体性能。现实生活中，车辆的背景一般较为复杂，同时车牌图像受天气状况和拍摄条件等影响，所以复杂背景下车牌精确定位一直制约着车牌识别系统的发展。

近年来，车牌识别系统中的车牌定位方法得到了研究者的广泛关注，贺强[1]等人提出的基于边缘检测的算法，在背景简单的条件下，定位率较高，但在复杂背景下，仅利用边缘信息，背景区域的复杂纹理特征会造成很高的误识率，无法实现精确定位。基于颜色特征的车牌定位算法[2]也得到了广泛应用，但是该算法容易受到外界光线、图像质量等因素影响。

综上所述，传统车牌定位方法都难于同时解决鲁棒性、定位精度和实时性这3个问题。为此，本文提出一种复杂背景下基于边缘检测和多特征提取的车牌快速定位算法。运用Canny算子将预处理后的车牌图像进行边缘检测，随后对车牌边缘图像进行形态学操作，提取出车牌候选区域，最后利用车牌自身的特征实现车牌精确定位，去除伪车牌区域。所提算法对于噪声、光照具有较好的鲁棒性，并且排除了与车牌区域具有相似宽高比的伪区域的干扰，实现复杂背景下的精确定位。

2 图像预处理

为了提高车牌定位和字符识别的准确度，在得到原始车辆图像后首先对该图像进行预处理，可以去除图像噪声、提高图像质量、有效地降低系统的存储空间需求，提高处理速度。

2.1 灰度化

对图像采集设备获取的彩色图像进行灰度化处理，可以提高系统处理的实时性，简化后续运算量。本文采用加权平均法对于RGB图像灰度化得到灰度图像。

为了剔除复杂背景中含有噪声和细微的突出物，对灰度图像进行开操作运算，得到灰度图像的背景图像，用灰度图像减去背景图像，达到增强图像的效果。

图1 原始图片

图2 灰度图像

图3 背景图像

图4 增强后的黑白图像

2.2 二值化

为了便于对图像进一步处理，简化处理步骤，对灰度图像二值化，此时图像的集合性质只与像素值为0或255的点的位置相关，不再涉及各级像素值。

图5 二值化图像

3 车牌定位

3.1 基于边缘检测的车牌粗定位

边缘是指周围像素灰度显著变化的象素点集合，存在于目标、背景和区域之间，是图像特征提取最重要的依据之一。利用这一特性，本文采用Canny边缘检测算法对车牌区域进行粗定位。

图6 边缘图像

3.2 基于数学形态学精确定位

在复杂背景下，图像含有较多噪声，因此本文对于二值图像先进行闭运算处理，将边缘密度大的区域进行水平膨胀，形成包含车牌在内的候选连通域；采用开运算滤波，排除细小孔洞、不相关的狭小区域。

图7 图像闭运算

图8 图像滤波

大部分的复杂背景区域已经被滤除，形态学操作可以快速完成。粗定位结合形态学操作有效地提高了车牌定位速度，且通过排除大部分复杂背景图像的干扰，提高了车牌定位的准确度。

4 车牌验证

通过上述步骤可以快速的进行车牌定位，但是一些具有和车牌类似结构的非车牌区域仍会被误检为车牌。因此本文结合车牌自身的宽高比、黑白跳变、投影特征[3]对车牌候选区域进行验证。排除伪车牌区域的干扰。

图9 车牌定位

5 结语

本文提出的基于边缘检测和多特征提取的车牌定位算法。首先对图像进行增强处理，排除复杂背景对后续操作的影响，通过Canny算子边缘检测进行粗定位，运用形态学操作进行连通域分析，最后结合车牌自身特征排除各种车牌伪区域。测试结果表明，在复杂光照和复杂背景下均有很好的鲁棒性，对于字符干扰的也有很好的抵抗性，同时，所提算法时间复杂度较低，可以快速定位车牌，有效地改善了复杂条件下车牌定位效果。

[1]贺强,晏立.基于LOG和Canny算子的边缘检测算法[J].计算机工程,2011,(03):210-212.

[2]廉宁,徐艳蕾. 基于数学形态学和颜色特征的车牌定位方法[J].图学学报,2014,(05):774-779.

[3]李耀,程勇,曹雪虹.一种复杂环境中的车牌定位算法[J].电视技术,2015,39(12):104-106.