黄文楷    孙季丰

　　1、引言
　　车牌识别系统作为智能交通系统的重要组成部分，已广泛应用于公路收费、监控等领域。在车辆智能识别系统中，牌照区域定位是影响系统性能的主要因素之一。只有有效地完成了牌照定位，才能进一步实现车牌智能识别。但是摄像机分辨率低、车牌的字符可能出现污迹、光照不均匀，这些都给准确的车牌定位带来了难度。因此，在复杂背景中快速准确地进行车牌定位成为车牌识别系统的难点。
　　2、车牌图像预处理
　　2.1、灰度增强
　　为了增强牌照区域和背景区域的对比度，使灰度图像明暗对比鲜明，方便车牌定位，需要进行灰度增强。灰度增强是将灰度分段线性变换，将原图像某点(x,y)的灰度f(x,y)映射成新的图像灰度g(x,y)，即 

(1)

　　假设原图像f(x,y)的灰度范围[x1,x2]，增强后图像g(x,y)的灰度范围扩展至[y1,y2]。灰度增强的的函数表达式为：

(2)

　　2.2、中值滤波
　　车牌图像在采集或传输过程中常受到各种噪声的干扰。为了抑制噪声提高图像质量，必须进行滤波处理。但线性平滑滤波在消除噪声的同时会将图像的某些细节模糊。中值滤波器既能消除噪声又能保持图像细节。中值滤波就是用像素点邻域的中值
代替像素点的值。
　　图像序列I[x,y]通过尺寸为N×N的滤波器(N为奇数)，进行中值滤波。若像素点及其邻域的灰
　　度值按升序排列为：I{f1, f2,…,fN, fN＋1,…, fN×N}，则该邻域的中值为f(N×N－1)/2。
　　虽然采用有序排列来定义中值，但实际中这N×N个值不需要做全排序。本文将著名的快速排序算法进行修改，使它只对包含(N×N＋1)/2个元素在内的I的子数组进行递归排序。一旦排序支点元素位于原数组中间位置，整个集合的中值就确定。
　　3、车牌定位
　　3.1、边缘检测
　　边缘是图像不同区域的分界。边缘检测实质是一种梯度锐化的思想，准确的边缘信息是车牌定位的重要特征。一般车牌字符与底色有较大亮度差异，边缘丰富，并且在垂直方向上连续。边缘检测常借助微分算子，Roberts模板大小仅为2×2，且比Sobel、Prewit等3×3的模板更加局部化；Roberts算子对边缘定位较准，效率更高。
Roberts边缘检测由下式给出：

　　　　　　　　　　　　　　　　　(3)

图1   基于Roberts算子的边缘检测

　　3.2 、图像二值化
　　经过边缘检测的图像，虽然边缘部分与图像其它部分为了获取更好的，更清晰的边缘信息，得到准确的车牌外形参数值，需要对边缘检测后图像进行二值化。图像二值化中，阈值的选取直接影响车牌分割的效果。最大方差比的阈值确定方法在对象物和背景的灰度值的差具有一定大小的时候是很有效的。这种方法按阈值T将灰度级为L的图像划分为C1(0,1,…,T-1)、C2(T,T+1,…,L)两类，用如下所示的分离度η(T)为最大值的T为最佳阈值。

  (4)

　　式中， 是类间方差， 是类内方差，由以下算式得到：
　　类内方差：

(5)

　　类间方差：

(6)

　　 分别是类C1、C2发生的概率； ，　　　　　 分别是属于C1、C2的像素的灰度均值和方差； 是灰度图像的均值。

图2    二值化车牌图像

　　3.3、车牌定位与分割
　　对采集到的图像进行分析，发现车牌区域有以下突出特征：
　　a 牌照的底色与字符有较大差异，牌照的底色与字符内部各自分布均匀；
　　b 牌照区域为矩形区域，一般位于整个图像区域的最下方；
　　c 车牌的长宽比一般是固定的。
　　基于这些特点，实验发现使用投影法进行车牌定位比较简单、适用。
　　如果把二值化后的图像在水平或垂直方向做投影，把图像中每行(列)“1”值点累加用线段显示，那么线段的高度就代表行(列)白点的个数，这就是投影法，类似灰度直方图。若二值化图像I(x,y)，x＝1,2,…,n，y=1,2,…,m则水平方向的投影记为：

（7）

　　垂直方向的投影记为：

（8）

　　实验发现，常规的水平投影方法形成的投影图中，车牌区域的峰、谷不是很明显。根据车牌的特征，发现车牌的水平方向投影变换非常频繁，可以利用累加水平方向的一阶差分值在投影，这样形成的投影图中的车牌区域较在常规投影图中的更加明显。其算法如下：

（9）

图3    一般投影法(左)，改进的垂直投影法(右)

　　图3是对同一幅车牌图像的不同投影结果，对比可以看出，改进的垂直投影法更加明显地突出了车牌区域，同样水平投影也可以采取同样方法改进。
　　车牌区域的分割提取是从人类视觉的角度出发，并根据车牌字符的特点，在灰度图像的基础上提取相应的特征。车牌区域的提取是一个寻找最符合牌照特征区域的过程。从本质上讲就是一个在参量空间里寻找最优定位参量的问题。
　　在分割提取过程中，实验发现，车牌区域的垂直边缘较水平边缘密集，车身其它部分也是水平边缘明显，垂直边缘较弱。如果先进行水平投影在进行垂直投影，由于边缘断裂等因素的影响，可能会出现较多的虚假车牌区域；如果先进行垂直投影在进行水平投影，可以有效地剔除一些虚假车牌区域。图5为调整顺序后的分割提取流程图。

图5   调整顺序后的分割提取流程图

　　根据车牌区域的特征可以发现：垂直投影图中有若干相对连续且密集的波峰，对应的是车牌区域的七个字符。可以通过确定这七个字符的左右边界来确定车牌区域的左右边界。从垂直投影图的左边向右搜索，找到的第一个投影高度值变化最大的列为左边界；从垂直投影图的右边向左搜索，找到的第一个投影高度值变化最大的列为右边界；
　　垂直方向提取成功后，再进行水平投影。因为车牌一般悬挂在车身下部较低的位置，而且牌照的长宽比一定。根据这些特征，从投影图的下部向上搜索，车牌字符的水平投影大体是若干相对连续的
波峰且宽度与垂直投影得到的长度成固定比例。由于车牌的矩形边框与字符之间有固定宽度的间隙，可以定位除上述连续波峰值上下相邻的波谷，即对应车牌的水平投影。车牌的定位完成。

图6    以新算法得到的车牌区域图像

　　4、总结
　　本文最大的特点在于运用了将最大方差比阈值方法与改进的投影法相结合的思想。最大方差比阈值方法对于二值化车牌区域这样字符与底色有较大差异而底色与字符内部各自分布均匀的灰度图像效果很好。
　　改进的投影法因为车牌区域的垂直边缘密集，车身其它部分垂直边缘较弱的特点对车牌垂直方向的定位非常准确，再利用已定位出的垂直区域与水平区域长宽比固定的特点结合车牌区域的其它特征定位出的整个车牌也是很准确的。改进的投影法在有一定的剔除虚假车牌区域的能力的同时，比二次定位等定位算法有更高的速度，更节省时间。
　　本文的方法更适合对停车场、收费站等地拍摄到的静止车辆图像的处理。对于运动车辆的抓拍图像虽然也能用本文提出的方法处理，但由于光照、摄像机角度、车速等因素的影响，处理效果不如静止车辆的好。为了能准确处理运动车辆的抓拍图像，还要对算法进行改进。

　　参考文献

　　[1]OSTU.N A threshold selection method from gray-level histogram[J] IEEE TMC 1979 9(1)：62－66
　　[2]郭捷,施鹏飞 基于颜色和纹理的车牌定位方法 中国图象图形学报 2002(5):472-476
　　[3]杨卫平,李吉成,沈振康 车牌目标的自动定位技术[J] 中国图象图形学报 2002,7(8):835-839
　　[4]卢雪松 车牌照定位与分割算法的研究 内蒙古工业大学 硕士学位论文2005年6月
　　[5]陆锋,顾新艳 基于边缘检测和多特征扫描的车牌快速定位算法 南京工程学院学报 2005年9月 第3卷第3期