專利名稱：基于字符預(yù)分割的車牌傾斜校正方法
基于字符預(yù)分割的車牌傾斜校正方法
技術(shù)領(lǐng)域：
本發(fā)明涉及模式識別領(lǐng)域，特別是一種車牌識別方法。
背景技術(shù)：
智能交通系統(tǒng)ITS是目前世界上交通科學(xué)技術(shù)的前沿，是利用先進(jìn)的電子技術(shù)、 信息技術(shù)、傳感器技術(shù)和系統(tǒng)工程技術(shù)對傳統(tǒng)的交通系統(tǒng)進(jìn)行改造而形成的一種信息化、 智能化、社會化的新型交通系統(tǒng)。作為車輛身份信息的車牌號碼是智能交通系統(tǒng)必須采集 的關(guān)鍵信息之一，所以車牌識別成為智能交通系統(tǒng)的一項(xiàng)核心技術(shù)。該技術(shù)是指計(jì)算機(jī)自 動對攝像機(jī)所拍攝的圖像或視頻中的內(nèi)容進(jìn)行分析、搜索，定位出車牌所在區(qū)域并識別出 車牌的字符、顏色、位置等信息。車牌識別的一個(gè)重要性能指標(biāo)是識別正確率，該指標(biāo)受到 車牌在圖像中的姿態(tài)影響較大。如果車輛行駛方向正對攝像機(jī)，則拍攝的車牌圖像呈矩形 形態(tài)，字符變形比較小，容易得到較高的識別率。呈斜角方向行駛的車輛其車牌圖像存在射 影變形，該變形會導(dǎo)致車牌識別率顯著下降。因?yàn)檐囕v行駛方向難以保證完全一致，所以這 種射影變形無法從工程架設(shè)上根本解決，必須依靠車牌傾斜校正技術(shù)。車牌傾斜校正技術(shù) 是從圖像分析得到車牌傾斜的角度，然后對車牌圖像進(jìn)行一個(gè)逆角度變換，從而得到一個(gè) 沒有射影變形的車牌圖像來提高車牌識別的準(zhǔn)確率。 傳統(tǒng)的車牌傾斜校正技術(shù)是基于圖像中車牌邊緣提取的計(jì)算方法，它利用了車牌 邊框?yàn)榫匦蔚慕?jīng)驗(yàn)知識。通過未變形的矩形和變形后的四邊形的角度對比，可以得到他們 的變換關(guān)系。然而車牌的邊緣信息并不是車牌的本質(zhì)信息，車牌的本質(zhì)信息是符合國家標(biāo) 準(zhǔn)的組成車牌的字符排列。例如，即使一個(gè)車牌的邊緣被裝飾物所遮擋，只要車牌字符還可 見，我們?nèi)匀粦?yīng)該可以識別出該車牌號。從工程經(jīng)驗(yàn)來看，車牌邊緣特性并不是一個(gè)穩(wěn)定的 特性，較多的車輛存在車牌邊緣模糊的情況，此時(shí)，基于邊緣提取的車牌傾斜校正方法會遇 到麻煩。另外，基于車牌邊緣的傾斜校正方法會涉及直線提取和Hough變換，運(yùn)算量大，影 響整個(gè)系統(tǒng)的速度。 因此，有必要發(fā)明一種基于更穩(wěn)定更本質(zhì)車牌特性、同時(shí)能夠減少運(yùn)算量的車牌 傾斜校正方法，以克服上述缺陷。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種可靠穩(wěn)定，同時(shí)所需要的運(yùn)算量小、效率更高的基于字 符預(yù)分割的車牌傾斜校正方法。 本發(fā)明為達(dá)到上述目的所采用的技術(shù)方案是一種基于字符預(yù)分割的車牌傾斜校 正方法，該方法包括以下步驟1)定位車牌子圖像Is ;2)根據(jù)0tsu的二值化方法求得該子 圖像的最優(yōu)閥值T;3)基于步驟2)中求得的最優(yōu)閥值T進(jìn)行圖像二值化，得到二值化圖像 Ib ;4)對于所述二值化圖像的每個(gè)水平坐標(biāo)值進(jìn)行垂直方向上的求和，從而得到其水平投 影，對所述二值化圖像進(jìn)行水平投影Px ;5)根據(jù)步驟4)中的水平投影Px進(jìn)行字符預(yù)分割， 得到各個(gè)字符的水平位置Xi， i = 1. . . 7，其中，i為1至7的自然數(shù)；6)根據(jù)字符幾何間距
3計(jì)算字符高度估計(jì)值H。 = W,Ratio吣其中Ratiohw為字符高寬比例均值，W。為字符幾何間 距；7)根據(jù)步驟6)中計(jì)算的字符高度估計(jì)值，在神經(jīng)網(wǎng)絡(luò)分類器中搜索各個(gè)字符垂直位置 Vi = N(xn， y》i = 1，2，3. ，其中，N(xn， y》表示對位于(xn， y》的字符圖像進(jìn)行神經(jīng)網(wǎng) 絡(luò)分類，Vi表示其分類結(jié)果；8)求得位于Xn的最高分類值的垂直坐標(biāo)yi、9)由字符的水平 位置Xi與最高分類值的垂直坐標(biāo)yA對每個(gè)Xi， i = 1. . . 7得到所有字符中心；10)刪除分 類值小于0.4的字符中心；11)對剩下的字符中心求解線性方程，得到直線方程；12)根據(jù) 直線的斜角對原車牌圖像進(jìn)行逆變換，得到傾斜校正后的車牌圖像I/。
其中在所述步驟2)中對求得子圖像的最優(yōu)閥值包括以下具體步驟對車牌區(qū)域 顏色及灰度的統(tǒng)計(jì)分析，由統(tǒng)計(jì)分析值進(jìn)行最優(yōu)閥值計(jì)算。 其中在所述步驟5)中對水平投影Px進(jìn)行字符預(yù)分割的模塊包括對車牌字符幾何 參數(shù)進(jìn)行建模、車牌圖象水平投影、車牌顏色信息估計(jì)、車牌字符分割。 本發(fā)明之基于字符預(yù)分割的車牌傾斜校正方法由于基于車牌的更本質(zhì)特性字符 屬性，相比以往基于車牌邊緣的車牌傾斜校正方法，本發(fā)明的方法更為可靠穩(wěn)定，同時(shí)所需 要的運(yùn)算量小、效率更高。


圖1是本發(fā)明基于字符預(yù)分割的車牌傾斜校正方法的流程圖； 圖2是本發(fā)明基于字符預(yù)分割的車牌傾斜校正方法中車牌區(qū)域的最優(yōu)二值化流
程圖； 圖3是本發(fā)明基于字符預(yù)分割的車牌傾斜校正方法中車牌字符分割模塊示意圖； 圖4是采用本發(fā)明方法對一具體車牌進(jìn)行傾斜校正時(shí)定位車牌的車牌圖象； 圖5是采用本發(fā)明方法將圖4所示車牌定位并二值化后的車牌圖像； 圖6是采用本發(fā)明方法將圖4所示車牌傾斜校正后的圖像。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例對本發(fā)明基于字符預(yù)分割的車牌傾斜校正方法作進(jìn)一步
的說明。圖中相同的結(jié)構(gòu)或功能用相同的數(shù)字標(biāo)出。應(yīng)該指出的是，附圖的目的只是便于 對本發(fā)明具體實(shí)施例的說明，不是一種多余的敘述或是對本發(fā)明范圍的限制，此外，附圖沒
有必要按比例畫出。 請參照圖1至圖3所示，本發(fā)明基于字符預(yù)分割的車牌傾斜校正方法，該方法包括 以下步驟1)首先通過視頻采集設(shè)備獲得單幀的圖像，結(jié)合車牌的特征描述對圖像空間進(jìn) 行搜索，定位車牌子圖像Is，如附圖4為對一具體車牌進(jìn)行傾斜校正時(shí)定位車牌的子圖像所 得到的圖象；2)根據(jù)Otsu的二值化方法求得該子圖像的最優(yōu)閥值T，求得子圖像的最優(yōu)閥 值包括以下具體步驟對車牌區(qū)域顏色及灰度的統(tǒng)計(jì)分析，由統(tǒng)計(jì)分析值進(jìn)行最優(yōu)閥值計(jì) 算；3)基于步驟2)中求得的最優(yōu)閥值T進(jìn)行圖像二值化，得到二值化圖像Ib，對所有大于 閥值的象素點(diǎn)設(shè)為1，小于等于閥值的象素點(diǎn)設(shè)為0，從而完成二值化，如圖5為采用本發(fā)明 方法將圖4所車牌定位并二值化后得到的車牌圖像；4)對于所述二值化圖像的每個(gè)水平坐 標(biāo)值進(jìn)行垂直方向上的求和，從而得到其水平投影，對所述二值化圖像進(jìn)行水平投影Px;5) 根據(jù)步驟4)中的水平投影Px進(jìn)行字符預(yù)分割，得到各個(gè)字符的水平位置Xi，i = 1...7，其中，i為1至7的自然數(shù)，對水平投影Px進(jìn)行字符預(yù)分割的模塊包括對車牌字符幾何參數(shù) 進(jìn)行建模、車牌圖象水平投影、車牌顏色信息估計(jì)、車牌字符分割；6)根據(jù)字符幾何間距計(jì) 算字符高度估計(jì)值H。 = W,Ratic^，其中RatiOhw為字符高寬比例均值，W。為字符幾何間距； 7)根據(jù)步驟6)中計(jì)算的字符高度估計(jì)值，在神經(jīng)網(wǎng)絡(luò)分類器中搜索各個(gè)字符垂直位置Vi =N(xn， y》i = 1，2，3....，其中，N(Xn， y》表示對位于(xn， y》的字符圖像進(jìn)行神經(jīng)網(wǎng)絡(luò) 分類，Vi表示其分類結(jié)果；8)求得位于Xn的最高分類值的垂直坐標(biāo)yA由于對于Xn，其可能 的字符位置為(Xi， y》，i = 1，2，3…，每一個(gè)字符位置對應(yīng)一個(gè)分類值，因此最高的分類值 表示該位置的字符可能性最高；9)由字符的水平位置Xi與最高分類值的垂直坐標(biāo)yA對每 個(gè)Xi，i = 1...7得到所有字符中心；10)刪除分類值小于0.4的字符中心，由于分類值小于 0. 4，意味著其是字符的概率小于0. 4，其是偽字符的可能性較大，偽字符將影響傾斜角度的 計(jì)算，因此要刪除分類值小于0. 4的字符中心；11)對剩下的字符中心求解線性方程，得到 直線方程，由于實(shí)際的車牌字符中心是位于一條直線上，根據(jù)所求字符中心求解線性方程 即可得到直線方程；12)根據(jù)直線的斜角對原車牌圖像進(jìn)行逆變換，得到傾斜校正后的車 牌圖像1/，如圖6為采用本發(fā)明方法將圖4所示車牌傾斜校正后的圖像。
以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非對本發(fā)明作任何形式上的限制。任 何熟悉本領(lǐng)域的技術(shù)人員，在不脫離本發(fā)明技術(shù)方法范圍情況下，利用上述揭示的方法內(nèi) 容對本發(fā)明技術(shù)方法做出許多可能的變動和修飾，均屬于權(quán)利要求書保護(hù)的范圍。
權(quán)利要求
一種基于字符預(yù)分割的車牌傾斜校正方法，其特征在于，該方法包括以下步驟1)定位車牌子圖像Is；2)根據(jù)Otsu的二值化方法求得該子圖像的最優(yōu)閥值T；3)基于步驟2)中求得的最優(yōu)閥值T進(jìn)行圖像二值化，得到二值化圖像Ib；4)對于所述二值化圖像的每個(gè)水平坐標(biāo)值進(jìn)行垂直方向上的求和，從而得到其水平投影，對所述二值化圖像進(jìn)行水平投影Px；5)根據(jù)步驟4)中的水平投影Px進(jìn)行字符預(yù)分割，得到各個(gè)字符的水平位置xi，i＝1...7，其中，i為1至7的自然數(shù)；6)根據(jù)字符幾何間距計(jì)算字符高度估計(jì)值Hc＝Wc*Ratiohw，其中Ratiohw為字符高寬比例均值，Wc為字符幾何間距；7)根據(jù)步驟6)中計(jì)算的字符高度估計(jì)值，在神經(jīng)網(wǎng)絡(luò)分類器中搜索各個(gè)字符垂直位置vi＝N(xn，yi)i＝1，2，3...，其中，N(xn，yi)表示對位于(xn，yi)的字符圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)分類，vi表示其分類結(jié)果；8)求得位于xn的最高分類值的垂直坐標(biāo)yi*；9)由字符的水平位置xi與最高分類值的垂直坐標(biāo)yi*，對每個(gè)xi，i＝1...7得到所有字符中心；10)刪除分類值小于0.4的字符中心；11)對剩下的字符中心求解線性方程，得到直線方程；12)根據(jù)直線的斜角對原車牌圖像進(jìn)行逆變換，得到傾斜校正后的車牌圖像Is*。
2. 如權(quán)利要求1所述的基于字符預(yù)分割的車牌傾斜校正方法，其特征在于，在所述步 驟2)中對求得子圖像的最優(yōu)閥值包括以下具體步驟對車牌區(qū)域顏色及灰度的統(tǒng)計(jì)分析， 由統(tǒng)計(jì)分析值進(jìn)行最優(yōu)閥值計(jì)算。
3. 如權(quán)利要求1所述的基于字符預(yù)分割的車牌傾斜校正方法，其特征在于，在所述步 驟5)中對水平投影Px進(jìn)行字符預(yù)分割的模塊包括對車牌字符幾何參數(shù)進(jìn)行建模、車牌圖 像水平投影、車牌顏色信息估計(jì)、車牌字符分割。
全文摘要
本發(fā)明涉及基于字符預(yù)分割的車牌傾斜校正方法及模式識別領(lǐng)域，該方法包括以下步驟1)定位車牌子圖像；2)求得該子圖像的最優(yōu)閥值；3)進(jìn)行圖像二值化，得到二值化圖像；4)對于二值化圖像進(jìn)行水平投影；5)根據(jù)步驟4)中的水平投影進(jìn)行字符預(yù)分割，得到各個(gè)字符的水平位置；6)根據(jù)字符幾何間距計(jì)算字符高度估計(jì)值Hc＝Wc*Ratiohw；7)在神經(jīng)網(wǎng)絡(luò)分類器搜索各個(gè)字符垂直位置；8)求得最高分類值的垂直坐標(biāo)；9)針對每個(gè)xi，得到所有字符中心；10)刪除分類值小于0.4的字符中心；11)對剩下的字符中心求解線性方程，得到直線方程；12)根據(jù)直線的斜角對原車牌圖像進(jìn)行逆變換，得到傾斜校正后的車牌圖像。采用本方法校正車牌可靠穩(wěn)定，所需要的運(yùn)算量小、效率高。
文檔編號G06K9/32GK101727581SQ200910200259
公開日2010年6月9日 申請日期2009年12月10日 優(yōu)先權(quán)日2009年12月10日
發(fā)明者劉勇 申請人:上海名圖軟件有限公司