论文部分内容阅读
摘 要 在深入研究了大部分常用的车牌字符分割算法的前提下，根据车牌区域图像的特征，文章提出了一种综合了连通区域法和先验知识相结合的车牌字符分割算法，该算法经过大量实验证明了其在准确率方面的优越性。
关键词 车牌字符 快速分割 连通区域法
中图分类号：TP391.41 文献标识码：A
0引言
汽车牌照识别（LPR）作为智能交通系统的一个重要组成部分，起着举足轻重的作用，它在高速公路、城市交通和停车场等项目的管理中占有无可取代的重要地位。在不影响汽车状态的情况下，由计算机自动完成车牌的识别，从而可降低交通管理工作复杂度。其中字符分割是车牌自动识别系统的一个重要的组成部分，通过车牌定位算法定位出来的车牌区域，是一个整体区域。后续的字符识别算法是对一个个的单独字符的识别，因此需要通过字符分割算法，从完整的车牌中提取出单独的字符。
1车牌字符分割
1.1车牌的特点及形态特征
我国现行的牌照主要有4种类型：蓝底白字，黄底黑字，白底黑字或红字，黑底白字。单排车牌共有7个字符和l个点符号。一般第1个字符是汉字（警车除外），且是各省、市、军区的简称，如“鲁”、“沪”、“鄂”、“济”等;第2个字符是大写英文字母，如“A”、“B”、“C”等;接着是一个点“·”;其余的字符可能是英文字母，也可能是阿拉伯数字。
1.2字符分割
字符分割是指将车牌区域分割成单个的字符区域。切分越准确，则后面识别效果越好。字符分割主要的工作是：首先对车牌定位提取的牌照图像进行加工（称作预处理），得到利于字符分割的二值化图像;然后根据不同的分割方法进行字符切分;最后把切分好的图像送交字符识别系统进行识别。
1.3算法原理
1.3.1 图像预处理
（1）去边框和铆钉等影响识别的因素
根据车牌的底色来去边框和铆钉等影响。找到彩色车牌区域中底色最长的一条直线来去除上下边框和铆钉的影响，对于左右边框的去处可以根据底色所在的最边上来去掉。
（2）图像二值化
在对车牌图像进行二值化分割之前，先对其进行中值滤波、对比度增强以提高分割效果。由于车牌字符区域占据同一个灰度级区域，采用运算速度较快的单阈值分割是比较合适的。在图像分割技术中，最大类间阈值分割方法由Ostu于1979年提出，所以又称为Ostu阈值分割方法，是一种经典的全局阈值法。
1.3.2聚类连通域法
基于聚类分析的字符分割原理是按照属于同一个字符的像素构成一个连通域的原则，再结合牌照字符的高度、间距的固定比例关系等先验知识，来分割车牌图像中的字符。聚类分析方法实质上就是基于连通性的字符分割方法。
本文采取的是一种基于聚类分析切分车牌字符的方法，按照属于同一个字符的象素构成一个连通域的原则，再结合牌照字符的固定高度、间距的固定比例关系等先验知识，较好地解决了汽车牌照在复杂背景条件下的字符切分问题，降低了对车牌定位准确度的要求。
这种方法中，首先假设车牌二值化后，背景象素为白色，用0表示，而字符象素为黑色，用1表示;图象宽度为nWidth，高度为nHeight;类为包含单独连通域的最小矩形区。
具体聚类分析方法如下：
（1）对车牌图象采用差分直方图法二值化;
（2）以Ll=nWidth/8为阈值对车牌图象按行进行扫描，如果有线段的长度大于Ll就可认为是牌照的上下边框;以为阈值对车牌图象按列进行扫描，如果有线段的长度大于L2则认为是牌照的左右边框。因此可除掉牌照边框部分。
（3）对处理后的图象从上到下按行逐象素扫描快速聚类，如两象素间距离d<=，就可认为两象素属于一类，即属于同一个字符。其中d为：
（4）比较聚类后的各类的高度。对高度小于nHeight/2的类，可认为是噪声，因此可去掉。一般情况剩下的类为7个字符和左右边框的残余。
（5）如果找到的类的数目少于7个或某类的宽度大于其余类的宽度超过一定的闭值，则应为字符粘连问题。于是分析由第4步得到的类的宽度信息，找出宽度最大的类进行分裂处理。分裂方法可采用前面的水平投影法，在类的中间2-3个象素范围内寻找局部极小点。重复步骤5，直到满足条件。
（6）按各类的列起始位置从左到右排序。
（7）如果类数目等于7个，转到步骤8。否则，分析一下排序后最坏的情况。
（8）如果某类的长宽度大于其余6个类超过设定的阈值N，则一般是铆钉连接或噪音的缘故，此时应按其余类的高宽平均值修正。
由于光照或者背景噪声等的影响 ， 连通区域法可能产生错误的字符区域 ，就需要根据前文所述的车牌先验信息来删除错误的区域 ，从而准确定位字符区域。
2实验结果及分析
本文通过运用连通区域法和先验知识相结合的车牌字符分割算法，对由停车场系统采集的近100幅车牌图像进行了字符分割测试，分割正确率达到97%。实验结果表明连通区域法和先验知识相结合的车牌字符分割算法能很好地解决车牌字符图像的粘连、断裂等问题，下面给出几个测试样本的分割结果，如图1。
图1字符分割效果
由于部分车牌图像质量较差，车牌分割出现错误。我们对引起错误的原因进行了分析.主要有以下两个原因：
（l）车牌图像是定位程序分割出来的，不是手工分割的.车牌定位的准确性对字符分割的影响很大，当有较多车身背景时，容易引起分割错误。
（2）当有很强噪声的时候，单纯采用去噪算法难以完全去噪，会造成一些分割错误。
参考文献
[1] 陈寅鹏，丁晓青.复杂车辆图像中的车牌定位与字符分割方法[J].红外于激光工程2004，33（1）：29-33.
关键词 车牌字符 快速分割 连通区域法
中图分类号：TP391.41 文献标识码：A
0引言
汽车牌照识别（LPR）作为智能交通系统的一个重要组成部分，起着举足轻重的作用，它在高速公路、城市交通和停车场等项目的管理中占有无可取代的重要地位。在不影响汽车状态的情况下，由计算机自动完成车牌的识别，从而可降低交通管理工作复杂度。其中字符分割是车牌自动识别系统的一个重要的组成部分，通过车牌定位算法定位出来的车牌区域，是一个整体区域。后续的字符识别算法是对一个个的单独字符的识别，因此需要通过字符分割算法，从完整的车牌中提取出单独的字符。
1车牌字符分割
1.1车牌的特点及形态特征
我国现行的牌照主要有4种类型：蓝底白字，黄底黑字，白底黑字或红字，黑底白字。单排车牌共有7个字符和l个点符号。一般第1个字符是汉字（警车除外），且是各省、市、军区的简称，如“鲁”、“沪”、“鄂”、“济”等;第2个字符是大写英文字母，如“A”、“B”、“C”等;接着是一个点“·”;其余的字符可能是英文字母，也可能是阿拉伯数字。
1.2字符分割
字符分割是指将车牌区域分割成单个的字符区域。切分越准确，则后面识别效果越好。字符分割主要的工作是：首先对车牌定位提取的牌照图像进行加工（称作预处理），得到利于字符分割的二值化图像;然后根据不同的分割方法进行字符切分;最后把切分好的图像送交字符识别系统进行识别。
1.3算法原理
1.3.1 图像预处理
（1）去边框和铆钉等影响识别的因素
根据车牌的底色来去边框和铆钉等影响。找到彩色车牌区域中底色最长的一条直线来去除上下边框和铆钉的影响，对于左右边框的去处可以根据底色所在的最边上来去掉。
（2）图像二值化
在对车牌图像进行二值化分割之前，先对其进行中值滤波、对比度增强以提高分割效果。由于车牌字符区域占据同一个灰度级区域，采用运算速度较快的单阈值分割是比较合适的。在图像分割技术中，最大类间阈值分割方法由Ostu于1979年提出，所以又称为Ostu阈值分割方法，是一种经典的全局阈值法。
1.3.2聚类连通域法
基于聚类分析的字符分割原理是按照属于同一个字符的像素构成一个连通域的原则，再结合牌照字符的高度、间距的固定比例关系等先验知识，来分割车牌图像中的字符。聚类分析方法实质上就是基于连通性的字符分割方法。
本文采取的是一种基于聚类分析切分车牌字符的方法，按照属于同一个字符的象素构成一个连通域的原则，再结合牌照字符的固定高度、间距的固定比例关系等先验知识，较好地解决了汽车牌照在复杂背景条件下的字符切分问题，降低了对车牌定位准确度的要求。
这种方法中，首先假设车牌二值化后，背景象素为白色，用0表示，而字符象素为黑色，用1表示;图象宽度为nWidth，高度为nHeight;类为包含单独连通域的最小矩形区。
具体聚类分析方法如下：
（1）对车牌图象采用差分直方图法二值化;
（2）以Ll=nWidth/8为阈值对车牌图象按行进行扫描，如果有线段的长度大于Ll就可认为是牌照的上下边框;以为阈值对车牌图象按列进行扫描，如果有线段的长度大于L2则认为是牌照的左右边框。因此可除掉牌照边框部分。
（3）对处理后的图象从上到下按行逐象素扫描快速聚类，如两象素间距离d<=，就可认为两象素属于一类，即属于同一个字符。其中d为：
（4）比较聚类后的各类的高度。对高度小于nHeight/2的类，可认为是噪声，因此可去掉。一般情况剩下的类为7个字符和左右边框的残余。
（5）如果找到的类的数目少于7个或某类的宽度大于其余类的宽度超过一定的闭值，则应为字符粘连问题。于是分析由第4步得到的类的宽度信息，找出宽度最大的类进行分裂处理。分裂方法可采用前面的水平投影法，在类的中间2-3个象素范围内寻找局部极小点。重复步骤5，直到满足条件。
（6）按各类的列起始位置从左到右排序。
（7）如果类数目等于7个，转到步骤8。否则，分析一下排序后最坏的情况。
（8）如果某类的长宽度大于其余6个类超过设定的阈值N，则一般是铆钉连接或噪音的缘故，此时应按其余类的高宽平均值修正。
由于光照或者背景噪声等的影响 ， 连通区域法可能产生错误的字符区域 ，就需要根据前文所述的车牌先验信息来删除错误的区域 ，从而准确定位字符区域。
2实验结果及分析
本文通过运用连通区域法和先验知识相结合的车牌字符分割算法，对由停车场系统采集的近100幅车牌图像进行了字符分割测试，分割正确率达到97%。实验结果表明连通区域法和先验知识相结合的车牌字符分割算法能很好地解决车牌字符图像的粘连、断裂等问题，下面给出几个测试样本的分割结果，如图1。
图1字符分割效果
由于部分车牌图像质量较差，车牌分割出现错误。我们对引起错误的原因进行了分析.主要有以下两个原因：
（l）车牌图像是定位程序分割出来的，不是手工分割的.车牌定位的准确性对字符分割的影响很大，当有较多车身背景时，容易引起分割错误。
（2）当有很强噪声的时候，单纯采用去噪算法难以完全去噪，会造成一些分割错误。
参考文献
[1] 陈寅鹏，丁晓青.复杂车辆图像中的车牌定位与字符分割方法[J].红外于激光工程2004，33（1）：29-33.