一种融合色彩、尺寸和纹理特征的车牌定位方法

摘要

本发明属于图像处理技术领域，特别涉及车牌识别技术中的复杂背景中的车牌定位方法。首先把RBG格式的车牌源图像转换到HSI格式，实现颜色信息与亮度信息的分离；接着把得到的饱和度分量图和亮度分量图进行二值化；然后，基于车牌色彩信息对源图像的像素进行分类，依据分类结果获得车牌定位模板二值图，并采用数学形态学运算对车牌定位模板二值图去除噪声；随后，用区域生长法提取车牌定位模板二值图中的每个连通区域并进行车牌尺寸检查，通过尺寸检查的连通区域成为候选车牌区域；在采用Hough变换对倾斜车牌进行矫正之后，进一步利用车牌竖直纹理特征检查每个候选车牌区域，去除伪候选区。采用本发明可以有效地提高系统的通用性和定位精度。

主权项

1、一种融合色彩、尺寸和纹理特征的车牌定位方法，包含下列步骤：步骤1颜色格式转换：将红、绿、蓝格式，即RGB格式的车牌源图像转换到色度、饱和度、亮度格式，即HIS格式，使得车牌源图像的色度信息、饱和度信息与亮度信息分离开来；RGB格式的图像转换成HSI格式的图像采用如下公式：其中$\theta =\arccos \left\{\frac{\frac{1}{2}[(R-G)+(R-B)]}{[{(R-G)}^2+(R-B){(G-B)}^{1/2}]}\right\};$这里R，G，B分别是RGB格式的车牌源图像的红、绿、蓝分量值，值域为[0，1]；H，S，I分别是对应的HIS格式的车牌源图像的色度、饱和度和亮度；色度的值域为[0°，360°)，饱和度和亮度的值域为[0，1]；颜色格式转换的结果，是得到色度分量图、饱和度分量图和亮度分量图；步骤2对饱和度分量图与亮度分量图进行二值化处理，得到仅由像素值0和1构成的二值化饱和度分量图和亮度分量图；步骤3利用步骤1所得的色度分量图与步骤2所得的二值化饱和度分量图和二值化亮度分量图建立车牌定位模板二值图，具体采用如下的判别算法进行车牌定位模板的构建：若Blue_min≤H(x，y)≤Blue_max，且S(x，y)＝1，那么像素(x，y)被识别为蓝色车牌底色像素，定位模板(x，y)位置的像素值设为1；若Yellow_min≤H(x，y)≤Yellow_max，且S(x，y)＝1，那么像素(x，y)被识别为黄色车牌底色像素，定位模板(x，y)位置的像素值设为1；若S(x，y)＝0，且I(x，y)＝1，那么像素(x，y)被识别为蓝色车牌字符像素，定位模板(x，y)位置的像素值设为1；若S(x，y)＝1，且I(x，y)＝0，那么像素(x，y)被识别为黄色车牌字符像素，定位模板(x，y)位置的像素值设为1；否则像素(x，y)被识别为非车牌对象，定位模板(x，y)位置的像素值设为0；这里，x和y分别是像素点的行坐标和列坐标，H(x，y)，S(x，y)和I(x，y)分别是在(x，y)坐标处色度分量图、饱和度分量图和亮度分量图的像素值；Blue_min和Blue_max分别是蓝色车牌色度的下限和上限，Yellow_min和Yellow_max分别是黄色车牌色度的下限和上限；步骤4运用数学形态学对车牌定位模板二值图去除噪声，具体采用数学形态学的膨胀和腐蚀运算对车牌定位模板二值图去噪：$\mathrm{Template}=\left(\left((\mathrm{Template}\oplus B_1)\Theta B_2\right)\Theta B_3\right)$这里，Template是车牌定位模板二值图，B₁是一个1行3列的结构元素，B₂是一个7行1列的结构元素，B₃是一个1行7列的结构元素；符号“”代表膨胀运算，符号“Θ”代表腐蚀运算；步骤5采用区域生长法提取车牌定位模板二值图中的每个连通区域；步骤6对步骤5所得的车牌定位模板二值图中的每个连通区域，利用实际车牌的尺寸特征进行检查，具体过程如下：若h_region≥h_minlp，且w_region≥w_minlp，且ratio_minlp≤w_region/h_region≤ratio_maxlp，那么连通区域region通过尺寸检查，成为车牌候选区域；否则连通区域region未通过尺寸检查，不被后续步骤考虑；w_region和h_region分别是连通区域region的宽度和高度，w_minlp和h_minlp分别是实际的最小车牌宽度和最小车牌高度，ratio_minlp和ratio_maxlp分别是实际的最小车牌宽高比和最大车牌宽高比；步骤7从车牌源图像的亮度分量图中把车牌候选区域提取出来，再对该车牌候选区域亮度图进行二值化处理，得到车牌候选区域二值图；步骤8对倾斜的候选车牌区域进行矫正，具体倾斜车牌矫正过程如下：步骤8-1利用Hough变换检测出车牌倾斜角度，具体过程是：建立一个二维累加器矩阵M，它的第一维为距离，第二维为角度；把矩阵M的每个累加器单元都初始化为0；遍历车牌候选区域二值图，对其中的每个1值像素(x，y)，计算ρ_i＝xcos(θ_i)+ysin(θ_i)，这里θ_i从θ_min变化到θ_max，每次计算出新ρ_i后，使累加器单元M[ρ_i][θ_i]增加1；遍历累加器矩阵M，找到其中的最大累加值Val_max及其所在的角度值θ；若Val_max＞Val_thresh，那么车牌倾斜角度为θ；否则车牌倾斜角度为0；这里，θ_min和θ_max分别是预先设定的倾斜角度范围的下限和上限，Val_thresh是一个预定义的累加阈值；只有当最大累加值Val_max比Val_thresh更大时，θ才被认为有效并被作为车牌倾斜角度返回；步骤8-2利用检测出的车牌倾斜角度，对车牌候选区域二值图进行矫正，具体过程是：若车牌倾斜角度θ＞0，那么将候选车牌区域二值图的第i列的像素上移offset_i＝tan(θ)×(w_cand-i)个像素；若车牌倾斜角度θ＜0，那么将候选车牌区域二值图的第i列的像素上移offset_i＝-tan(θ)×i个像素；其中，1≤i≤w_cand，w_cand是车牌候选区域二值图的宽度；步骤9利用车牌纹理特征对经过倾斜角度矫正的所有候选车牌区域进行检查，去除纹理密度未达到要求的候选车牌区域，具体步骤是：步骤9-1利用4邻域分析法构建经过倾斜角度矫正的候选车牌区域二值图的边缘图像：对经过倾斜角度矫正的所有车牌候选区域二值图的每个1值像素的4邻域进行分析，若其4邻域存在至少一个0值像素，则该1值像素就是边缘点；否则，该1值像素不是边缘点；构建一个与经过倾斜角度矫正的候选车牌区域二值图相同大小的二值化边缘图，若候选车牌区域二值图中坐标为(x，y)的1值像素通过4邻域分析被判定为边缘点，则把边缘图中对应位置的像素值设为1，否则把边缘图中对应位置的像素值为0；步骤9-2对步骤9-1所得的二值化边缘图进行输血形态学的腐蚀处理，即ErodedEdge＝EdgeΘB₄，这里，Edge是步骤9-1中得到的二值化边缘图像，而B₄是一个3行1列的结构元素，ErodedEdge是经过腐蚀运算后的结果图像；步骤9-3把Edge图像和ErodedEdge图像进行逐像素比较，确定候选车牌区域二值图的竖直纹理的丰富程度，并以此判别候选车牌区域是否满足车牌纹理特征要求，具体的过程可表述如下：设置两个计数器ec和eec，并把它们初始化为0，扫描Edge和ErodedEdge图像的每个像素(x，y)，若Edge(x，y)＝ErodedEdge(x，y)，且Edge(x，y)＝1，那么ec和eec计数器均增加1；若Edge(x，y)≠ErodedEdge(x，y)，且Edge(x，y)＝1，那么仅ec计数器增加1；完成扫描后，计算比值ratio_tt＝eec/ec，若ratio_tt＞ratio_mintt，那么候选车牌区域通过纹理丰富程度检查，成为最终定位出的车牌区域；否则候选车牌区域未通过纹理丰富程度检查，被认为不包含车牌；这里，Edge(x，y)和ErodedEdge(x，y)分别是边缘图Edge和经过腐蚀运算后的结果图ErodedEdge在坐标为(x，y)位置的像素值，ratio_mintt是一个根据实际应用情况预设的纹理比值阈值。