内容发布更新时间 : 2025/9/12 10:30:11星期一 下面是文章的全部内容请认真阅读。
龙源期刊网 http://www.qikan.com.cn
基于灰度图像的车牌定位算法研究与实现
作者：郭 亚 王水波
来源：《现代电子技术》2008年第02期
摘 要：汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别(LPR)系统的关键。针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中字符的灰度变化以峰、谷规律分布确定车牌上下边界，对扫描行采用灰度跳变法确定车牌左右边界。测试结果表明，该方法是可行的。 关键词：车牌定位；灰度图像；灰度变化；智能交通
中图分类号：TP391.14 文献标识码：B 文章编号：1004-373X(2008)02-137-03
GUO Ya，
(School of Information Engineering,Chang′an University,Xi′a
Abstract：The automated license plate location is an important part in the intelligent traffic system．It is the key step in the Vehicle License Plate Recognition(LPR).A method for the
recognition of images of different backgrounds and different illuminations is proposed in the paper.the upper and lower borders are determined through the gray variation regulation of the character
distribution.The left and right borders are determined through the black-white variation of the pixels in
Keywords：license plate locating；gray image； 1 引 言
近年来，智能交通系统(ITS)越来越受到人们的重视，并逐渐应用在交通信息统计收集、路车间通信、停车场管理、不停车自动收费、车辆自动行驶等领域，而上述领域都与汽车牌照的自动识别有关。对汽车车牌的正确识别，既可以实现在交通路口、高速公路、军事要塞、机关门卫对过往车辆的实时登记、流量统计和对防卫目标的安全警备，对肇事车辆、被盗车辆、
龙源期刊网 http://www.qikan.com.cn
犯罪车辆进行辨识和拦截；又可在汽车存车场对进出的车辆进行登记、统计和查询，以保障安全防盗，并可协助自动记费，这些是建设智能交通系统不可或缺的部分。
在车牌识别中，最重要的步骤就是车牌定位，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。
目前比较经典的定位方法大都在基于灰度图像的基础上，文献［1］提出利用投影分布特征进行车牌定位的方法，文献［2］提出一种基于灰度变化的车牌粗定位方法，有效解决了背景复杂及对比度小的车牌图像的定位问题。文中提出了一种先利用车牌中字符的灰度变化以峰﹑谷规律分布确定车牌上下边界，对扫描行采用灰度跳变法确定车牌左右边界。从而提取出车牌的方法，并在VC++中编程实现。实验证明此方法能进一步提高车牌定位及字符提取的正确率。
2 图像预处理
2.1 灰度线形变换
由于光照等因素，许多图像成像时光照不足，使得整幅图像变暗，或者成像时光照过强，使得整幅图变亮．为了增强车辆图像和车牌图像的对比度，使其明暗鲜明，有利于车牌识别，需要在图像灰度化后对图像进行灰度线性变换，以便突出车牌部分。 2.2 二值化
对图像进行二值化可以给后续的分割识别工作带来很大的方便。常用的二值化方法有直方图统计法、固定门限法、动态阈值法、松弛法、抖动矩阵二值化法等。由于在光照较弱的情况下，车牌图像的光照程度很不均匀，车牌字符与底色的对比度偏低，所以采取动态阈值法。文中使用了一种迭代求图像最佳分割阈值的算法（见图1）。该算法步骤如下：
3 车牌定位
3.1 车牌上下边界确定
龙源期刊网 http://www.qikan.com.cn
根据车牌的特点，有多种车牌分割方法，如彩色分类、神经网络、模板匹配等方法。然而，由于汽车图像往往在复杂的自然环境中得到，所以很多分割方法都会失去作用。峰谷法定上下边界的原理是依据车牌中字符的灰度变化以峰﹑谷有规律的分布，而图像中除字符以外的部分的峰谷变化与字符串的峰谷变化有明显差别。
对二值图像采取与边缘检测类似的处理。利用水平方向的差分算子对汽车图像求梯度: 3.2 车牌左右边界确定
在上下界粗定位的基础上，对特征图像进行垂直投影，得到投影图后，对投影图进行处理，在滤除噪声干扰之后，从粗定位车牌的2个边界向中间搜索车牌区域的左右边界。
4 实验结果分析
针对所提出的方法，对在各种天气状况(包括早、中、晚、晴天和雨天等)和不同背景条件下采集到的96幅图像进行了车牌的自动定位。实验所用的图像部分来自于一个车牌识别演示系统“Plate-DSP”的图像库，其余图像均由实验室的数码相机采集，该相机的分辨率为640×480。实验处理的车辆可以是静止的或车速在25 km／h以下的运动车辆。下面给出一部分实验结果，如图5所示。实验结果表明此方法对输入图像的对比度和亮度要求比较低，由于采用了水平方向的差分和垂直方向的特征信息，所以其正确定位率较高，而且该方法的定位识别时间短，具有较好的实时性和准确性。 5 结 语
针对车牌图像的特点, 提出了一种基于车牌字符灰度变化呈峰谷分布的规律来定位车牌上下界方法, 对扫描行采用灰度跳变法确定车牌左右边界。 该方法能较为快速、有效地从复杂噪声背景中将待识别的车牌分割出来。在实际中用该方法对在不同条件下所采集到的各种车头、车尾图像进行了实验。结果表明, 该方法对车牌图像的检测定位是可行的和有效的。
参 考 文 献