基于字符整体特性及Blob分析的车牌字符分割4页.docVIP

基于字符整体特性及blob分析的车牌字符分割 摘 要：为克服车牌边框、铆钉、车牌倾斜及车牌图像中亮度不均等不利因素的影响，利用水平结构元素对图像进行灰度Top-hat/Bottom-hat形态学锐化增强；然后通过中间行扫描，对各连通体进行blob分析；利用车牌字符高度整体一致、相邻字符水平位置基本一致以及相邻字符中心间距所特有的比例关系等整体特性，作为车牌字符分割的依据。可有效克服常用方法中单个字符特性及单个字符与车牌总体的相对特性对图像倾斜、拉伸、缩放敏感及难以处理字符中的“1”的缺陷。实验结果表明了本文算法的有效性。 关键词：车牌定位；字符分割；字符整体特性；blob分析；数学形态学 车牌字符分割是车牌字符识别的前提，是车牌识别（LPR)系统的重要组成部分。目前常用的车牌字符分割算法主要有：垂直投影法[1-3]、模板匹配法[4]、连通区域法[5]、综合法[6-7]等。垂直投影法算法简单，是目前使用最广的一种方法[8]；连通区域法借助二值车牌图像中各数字和字母的连通特性，实现对数字和字母的准确切分，前提是无字符粘连或断裂；模板匹配法利用车牌本身存在的模板特征来切分字符，受噪声影响小，但对车牌提取精确要求较高。垂直投影法和模板匹配法均易受车牌倾斜影响，预先要求对车牌进行倾斜矫正，而连通区域法则不受车牌倾斜影响。 我国标准车牌格式是:XlX2·X3X4X5X6X7，其中：Xl是各省、直辖市和自治区的简称，X2是英文字母，X3至X7为英文字母或阿拉伯数字，X2和X3之间有一小圆点。车牌字符总长度为409mm；在没有字符“1”时，单个字符宽度为45mm，第2个和第3个字符间距为34mm（其中中间小圆点宽度为10mm），其余字符间距为12mm；而字符“1”的宽度约为12mm，字符“1”与其他字符之间的间距约为28.5mm，两个字符“1”之间的间距约45mm。 由于字符“1”的存在，使得车牌图像中的字符宽度、字符宽高比、字符间距以及单个字符宽度占车牌总宽度的比例变得难于估计；而且图像中的车牌宽度本身就难于估计；当图像受到拉伸时，字符的宽高比也不固定。因而，文献[6]采用连通域的高宽比、外接矩形的面积与整个定位车牌区域面积之比等作为期望连通??子集提取依据、文献[7]利用单字符宽度约为车牌宽度的1/8、字符间距约为是车牌宽度的1/32等先验知识和投影信息来确定每个字符的分割位置，都有其固有的缺陷。 文献[9]首先通过多阈值分割抽取所有可能的blob，然后利用动态规划算法找出同一水平区域内高度、行坐标、分割阈值最相似且间距在允许范围内的相邻blob，做为车牌数字区域；为使用动态规划，文献[9]需要预先知道相邻字符的间距范围，这在实际中难于做到。 以下车牌字符特征相对稳定，不会随车牌拉伸、缩放而改变，对车牌倾斜不敏感： 1）车牌字符的高度整体一致； 2）相邻字符水平位置基本一致； 3）相邻字符中心间距具有特定的比例关系，即 d12:d23:d34:d45:d56:d67≈ 1:79/57:1:1:1:1 (1) 其中dij为字符Xi与字符Xj的中心间距，对标准车牌而言，d12=d34=d45=d56=d67=57mm，而d23=79mm。 特征1、2许多车身文字也具有；只有（1）式给出的比列关系，是车牌字符所特有的。 本文首先利用水平结构元素对图像进行灰度Top-hat/Bottom-hat形态学锐化增强，以消除背景和水平边框的干扰；然后使用OTSU算法对增强图像进行二值化，并对中间行经过的连通区域进行blob分析；再根据以上三个车牌字符特征，有哪些信誉好的足球投注网站定位出车牌的后6个字符，并根据blob分析获得的6个字符的几何属性，对可能的粘连进行修正；因汉字的不连通性，第一个汉字的切分由后6个字符分析获得；最后给出了具体的实验结果。 1、图像预处理 1.1灰度形态学锐化增强及二值化 令f(x,y)表示输入图像，b(i,j)代表结构元素，Db为b的定义域，使用结构元素b对f的灰度膨胀和腐蚀分别记为f⊕b、fΘb，则[10]： (f⊕b)(x,y)=max{f(x-i,y-j)+b(i,j)|(i,j)∈Db} (2) (f Θ b)(x,y)=min{f(x+i,y+j)-b(i,j)| (i,j)∈Db} (3) 相应的开运算fb和闭运算 f·b分别定义为： fb=(f Θ b)⊕b 和 f·b= (f⊕b)Θb 顶帽（Top-hat）变换定义为从原图像中减去开运算后的图像，即： Top-hat(f) =f-fb 而经闭运算后的图像与原图像相减称为底帽(Bottom-hat)变换，其定义式为： Bottom-hat(f) =f·b-f 开运算用来去除比结构元更小的亮点，同时保持灰度级和较大亮区特性的相对不变；闭运算用于填充比结构元