一种基于Radon变换的车牌识别技术研究

2015-06-07陈文青

绍兴文理学院学报(自然科学版) 2015年2期

关键词：车牌字符投影

陈文青

(绍兴职业技术学院信息工程学院,浙江绍兴312000)

一种基于Radon变换的车牌识别技术研究

陈文青

(绍兴职业技术学院信息工程学院,浙江绍兴312000)

由于车牌和摄像机之间存在相位差,导致获取的车牌图像存在倾斜、扭曲和变形,造成车牌的分割和识别困难.针对上述问题,提出了一种改进的Radon变换的车牌识别算法.该算法首先对车牌图像进行Radon变换,接下来对Radon变换的结果进行一阶函数求导,对一阶导数的绝对值再进行累计求和,由求和结果的最大值得到相对应的Radon变换角度值,把该变换角度值作为车牌图像的倾斜角度.实验结果表明,改进的Radon变换车牌识别算法用时少、精度高,具有对光照不敏感和较好的抗外界干扰等优点.

车牌识别;Radon变换;一阶导数;字符分割

0 引言

随着社会车辆数量的迅速增长,车辆管理工作越来越需要借助计算机进行.而车牌号码是管理车辆的关键标识,自然而然成为车辆管理中的一个关键数据.管理流动中的车辆首先从车牌号码识别开始.获取运动中的车牌图像,一般主要通过CCD摄像机抓拍,由于车辆和CCD摄像机拍摄角度、拍摄距离以及车牌悬挂位置的不同,造成拍摄到的车牌图像有一定程度的倾斜.若车牌图像只是0°到2°轻微倾斜,不影响识别效率,可不做校正处理.若非轻微倾斜,如果在字符分割之前不对车牌图像进行校正,分割的时候容易产生错误,降低车牌字符分割准确率的同时,也降低识别车牌字符的正确率.因此,先对非轻微倾斜的车牌进行必要的倾斜校正[1-3],然后再对车牌字符进行分割,可以提高字符分割的准确率.

处理倾斜车牌,常用的几种算法有Hough变换法、投影法与主成分分析法.这些算法各有优劣,Hough变换法的优点是精度高,但如果车牌边框有磨损或者变形,校正效果不理想;投影法针对投影图分析,具有操作简单的优点,但是计算量巨大;主成分分析法直接针对二值图进行计算,但对实测图像的二值图精确度要求很高[4-6].

对拍摄到的角度不正、发生倾斜的车牌处理方法,本文首先采用Radon变换对需要校正的倾斜的车牌图像进行校正,然后再对Radon变换的结果进行一阶求导,并累加求导绝对值,算出求导绝对值之和,求出倾斜角度,然后在水平方向与垂直方向上进行旋转校正.

1 车牌识别流程

在各种交通道路监视管理系统中,需要识别来往车辆的车型与车牌,对车速与车重进行检测,车牌识别是这些重要交通信息中的一个关键环节.由于受CCD摄像机拍摄角度、拍摄距离及车牌位置不同的影响,采集的车牌大都在一定程度上存在倾斜的情况.为了降低车牌字符分割的错误率,在车牌图像识别之前,需要先对倾斜的车牌图像进行校正处理,倾斜车牌校正处理后再进行分割,这样可以提高字符分割的正确率,字符分割正确率提高了,车牌识别率也就提高了[7-8].车牌识别流程如图1所示.

图1 车牌识别流程

2 Radon变换

对于二维图像而言,Radon变换可以在任何维数变量空间域范围内进行变换,其变换形式为:

公式(1)中,D表示拍摄到的车牌图像平面;f(x,y)表示图像中(x,y)点位置的灰度值,在车牌处理中用来表示从车辆整体图形中识别出的彩色车牌图像经过灰度算法处理后的图像灰度值;δ表示特征函数;ρ代表车牌图像所在的平面(x,y)内的直线与原点之间的距离;θ表示原点到直线的垂线与水平x轴之间的夹角,Radon变换示意图如图2所示,该图清晰表示了图像基于Radon变换中从图像空间到参数空间的变换.

图2 Radon变换示意图

3 车牌倾斜方式和校正

3.1 车牌倾斜方式

若把车牌的边框作为车牌图像轮廓,标准车牌图像可以看作一个长方形,但由于受到各种各样的因素影响,使得采集到的车牌图像并非是一个长方形,而是产生了倾斜,这种倾斜的车牌图像,相当于一个平行四边形.车牌的倾斜方式一般分为水平倾斜、垂直倾斜、水平垂直混合倾斜,如图3所示.

车牌水平倾斜时,车牌字符自身无错切,只是车牌与x轴成一定角度α,求出α,之后旋转±α,就可以完成车牌校正;若需校正的倾斜车牌为垂直倾斜时,在倾斜车牌图像当中,因为在同一行间的像素存在错位偏移,因此,可以先计算出错位偏移β值,然后再进行倾斜校正;车牌水平垂直混合倾斜时,可先对车牌进行水平校正,水平校正完成后再对车牌进行垂直校正[9-10],最后输出校正的车牌图像.

图3 车牌倾斜方式

3.2 水平校正

车牌水平校正的步骤如下:

(1)运用Mathematical Morphology方法二值边缘化原始车牌图像;

(2)对步骤(1)二值边缘化结果进行Radon变换;

(3)计算Radon变换矩阵中的峰值;

(4)将倾斜车牌进行水平方向旋转并进行无损校正,将图像旋转 ±α;

rot=90-c

I5=imrotate(I,rot,’crop’);%车牌水平旋转校正

图4 Radon变换系数图

在Radon变换系数图中可以看出,变化系数越大的地方颜色越亮,从图4可看出在104度左右出现变化系数的最大值,因此,旋转度数α=90-104=-14,把车牌图像按顺时针旋转,顺时针旋转14度后校正的车牌图像如图5所示:

图5 水平校正

3.3 垂直校正

垂直校正的主要步骤:

(1)运用水平投影和垂直投影方法去掉水平校正车牌图像的边框,因为有字符和没有字符的区域投影像素是不同的,差异很大;

(2)对无边框的水平校正图像进行垂直边缘检测;

(3)对垂直边缘检测结果进行Radon变换;

theta=0:179;

[r xp]=radon(I4,theta);%Radon变换.

(4)对Radon变换结果求一阶导数累积和;

图6 垂直边缘图

图7 垂直校正结果

公式(2)中,R表示Radon变换后的结果;n表示Radon变换中x'轴的长度;i表示Radon变换的角度.

4 实验仿真

为了验证本文算法的有效性,以3幅未校正的车牌二值图像为研究对象,分别比较本文算法和投影法的校正效果.水平校正、垂直校正和混合校正的结果分别如图8、图9和图10所示.

图8 水平校正

图9 垂直校正

图10 混合校正

通过图8、图9和图10校正结果可知,本文算法具有精度高、运行时间少的优点,平均运行时间0.3秒左右.

以图11中的3幅图像作为测试对象测试算法的校正效果与校正时间,分别进行Hough变换、Radon变换、最小二乘法和两点法,这四种算法的车牌图像校正结果对比如图12、图13和图14所示,校正的角度与算法用时对比情况如表1所示.

图11 测试图像

图12 测试图像1校正结果

图13 测试图像2校正结果

图14 测试图像3校正结果

表1 校正结果对比情况

由表1校正对比结果可知,Radon变换效果最好,不但计算精度高,同时具有计算时间短的优点,可以有效地应用于低质量的车牌识别.

5 结论

现实生活中,汽车车牌大多存在一定程度上的倾斜、变形甚至扭曲等问题,造成车牌识别困难.本文提出一种改进的Radon变换的车牌识别方法,该方法先对需要校正的车牌图像进行Radon变换,对变换结果一阶求导并累加求导绝对值,算出求导绝对值之和,得到倾斜校正度数,然后在水平方向与垂直方向上进行旋转校正.实验结果表明,改进的Radon变换车牌识别算法用时少、精度高,具有对光照不敏感和较好的抗外界干扰等优点.

[1]喻晓,李慕龙,张礽婧,等.复杂车辆图像中的车牌定位方法[J].电子设计工程,2010,18(12):120 -123.

[2]张顺利,李卫斌,吉军.基于投影的文档图像倾斜校正方法[J].计算机工程与应用,2010,46 (3):166.

[3]曹中华,周定康,谢旭升.基于矩特性的变形图像矫正[J].计算机应用与软件,2014,21(4):752-756.

[4]白建华.车牌字符分割及识别算法研究[D].西安:西安电子科技大学,2010.

[5]甘玲,林小晶.基于连通域提取的车牌字符分割算法[J].计算机仿真,2011,28(4):336-339.

[6]AI-Ghaili A M,Mashohor S.Vertical Edge Based Car License Plate Detection Method[J].IEEE Transactions on Vehicular Technology,2013,62(1):26-38.

[7]秦常贵.车牌自动识别的算法研究与实现[J].计算技术与自动化,2011,30(2):139-144.

[8]申继龙.车牌定位和倾斜校正的关键技术研究[D].南京:南京邮电大学,2013.

[9]韩立明,王波涛.车牌识别中关键技术的研究与实现[J].计算机工程与设计,2010,31(17):3919 -3923.

[10]牛洁.字符识别算法研究[D].北京:北京邮电大学,2010.

(责任编辑王海雷)

TP391.41