第4卷第5期 智能系统学报 VoL.4 No.5 2009年10月 CAAI Transactions on Intelligent Systems 0ct.2009 doi:10.3969/j.i8sn.16734785.2009.05.006 非均匀光照下的车牌定位方法 黄腾，施鹏飞 (上海交通大学图像处理与模式识别研究所，上海200240) 摘要：针对非均匀光照下车牌的定位问题，提出了一种有效的定位方法.该方法采用改进的Bernsen算法对图像进 行二值化，有效地去除了非均匀光照对车牌的干扰，然后通过连通区域对数字串初定位，再按照车牌标准规格精定 位.实验结果表明，此方法定位车牌精准有效，准确率达98.3% 关键词：非均匀光照；Bernsen算法；连通区域；车牌定位 中图分类号：TP391.4文献标识码：A文章编号：16734785(2009)05042106 Locating vehicle license plates in a non-uniformly illuminated environment HUANG Teng,SHI Peng-fei (Institute of Image Processing and Pattern Recognition,Shanghai Jiao Tong University,Shanghai 200240,China) Abstract:An effective method was developed for determining the location of a vehicle's license plates in an envi- ronment with non-uniform illumination.With an improved Bernsen algorithm,binarization of the image was able to significantly reduce the effects of non-uniform illumination.Then,by locating the numerical string within the im- age,we could locate a plate precisely by aligning the location of the characters according to the standard specifica- tions for plates.Experimental results showed that the method is precise and effective.The rate of correct location was98.3%. Keywords:nonuniform illumination;Bernsen algorithm;connected area:license plate location 车牌识别作为一种关键技术被广泛应用于停车 所以，对于车牌上有阴影的车牌图像，以上方法都难 场、高速公路、道路交通监测等自动交通系统中.车牌 以达到理想的效果.因此，本文针对非均匀光照条件 识别系统一般包括车牌图像的采集、车牌定位、字符 下汽车图像的车牌定位问题，提出了一种基于改进的 分割以及字符识别.其中，车牌定位是关键，定位的好 Bernsen算法的定位方法. 坏直接影响着整个系统的性能.目前对车牌的定位已 1车牌定位 经提出了许多方法：主要有基于彩色图像色彩信息定 位法13]和基于灰度图像特征分析的定位法2类.彩 由于汽车图像是在光照不均的环境下获取的， 色图像处理需要空间变换，计算量大，而且受光照影 影响了车牌上的边缘纹理信息，甚至破坏了汽车车 响非常严重.针对灰度图像，也有诸多定位技术，如： 牌的完整性.因此车牌图像并不能完全适用于已有 基于车牌边缘或角点的算法)、数学形态学的方 的经典算法.而通过算法去除投射在车牌上的阴 法[61、纹理特征投影法「]以及Adaboost决策树训 影，算法相对复杂，耗时长，无法达到实时性，效 练「10的方法.这些方法都能在一定的场景下，从复杂 果也不够理想.采用改进的Bernsen算法对图像进 背景中较好地将车牌定位出来，但是它们都要求图像 行二值化，二值图中有效地去除了阴影，然后通过二 中车牌区域（车牌边界或车牌字符）完整且较为清晰 值图中的连通域寻找数字串对车牌粗定位，再根据 车牌的标准规格进一步精定位. 收稿日期：2009-0307. 1.1二值化 基金项目：国家自然科学基金资助项目(60775009)：国家“863”计划 对图像进行二值化时，给定阈值T,则有 资助项目(2006AA01Z119), 通信作者：黄璣.E-mail:htcloudy@jt.ed.cn
·422· 智能系统学报 第4卷 fx,y）= 0, f(x,y）<T, (1) 滤波图各点的阈值；和的取值根据车牌中字符笔画 l255,f(x,y)≥T 粗细来定，经过实验，本文取0=10. 阈值T的确定主要有全局阈值法和局部阈值 3)为了消去伪影现象，对阈值进行平滑，即 法两大类.全局阈值法有全局0tsu算法12]、直方图 T.(x,）=2g7x+l,), (6) 凹面分析法「12]等，这类算法对目标背景较清楚的图 T(x,y）=2Y3T(x+l): (7) 像可以取得较好的结果但如果图像背景复杂，光照 式中：T(x,y)为原图各点的平滑阈值，Tc(x,y)为 变化大，则一般用局部阈值法，常用的有局部0tsu 高斯滤波图各点的平滑阈值， 和Bernsen算法[I等. 4)确定阈值并逐点二值化.为了充分结合高斯 1.1.1传统的Bernsen算法 滤波和Bernsen算法的性能，最终各点的阈值T(x, 传统的Bernsen算法凭借其优异的综合性能， y)由T(x,y)和Tc(x,y)共同确定，即 在局部二值化领域中充当着重要的角色，能够解决 当Tn(x,y)=0时，若Tc(x,y）=0,则 一些光照不均的问题.考虑以(x,y)为中心，计算每 T(x,y)=0;若Te(x,y)≠0时，则T(x,y)=a· 点阈值的具体形式为 Tc(x,y）· T(x,y)=0.5×(maxf八x+l,y+k)+ 当T(x,y)≠0时，若T(x,y）=0,则T(x,y)= -0<k≤G min f(x +l,y+k)). (2) B·T(x,y);若Te(x,y)≠0，则 -w<l≤ -o<ks” T(x,y）=（Tn(x,y）+Tc(x,y))/2+ 式中：T(x,y)为各点阈值，f(x,y)是原始的灰度图 |(T(x,y）-Te(x,y) (8) 像，t0是局部阈值运算窗口.但是，传统的Bernsen 由实验得到，B分别取0.8和0.3. 算法以局部窗口的最大最小值作为考察点的阈值， 所以，对高斯滤波图g(x,y)按式(9)逐点二值 花费时间长，对于干扰比较敏感，而且容易产生伪 化，并对二值图进行中值滤波，进一步去除噪声点 影，给图像造成较大干扰 最终处理结果如图1所示，图1(a)为原图，图1(b) 1.1.2改进的Bernsen算法 为本文得到的二值图. 针对传统Bernsen算法存在的上述问题，采用 0, g(x,y)<T(x,y), 改进的Bernsen算法来实现.该算法分别对汽车原 g(x,y）= (9) 255,g(x,y)≥T(x,y) 图和高斯图进行水平方向上的“线Bernsen算法”， 即式(2)中取局部窗口高度k=0,具体为 T(x,y）=0.5×（mafx+l,y）+ min f(x +l,y)). (3) 式中：T(x,y)为各点阈值，f(x,y)是原始的灰度图 像，0是局部阈值运算窗口.最终的阈值由两者加权 确定.改进的Bernsen算法运算量相对减小，而且在 二值化图像中能有效地去除非均匀光照的影响.其 (a)原图 具体步骤如下： 1)对汽车图像f孔x,y)进行高斯滤波，得到图像 g(x,y).高斯滤波图中光照柔和，减弱了原图中的 70 光照不均匀度， 2)分别对汽车图像f(x,y)和g(x,y)进行水平 方向上的线Bernsen算法，即 Tn(x,y）=0.5×(max f(x+L,y）+ e《写用 minf(x+ly)), (4) (b)本文的二值图 图1改进Bernsen算法的效果 Tc(x,y)=0.5×(maxg(x+l,y）+ Fig.1 The result of improved Bernsen i8(x+l,）). (5) 图2给出了改进Bernsen算法与其他二值化方 式中：T（x,y)为原图各点的阈值；Te(x,y)为高斯 法的效果比较.图2(a)为汽车原图，图2(b)~(f)
第5期 黄腾，等：非均匀光照下的车牌定位方法 ·423· 分别为分块分差法、局部Otsu、全局Otsu、传统的 均匀光照的影响，车牌上的信息都有不同程度的破 Bernsen以及改进的Bernsen算法的二值化图.由图 坏.而本文提出来的改进算法，有效去除了非均匀光 2可以看出，前面4种方法得到的二值图中，由于非 照的干扰，不影响二值化的效果。 (a)原图 (b)分块差分法 (c)局部Osu (d)全局Otu (e)传统的Bernsen (f)改进的Bernsen 图2改进Bernsen算法与其他二值化方法的比较 Fig.2 The comparison of improved Bernsen with other binary methods 1.2初定位 1)分别计算出筛选得到的N个连通域的中心 得到二值化图像后，为了定位到车牌位置，通过 点0(i=1,2,…,N) 寻找车牌区域大数字字符来确定，例如图2()中的 2)将0：的水平坐标0按从小到大的顺序排序 “9504”.首先对整个车牌的二值图像进行连通区域 得到0(i=1,2,…,N); 标记，根据大数字字符的一些特征对它们进行筛选， 3)对于0(i=1,2,…,N)依次寻找0(=1， 这些特征是： 2,…,N,j≠)满足：(0%-0)<e且(0%-O%)<e 1)像素概率密度； (ε和ε'为常量，(0%-0)、(0%-0)分别为两中 2)连通域的高度和宽度； 心点的水平坐标差和垂直坐标差)； 3)连通域的高宽比 4)此时找到O:的个数即为车牌上数字字符的个 通过这些特征的筛选可以去除绝大多数的背景 数M,记录此时O:以及找到的第M个中心点O 和噪声干扰.此时，由先验知识可以知道：车牌区域应 通过筛选寻找就能初步得到一个或者几个待选 该包括一系列间距较小，联系紧密的字符.本文选取 车牌区域如图3(a)所示的原图，经初定位后得到 各连通域的中心点为特征点进一步处理，具体如下： 图3(b)中2个待选车牌区域，图中用方框表示
·424· 智能系统学报 第4卷 0:、0%和0%、0%分别为初定位步骤4)记录的0和 O:的水平坐标差和垂直坐标差；标准规格中从左往 右最前与最后字符的距离L, 052中 (a)原图 -(05 44 图4日本车牌的标准规格 Fig.4 Standard specification of Japanese license plate 则实际图像中车牌框的上下左右由式(10)确定： (b)字符初定位 〔Xha=Os-k1·L/L,; ·用59 X=0.+k·L/L,; (10) 68-28 Xp=ymin-k3·L/几，； 人potam=ymx+k4·L/L, 4个系数根据初定位步骤4)得到的M值，根据相应 (c)字符确认 的标准规格得到：k1=95+55(4-M),k2=40,k3= 120,k4=65. 按照式(10)定位到待定区域后，当有多个待定 区域时，再利用上一排的小字符检证.由于小字符区 域纹理相对丰富，在二值图中表现为像素跳变，因此 可以作为检证的依据.由标准规格和实验得到：取高 度H=yin-ksL/L,(ks=80),对待区域进行水平扫 描并记录该高度上的像素突变次数，即： (d)最终定位 图3车牌的定位 N。=∑h, Fig.3 License plate location 1.3精确定位 k,=0,18(x,0）-g(x+1,)1=0: 11, 其他. 在得到待选车牌区域后，利用车牌标准规格进 式中：g(x,y)为二值图，h:为跳变标记，N.为总跳变 一步确定车牌位置.以日本车牌为例，其车牌标准规 次数.当N。大于阈值T时，可以进一步确定车牌区 格如图4所示。 域.如图3(c)所示，2条水平线表示检证区域，左边 日本车牌上有上下2排字符，上一排字体较下 区域因跳变少而被筛选掉，最终得到车牌区域，如 一排字体要小一些，而经过初定位中筛选得到的正 图3(d). 是下一排的大字符.为了精确定位，按实际与规格的 比例来确定车牌的具体位置并加以确认， 2实验结果与分析 设实际图像中从左往右最前与最后字符的距离 为了验证本文算法，针对非均匀光照环境下的 L=√(0%-04)2+(0%，-0)2， 124幅日本汽车图像进行了测试，同时，增加了几组 ym max0,0, 对比实验.实验结果如表1所示（准确率=定准数/ ymin min,, 总样本数).全局Otsu方法和传统Bernsen方法由于
第5期 黄腾，等：非均匀光照下的车牌定位方法 ·425· 二值化效果不理想基本不能定位；改进Bernsen算 GUO Jie,SHI Pengfei.Color and texture analysis based ve- 法结合投影法或形态学的方法定位的精确度有待提 hicle license plate location [J].Journal of Image and 高；本文算法车牌的定位准确率为98.3%，而且精 Graphics,2002,7(5):472476. 确率高，车牌都是沿边框分割出来，定偏的样本主要 [3]种府文，谢丹力，郑翠花一种针对复杂背景的复合车牌 定位算法[J].计算机应用研究，2008,25(6)：1741-1743. 是由于车牌上大字符只有一个“1”，初定位效果不 ZHONG Yanwen,XIE Danli,ZHENG Cuihua.Compound 佳所致.因此，本文提出的车牌定位方法能有效地解 license plate location arithmetic aiming at complicated back- 决非均匀光照下的车牌定位问题，效果好、精度高， ground[J].Applicaion Research of Computers,2008,25 而且计算复杂度低，在实时车牌识别系统中具有实 (6):1741-1743. 际应用价值， [4]粱栋，陈迎春.基于形状特性和反Hough变换的车牌 表1对比实验结果 区域定位与重建[J].计算机应用，2002,22(5)：43-47. Table 1 Comparison results LIANG Dong,CHEN Yingchun.Location and reconstruc- tion of license plate based on shape character and inverse 实验方法 定位数定偏数定准数准确率/% Hough transform[J].Journal of Computer Applications, 全局Otu+标准规格 3 0 3 2.6 2002,22(5):4347. 传统Bemsen+标准规 [5]XU Zhigang,ZHU Honglei.An efficient method of locating 4 1 3 2.6 格 vehicle license plate[C]//The Third International Confer- 改进Bernsen+投影法 118 4 114 91.9 ence on Natural Computation ICNC 2007).Haikou,Chi- 改进Bernsen+形态学 116 5 111 89.5 na,2007:180-183. 改进Bernsen+标准规 [6]陈兆学，施鹏飞.基于灰度图像的车牌快速定位和分割 123 1 122 98.3 格（本文算法） 方法[J].计算机工程，2006,32(9)：173-177 CHEN Zhaoxue,SHI Pengfei.A fast method on locating 3 结束语 and segmentation of vehicle plate based on gray image[] 如何消除非均匀光照的影响，精确地定位车牌 Computer Engineering,2006,32(9):173-177. [7]GAO Qian,WANG Xinnian,XIE Gongfu.License plate 一直以来都是车牌识别系统的难点.本文以传统 recognition based on prior knowledge [C]//Proceedings of Bersern算法能解决一些非均匀光照问题为基础，结 the IEEE International Conference on Automation and Lo- 合高斯滤波加以改进，有效地弥补了传统Bersern算 gistics.Ji'nan,China,2007:2964-2968. 法产生伪影的不足，并消除了阴影的干扰，较其他常 [8]黄文杰，王海涛，姬建岗。一种改进的车牌区域定位算 用去除图像阴影的算法更简单，实时性更好.初定位 法[J].交通与计算机，2007,25(3)：114-117. 后利用车牌标准规格进行精确定位，确保了车牌定 HUANG Wenjie,WANG Haitao,JI Jiangang.An improved 位的准确性和精确性.当然，非均匀光照下的车牌定 algorithm of locating region of vehicle license plate[J]. 位还有许多问题值得进一步研究和探讨，例如文中 Computer and Communications,2007,25(3):114-117. 几个参数切、aB、T'如何自适应取值，如何在初定 [9]HONG Bihai,YANG Chenhui.An approach to license plate locating in intelligent transportation system[C]/The 2nd 位中更快地筛选，如何进一步解决光照、遮挡等预处 International Conference on Pervasive Computing and Appli 理问题，以及如何将该方法推广应用于国内车牌的 cations.Birmingham,United Kingdom,2007:319-322. 识别。 [10]WU Qiang,ZHANG Huaifeng,JIA Wenjing,et al.Car 参考文献： plate detection using cascaded tree-style learner based on hybrid object features[C]//Proceedings of the IEEE Inter- [1]LI Gang,YUAN Rongdi,YANG Zuyuan,et al.A yellow national Conference on Video and Signal Based Surveil- license plate location method based on RGB model of color lance.Sydney,Australia,2006:15. image and texture of plate[C]//Proceedings of the Second [11]FINLAYSON G D,HORDLEY S D,LU Cheng,et al.On Workshop on Digital Media and Its Application in Museum the removal of shadows from images [J].IEEE Transac- Heritages.Chongqing,China,2007:42-46. tions on Pattern Analysis and Machine Intelligence,2006 [2]郭捷，施鹏飞，基于颜色和纹理分析的车牌定位方法 28(1):59-68. [J].中国图象图形学报，2002,7(5)：472-476. [12]SAHOO P K,SOHANI S,WONG A K C,et al.Survey of
·426 智能系统学报 第4卷 thresholding techniques[J].Computer Graphics,Vision, 施鹏飞，男，1940年生，教授，博士 and Image Processing,1988,41(2):233-260. 生导师.国家自然科学基金会信息部评 [13]BERNSEN J.Dynamic thresholding of grey-level images 议组成员，国家科技部科学技术奖评审 [C]//Proceedings of the 8th International Conference on 专家，国家科技部、国家教育部提名国 Pattern Recognition.Paris,1986:1251-1255. 家科学技术奖评审专家，国际EE高 作者简介： 级会员，中国人工智能学会常务理事， 黄腾，男，1986年生，硕士研究 上海市自动化学会模式识别协会主任，中国科学院自动化所 生，主要研究方向为图像处理分析与模 模式识别国家实验室、北京大学“机器感知与智能”教育部 式识别. 国家重点实验室学术委员.主要研究方向为图像处理、模式 识别及智能技术与系统。承担多项国家自然科学基金项目， 获国家、省、部级科技奖6项.在国内外重要期刊和会议上发 表学术论文60余篇 中国计算机学会会刊 欢迎订阅 《计算机辅助设计与图形学学报》 国内邮发代号：82-456 136页，大16开，月刊，定价38.00元/期，全年456.00元 《计算机辅助设计与图形学学报》以快速传播CD与计算机图形学的知识与经验为目的，刊登有创新的学术 论文，报导最新科技成果和学术动态，及时反映该领域的发展水平与发展方向.是我国CAD&CG领域第一个学术 期刊，为我国中文核心期刊，已被美国EI核心、英国SA及俄罗斯文摘杂志等国内外著名检索机构收录 主要栏目： 1.综述 2.计算机辅助几何设计 3.图形算法与技术 4.CAD/CAT/CAM/CG系统设计与应用技术 5.虚拟现实与计算机动画 6.图像与图形的融合 7.用户界面与多媒体技术 8.科学计算与信息可视化 9.VLSI设计与测试及电子设计自动化 10.可信计算与信息安全 11.系统集成与协同工作 编辑部： 通信地址：北京2704信箱《计算机辅助设计与图形学学报》编辑部邮编：100080 电话：(010)62562491 电子信箱：jcad@ict.ac.cn 主页：htp://jcad.ict.ac.cn,htp://www.jcad.cn
