基于车牌颜色特征的改进车牌定位算法研究与实现

摘 要：汽车牌照识别主要包括图像预处理、车牌定位、字符分割和字符识别四大模块。本文对图像预处理和车牌定位两个模块进行了深入研究，并提出了相应的改进方法。本文提出了一种基于局部最优化思想的图像预处理方法。该方法是基于彩色图像的预处理方法，同时基于局部最优化的思想弥补了传统方法的劣势，能够更好地解决光照不均问题。车牌定位采用一种改进的“扫描线法”，把颜色跳变视为特征点，算法根据车牌字符区域特征点密集的特点来定位车牌区域。

关键词：车牌定位；彩色图像；局部最优化

中图分类号：TP391.41

汽车牌照识别系统（License Plate Recognition System，简称LPR）是智能交通系统的一个重要组成部分，能够应用于很多交通管理场合，如道路交通流监控、交通事故现场勘查、高速公路自动收费系统等。汽车牌照识别系统主要包括四个部分，分别是：图像采集、车牌定位、车牌字符分割、车牌字符识别[1]，其中车牌定位部分在整个系统中起着十分重要的作用。

目前，国内外的专家和学者们对车牌定位做了很多研究，主要的定位技术包括：（1）基于纹理特征的车牌定位法[2]。该方法对光照不均匀、车牌倾斜等情况的鲁棒性较强，但是对复杂背景的鲁棒性较差。（2）基于神经网络的定位方法[3]。该方法在进行定位前需要收集大量图像样本进行训练，样本的特点对最终定位结果影响很大。（3）基于数学形态学的定位方法。该算法的准确性过于依赖于结构元素大小，结构元素过大或过小都会严重影响定位结果[4]。（4）基于颜色空间特征的车牌定位方法[5]。该方法利用车牌的底色和字体颜色不同的特征进行车牌区域的定位，当车身颜色和车牌颜色相同时，定位成功率低。

本文提出了一种基于颜色特征的改进车牌定位方法，该方法利用车牌的颜色特征，综合利用RGB颜色模型和HSV颜色模型的特点，利用一种局部最优化思想，通过把图像划分为多个固定区域，把每个固定区域的颜色划分为黄色、蓝色、黑色、白色以及其他颜色，并通过一种改进的行扫描方法，利用车牌区域的颜色跳变特征，得到车牌区域的准确位置。实验表明，本方法能够实现高准确率、高精确度的车牌定位。

1 图像预处理

1.1 颜色模型选择

常用的颜色模型有RGB、HSV、CMY、YIQ等[6]。为了实现对颜色的准确分类，要求采用的颜色模型能够满足独立性和均匀性[7]，HSV颜色模型在一定程度上能够满足独立性和均匀性，RGB颜色模型易于区分白色和黑色，根据车牌颜色特征，本文不仅使用HSV颜色模型，而且使用RGB颜色模型，从而达到更好的颜色区分效果。

1.2 图像颜色预处理

1.2.1 车牌颜色统计

颜色直方图是对颜色信息的一种统计，能够很好地反映区域的颜色信息，通过计算车牌区域的H，S，V颜色分量的直方图，得到车牌区域的H，S，V分量值的范围，利用H，S，V分量值的范围能够区分车牌区域和非车牌区域。

通过对大量不同条件的图片进行统计分析，确定出蓝底白字车牌、黄底黑字车牌（没有考虑红色车牌）的H，S，V分量值的具体范围。如表1所示。

1.2.2 改进的颜色预处理方法

传统颜色预处理方法是对图像区域的每一个像素点使用表格1中的阈值进行颜色判断，根据阈值范围把该像素点划分为蓝、黄、白、黑，或者灰色。即实现图像的预处理。

本文提出的一种改进的颜色预处理方法，通过定义滑动窗口滑过整个图像区域，对每个滑动窗口内的颜色进行分类，从而达到更精确的分类效果，主要步骤如下：（1）计算出滑动窗口内所有像素点的H、S、V分量值的均值的标准差σ，若σ大于阈值thre表明矩形内有两种颜色，执行步骤（2）；若σ小于阈值thre，表明矩形内只有一种颜色，执行步骤（3），通过实验，发现thre取0.1比较合适。（2）根据表1中定义的H分量的范围，判断当前像素属于黄色车牌还是属于蓝色车牌，如果当前像素点属于黄色车牌，则根据表1中V分量的范围划分为黄色和黑色；如果当前像素点属于蓝色车牌，则计算其和黑色的颜色相似度，区分其是“蓝白”还是“黑白”像素点，再分别通过表1中的V分量的范围划分为蓝色（白色）或者黑色（白色）；对于既不属于黄色车牌又不属于蓝色车牌的像素点，则根据V分量的值划分为白色点或者黑色点或者灰色点；（3）在RGB颜色模型中，可以容易把当前像素点区分为“没有彩色”和“有彩色”两类，对“没有彩色”的像素点，在RGB颜色模型中区分为白色或者黑色，对“有彩色”的像素点，在HSV颜色模型中区分为蓝色或者黄色，对“没有彩色”像素点，对其进行灰度化，如果灰度值大于200，则为白色，小于60，则为黑色，否则为灰色；对“有彩色”像素点，根据表1中H分量的范围区分为蓝色或者黄色。

2 改进的扫描线法车牌定位

扫描线法进行车牌粗定位主要是通过统计每一行包含的车牌区域特征点（以蓝白车牌为例，为蓝白跳变点），当一行包含多个车牌区域特征点是便为一个车牌区域行，当在某一块区域内有大量车牌区域行时，表示找到一个车牌区域，区域边界作为车牌的上下边界，通过车牌的宽高比便可以得到车牌区域的左右边界。

扫描线法容易出现车牌区域扩大的情况，本文提出了一种改进的扫描线车牌定位方法，该方法在扫描线法得到的上下边界的基础上，通过迭代得到最终的上下左右边界：（1）缩小上下左右边界，记上下左右边界组成的矩形区域为R，并迭代等幅扩展上下左右边界；（2）统计第i次扩展后新R内的特征点所占的比例记为ratoi；（3）比较第i次的ratoi和第i-1次的ratoi-1，当值增幅很小时，表示找到边界，停止迭代；否则，继续迭代。

3 实验结果

通过对600幅蓝色车牌车身不是蓝色、400幅蓝色车牌车身是蓝色、50黄色车牌的图片进行测试，发现本文提出的方法定位准确率非常高，对于蓝色车牌车身不是蓝色的情况，系统定位准确率可以达到99%；对于蓝色车牌车身是蓝色的情况，也能达到93.4%的定位率；黄色车牌识别率达到94%。

4 结束语

本文基于车牌的颜色特征，提出了一种基于颜色的车牌定位方法，通过改进的颜色预处理方法以及改进的扫描线法对车牌进行定位，通过大量实验发现，本文的方法较传统方法有较大优点，定位准确率高、定位速度快，定位结果满意。

参考文献：

[1]Chang Shayang-Lih，Chen Li-Shien.Automatic License Plate Recognition[J].IEEE Trans on Intelligent Transportation Systems，2004，05（01）：42-53.

[2]黄艳国，赵书玲，许伦辉.基于纹理特征和颜色匹配的车牌定位方法[J].微电子学与计算机，2011（09）：123-126.

[3]邱立达，刘天健.基于蚁群算法的仿生模式识别神经网络构造方法[J].闽江学院学报，2013（02）.

[4]周律，汪亮.基于固定颜色搭配搜索和形态学的车牌定位[J].公路交通科技，2013（05）.

[5]程增会，戴祥，唐大鹏.一种基于HIS和YUV颜色模型的车牌定位方法[J].计算机应用与软件，2011（12）：132-135.

[6]王向慧，刘文光.颜色模型浅析[J].科技信息，2010.

[7]施润身，赵青.改进的关联规则采掘算法及其实现[J].同济大学学报，1990（02）：222-225.

作者简介：钟至智（1989-），女，浙江杭州人，硕士研究生，从事图像处理的研究；宋雨（1958-），男，河北保定人，教授，从事电力软件系统架构及软件工程的研究。

作者单位：华北电力大学，河北保定 071003