[发明专利]一种机动车牌号的识别方法

摘要

本发明涉及一种机动车牌号的识别方法，属于车牌识别技术领域。首先对含有车牌的输入图像进行中值滤波去噪，然后利用二值化处理和形态学处理方法进行多车牌区域的定位，然后对车牌区域逐个进行旋转矫正和去边缘处理，并利用垂直投影法进行字符切割，对切割得到的字符块进行进一步去边缘处理后，利用增强版模板匹配方法进行字符识别，从而实现快速准确的车牌识别。本发明方法提高了车牌定位的精度，实现了对车牌又快又准的定位。可以用于实时车牌识别系统中，处理高速数据流，同时具有很高的识别准确率，并且对于光照变化、雨雾影响、车牌模糊、字符断裂等恶劣条件具有一定鲁棒性。

主权项

1.一种机动车牌号的识别方法，其特征在于该方法包括以下步骤：（1）读入一张含有车牌的彩色图像或灰度图像，若该图像为彩色图像，则将其转化为灰度图像，记灰度图像为初始图像G；（2）利用中值滤波方法对初始图像G进行预处理，减弱椒盐噪声，得到预处理后的图像（3）利用二值化处理和形态学处理方法，从预处理后的图像中定位出车牌区域，得到预处理后的图像中所有车牌区域的集合{P_i}(i＝1,2,..,N),其中N为车牌区域的总个数，P_i为第i个车牌区域，具体步骤如下：（3-1）在预处理后的图像上进行边缘检测，得到预处理后的图像的边缘图像E，边缘图像E为二值图像，若边缘图像E中的像素点（x,y）的像素值为1，则该像素点（x,y）为边缘点，若像素点（x,y）的像素值为0，则该像素点（x,y）为非边缘点；（3-2）将边缘图像E中，与边缘图像E的边界相连接的边缘上的边缘点的像素值置为0，得到预处理后的边缘图像（3-3）定义一个宽为W1个像素点、高为H1个像素点的结构元素，对上述预处理后的边缘图像进行形态学闭运算，得到闭运算后的边缘图像E₁；（3-4）定义一个宽为W2个像素点、高为H2个像素点的结构元素，对闭运算输出边缘图像E₁进行形态学开运算，得到开运算后的边缘图像E₂；（3-5）定义图像中连通的像素点组成的集合为连通区域，按照开运算后的边缘图像E₂中所有像素值为1的像素点的连通性，对开运算后的边缘图像E₂中所有像素值为1的像素点进行划分，得到连通的像素点组成的连通区域，使边缘图像E₂中每个像素值为1的像素点与一个连通区域相对应；（3-6）对各连通区域进行判断，得到所有待识别机动车牌号所对应的连通区域的集合，判断步骤如下：（3-6-1）从步骤（3-5）的连通区域中取一个未判断过的连通区域A进行判断，若步骤（3-5）的连通区域中的所有连通区域都已经被判断过，则进行步骤（3-6-5）；（3-6-2）设定车牌对应的连通区域的宽高比为3～5.5，将连通区域A的边界框的宽高比与设定车牌区域的宽高比相比较，若连通区域A的边界框的宽高比大于设定车牌区域的宽高比的上限，或连通区域A的边界框的宽高比小于设定车牌区域的宽高比的下限，则判定连通区域A不是与车牌对应的连通区域，并进行步骤（3-6-1）；若连通区域A的边界框的宽高比小于等于设定车牌区域的宽高比的上限，或连通区域A的边界框的宽高比大于等于设定车牌区域的宽高比的下限，则判定连通区域A为拟定车牌对应的连通区域，并进行步骤（3-6-3）；（3-6-3）从预处理后的图像中，取出一个与连通区域A的边界框内的像素点相对应的灰度图像采用自适应阈值，将灰度图像二值化，得到一个二值化后的与连通区域A的边界框内的像素点相对应的二值图像B_A，设定一个与车牌对应的连通区域在水平方向上黑白交替的次数阈值，若二值图像B_A在水平方向上黑白交替的次数小于次数阈值，则判定连通区域A不是车牌对应的连通区域，并进行步骤（3-6-1），若二值图像B_A在水平方向上黑白交替的次数大于等于次数阈值，则判定连通区域A是拟定车牌对应的连通区域，并进行步骤（3-6-4）；（3-6-4）计算二值图像B_A内像素值为1的像素点数目占二值图像B_A内所有像素点数目的比例α，若α不在0.3～0.4之间，则判定连通区域A不是车牌对应的连通区域，若α在0.3～0.4之间，则判定连通区域A是车牌对应的连通区域，回到步骤（3-6-1），进行下一个连通区域的判断；（3-6-5）设所有车牌对应的连通区域的集合为{A_i}(i＝1,2,..,N),其中A_i为第i个车牌对应的连通区域，按顺序从连通区域的集合{A_i}中取出与每个车牌相对应的连通区域A_i的边界框，对边界框内的像素点在预处理后的图像内对应的像素点，进行二值化处理，得到一个像素点集合P_i，记像素点集合P_i为车牌区域，从而得到所有车牌区域的集合为{P_i}(i＝1,2,..,N),其中P_i为第i个车牌区域；（4）对上述车牌区域P_i进行旋转矫正和去边缘处理，得到处理后的车牌区域具体步骤如下：（4-1）利用边缘检测算子，从车牌区域P_i中提取与车牌区域P_i对应的二值边缘图像E_Pi，计算二值边缘图像E_Pi的拉冬（Radon）变换，从变换得到的矩阵中得到矩阵峰值，与矩阵峰值相对应的角度θ为车牌区域P_i的旋转角度θ，根据车牌的旋转角度θ对车牌区域P_i内所有像素点进行反向旋转θ角，得到粗略旋转矫正后的车牌区域P_i1；（4-2）去除车牌区域P_i1中上下左右边界处像素点的像素值恒定的条带，得到初步紧缩的车牌区域P_i2；（4-3）将初步紧缩的车牌区域P_i2中的每一行像素点的像素值进行求和，设第m行像素点的像素值之和为S_m，按序号m从小到大的次序对S_m进行排序，得到S_m的第一个极大值S_m0，设与S_m0相对应的行号为m₀，对上述初步紧缩的车牌区域P_i2中的第1～m₀行中像素值为1的像素点进行一次多项式拟合，根据一次多项式的斜率k得到初步紧缩的车牌区域P_i2的倾斜角根据倾斜角对初步紧缩的车牌区域P_i2内所有像素点进行反向旋转，得到精细旋转矫正后的车牌区域P_i3；（4-4）去除车牌区域P_i3中的上下左右边界处像素点像素值恒定的条带，得到二次紧缩的车牌区域P_i4；（4-5）利用插值方法，对二次紧缩的车牌区域P_i4进行比例缩放，使得车牌区域高为设定个数像素点H，比例缩放后得到一个处理后的车牌区域（5）采用垂直投影法，对上述处理后的车牌区域进行字符分割处理，计算处理后的车牌区域在垂直方向上的二值投影图，并寻找波谷点，从波谷点处对整个车牌进行字符分割，得到7个字符块，去除每个字符块中上下左右边界处像素点的像素值恒定的条带，得到紧缩后的字符块，并将紧缩后的字符块利用插值方法缩放至即宽个像素点，高H个像素点，得到待识别的字符块；（6）采用增强版的模板匹配方法，对上述待识别的字符块进行字符识别，具体实施步骤如下：（6-1）从上述待识别的字符块中取一个待识别的字符块C_ij，将该待识别的字符块C_ij等分为四块区域，将每一块区域内的像素点排成一个列向量，并将与四块区域相对应的四个列向量接连起来，构成一个该待识别字符块C_ij的特征向量（6-2）采集车牌样本图片，对车牌中可能出现的每个字符，从样本图片中手动标注相应字符块，并将字符块尺寸缩放按照步骤（6-1）中的方法进行特征向量提取，将所有字符的特征向量保存为一个字典D，每一个特征向量为字典D中的一个基；（6-3）采用迭代阈值选择投影算法(Iterative Threshold-Selective Projection algorithm)，求解上述C_ij的特征向量在字典D下的最稀疏的解向量解向量的每一个分量ω_ij-k表示C_ij的特征向量在字典D中第k个基的权重；（6-4）计算二范数意义下字典D中每个基按与对应的权重ω_ij-k进行比例缩放后的向量与C_ij的特征向量之间的距离d_ij-k，设距离d_ij-k中的最小距离为d_ij-k0，与该最小距离d_ij-k0对应的字典D中的基为所对应的字符即为待识别的字符块C_ij所表示的字符；（6-5）重复步骤（6-1）-（6-4），直至处理后的车牌区域中所有待识别的字符块均识别完毕；（7）重复步骤（4）-（6），直至车牌区域的集合{P_i}(i＝1,2,..,N)中所有车牌区域均已处理完毕，输出识别结果。