專利名稱：基于字符輪廓和模板匹配的車牌字符分割算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機視覺領(lǐng)域，特別是一種基于字符輪廓和模板匹配的車牌字符分割算法。
背景技術(shù)：
智能交通系統(tǒng)(ITS)可以有效地解決交通擁堵、交通事故、環(huán)境污染等難題，車牌識別技術(shù)是智能交通系統(tǒng)的核心，其發(fā)展水平影響著智能交通系統(tǒng)的發(fā)展。字符分割是車牌識別技術(shù)中較為關(guān)鍵的模塊，分割的好壞直接影響車牌識別率。常用的字符分割算法有:垂直投影法、模板匹配法、連通區(qū)域法。當前的字符分割算法主要基于垂直投影分割算法。由于車牌區(qū)域的字符間存在間隙，所以車牌區(qū)域的垂直投影呈現(xiàn)連續(xù)的峰、谷、峰分布，這些波谷就是字符的分割點。但是，由于拍攝的圖像受到各種環(huán)境因素的影響，常常會引起字符粘連和字符斷裂，而垂直投影法通常只能分割理想環(huán)境中的車牌字符，無法準確地分割字符粘連和字符斷裂的情況，對復雜環(huán)境的適應性差。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種對車牌定位精度較差、光照強弱引起的字符粘連、字符斷裂、字符模糊有很好的適應性的基于字符輪廓和模板匹配的車牌字符分割算法。實現(xiàn)本發(fā)明目的的技術(shù)解決方案為:一種基于字符輪廓和模板匹配的車牌字符分割算法，包括以下步驟:步驟一:根據(jù)原圖像對比度采用自適應灰度拉伸對圖像進行增強；步驟二:提取字符邊緣:采用基于HSV顏色空間對車牌圖像上每個像素的顏色進行判斷，確定車牌顏色，然后使用拉普拉斯算子檢測出字符邊緣，并采用經(jīng)典的全局動態(tài)二值化方法:0tsu算法找出一個合適的閾值對圖像進行二值化，將圖像劃分為前景和背景兩個部分；步驟三:利用車牌區(qū)域的整體字符的“峰-谷-峰”交替出現(xiàn)的特征，得出字符的高度，同時對圖像的上下邊框進行去除，再根據(jù)標準字符的高寬比，由字符的高度，得到字符的寬度；步驟四:在黑底白字的車牌邊緣圖像中，提取邊緣完整的獨立普通字符，分離粘連的字符，提取斷裂的字符和類“ I ”字符，每一步提取后去除相應的字符，并對提取的字符進行二次確認；步驟五:利用車牌的顏色判斷出使用哪一種車牌樣式模板，在模板匹配過程中首先獲取車輛模板字符寬度，由提取到的字符的平均寬度作為基礎(chǔ)，在此基礎(chǔ)上減2，減1，加1，加2，用5個字符寬度可以得到5個不同大小的模板，用這5個不同大小的字符模板在提取到的字符上移動作匹配，求出匹配度最大的模板。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點:本發(fā)明提出了一種基于字符輪廓和模板匹配的車牌字符分割方法。綜合分析復雜的自然環(huán)境中的車牌可能出現(xiàn)的各種情況，如背光的車牌對比度很差、強烈光照下的車牌有些過曝、部分污損車牌的字符斷裂或粘連、速度較快的車輛的車牌會有些模糊、很多車牌含有金屬邊框易引起字符與金屬邊框粘連等，傳統(tǒng)投影法對字符粘連、對比度較差的車牌圖像分割效果較差，而且受邊框和二值化的影響比較大，抗干擾能力差。本發(fā)明算法很好地解決了由于車牌邊框、鉚釘、光照強弱、車牌污損等各種因素引起的字符粘連、字符斷裂帶來的字符分割問題。本發(fā)明提出的字符分割算法具有很好的魯棒性，很強的實用性。下面結(jié)合附圖對本發(fā)明作進一步詳細描述。


圖1是本發(fā)明字符分割流程2是本發(fā)明提取字符流程3是本發(fā)明灰度拉伸前的灰度圖；圖4是本發(fā)明灰度拉伸后的灰度圖；圖5是本發(fā)明邊緣檢測后的車牌圖；圖6是本發(fā)明二值化后的車牌圖；圖7是本發(fā)明去除邊框用于估計字符高度的車牌圖；圖8是本發(fā)明普通字符的車牌圖；圖9是本發(fā)明與邊框粘連的情況的示意圖；圖10是本發(fā)明“I”字符示意圖；圖11是小型汽車車牌、大型汽車前牌、領(lǐng)館汽車車牌、港澳出入境車車牌、教練汽車車牌、軍用汽車車牌的模板示意圖；圖12是大型汽車后牌、掛車車牌的模板示意圖；圖13是使館汽車車牌的模板示意圖；圖14是公安汽車車牌的模板示意圖；圖15是本發(fā)明小型汽車字符分割的效果圖。
具體實施方式
:如圖1所示:本發(fā)明一種基于字符輪廓和模板匹配的車牌字符分割算法，包括以下步驟:步驟一:根據(jù)原圖像對比度采用自適應灰度拉伸對圖像進行增強；步驟二:提取字符邊緣:采用基于HSV顏色空間對車牌圖像上每個像素的顏色進行判斷，確定車牌顏色，然后使用拉普拉斯算子檢測出字符邊緣，并采用經(jīng)典的全局動態(tài)二值化方法:0tsu算法找出一個合適的閾值對圖像進行二值化，將圖像劃分為前景和背景兩個部分；步驟三:利用車牌區(qū)域的整體字符的“峰-谷-峰”交替出現(xiàn)的特征，得出字符的高度，同時對圖像的上下邊框進行去除，再根據(jù)標準字符的高寬比，由字符的高度，得到字符的寬度；步驟四:在黑底白字的車牌邊緣圖像中，提取邊緣完整的獨立普通字符，分離粘連的字符，提取斷裂的字符和類“I”字符，每一步提取后去除相應的字符，并對提取的字符進行二次確認，如圖2所示；步驟五:利用車牌的顏色判斷出使用哪一種車牌樣式模板，在模板匹配過程中首先獲取車輛模板字符寬度，由提取到的字符的平均寬度作為基礎(chǔ)，在此基礎(chǔ)上減2，減1，加1，加2，用5個字符寬度可以得到5個不同大小的模板，用這5個不同大小的字符模板在提取到的字符上移動作匹配，求出匹配度最大的模板。步驟四的具體步驟為:在黑底白字的車牌邊緣圖像中，存在完整的獨立字符、粘連的字符和斷裂的字符，分步進行字符提取，每一步提取后去除相應的字符，通過字符輪廓可以得到輪廓的最小外接矩形，輪廓的最小外接矩形反應字符的尺寸，字符輪廓分為兩類:普通字符和類“I”字符；(I)提取邊緣完整的獨立普通字符將高度接近估計的字符高度，并且高寬比接近標準字符高寬比的字符提取到普通字符類別中；(2)分離粘連的字符通常字符的粘連的情況有:字符與字符的粘連，字符與上下邊框的粘連，字符與左右邊框的粘連；對字符的最小外接矩形寬度是字符估計寬度的1.5倍以上的情況進行處理:1、優(yōu)先處理字符與上下邊框的粘連:這種粘連可能是多個字符與邊框的粘連，而字符與字符之間存在明顯的間隙，字符的間隙在二值化圖像的垂直方向上為連續(xù)的黑色，其長度接近或大于字符估計的高度，找到字符間隙即可分離出字符；I1、然后處理字符與字符的粘連，這種情況通常不存在字符之間的空隙，所以只能強行分割； II1、最后處理字符與左右邊框的粘連，左右邊框在二值化圖像的垂直方向上為連續(xù)的白色，去除一部分，降低其影響即可，避免傷及字體部分；(3)提取斷裂的字符有些模糊的字符在邊緣檢測后，部分邊緣是斷裂的，需要對斷裂的邊緣之間進行區(qū)域生長，邊緣之間連接成功后，提取滿足普通字符尺寸的字符；(4)提取類“I”字符首先提取“I”字符，但是字符“I”可能是字符“J”、“L”、“T”斷裂而產(chǎn)生，因此需要對“I”字符進行空間擴展，頂部和底部進行區(qū)域生長搜索，如果滿足“J”、“T”、“L”中的輪廓形狀，將其提取為普通字符；如果滿足“ I ”輪廓，將其提取為“ I ”字符。步驟一中所述的自適應灰度拉伸，在圖像增強中，圖像拉伸是增加圖像對比度的一個好方法，灰度拉伸公式:
權(quán)利要求
1.一種基于字符輪廓和模板匹配的車牌字符分割算法，其特征在于:包括以下步驟: 步驟一:根據(jù)原圖像對比度采用自適應灰度拉伸對圖像進行增強； 步驟二:提取字符邊緣:采用基于HSV顏色空間對車牌圖像上每個像素的顏色進行判斷，確定車牌顏色，然后使用拉普拉斯算子檢測出字符邊緣，并采用經(jīng)典的全局動態(tài)二值化方法=Otsu算法找出一個合適的閾值對圖像進行二值化，將圖像劃分為前景和背景兩個部分； 步驟三:利用車牌區(qū)域的整體字符的“峰-谷-峰”交替出現(xiàn)的特征，得出字符的高度，同時對圖像的上下邊框進行去除，再根據(jù)標準字符的高寬比，由字符的高度，得到字符的寬度； 步驟四:在黑底白字的車牌邊緣圖像中，提取邊緣完整的獨立普通字符，分離粘連的字符，提取斷裂的字符和類“ I”字符，每一步提取后去除相應的字符，并對提取的字符進行二次確認； 步驟五:利用車牌的顏色判斷出使用哪一種車牌樣式模板，在模板匹配過程中首先獲取車輛模板字符寬度，由提取到的字符的平均寬度作為基礎(chǔ)，在此基礎(chǔ)上減2，減1，加1，加·2，用5個字符寬度可以得到5個不同大小的模板，用這5個不同大小的字符模板在提取到的字符上移動作匹配，求出匹配度最大的模板。
2.根據(jù)權(quán)利要求1所述的一種基于字符輪廓和模板匹配的車牌字符分割算法，其特征在于:步驟四的具體步驟為:在黑底白字的車牌邊緣圖像中，存在完整的獨立字符、粘連的字符和斷裂的字符，分步進行字符提取，每一步提取后去除相應的字符，通過字符輪廓可以得到輪廓的最小外接矩形，輪廓的最小外接矩形反應字符的尺寸，字符輪廓分為兩類:普通字符和類“I”字符； (1)提取邊緣完整的獨立普通字符 將高度接近估計的字符高度，并且高寬比接近標準字符高寬比的字符提取到普通字符類別中； (2)分離粘連的字符 通常字符的粘連的情況有:字符與字符的粘連，字符與上下邊框的粘連，字符與左右邊框的粘連； 對字符的最小外接矩形寬度是字符估計寬度的1.5倍以上的情況進行處理: ·1、優(yōu)先處理字符與上下邊框的粘連:這種粘連可能是多個字符與邊框的粘連，而字符與字符之間存在明顯的間隙，字符的間隙在二值化圖像的垂直方向上為連續(xù)的黑色，其長度接近或大于字符估計的高度，找到字符間隙即可分離出字符； I1、然后處理字符與字符的粘連，這種情況通常不存在字符之間的空隙，所以只能強行分割； II1、最后處理字符與左右邊框的粘連，左右邊框在二值化圖像的垂直方向上為連續(xù)的白色，去除一部分，降低其影響即可，避免傷及字體部分； (3)提取斷裂的字符 有些模糊的字符在邊緣檢測后，部分邊緣是斷裂的，需要對斷裂的邊緣之間進行區(qū)域生長，邊緣之間連接成功后，提取滿足普通字符尺寸的字符； (4)提取類“I”字符首先提取“ I ”字符，但是字符“ I ”可能是字符“ J”、“L”、“T”斷裂而產(chǎn)生，因此需要對“I”字符進行空間擴展，頂部和底部進行區(qū)域生長搜索，如果滿足“J”、“T”、“L”中的輪廓形狀，將其提取為普通字符；如果滿足“ I ”輪廓，將其提取為“ I ”字符。
3.根據(jù)權(quán)利要求1所述的一種基于字符輪廓和模板匹配的車牌字符分割算法，其特征在于:步驟一中所述的自適應灰度拉伸，在圖像增強中，圖像拉伸是增加圖像對比度的一個好方法，灰度拉伸公式:
全文摘要
本發(fā)明公開了一種基于字符輪廓和模板匹配的車牌字符分割算法，由于車牌邊框、鉚釘、光照強弱、車牌污損等各種因素的影響，引起字符粘連、字符斷裂等不利情況，針對車牌的字符內(nèi)容是固定的，利用字符的輪廓特征對有限的字符進行分類，利用區(qū)域生長和局部二值化方法在輪廓周圍搜索字符，對找到的字符進行自適應模板匹配，尋找誤差最小的模板對字符進行重新分割，利用模板補充剩余字符以及去除偽字符。本發(fā)明對不同光照下的大量車牌進行分割，平均字符分割正確率為97.3%，具有很好的魯棒性，在現(xiàn)實中有很強的實用性。
文檔編號G06K9/34GK103198315SQ20131013529
公開日2013年7月10日 申請日期2013年4月17日 優(yōu)先權(quán)日2013年4月17日
發(fā)明者張毅, 柏連發(fā), 陳錢, 顧國華, 韓靜, 岳江, 查志強, 閆敏敏 申請人:南京理工大學