Radon變換在車牌傾斜校正中的應(yīng)用

1、 1、引言在汽車牌照識(shí)別系統(tǒng)中,拍攝到傾斜的車牌在所難免,這主要是由于攝像機(jī)和車牌之間的相對(duì)位置不同所造成,從而給Radon變換在車牌傾斜校正中的應(yīng)用徐瑞西安歐亞學(xué)院信息工程系710065后續(xù)字符分割帶來不利的影響。另外,傾斜的車牌還會(huì)導(dǎo)致字符變形,給字符識(shí)別帶來困難,造成識(shí)別率的下降。因此,傾斜校正過程在車牌識(shí)別系統(tǒng)中至關(guān)重要。目前,已經(jīng)提出了許多關(guān)于車牌傾斜校正的算法。但它們中大部分都是基于對(duì)直線的檢測(cè),從而通過確定直線的角度來實(shí)現(xiàn)車牌傾斜校正,如:利用Hough變換檢測(cè)邊框直線的方法1-3;利用Karhunen-Loeve展開式推導(dǎo)垂直邊緣點(diǎn)特征直線的方法4;利用SOM神經(jīng)網(wǎng)絡(luò)聚類擬合直

2、線的方法5等。這類方法的主要缺點(diǎn)在于對(duì)直線的依賴性較強(qiáng),如果獲取的圖像因?yàn)樵肼暩蓴_或二值化操作而使直線特性不明顯,這樣算法的校正性能會(huì)大大下降。另一類是基于Radon變換的算法6,7,它們首先將車牌圖像朝各個(gè)方向投影,進(jìn)而通過分析各方向的投影特性確定車牌的傾斜角度,如:文獻(xiàn)6把Radon變換后最大峰值點(diǎn)對(duì)應(yīng)的角度作為車牌長(zhǎng)邊的傾斜角;而文獻(xiàn)7則認(rèn)為Radon變換的一階導(dǎo)數(shù)累加和的最大值對(duì)應(yīng)的角度是車牌的傾斜角度。這兩種方法在實(shí)際測(cè)試中都有較好的表現(xiàn),但這些判定準(zhǔn)備都來源于經(jīng)驗(yàn),缺乏一定的理論根據(jù),勢(shì)必會(huì)影響算法的通用性。本文同樣也是使用Radon變換實(shí)現(xiàn)車牌的傾斜校正,然而與上述兩種方法不同的

3、地方在于本算法判斷車牌傾斜角度的依據(jù)都是顯而易見的公理,因此具有更廣的適用范圍。它首先根據(jù)字符間間隙最大原則進(jìn)行垂直傾斜校正,然后利用車牌左右邊較短這一事實(shí)確定出水平傾斜角,進(jìn)而通過插值實(shí)現(xiàn)水平傾斜校正。2、Radon變換二維圖像f(x,y的投影是其在某一方向上的線積分,例如f(x,y在垂直方向上的二維線積分就是f(x,y在x軸上的投影;f(x,y在水平方向上的二維線積分就是f(x,y在y軸上的投影。推而廣之,可以沿任意角度計(jì)算圖像的投影。也就是說,任意角度上都存在圖像的Radon變換。如圖1說明了Radon變換的幾何原理。圖1Radon變換的幾何原理示意圖通常情況下,f(x,y的Radon變

4、換是一個(gè)平行于y軸的線積分:3、車牌傾斜校正算法車牌的傾斜方式主要有三種:一種是由于車牌旋轉(zhuǎn)一定角度造成的傾斜,此時(shí)車牌邊框仍為一個(gè)比較規(guī)范的矩形,即垂直傾斜;一種是由于在垂直方向上扭曲造成的傾斜,車牌邊框成為一個(gè)平行四邊形,即水平傾斜;第三種是前兩種情況的綜合,即垂直水平傾斜。自然相應(yīng)的校正算法也分為三類。但本文我們只討論一種最一般的情形,即車牌的垂直水平傾斜校正,并且假設(shè)在校正前車牌已經(jīng)被定位出且經(jīng)過二值化處理,如圖2(a所示。3.1車牌上下邊框的去除車牌上下邊框?qū)τ诒舅惴ǖ暮罄m(xù)操作是一個(gè)很大的障礙,因此應(yīng)首先將其去除。我們知道無論車牌是否被旋轉(zhuǎn)扭曲,它的上下邊界之間的距離始終是各種邊界距

5、離中最小的。這樣就可以使用Radon變換讓車牌在不同角度下投影,然后辨別x的取值范圍,也即R(x的非零值范圍,如果該范圍取最小值,則表明此時(shí)車牌的上下邊界已與水平面垂直,如圖2(b所示。在這種情況下,所謂的去除上下邊框?qū)嶋H上變成了去除左右兩條垂直線,這樣給邊框的去除帶來了極大的方便,故而接下來的操作將在圖2(b的基礎(chǔ)上展開。二值化后的車牌圖像僅剩黑、白兩部分,理想情況下背景為黑色,字符為白色。如果縱向掃描牌照?qǐng)D像,那么字符區(qū)域的黑白跳變頻繁,而背景區(qū)域則跳變較少。但在實(shí)際處理中,白色部分除了字符國家自然科學(xué)基金(theNationalNaturalScienceFoundationofChin

6、aunderGrantNo.60572151. 以外還包括邊框、鉚釘、污漬等,給后續(xù)的字符分割帶來不便。然而它們卻仍然滿足背景條件,即縱向掃描時(shí)的黑白跳變次數(shù)不多。這樣,我們可以根據(jù)跳變次數(shù)來判斷是否為字符區(qū),如果黑白跳變數(shù)目大于某先驗(yàn)閾值,則為字符區(qū);否則,為非字符區(qū)。圖2(c是圖2(a經(jīng)過該算法處理后的結(jié)果。3.2垂直傾斜校正針對(duì)車牌圖像可能既存在水平傾斜又存在垂直傾斜的最一般情形,本節(jié)首先對(duì)車牌進(jìn)行垂直傾斜校正,然后下一節(jié)在此基礎(chǔ)上再進(jìn)行水平傾斜校正,最終實(shí)現(xiàn)車牌圖像的有效復(fù)原。所謂垂直傾斜校正,即把車牌區(qū)域的兩條垂直邊規(guī)劃到與y 軸平行,如圖3(a所示。為不失一般性,我們假設(shè)旋轉(zhuǎn)中心為

7、(x 0,y 0,旋轉(zhuǎn)角度為,則把原圖像中的任意點(diǎn)(x,y轉(zhuǎn)換到(x,y 可以通過下式來描述:(3其中,逆時(shí)針旋轉(zhuǎn)為正。圖2車牌上下邊框的去除圖3車牌傾斜校正示意圖當(dāng)車牌進(jìn)行旋轉(zhuǎn)時(shí),不同旋轉(zhuǎn)角度的垂直投影上字符間的間隔都不同,其中總間隔取最大值的時(shí)刻對(duì)應(yīng)著車牌區(qū)域的兩條垂直邊與y 軸平行。這樣,垂直傾斜校正算法可以歸結(jié)為以下幾步:首先,使用Radon 變換對(duì)車牌圖像在一定角度范圍內(nèi)進(jìn)行投影;然后,計(jì)算每個(gè)角度上字符間空隙的投影為零的個(gè)數(shù),其中個(gè)數(shù)最多的角度即為垂直傾斜校正角度;最后,利用式(3按指定的角度旋轉(zhuǎn)原車牌圖像即可。3.3水平傾斜校正車牌區(qū)域經(jīng)過垂直傾斜校正以后將會(huì)呈現(xiàn)出如圖3(b或(

8、c實(shí)線部分所示的平行四邊形的形狀,而水平傾斜校正實(shí)際上就是建立起平行四邊形和虛線矩形上各點(diǎn)之間的聯(lián)系,因?yàn)樘摼€矩形即為校正后的車牌形狀。假設(shè)虛線矩形上任意一點(diǎn)(x,y以點(diǎn)(x 0,y為旋轉(zhuǎn)中心順時(shí)針旋轉(zhuǎn)角度后可以得到平行四邊形上的點(diǎn)(x,y,則它們的轉(zhuǎn)換關(guān)系如下:(4其中,0,180。這樣,水平傾斜校正算法可以分為以下三個(gè)模塊:(1、確定旋轉(zhuǎn)角度,即車牌上下邊界與x 軸正方向的夾角。阿使用Radon 變換對(duì)車牌圖像在一定角度范圍內(nèi)進(jìn)行投影,假設(shè)當(dāng)角度為時(shí),投影的非零值范圍最小,那么此時(shí)車牌的上下邊界定與y 軸平行,=+90(5其中,-90,90,順時(shí)針時(shí)為負(fù),逆時(shí)針時(shí)為正。(2、利用式(4建立起點(diǎn)(x,y和點(diǎn)(x,y之間的關(guān)系。這里,(6其中,r o u n d (表示四舍五入。(3、確定校正后的車牌圖像。由于上述矩形區(qū)域即為校正后的車牌范圍,那么其上各點(diǎn)(x,y的值要用它的對(duì)應(yīng)點(diǎn)(x ,y的值來代替,從而實(shí)現(xiàn)水平傾斜校正。4、實(shí)驗(yàn)結(jié)果我們采用120幅實(shí)拍的各式各樣傾斜車牌圖像來驗(yàn)證本算法的校正性能,實(shí)驗(yàn)結(jié)果表明校正效果的滿意度可達(dá)到98.75%。如圖4給出了垂直傾斜校正的效果圖。圖5則是本算法對(duì)圖2(c的最終校正結(jié)果。圖5車牌圖像的傾斜校正5、結(jié)論本文提出了一種新的基于Radon 變換的車牌傾斜校正算法,它與傳統(tǒng)的基于Ra