一種CIELab顏色空間中的車(chē)牌定位方法new上課講義

1、Good is good, but better carries it.精益求精，善益求善。一種CIELab顏色空間中的車(chē)牌定位方法new-一種CIELab顏色空間中的車(chē)牌定位方法鄭成勇(五邑大學(xué)數(shù)學(xué)物理系廣東江門(mén)529020)摘要：提出在CIELab顏色空間中對(duì)車(chē)牌照進(jìn)行分離，利用數(shù)學(xué)形態(tài)學(xué)及圖像連通體態(tài)分析提取出矩形區(qū)域，通過(guò)分析矩形區(qū)域的面積、寬高比及灰度階躍次數(shù)來(lái)確認(rèn)真實(shí)的車(chē)牌區(qū)域。對(duì)不同尺寸、白天和夜晚等多種條件下拍攝的圖像進(jìn)行黃底黑字和藍(lán)底白字車(chē)牌的定位實(shí)驗(yàn)表明，本文給出的各具體參數(shù)不因圖像尺寸而改變；算法對(duì)光照條件不敏感；車(chē)牌的準(zhǔn)確定位率較高。關(guān)鍵詞：車(chē)牌定位，CIELab，數(shù)學(xué)

2、形態(tài)學(xué)中圖分類(lèi)號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：AVehicleLicensePlateLocationinCIELabColorSpaceZhengChengyongCaoWensheng(Dept.ofMathematics&Physics,WuyiUniversity,Jiangmen,Guangdong,529020)Abstract:Thispaperattemptstoputforwardavehiclelicenseplatelocationtechniquewhichindependentofimagesizeandilluminationcondition.Wethresholdin

3、gsegmentethelicenseplateinCIELabcolorspace,andextractedcandidaterectangularregionsbymorphologyanalysisandimageconnectedcomponentsanalysis,whichwillbeverifiedbyitsarear,ratioofwidthtoheightandnumberofgrayleveljump.Experimentsarecarriedoutontwotypicallicenseplates:whitecharacterwithbluebackgroundandbl

4、ackcharacterwithyellowbackground,bothofwhichhavedifferentsizeandareshootedunderdaytonightcondition;theirresultsshowthatthespecificparameterspresentinthispaperwillnotbechangedwithimagesofdifferentsize,andthealgorithmisrobusttodifferientilluminationcondition,theaccuracyrateoflicenseplatelocationishigh

5、.Keyword:LicensePlateLocation,CIELab,Morphology1、引言車(chē)牌定位就是將車(chē)牌從復(fù)雜的背景中分割出來(lái)，其準(zhǔn)確度直接決定后續(xù)車(chē)牌字符的分割與識(shí)別的準(zhǔn)確性，是車(chē)牌識(shí)別系統(tǒng)(LPR)的關(guān)鍵。目前，國(guó)內(nèi)外已有許多的學(xué)者在這方面進(jìn)行大量的研究，大致可以分為：基于車(chē)牌顏色屬性的車(chē)牌定位方法1-4、基于車(chē)牌自身結(jié)構(gòu)和紋理特征的車(chē)牌定位方法5-8以及綜合結(jié)構(gòu)特征及顏色屬性的車(chē)牌定位方法9。本文屬于基于顏色提取的方法。文獻(xiàn)5-8直接對(duì)灰度圖像進(jìn)行垂直邊緣檢測(cè)，再進(jìn)行形態(tài)學(xué)連通處理，并對(duì)各連通區(qū)域進(jìn)行包括寬高比、灰度跳變次數(shù)、密度等分析，以確定車(chē)牌區(qū)域。這種方法在形態(tài)學(xué)連

6、通處理中容易形成無(wú)效粘連或斷裂，區(qū)域定位精度較低，對(duì)結(jié)構(gòu)算子比較敏感?；陬伾能?chē)牌定位方法目前主要以在RGB顏色空間1和HSV（或HIS）顏色空間為主2-4。但RGB顏色空間不具有進(jìn)行彩色圖像處理所需的獨(dú)立性和均勻性指標(biāo)，光照的變化對(duì)車(chē)牌定位精度影響較大；HSV（或HIS）顏色空間通過(guò)分離亮度、色度、飽和度，車(chē)牌的顏色特征以色度和飽和度表示，受光照條件的影響相對(duì)較小，但要用色度和飽和度來(lái)分離出特定顏色的車(chē)牌，閾值的選取仍然比較困難。CIELab（具體應(yīng)為CIE1976L*a*b*，以下簡(jiǎn)寫(xiě)為L(zhǎng)ab）顏色空間是由CIE(國(guó)際照明委員會(huì))于1976年制定的一種色彩模式，現(xiàn)在已成為世界各國(guó)正式采納

7、、作為國(guó)際通用的測(cè)色標(biāo)準(zhǔn)。它的三個(gè)基本坐標(biāo)分別表示顏色的亮度（L*,L*=0生成黑色而L*=100指示白色）、它在紅色品紅色和綠色之間的位置（a*負(fù)值指示綠色而正值指示品紅）以及它在黃色和藍(lán)色之間的位置（b*負(fù)值指示藍(lán)色而正值指示黃色）11。Lab顏色空間具有感知上的均勻性，與人們對(duì)顏色的感知非常接近10。我國(guó)的標(biāo)準(zhǔn)車(chē)牌由藍(lán)底白字、黃底黑字、白底黑字和黑底白字四種車(chē)牌組成，而其中又以藍(lán)底白字的最多，其次為黃底黑字。在Lab顏色空間中，由于藍(lán)色和黃色分居SKIPIF10分量的兩頭，從SKIPIF10分量的值就可以比較容易判斷出藍(lán)色還是黃色。實(shí)驗(yàn)表明，對(duì)SKIPIF1=1N2=1T35NoYesY

8、esYesNoNo滿(mǎn)足寬高比及面積檢驗(yàn)區(qū)域數(shù)N1滿(mǎn)足灰度階躍次數(shù)檢驗(yàn)區(qū)域數(shù)N2定位失敗結(jié)束圖1車(chē)牌定位流程圖2.2RGB顏色空間到Lab顏色空間的轉(zhuǎn)換由于無(wú)法直接從RGB顏色空間轉(zhuǎn)換到Lab顏色空間，需要先將RGB顏色空間轉(zhuǎn)換到XYZ顏色空間，然后再轉(zhuǎn)換到Lab顏色空間。從RGB顏色空間到XYZ顏色空間的轉(zhuǎn)換公式如下12：SKIPIF10從XYZ顏色空間到Lab顏色空間的轉(zhuǎn)換公式如下11：L=116f(Y/Yw)-16a=500f(X/Xw)-f(Y/Yw)b=200f(Y/Yw)-f(Z/Zw)其中SKIPIF10、SKIPIF10、SKIPIF10為CIE標(biāo)準(zhǔn)照明體的三刺激值（本文選取的標(biāo)

9、準(zhǔn)照明體為D65，相應(yīng)的SKIPIF10、SKIPIF10、SKIPIF10分別為95.04、100.00、108.8813），SKIPIF10。2.3Lab顏色空間的閾值分割將RGB圖像轉(zhuǎn)化為L(zhǎng)ab圖像后，其b分量的數(shù)值從-127過(guò)渡到+127，代表顏色從純藍(lán)色過(guò)渡至純黃色。而我國(guó)使用最多的兩種車(chē)牌底色即為藍(lán)色和黃色。實(shí)驗(yàn)表明，黃色點(diǎn)對(duì)應(yīng)的b分量一般會(huì)大于某一閾值SKIPIF10，而藍(lán)色點(diǎn)對(duì)應(yīng)的b分量則一般會(huì)小于-SKIPIF10，因而以SKIPIF10即可同時(shí)將圖像中的黃色和藍(lán)色區(qū)域分離出來(lái)。一般情況下，取閾值SKIPIF10=10即可較好地將藍(lán)色或黃色車(chē)牌區(qū)域分離出來(lái)，為提高定位精度，降

10、低漏檢率，本文采取多閾值試探的方法。取初始閾值SKIPIF10=10對(duì)b分量進(jìn)行閾值處理，若定位成功，則輸出車(chē)牌，否則令SKIPIF10，再次閾值分割，直到SKIPIF10為止。圖1為針對(duì)藍(lán)底白字車(chē)牌照在Lab顏色空間中對(duì)b分量進(jìn)行閾值分割的效果，從左至右分別為原圖、B(x,y)-10的二值化效果、B(x,y)10的二值化效果。圖2中黃色的前燈會(huì)對(duì)車(chē)牌提取造成一定的干擾，但只需通過(guò)候選區(qū)域的寬高比檢驗(yàn)即可檢測(cè)出真實(shí)的車(chē)牌區(qū)域。圖1藍(lán)底白字牌閾值分割效果圖2黃底黑字牌牌閾值分割2.4二值圖像形態(tài)學(xué)處理及連通標(biāo)記SKIPIF10設(shè)SKIPIF10為大小為SKIPIF10的全一結(jié)構(gòu)算子，SKIPIF

11、10為灰度圖像或元素為0，1的二值圖像，和SKIPIF10分別表示數(shù)學(xué)形態(tài)學(xué)中的腐蝕和膨脹運(yùn)算，以結(jié)構(gòu)算子SKIPIF10對(duì)圖像SKIPIF10進(jìn)行開(kāi)運(yùn)算和閉運(yùn)算分別定義為：開(kāi)運(yùn)算：SKIPIF10SKIPIF10；閉運(yùn)算：SKIPIF10=(SKIPIF10SKIPIF10)SKIPIF10SKIPIF10.利用水平結(jié)構(gòu)算子SKIPIF10對(duì)二值圖像SKIPIF10進(jìn)行形態(tài)學(xué)閉運(yùn)算，以融合圖像中的孔洞，設(shè)SKIPIF10；先后利用水平結(jié)構(gòu)算子SKIPIF10和垂直結(jié)構(gòu)算子SKIPIF10，對(duì)SKIPIF10進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算，以去除車(chē)牌區(qū)域中的背景噪聲，設(shè)為：SKIPIF10，SKIPIF10

12、。對(duì)二值圖像SKIPIF10中的各連通部分進(jìn)行8-連通標(biāo)記處理，標(biāo)記結(jié)果保存為SKIPIF10，設(shè)共有SKIPIF10個(gè)獨(dú)立的連通體，則SKIPIF102.5面積、寬高比檢驗(yàn)文獻(xiàn)7和文獻(xiàn)8均針對(duì)特定尺寸的圖像給出了車(chē)牌圖像寬高比的范圍估計(jì)，分別為2，5和3，15；實(shí)驗(yàn)發(fā)現(xiàn)，許多圖像中的車(chē)牌寬高比都會(huì)超出二者的范圍。本文通過(guò)對(duì)10多種不同尺寸的圖像的實(shí)驗(yàn)表明，車(chē)牌寬高比范圍約為SKIPIF10，其中SKIPIF10為原始圖像的寬高比。而圖像中車(chē)牌區(qū)域的寬度至少超過(guò)10個(gè)像素，因而其面積應(yīng)大于SKIPIF10。以SKIPIF10和SKIPIF10對(duì)候選區(qū)域進(jìn)行面積和寬高比檢驗(yàn)?zāi)芴蕴^大多數(shù)的偽車(chē)牌

13、區(qū)域。以SKIPIF10表示當(dāng)前已經(jīng)通過(guò)檢驗(yàn)的連通區(qū)域個(gè)數(shù)，SKIPIF10保存通過(guò)檢驗(yàn)的區(qū)域，若SKIPIF10，則表示點(diǎn)SKIPIF10屬于第SKIPIF10個(gè)通過(guò)檢驗(yàn)的區(qū)域。初始化SKIPIF10ForSKIPIF10ToSKIPIF10對(duì)第SKIPIF10個(gè)連通體進(jìn)行分析，確定其最小外接矩形塊的坐標(biāo)位置SKIPIF10；計(jì)算矩形塊的寬高比SKIPIF10=SKIPIF10及面積SKIPIF10；若SKIPIF10且SKIPIF10，則SKIPIF10；SKIPIF10EndFor2.6灰度階躍次數(shù)檢驗(yàn)通過(guò)2.4節(jié)面積及寬高比檢驗(yàn)，絕大多數(shù)偽車(chē)牌區(qū)域已經(jīng)被去除。實(shí)驗(yàn)表明，這一步大多數(shù)情況

14、下可以省略，對(duì)定位的準(zhǔn)確率影響不大。算法大致如下：1）在原始灰度圖象SKIPIF10中提取2.4節(jié)獲得通過(guò)的矩形區(qū)域SKIPIF10，記為SKIPIF10（SKIPIF10，SKIPIF10），以Sobel算子對(duì)SKIPIF10進(jìn)行垂直邊緣檢測(cè)，結(jié)果記為SKIPIF10。2）令SKIPIF10，求出SKIPIF10中間三行的灰度階躍次數(shù)的平均值，作為矩形區(qū)域SKIPIF10的階躍次數(shù)，記為SKIPIF1J，則通過(guò)檢驗(yàn)，否則檢驗(yàn)失敗。其中J為階躍次數(shù)的下界，一般而言，車(chē)牌7個(gè)字符產(chǎn)生的階躍次數(shù)應(yīng)大于等于7，所以本文取J=6。2.7結(jié)果輸出利用通過(guò)最后檢驗(yàn)的矩形區(qū)域?qū)⒃紙D像中的車(chē)牌截取出來(lái)，并將

15、圖像存盤(pán)。車(chē)牌的顏色可以通過(guò)2.2節(jié)中B(x,y)T還是B(x,y)-T來(lái)確定，前者對(duì)應(yīng)黃底黑子車(chē)牌，后者對(duì)應(yīng)藍(lán)底白字車(chē)牌。3、實(shí)驗(yàn)結(jié)果及分析本文的實(shí)驗(yàn)開(kāi)發(fā)工具為Matlab2006a，測(cè)試圖像包含220SKIPIF10100、320SKIPIF10240、352SKIPIF10288、640SKIPIF10480、800SKIPIF10600、2024SKIPIF10768、1280SKIPIF10960、1632SKIPIF101224等近10余種不同尺寸的圖像，共計(jì)185幅，其中黃底黑字車(chē)牌圖像45幅，藍(lán)底白字車(chē)牌圖像140余幅，部分車(chē)牌來(lái)自網(wǎng)絡(luò)，部分來(lái)自收費(fèi)站視頻截圖，部分來(lái)自作者數(shù)碼

16、相機(jī)拍攝所得。實(shí)驗(yàn)對(duì)45幅黃底黑字車(chē)牌圖像均實(shí)現(xiàn)準(zhǔn)確定位，準(zhǔn)確率達(dá)100%；140幅藍(lán)底白字車(chē)牌圖像的定位有2幅未能精確定位，有3幅漏檢?？偟臏?zhǔn)確定位率超過(guò)97%。部分測(cè)試效果如圖2至圖9所示。圖3-圖9分別列出的是部分典型的車(chē)牌定位效果圖，包含不同的圖像尺寸、不同的光照條件、不同的目標(biāo)背景對(duì)比度條件下的原始圖像、閾值分割圖像、形態(tài)學(xué)處理結(jié)果及最后的車(chē)牌提取圖像。圖3給出的是車(chē)牌退色時(shí)的定位效果，圖像大小220SKIPIF10100，分割閾值T=10，；圖5給出的是夜晚圖像及車(chē)牌定位效果，分割閾值T=15尺寸為352SKIPIF10288。對(duì)所有不同尺寸、不同條件下的圖像的車(chē)牌定位實(shí)驗(yàn)均采用2

17、.2節(jié)算法給出的參數(shù)。實(shí)驗(yàn)結(jié)果說(shuō)明，實(shí)際的分割閾值大多情況下取10即可，最大不超過(guò)30。圖3圖像大小220SKIPIF10100，分割閾值T=10圖4圖像大小320SKIPIF10240，分割閾值為T(mén)=10圖5夜晚圖像，分割閾值T=15尺寸為352SKIPIF10288圖6圖像大小366SKIPIF10271，分割閾值T=10圖7圖像大小640SKIPIF10480，分割閾值為T(mén)=-10圖8圖像大小1632SKIPIF101224，分割閾值T=15圖9圖像大小288SKIPIF10267，分割閾值T=254結(jié)論本文提出在Lab顏色空間中利用b分量進(jìn)行顏色分割，實(shí)現(xiàn)黃色車(chē)牌和藍(lán)色車(chē)牌的粗定位；利

18、用數(shù)學(xué)形態(tài)學(xué)及圖像連通體態(tài)分析提取矩形區(qū)域，通過(guò)分析矩形區(qū)域的面積、寬高比及灰度階躍次數(shù)來(lái)檢驗(yàn)真實(shí)的車(chē)牌區(qū)域；指出車(chē)牌的寬高比范圍約介于待處理圖像的寬高比的二到四倍之間，其面積應(yīng)大于待處理圖像寬高比的200倍；同時(shí)指出圖像中的車(chē)牌寬度和高度因圖像尺寸的不同并沒(méi)有明確的范圍。對(duì)多種不同尺寸、不同條件下的圖像的車(chē)牌定位實(shí)驗(yàn)結(jié)果表明了本文算法的有效性。針對(duì)在RGB顏色空間進(jìn)行車(chē)牌定位對(duì)光照變化敏感，在HSI顏色空間則需同時(shí)閾值化H、S分量且閾值難以確定等缺點(diǎn)，提出在CIELab顏色空間進(jìn)行車(chē)牌定位的新方法，該方法只需對(duì)CIELab顏色空間中的b分量進(jìn)行顏色分割，即可分理出藍(lán)色和黃色，方法簡(jiǎn)單有效。對(duì)不同尺寸、不同關(guān)照條件下的多種車(chē)牌圖像的定位實(shí)驗(yàn)證實(shí)了算法的有效性。參考文獻(xiàn)1陳斌,游志勝.車(chē)牌號(hào)碼顏色提取搜索方法.計(jì)算機(jī)應(yīng)用.2001,21(4):74-75.2王夏黎,周明全,耿國(guó)華.一種基于HSV顏色空間的車(chē)牌照提取方法.計(jì)算機(jī)工程.2004,30(17):133-135.3周澤華,潘保昌等.基于多顏色模型的車(chē)牌定位方法.微計(jì)算機(jī)信息.2007,23(1:,283-285.4傅一平,李志能,袁丁.基HSI空間的顏色算法提牌照識(shí)別的性能.計(jì)算機(jī)工程與設(shè)計(jì).2004,25(5):703-707.5J.Hsieh,S.YuandY.Chen,“Morphology-basedlicense