一種基于LBP紋理的車牌定位方法.doc

精品論文大集合一種基于 lbp 紋理的車牌定位方法張凡，景曉軍，孫松林 北京郵電大學(xué)信息與通信系，北京 (100876) e-mail: 摘要：車牌定位作為車牌識別系統(tǒng)中一個重要的環(huán)節(jié)，定位算法的好壞直接影響到識別的效果。紋理特征是反映圖像內(nèi)容的重要特征之一。車牌部分的文字具有豐富的紋理特征。本 文提出了一種基于 lbp(localbinarypattern)紋理特征的車牌定位方法。lbp 算子通過刻 畫圖像像素局部鄰域內(nèi)灰度的變化來描述圖像的紋理結(jié)構(gòu)特征。lbp 算子有基本和擴(kuò)展兩 種形式。實驗中，首先用擴(kuò)展的 lbp 算子得到車牌紋理圖，按后進(jìn)行二值化，最后用投影 法進(jìn)行定位。實驗表明，將 lbp 算子應(yīng)用于車牌定位，能夠比較準(zhǔn)確地搜索車牌文字區(qū)域， 實現(xiàn)定位。關(guān)鍵詞：紋理特征；lbp 算子；車牌定位 中圖分類號：1.引 言在車輛牌照識別系統(tǒng)中，核心問題在于識別牌照中的文字目標(biāo)，而其關(guān)鍵又在于提取文 字目標(biāo)所在的區(qū)域。目前，人們已提出許多可以用于車牌分割的特征，常見的有：車牌的幾何特征，形狀特 征1，車牌區(qū)域的灰度分布特征，邊緣灰度直方圖統(tǒng)計特征2，字符格式排列特征3，等等?；诓煌卣鞯亩ㄎ凰惴ǎ鋮^(qū)分度和抗干擾能力有很大的區(qū)別。本文綜合考慮了各種 算法的優(yōu)勢以及缺點，提出了基于 lbp 紋理特征的定位方法。2.1 紋理特征紋理特征是反映圖像內(nèi)容的重要特征之一。是對圖像的像素灰度級在空間上的分布模式 的描述，包含圖像的表面信息及其周圍環(huán)境的關(guān)系。多年來，研究者們建立了許多紋理算法以測量紋理特征。主要有統(tǒng)計法，結(jié)構(gòu)法，模型 法等。統(tǒng)計法是對像素的空間分布信息進(jìn)行統(tǒng)計，這類方法有共生矩陣法，laws 紋理能量 法等；結(jié)構(gòu)法主要是分析紋理基元的分布規(guī)則；模型法先假設(shè)出紋理分布模型，如分形模型， 隨機(jī)場模型等，再由圖像確定出模型參數(shù)。本文使用的 lbp 紋理算子，屬于統(tǒng)計法。2.2 lbp 算子ojala t4提出了 lbp(local binary pattern,局部二值模式)作為紋理算子來分析紋理特征。 通過刻畫圖像像素局部鄰域內(nèi)灰度的變化來描述圖像的紋理結(jié)構(gòu)特征。lbp 對一個區(qū)域內(nèi)的中心像素和相鄰像素的差值選取合適的閾值進(jìn)行二值化，從而得到 局部二元圖。lbp 特征突出的優(yōu)點是對灰度變化不敏感而且計算快速簡單，近來在人臉識 別，背景建模等計算機(jī)視覺應(yīng)用鄰域表現(xiàn)出良好的性能。基本的 lbp 如下圖：圖 1 基本的 lbp 算子- 5 -15 是中心點像素，將其 3*3 鄰域內(nèi)的 8 個像素值與之比較，大于 15 的取值為 1，小于15 的取值為 0。(1 1 0 0 1 0 0 0 ) ( 2 0 0 )2 1 0最后用得到的值 200 代替中心點的像素值 15。 為了描述大尺度下的紋理結(jié)構(gòu)，該算子推廣到不同鄰域大小。使用圓形鄰域以及對于像素的線性插值，將算子擴(kuò)展到任意半徑以及任意鄰域像素個數(shù)。像素的局部區(qū)域用 ( p, r ) 來描述， r 為中心像素與其相鄰像素的距離，反映了紋理在空間上的分辨率， p 為鄰域像素的數(shù)目。通過不同的 ( p, r ) 來獲得目標(biāo)在多尺度下的紋理描述。p 1p=lb pp , r y s g g 2c p = 0pc s ( x ) = 1 ( x 0 ( x th )th )圖 2 擴(kuò)展的 lbp 算子其中， g 表示中心點 y 的像素值， g 表示以 y 為中心點，半徑為 r 的圓環(huán)上的第c cpcp 個等分點的灰度值，對于那些不能落在精確位置的像素點進(jìn)行灰度值內(nèi)插。上述的 lbp 方法描述紋理計算簡單，通用性強(qiáng)。但是不能很好地表現(xiàn)平坦區(qū)域內(nèi)的紋理， 因為平坦區(qū)域中，中心點的像素值和周圍像素值非常接近，這樣會給二值化過程帶來問題， 所以設(shè)置比較的閾值 th 而不是 0，另外閾值還可以消除一部分噪音的影響。3.基于 lbp 車牌定位的算法流程（1） 對圖像進(jìn)行預(yù)處理，若本身是 256 級灰度圖，則不用，若是 24 位真彩圖，則轉(zhuǎn) 換成 256 級灰度圖。本實驗直接采用灰度圖 3。圖 3 原始灰度車牌圖（2） 對原始圖像進(jìn)行 lbp 算子處理，得到具有紋理特征的新圖。實驗中選擇擴(kuò)展的lbp 算子，( p , r ) =(8,2),根據(jù)實驗的結(jié)果，選取比較閾值為 th=4。得到的紋理圖如圖 4。圖 4 lbp 后得到的紋理圖（3） 用一初始閾值 t 對圖像進(jìn)行二值化得到二值化圖像。常用的二值化方法有直方 圖統(tǒng)計法，固定門限法，動態(tài)閾值法，抖動矩陣二值化等。由于在光照較弱的情 況下車牌圖像的光照程度很不均勻，車牌字符與底色的對比度偏低，所以采用動 態(tài)閾值法5。算法如下：(0)g min + g max（a）閾值的初始值為g=2，其中g(shù) min，g max分別為灰度的最大值和最小值。gk( k )（b） 根據(jù)閾值將圖像分割成目標(biāo)和背景兩部分，求出兩部分的平均灰度值：gg(i , j )gg (i, j ) n (i, j )=k0g (i , j )gg (i, j ) n (i, j )g1 =g(i , j )gn (i, j )k其中，g (i, j ) 為圖像 (i, j ) 點上的灰度值， n (i, j ) 為 (i, j ) 點的權(quán)重系數(shù)，這里取 為整個圖像上 g (i, j ) 的個數(shù)。g 為閾值。（c）求出新的閾值（d） 如果gk +1= g kk +1 g 0 + g1g=2則結(jié)束，否則 k k + 1 ，轉(zhuǎn)（b）。二值化后的圖像如圖 5圖 5 動態(tài)閾值分割后的二值圖（4） 定位車牌區(qū)域。利用垂直投影法6檢測車牌垂直位置，利用水平投影法檢測車牌 水平位置。得到車牌的四角坐標(biāo)。如圖 6 所示圖 6 得到四角坐標(biāo)圖（5） 根據(jù)（4）得到的車牌區(qū)域，利用區(qū)域的 4 個頂點坐標(biāo)，截取原圖像，得到車牌 圖像。截取后的原圖如圖 74.實驗結(jié)果分析圖 7 提取的車牌實驗選取了 100 幅在不同光照，傾斜程度下的車牌圖像，經(jīng)過上述算法處理，對車牌定位的準(zhǔn)確率達(dá)到 85%。5.結(jié)束語在車牌定位的各種算法中，由于定位條件的不同，導(dǎo)致定位質(zhì)量不同。紋理方法對光 照，傾斜，變形等不敏感，適用與車牌定位。本文采用基于紋理模式的方法，首先用 lbp 算子得到紋理圖，然后進(jìn)行二值化，最后通過投影法得到車牌區(qū)域。但是本算法也有一定 的缺點，對圖像的清晰度要求較高。參考文獻(xiàn)1 梁棟,高雋,付啟眾,等.基于形狀特性和反 hough 變換的車牌區(qū)域定位與重建j. 計算機(jī)應(yīng)用,2002,22（5）:4347.2 郭捷,施鵬飛.基于顏色和紋理分析的車牌定位方法j ,中國圖像圖形 a,2002,7（5）:472476.3 林純青,徐立亞,戚威虎.汽車圖象只能中字符目標(biāo)的提取算法j.上海交通大學(xué)學(xué)報,1998,33（10）:13.4 ojala t,pietuainen m,hawood d.a compaative study of textures with classfication based on feature distributionsj.pattern recognition,1996,29（1）:5159.5 王濤,全書海.基于改進(jìn) sobel 算子的車牌定位方法j.微機(jī)計算機(jī)信息,2008,24（5-1）:313.6 應(yīng)宏微,姚明海,張水平.基于紋理分析和垂直投影的車牌定位算法j.控制工程,2004,11（5）:432435j.a license plate location method based on lbp texturezhang fan, jing xiaojun, sun songlindepartment of information and telecommuniation system,beijing university of posts andtelecommunication,beijing (100876)abstractwith license plate location a key part of license plate identification system,location calculation methodhas a big influence on the effect of identification.texture is one of the most impotant character of the images.the character sector of the license plate has abundant texture information. the author proposes a new method of license plate location based on lbp texture.the lbp arithmetric opraters describe the texture of a image by the change of grayness in a local distict.there are two forms of lbp arithmetric opraters,t