基于ICA的車牌牌照字符識別系統(tǒng)

1、武漢大學(xué)學(xué)報 (理學(xué)版)j . wuha n u niv. ( nat . sci . ed. )第 51 卷 第 s2 期2005 年 12 月vol . 51 no . s2dec . 2005 ,208210文章編號 :167128836 (2005) s220208203基于 ica 的車牌牌照字符識別系統(tǒng)丹 , 孫云蓮趙(武漢大學(xué) 電氣工程學(xué)院 ,湖北 武漢 430072)摘 要 : 介紹了基于 ica (獨立分量分析法) 的牌照識別系統(tǒng)的字符識別 . 為了提高字符特征提取的質(zhì)量 ,首先通過車牌圖像的預(yù)處理 ,然后采用了基于高階統(tǒng)計信息的特征提取方法 ,即 ica 對車牌灰度圖像的字

2、符進(jìn)行識別 .該系統(tǒng)避免了二值化對字符特征的影響 ,識別方法簡單 ,結(jié)果理想 .關(guān) 鍵 詞 : 車牌 ; 獨立分量分析法 ( ica) ; 字符識別中圖分類號 : t p 391 . 41文獻(xiàn)標(biāo)識碼 : a邊緣 ,在 - 10°10°內(nèi) ,以 1°遞增旋轉(zhuǎn)邊緣圖 ,用 ( 1)式計算圖像在水平方向上的投影值 h :h0引言車牌識別系統(tǒng) (l p r) 在交通監(jiān)控領(lǐng)域有多種應(yīng)用 ,可以實現(xiàn)不停車?yán)U費 、停車場管理 、被盜車的自 動捕獲等 . 它不需要人為的干涉就可以進(jìn)行數(shù)據(jù)的采集和處理 . 車牌自動識別技術(shù)主要包括車牌定位 和字符識別兩大部分 . 車牌字符識別子系統(tǒng)

3、處理的 是牌照的灰度圖像 . 由于拍攝的角度 、距離 、天氣等 原因 ,造成了車牌牌照圖像的傾斜 、模糊 、車牌字符 有缺損等 ,傳統(tǒng)的 o cr (光學(xué)字符識別) 在對其進(jìn)行二值化時字符的筆畫會有很多缺損或者粘連 .本文針對車牌字符識別問題 ,利用 ica (獨立分 量分析法) 方法 ,實現(xiàn)字符的識別. 提出的方法對字 符的灰度圖像進(jìn)行識別 ,避免了二值化處理.h () =ri ()( 1)i = 1其中 - 10°, 10° , h 為 車 牌圖 像的 高 度 , r ()i是水平邊緣圖像旋轉(zhuǎn) a 后第 i 行的投影值. 最大的h 值所對應(yīng)的角度就是要旋轉(zhuǎn)的角度, 得到

4、水平 傾斜校正后的車牌.對水平校正后的車牌圖像進(jìn)行上下位置精分割 后 , 再作垂直傾斜校正.用 prewit t 垂直模板求取垂直邊緣 ,在 - 10°10°內(nèi) ,以 1°遞增旋轉(zhuǎn)邊緣圖 , 得到垂直投影 , 記下每 度的投影值為 0 的列的個數(shù) n . 最大個數(shù) n 所對應(yīng) 的角度就是垂直傾斜角. 通過 ( 2) 式 , 計算出校正后像素的坐標(biāo) ( i ,j new ) ,i 不變 , 得到垂直傾斜校正后的車牌 , 如圖 2 所示.j + ( i - 1) t a n, > 01對車牌區(qū)域圖像的處理和字符分割j new =( 2)j + ( h - i)

5、t a n, < 01 . 1車牌區(qū)域圖像的精定位由于拍攝角度和車牌懸掛傾斜等原因造成車牌 圖像的傾斜 ,如圖 1 所示 . 這里用文獻(xiàn) 1 中的方法對車牌進(jìn)行水平傾斜校正和垂直傾斜校正 .具 體 方 法 如 下 : 用 prewit t 水 平 模 板 得 到 水 平圖 2 校正后的車牌圖像1 . 2車牌圖像預(yù)處理車牌圖像的灰度存在很大差別 . 為了在不同環(huán) 境下得到比較統(tǒng)一字符灰度 , 同時提高 ica 特征提0 ,x t1所以 ica 是很好的特征提取方法之一 .ica 和盲源信號分離 (bss) 問題密切相關(guān) ,都是 把觀察到的信號分解為未知的獨立信號的線性組合. 255 ( g

6、 ( i , j)t1 ) ,g( i , j) =-t1 < x <t2t2 - t1255 ,x t2( 4)x = as( 3) 其中 , g ( i , j) 為圖像在點 ( i , j ) 的灰度值 , g( i , j ) 為 拉伸后的圖像灰度值 . 本文利用直方圖統(tǒng)計圖像灰其中 x 是 n 維觀察信號矢量 , s 是 m 維假設(shè)成分相互獨立的隨機(jī)順序的矢量 , a 是待估計的 n ×m 混 合矩陣 ( m n) .t1255s = wx其中解混矩陣 w 是 a 的偽逆 .( 5)度分布 , 得到門限值 t1 、t2 , 滿足 hl= hl =l = 0l =

7、 t2t n . 其中 , t n 取車牌圖像像素個數(shù)的 1/ 12 . 結(jié)果如圖 3 所示 .對 ica 模型的估計 ,主要有非高斯的最大化 、互信息的最小化和最大似然函數(shù)等方法 ,文獻(xiàn) 5 介紹了多種基于非高斯最大化的獨立性度量準(zhǔn)則 ,本 文采用的是一種基于負(fù)熵的獨立性判決準(zhǔn)則和分離 算法 快速定點算法 ( fa st2ica) .2 . 2 漢字識別把樣本庫中的每個漢字模板 48 ×24 轉(zhuǎn)換成一 維矢量 xi 作為混合信號 x 的一行 , 樣本庫中有 n 個圖 3 對比度拉伸后的車牌圖像由于車牌字 符 灰度 相對 于 底牌 灰度 的 高低 未 知 , 要對字符灰度進(jìn)行統(tǒng)一 ,

8、 還需要進(jìn)一步的處理 . 本文采用文獻(xiàn) 2 中基于紋理的分割閾值選取方法 , 通過亮 、暗基元的長度的比較 , 得到字符灰度級別的 相對高低 , 對圖像灰度直方圖歸一化 .1 . 3 字符分割對處理后的車牌圖像垂直投影 , 得出圖像的直 方圖 , 確定分割閾值 t3 = u + k, 其中 u 為垂直投影直方圖的均值 ,為方差 , k 為設(shè)定的參數(shù) . 進(jìn)行分割得到 ch (i) . lef t ( 字符的左邊界) 、ch ( i ) . ri ght ( 字符 的右邊界) 、ch (i) . bwi dt h ( 字符與下一個字符的間 距) ,ch (i) . cwi dt h ( 字符的寬

9、度) . 判斷字符是否分裂或粘連 :對于 cwi dt h 大于平均字寬 k1 倍的視為 出現(xiàn)粘連 , 采用 p ea k2to2valley 方法 3 分割 ; 小于平均字寬 k2 倍的視為無效字 符 ; bwi dt h 小 于 平均 距 離且此距離與 cwi dt h 之和不大于平均字寬的 , 則合并為一個字符. k1 、k2 為設(shè)定的參數(shù) . 得到如圖 4 的 字符圖像 . 再對分割后的漢字字符圖像歸一化為 48×24 , 數(shù)字和字母圖像歸一化為 32 ×16 .n ×1 152, 用 fa st2ica 算法 對混 合 信號 x模板 , x rm 

10、15;1 152進(jìn)行獨立分量提取 , 得到獨立分量 s r和混n ×m合矩陣 a r , a 的行即為對應(yīng)字符的權(quán)重向量 .將每一幅待識別的字符投影到這個空間中去 , 即用 獨立分量的線性組合來表示 . 把待識別的字符轉(zhuǎn)換 成一維向量 f , 有( 6)f = a1 s1 + a2 s2 + a m s m其中 s1 , s2 , sm 為 m 個獨立分量 , 向量 a = a ( a1 ,a2 , a m ) 就是待識別字符在特征空間中的投影系數(shù) , 可以用 7 式求得 :( )a = f ×( s+ ) - 1( 7)其中 ( s + ) - 1 表示 s 矩陣的偽逆.

11、 有了投影系數(shù) , 就可以在特征空間設(shè)計分類器實現(xiàn)分類 .對 a 的模式判別可以用余弦判別法進(jìn)行判別 ,公式為 :a1×a2( 8)p = -a1 a2 圖 4 分割并歸一化后的字符圖像其中 a1 , a2 為進(jìn)行比較的向量 .因為混 合 矩 陣 a ( n ×m ) 相 對 圖 像 數(shù) 據(jù) ( n ×1 152) 已達(dá)到很 大 降維 , 也 可以 用 b p 神經(jīng) 網(wǎng)絡(luò) 進(jìn) 行字符模式識別.由于所采用的 ica 算法對車牌字符識別 , 是在 灰度圖像上進(jìn)行的 , 因而避免了圖像二值化對字符 造成的缺失或粘連 , 識別率得到提高. 待識別的漢字2 字符識別2 .

12、1ica 簡介本文采用 ica 4 對字符圖像進(jìn)行特征提取. 相 對于基于二階統(tǒng)計的 pca 而言 , ica 是 一 種基 于210武漢大學(xué)學(xué)報 ( 理學(xué)版)第 51 卷前對車牌區(qū)域的預(yù)處理 ,以利于后續(xù)字符圖像的識別 . 本文提出了基于 ica 算法的字符識別. 識別對 象在字符的灰度圖像上進(jìn)行 ,避免了字符圖像二值 化帶來的筆畫的斷裂或粘連. 在識別判斷時 ,只需比 較字符 的 投 影 , 速 度 更 快. 在 pc 的 平 臺 上 , 用 v c + + 編程 ,得到的結(jié)果理想 ( 識別時間 < 1 s) ,識 別率高.圖 5 待識別漢字字符2 . 3 字母數(shù)字識別本文所采用的字

13、母和數(shù)字樣本庫中的字符模板 為 32 ×16 .車牌中第 2 個字符為字母 ,將其大小歸一化為32 ×16 ,此處采用字母樣本庫 . 方法和 2 . 2 節(jié)的漢字 識別子系統(tǒng)相同 ,得到獨立分量 s 、混合矩陣 a 和待 識別字符的投影向量 a ,計算得到判別結(jié)果 . 第 3 和第 4 個字符為數(shù)字或字母 ,將其大小歸一化為 32 ×16 ,此處采用數(shù)字字母樣本庫 . 第 5 到第 7 個字符為 數(shù)字 ,將其大小歸一化為 32 ×16 ,此處采用數(shù)字樣 本庫. 同上得到判別結(jié)果 .對容易混淆的字符 ,如 8 和 b ,o ,d 和 q 等 ,還要進(jìn)行進(jìn)一

14、步判斷.參考文獻(xiàn) : 1 李文舉 ,梁德群 ,王新年 ,等 . 質(zhì)量退化的車牌字符分割方法 j . 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報 ,2004 ,16 ( 5) :6972700 .葉晨洲 ,楊 杰 ,宣國榮 . 車輛牌照字符識別 j . 上海 交通大學(xué)學(xué)報 ,2000 ,34 (5) :6722675 .yi l u. machine2printed cha racter segmentatio n : a noverview j . p at te rn reco g ni t i on , 1995 , 28 ( 1) , 67280 .co mo n p. independent co m

15、p enent a nalysi s j . s i g2n al p rocessi n g , 1994 ,36 (3) :2872314 .hyv?rinen a . fa st a nd ro bust fixed2poi nt algo2 rit hms fo r indep endent co mpo nent a nalysi sj . i e e e t rans act i ons on n e u ral n et w o rks , 1999 , 10 ( 3 ) : 6262634 . 2 3 4 3結(jié)論 5 本文具體討論了利用 ica 進(jìn)行車牌字符的自動識別. 對車牌

16、的傾斜進(jìn)行校正 、精定位和字符分割l icense plate character recogn ition system ba sed on icazhao dan , s un yun2l ian( school of elect rical engi neering , wuhan u niver sit y , wuha n 430072 , h ubei , china)abstract : thi s p ap er de scri be s t he cha ract er reco gnitio n mo dule ba sed o n i ndep e nde nt co mpo ne nt a nal2ysi s ( ica) . the met ho d of cha ract er f eat ure e xt ractio n i n t hi s p ap er ba sed o n t he hi gh2o r de r st ati stic s i m2 p ro ve s t he qualit y of f eat ure e xt ractio n . the app roac h of c ha rac