朱亚萍，邱锦山，杨成忠

(杭州电子科技大学浙江省物联感知与信息融合技术重点实验室，浙江 杭州 310018)



基于改进连通域算法的车牌字符分割方法

朱亚萍，邱锦山，杨成忠

(杭州电子科技大学浙江省物联感知与信息融合技术重点实验室，浙江 杭州 310018)

摘要：为了解决车牌字符分割中不连通汉字分割、粘连字符分割以及竖直边框干扰等问题，提出了一种基于改进连通域算法的车牌字符分割方法.采用改进的连通域算法并结合车牌尺寸的先验知识进行车牌字符的粗分割，运用二分投影法实现了车牌字符的细分割，有效地结合了改进的连通域算法与传统的二分投影法.实验结果证明，改进后的算法能较好地解决上述在字符分割中存在的问题，具有较高的实用性.

关键词：车牌；字符分割；连通域

0引言

现代交通管理系统智能化是智慧城市的一个重要发展方向，而汽车牌照自动识别系统是其不可或缺的一环[1].车牌字符的准确分割是车牌字符正确识别的前提.车牌字符分割主要存在3个难点，分别为汉字不连通、多字符粘连、竖直边框噪声干扰.对车牌字符进行分割的常用方法有投影法、连通域法、静态边界法.文献[2]使用的投影法速度快，可以解决多字符粘连，但是不能很好地解决汉字不连通问题.文献[3]使用的连通域法可以有效地分割连通的字符，但是标记算法需要扫描两遍像素点，运行速度慢，而且对汉字不连通问题也不能很好地解决.文献[4]使用的静态边界法可以解决汉字不连通问题，但是对车牌图像质量要求高.针对上述分割方法的不足以及字符分割存在的难点，本文在研究连通域算法的基础上，结合车牌尺寸的先验知识，提出了一种改进的连通域字符分割算法.

1车牌字符分割算法的流程

在车牌识别系统中，对车牌进行精确定位及图像预处理后，车牌的字符需要进行逐个分割，以便于下一步进行识别.基于连通域算法的车牌字符分割算法通常会采用由粗到精的字符分割思想[5].

算法流程如下：

1)车牌图像预处理.对校正后的车牌图像进行光照不均校正、对比度增强、二值化处理以及尺寸归一化，预处理能有效地克服车牌图像中存在的噪声干扰；

2)车牌字符粗分割.粗分割通常是采用基于连通域算法的车牌字符分割方法，对经过预处理后的车牌图像进行第一步分割；

3)车牌字符细分割.细分割算法采用的是二分垂直投影法[6]，可以解决字符粘连的问题，确保整个字符分割算法的可靠性.

2连通域算法的改进

图1　连通区域的邻域模板

图像的连通区域是指具有同一像素值并且像素点位置关系符合某种规则的区域.像素点位置关系通常考虑4-邻域和8-邻域，其邻域模板如图1所示.p为目标像素点，在二值图像中，p的像素值为1,4-邻域选取p的上、下、左、右4个点，8-邻域除了选取4-邻域的点外，还包括左上、右上、左下、右下4个点.连通域算法用于将图像中的各个连通区域找出并将属于同一区域的像素点标记为同一标记值.本文采用常用的4-邻域进行连通域算法的研究.

2.1传统的连通域算法

传统的连通域算法通常需要两次扫描车牌图像进行区域的标记.首先，对车牌图像按行进行像素点的扫描，扫描时赋予每个像素点位置一个label，第一遍扫描后，通常会出现属于同一连通区域的点被标记为多个不同label的现象.因此，车牌图像需要进行第二遍按行扫描，消除同一连通区域被分别标记的现象.

传统的连通域算法虽然能准确分割出连通的字符，但是需要对二值图像进行两次扫描，在同一连通域重复性标记较多的情况下，该方法的执行效率较低；并且传统的算法没有考虑车牌图像存在不连通汉字和竖直边框的情况.

2.2改进的连通域算法

本文针对传统连通域法的缺陷和车牌字符分割存在的难点，对传统的连通域算法进行改进，改进的连通域算法流程如图2所示.首先，采用种子填充算法进行连通域像素点的标记，实现了单遍扫描车牌图像，相对于传统连通域标记法的两遍扫描，标记效率提高；然后，在分割连通字符的过程中，采用车牌尺寸先验知识进行校验，去除竖直边框噪声的干扰；最后，根据汉字在车牌图像中的特殊位置，分割出汉字，有效处理了汉字的不连通性问题.

图2　改进的连通域算法流程图

2.2.1基于种子填充算法的连通域标记

相对于传统方法的两次遍历图像，本文把种子填充法引入到连通区域的标记中，实现了单次遍历图像标记连通区域.车牌图像经过预处理后，字符区域的像素值为1，所以本文选取1作为种子.本文标记连通区域的基本步骤：

1)对车牌图像进行按行扫描，当像素点的灰度值与种子相等时，赋予该像素点一个label，接着把与该点符合4-邻域并且灰度值与种子相等的所有点存入栈中；

2)取出栈顶的像素点，在该点上赋予其相同的label，再把与该点符合4-邻域并且灰度值与种子相等的所有点存入栈中；

3)重复步骤2，直到栈为空；

4)重复执行步骤1，直到车牌图像被完整扫描一遍.

2.2.2连通字符的分割

车牌图像的噪声在预处理阶段无法完全去除，噪声区域会形成独立的连通域.尤其在预处理阶段车牌图像的竖直边框噪声没有被完全去除时，会被误认为是数字“1”，字符分割的正确率受到影响.本文改进了传统连通域字符分割方法，在分割连通区域时采用车牌尺寸的先验知识，当区域的宽高比小于先验知识字符的宽高比，或者区域中白色区域占整个矩形区域的比例小于先验知识的比例，以上均视为不是字符区域，在分割过程中丢弃不符合条件的连通区域.

连通的数字和字母的分割结果如图3所示.图3(b)为使用传统连通域算法分割的结果，分割出的连通区域存在竖直边框噪声区域，传统的方法并不能很好地处理这种情况.从图3(c)中可以看出，改进后的算法能有效地去除竖直边框噪声的干扰.

图3　连通字符的分割

2.2.3汉字字符的分割

车牌图像中的第一个字符通常由多个区域组成，这些区域都是不连通的，如“苏”、“浙”等.针对上述的问题，本文改进了传统的连通域车牌字符分割算法.车牌的尺寸在图像预处理阶段进行了归一化，在分割连通区域字符的过程中，记录下车牌第二个字符的起始位置Lsec，并根据已分割出字符的平均宽度Wagv，确定出汉字字符的起始点Lch=Lsec-Wagv，利用文献[4]的静态边界法对汉字进行分割.

经过预处理后的车牌图像如图4(a)、图4(b)所示.图5(a)、图5(b)是利用传统连通域算法分割的结果，由于图4(a)、图4(b)中都存在汉字字符不连通问题，并且图4(a)中边框与汉字字符粘连.使用传统连通域方法进行分割时，连通的字符被很好地分割出来，但是不连通的汉字“苏”被分为两部分，而且图5(a)中分割出的汉字与边框相连；图6(a)、图6(b)是使用改进的连通域算法分割后的结果，从图6中明显看出，改进的连通域算法能很好地解决汉字的不连通问题，同时也解决了边框与汉字粘连的问题.字符粗分割分别采用改进后的连通域算法和传统的连通域算法，细分割统一采用二分垂直投影法.图7选取了一幅具有代表性的车牌图像，存在汉字不连通和竖直边框问题，而且车牌字符“F”、“M”粘连在一起.对比图8与图9可以看出，改进后的连通域算法准确地分割出不连通的汉字和连通的单独字符，而且有效去除了竖直边框噪声的干扰，使得车牌图像经过细分割后，最终得到正确的车牌字符.

图4　预处理后的车牌图像

图5　传统算法分割结果图

图6　改进算法分割结果图

2.3算法的比较

图7预处理后的车牌图像

图8　改进连通域算法的字符分割

图9　传统连通域算法的字符分割

4实验结果与分析

本文选取了200幅倾斜校正成功的车牌图像作为实验数据库，选用CPU主频为2.27 GHz，内存为2 GB的PC机，在Visual Studio 2010平台下进行验证实验.

实验1改进的连通域标记法与传统连通域标记法的效率对比.

分别采用本文改进的连通域标记算法和传统的连通域标记算法，对实验数据库中的车牌图片进行连通域的标记，比较这两种标记算法的效率.实验结果如表1所示，从算法的耗时对比可以看出，本文的算法缩短了连通域标记的时间，具有较高的效率.

实验2本文完整算法与传统垂直投影法、传统连通域法的实验对比.

为了比较算法的分割准确率，本文分别采用文献[2]的传统垂直投影法、文献[3]的传统连通域法、本文完整算法，对实验数据库中的车牌图片进行字符的分割.实验结果如表2所示.通过表2的比较可知，与传统垂直投影法和传统连通域法相比较，本文完整的字符分割算法提高了车牌字符分割的准确率.

表1　连通域标记效率对比测试

表2　字符分割对比测试

5结束语

本文对传统的连通域算法进行改进，并将改进的算法与传统的二分垂直投影法相结合.第一级粗分割利用改进的连通域算法，提高了连通域标记的效率，对不连通的汉字字符进行了准确分割，去除了竖直边框噪声的干扰；运用二分垂直投影法进行第二级字符细分割，对粘连的字符进行了有效分割.本文算法弥补了传统字符分割方法的不足，解决了字符分割存在的难题.

参考文献

[1]YOON Y W,BAN K D,YOON H,et al.Blob extraction based character segmentation method for automatic license plate recognition system[C]//Systems,Man,and Cybernetics (SMC), 2011 IEEE International Conference on.Anchorage,AK:IEEE,2011:2192-2196.

[2]瞿中,李梦露,常庆丽,等.退化车牌字符的两级分割算法研究[J].计算机工程与设计,2013,34(7):2465-2469.

[3]甘玲,林小晶.基于连通域提取的车牌字符分割算法[J].计算机仿真,2011,28(4):336-339.

[4]顾弘,赵光宙,齐冬莲,等.车牌识别中先验知识的嵌入及字符分割方法[J].中国图象图形学报，2010,15(5):749-756.

[5]MIAO L G.License Plate Character Segmentation Algorithm Based on Variable-Length Template Matching[C]//Signal Processing,2012 IEEE 11th International Conference on.Beijing:IEEE,2012:947-951.

[6]迟晓君,孟庆春.基于投影特征值的车牌字符分割算法[J].计算机应用研究,2006,23(7):256-257.

License Plate Character Segmentation Method Based on Improved Connected Domain Algorithm

ZHU Yaping, QIU Jinshan, YANG Chengzhong

(KeyLabofIoTandInformationFusionTechnologyofZhejiangProvince,HangzhouDianziUniversity,HangzhouZhejiang310018,China)

Abstract：In order to solve the problems of the disconnected character segmentation, adhesion character segmentation and vertical border interference in license plate character segmentation, a kind of license plate character segmentation method based on the improved connected domain algorithm is proposed in this paper. Coarse-grained segmentation is conducted on license plate characters by combining the improved connected domain algorithm and prior knowledge of license plate size. Besides, the fine-grained segmentation of license plate characters is achieved with the help of binary projection method and the method effectively combines the improved connected domain algorithm and traditional binary projection method. The experimental results show that the improved algorithm can solve the above problems in character segmentation more effectively and it has higher practicability.

Key words：license plate; character segmentation; connected domain

DOI：10.13954/j.cnki.hdu.2016.02.010

收稿日期：2015-06-23

基金项目：国家自然科学基金资助项目(61427808)

作者简介：朱亚萍(1962-)，女，江苏张家港人，教授，检测技术与自动化装置.

中图分类号：TP391

文献标识码：A

文章编号：1001-9146(2016)02-0048-04