[发明专利]一种车牌字符分割方法

说明书

技术领域

本发明属于智能交通方面的车牌识别技术领域，具体地说，是涉及一种车牌字符分割方法。

背景技术

随着各国公路建设的迅速发展和汽车数量的不断增加，交通管理的任务日趋繁重，利用计算机汽车车牌识别技术，自动检测与识别汽车车牌号在现代交通监控中具有非常重要的作用。车牌检测与识别技术是数字图像处理与模式识别技术在智能交通(Intelligent Transportation System，ITS)领域中的重要研究课题之一，其对智能交通系统的发展和交通业的发展起着重要的推动作用，更具有广阔的市场前景。

如图1所示，车牌检测与识别技术分为四个步骤：车牌定位、车牌校正、字符分割和字符识别。车牌字符分割是车牌检测与识别技术中的重要组成部分，只有有效地完成分割才能进一步提取出目标字符特征并进行识别。

目前常用的车牌字符分割方法有投影法、连通域法和聚类分析法等。其中，投影法是目前最常用的车牌字符分割方法，其思想是根据字符的特点，把二值化后的车牌图像进行垂直方向的投影。因为字符的像素点多而集中，且每个车牌字符之间有一定的空隙隔开。这样投影下来得到的投影图像应该有七个相对集中的投影峰值群，然后根据峰值间的最低点进行分割就可得到车牌的字符。由于字符块在竖直方向上的投影不仅在字符间取得局部最小值，而且在字符内的间隙也能取得局部最小值，因此传统的投影分割方法很容易把汉字分割成两部分或者三部分，导致分割错误。另外，车牌左右边框和二三字符间的间隔点也都会干扰到投影分割，导致分割错误；且对不同光照条件下所拍摄图像中字符分割效果差，抗干扰能力差。

连通域法是将图像水平线上的目标像素作为起始点，通过区域生长提取出图像中包含这些初始点的全部连通域。由于车牌中的字母和数字都是一笔写成的，即只包括一个连通分支，因此每个连通域即为一个字符，图像中剩余部分(区域生长过程中没有访问过的部分)将作为噪声去除。该方法对于去除噪声干扰要求很高，因为字符和车牌边缘粘连的现象十分普遍(特别是通过第二和第六字符处的铆钉)，这将导致把多个字符作为一个字符提取，导致分割错误。另外，许多汉字在二值化后包括多个连通域，而数字和字母在二值化后会出现笔划断裂的现象，因此用此方法会丢失部分字符信息，字符分割很容易发生错误。

聚类分析法是利用模式识别中聚类分析算法来实现车牌字符分割。它能较好地解决汉字不连通的问题，较好地解决了车牌字符分割中存在的噪声干扰，车牌磨损造成字符粘连等问题。另外，其通过改变预设类心的坐标，可以较好地处理一些新式车牌。但是该方法的程序逻辑设计复杂，循环嵌套较多，实时处理时间过长。同时为了提高预设类心的精度，对车牌的宽度有一定的限制。

可见现有技术车牌字符分割方法存在诸多缺陷：传统投影法和连通域法受车牌背景的影响较大，当车牌字符受到污染时其分割错误率很高，从而直接影响到后面的车牌字符识别；而聚类分析法则虽能克服一些稍复杂的背景，但是其计算量大，对计算机的速度要求比较高；执行时间长，比较耗时，且对于宽边距车牌图像，容易将边距分割成字符，造成误判。

故，实有必要进行研究，提供一种具有良好的实时性，计算复杂度低，能从复杂车牌背景中准确分割出字符的技术方案。

发明内容

为解决上述问题，本发明的目的在于提供一种具有良好的实时性，计算复杂度低，能从复杂车牌背景中准确分割出字符的车牌字符分割方法。

为实现上述目的，本发明的技术方案为：

一种车牌字符分割方法，包括如下步骤：

S10：车牌倾斜校正；

S11：车牌上下边框去除；

S12：车牌字符分割；

S13：字符大小归一化。

进一步地，所述步骤S10包括有如下步骤：

S100：对已经定位得到的原始灰度车牌图像进行Canny边缘检测；

S101：对已完成Canny边缘检测的车牌图像使用概率Hough变换检测直线，并计算出车牌的倾斜角度；

S102：根据步骤S101所得到的车牌倾斜角度对原始灰度车牌图像进行相应角度的旋转，以得到水平灰度车牌图像。

进一步地，所述步骤S11包括有如下步骤：

S110：对步骤S102中得到的水平灰度车牌图像使用Otsu阈值法进行二值化，得到二值车牌图像；

S111：利用灰度跳变法去除二值车牌图像的车牌上下边框。

进一步地，所述步骤S12包括有如下步骤：

S120：对去除车牌上下边框后的二值车牌图像进行垂直投影后再进行粗分割；