復(fù)雜背景下的快速車牌識(shí)別技術(shù)研究

《復(fù)雜背景下的快速車牌識(shí)別技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、復(fù)雜背景下的快速車牌識(shí)別技術(shù)研究車牌定位算法分析1.基于灰度圖像的車牌定位方法1.1基于邊緣檢測(cè)的車牌定位方法1.1.1通過(guò)字符邊緣特征定位首先利用邊緣檢測(cè)算子提取車牌字符邊緣，再對(duì)字符邊緣進(jìn)行形態(tài)學(xué)連接,獲得車牌候選區(qū)域，然后采用投影方法去除偽車牌。優(yōu)點(diǎn)：有效地去除非邊緣噪聲，可以快速定位含有多個(gè)車牌的圖像；缺點(diǎn)：難以去除邊緣密集的偽車牌，而且無(wú)法定位污染嚴(yán)重的車牌圖像。1.1.2通過(guò)檢測(cè)車牌的外邊框定位首先利用邊緣檢測(cè)算法提取車牌邊框位置，然后用Hough變換算法檢測(cè)肓線,確認(rèn)外邊框的上下左右四條邊位置就確定了車牌在圖像中的位置。1.2基于紋理特征的車

2、牌定位方法利用車牌區(qū)域的灰度跳變特征，對(duì)圖像進(jìn)行水平方向的掃描,找到灰度變化滿足車牌區(qū)域灰度變化規(guī)律的車牌線段，對(duì)已經(jīng)找到的可能存在車牌的區(qū)域進(jìn)行垂直方向的掃描，找到連續(xù)若干行均存在車牌線段，通過(guò)對(duì)連通區(qū)域的尺寸分析,滿足車牌的寬高比，由此確定一個(gè)車牌區(qū)域。缺點(diǎn)：灰化和二值化的闕值問(wèn)題，傾斜車牌定位問(wèn)題1.3基于投影法的車牌定位方法首先對(duì)車牌圖像進(jìn)行二值化，由于車牌區(qū)域存在明顯的劇烈的字符與背景的灰度跳變,將跳變次數(shù)投影到垂直軸上，那么車牌區(qū)域?qū)?yīng)的垂直軸上會(huì)有一個(gè)明顯的峰值，這樣可以得到車牌的上下邊界。然后對(duì)上下邊界內(nèi)的區(qū)域進(jìn)行水平投影,字符區(qū)域會(huì)出現(xiàn)明

3、顯的峰值，這樣可以得到車牌的左右邊界。缺點(diǎn)：無(wú)法準(zhǔn)確定位復(fù)雜環(huán)境下的車牌2.基于彩色圖像的車牌定位方法首先利用彩色邊緣檢測(cè)算子Color-Prewitt檢測(cè)字符邊緣，并用數(shù)學(xué)形態(tài)學(xué)方法連接各個(gè)邊緣，最后利用車牌的先驗(yàn)知識(shí)，確定車牌位置。缺點(diǎn)：車牌底色不同。受自然光照變化影響，車牌圖像色度變化范圍大1.基于字符邊緣特征的車牌定位方法3.1粗定位釆用簡(jiǎn)單方法的車牌粗定位方法獲取邊緣密集的車牌候選區(qū)域，再采用復(fù)雜方法的車牌定位去除偽車牌區(qū)域。3.1.1灰度變換把需要處理的RGB圖像轉(zhuǎn)換為YUV(視頻數(shù)據(jù))圖像中的Y分量灰度圖像。轉(zhuǎn)換公式:Y二0.299*R+0.

4、587*G+0.114*53.1.2邊緣檢測(cè)(1)梯度算子梯度算子是一階導(dǎo)數(shù)算子，圖像的梯度是鄰域灰度值的差分，圖像中灰度值變化劇烈處的梯度值較大,圖像中灰度值變化輕微處的梯度值較小。表1梯度算子算子模板1模板20110Robert-100-1■■■■■■-101-1-1Prewitt-101000-101111—-10r■-1-2Sobei一■202000-101121—模板簡(jiǎn)單，邊緣定位準(zhǔn)確，但對(duì)嗪聲敏感。對(duì)噪聲冇一定的抑制作用，但檢測(cè)出的邊緣有一定程度的斷開(kāi)。對(duì)噪肖有抑制作用，對(duì)邊緣檢測(cè)較準(zhǔn)確，可以提取邊緣的方向信息。(2)拉普拉斯(Laplacia

5、n)算子拉普拉斯邊緣檢測(cè)算子是二階導(dǎo)數(shù)算子，通過(guò)鄰域內(nèi)各個(gè)點(diǎn)的灰度值的差分來(lái)實(shí)現(xiàn)。該算子無(wú)法提供邊緣方向，是一個(gè)與邊緣方向無(wú)關(guān)的邊緣算子,這在一定程度上可以有效地檢測(cè)出全部圖像邊緣，但其缺點(diǎn)是對(duì)圖像噪聲比較敏感。0-10-14-10-10-1-1—1一1-1-1兩個(gè)模板:(1)Canny算子Canny算子是先平滑再求導(dǎo)的邊緣檢測(cè)方法，它利用高閾值和低閾值分別檢測(cè)圖像中的強(qiáng)邊緣和弱邊緣，以強(qiáng)邊緣為基礎(chǔ)，搜索和連接附近的弱邊緣，而且由于它在邊緣檢測(cè)之前進(jìn)行了高斯濾波，因此Canny算子不但可以檢測(cè)出豐富的邊緣細(xì)節(jié)，又可以有效地減少噪聲的干擾。原理：1?用高斯濾

6、波器平滑圖像高斯平滑函數(shù)：aS(3.1)H(x,y)=e心g("=/3)52)(3.2)2.用一階差分來(lái)計(jì)算梯度的幅值和方向選擇對(duì)噪聲有抑制作用的Sobel算子：■-1or「-1-22-202000-101■■1210J(X』)=/(X,刃X乩(XJ)02(x,刃=/(x,y)^H2(x9y)(3.3)(3.4)梯度橫幅：(p(x，y)=」(p：(x,y)+(p；(x，y)(3.5)梯度方向：0=tan-'^y)0(X,y)(3.6)3?對(duì)梯度幅值進(jìn)行“非極大值抑制”非極大值抑制是指在梯度方向上只保留梯度幅值為極大值的點(diǎn)，抑制所有非極大值的點(diǎn)。將梯度角的變

7、化范圍縮小到只有四個(gè)方向，標(biāo)號(hào)0到3o對(duì)梯度圖像的每個(gè)像素點(diǎn)使用一個(gè)3x3的模板，將模板的屮心像素X的梯度值與沿著梯度方向的兩個(gè)相鄰像素的梯度值比較，如果X的梯度值均小于沿梯度方向的兩個(gè)像素的梯度值，則將X處的灰度值置零。3210X0123對(duì)梯度圖像進(jìn)行“非極大值抑制”處理后，檢測(cè)到的邊緣只有一個(gè)像素的見(jiàn)度。3.雙閾值檢測(cè)和邊緣連接利用高閾值T1對(duì)梯度圖像進(jìn)行二值化,得到強(qiáng)邊緣二值圖像Edgelmgl;利用低閾值T2對(duì)梯度圖像進(jìn)行二值化,得到弱邊緣二值圖像Edgelmg2o2.1.3水平跳變檢測(cè)邊緣密集區(qū)域通過(guò)輸入車牌寬度范圍，記最小車牌寬度為minPla

8、teWidth,最大車牌寬度為maxPlatcWidtho由最小車