資源描述：
《車牌識(shí)別系統(tǒng)中車牌定位方法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、車牌識(shí)別系統(tǒng)中車牌定位方法的研究1引言隨著國(guó)民經(jīng)濟(jì)的高速發(fā)展，高速公路、城市道路、停車場(chǎng)建設(shè)越來越多，對(duì)交通控制、安全管理的要求也日益提高，智能交通系統(tǒng)its(intelligenttrafficsystem)已成為世界交通領(lǐng)域研究的前沿課題。在此基礎(chǔ)上發(fā)展的車牌照識(shí)別lpr(licenseplaterecognition)系統(tǒng)是智能交通系統(tǒng)的重要組成部分，在交通管理中占有重要地位。lpr系統(tǒng)主要由三部分組成:車牌定位、字符分割、字符識(shí)別，其中車牌定位的成功與否直接影響是否能夠進(jìn)入車牌識(shí)別以及車牌識(shí)別的準(zhǔn)確率。主要的車牌定位方法：基于灰度圖像的車牌定位方法[1]、基于小波
2、變換的車牌定位方法[3]、基于形態(tài)學(xué)的車牌定位方法[4]、基于神經(jīng)網(wǎng)絡(luò)的車牌定位方法[7]、基于支持向量機(jī)的車牌定位方法[8]等。雖然這些算法在某些特定條件下識(shí)別效果較好，但綜合一些諸如天氣、背景、車牌磨損和圖像傾斜等干擾因素的影響，暫時(shí)還不能完全滿足實(shí)際應(yīng)用的要求，有必要進(jìn)行進(jìn)一步的研究。2車牌定位方法2.1基于灰度圖像的車牌定位方法灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從黑色到白色的灰度。為了便于車牌定位，將該圖像轉(zhuǎn)換成二值圖像,即只有黑色和白色兩種顏色的圖像。此方法是應(yīng)用車牌的如下特點(diǎn)：車牌牌照的字符和背景的對(duì)比度比較大,對(duì)應(yīng)于車牌區(qū)域的水
3、平灰度變化比較頻繁；再者車牌一般掛在汽車的緩沖器上或附近，并靠近圖像的下部,干擾一般比較少。根據(jù)以上特點(diǎn)，使用靠近水平方向的一階差分運(yùn)算，以突出灰度變化頻繁的區(qū)域。其一階差分運(yùn)算的算式為：g(i，g)=f(i，j)-f(i，j+1)(1)上式中，i=，2，3…，m；m為圖像的高度；j=1，2，3…，n；n為圖像的寬度。再對(duì)圖像的水平差分圖像g(x，y)的灰度值沿水平方向累加后做投影，可得投影圖：水平方向累加后投影的算式為：(2)從車牌照是一個(gè)矩形這一特點(diǎn)，我們可以判斷它所對(duì)應(yīng)的水平投影圖與車牌的形狀相仿，是一塊較為獨(dú)立的矩形區(qū)域，從水平投影圖中可以看車牌位置基本對(duì)應(yīng)于圖中
4、從下到上的第一個(gè)較大的波峰，車牌投影值區(qū)域大致對(duì)應(yīng)于上述波峰值上、下鄰域的波谷之間所包含的投影值區(qū)域，且這兩個(gè)波谷大致對(duì)稱于波峰，波峰和波谷的變化率較大。在這個(gè)過程中最重要的是確定選擇哪個(gè)波峰，如果這個(gè)波峰的兩個(gè)波谷之間的值的高度都大于某一個(gè)設(shè)定的值，并且兩個(gè)波谷之間的寬度大致等于車牌照的高度，就認(rèn)定它所確定的區(qū)域就是車牌的水平位置。對(duì)于車牌垂直方向的定位算法：一般情況下，車牌的底色和字符的顏色的對(duì)比度很大，而且在一個(gè)相對(duì)范圍較小的范圍內(nèi)變化比較頻繁，通過這個(gè)特征確定車牌垂直方向。該方法對(duì)質(zhì)量較高的圖像有很好的定位，不過對(duì)于圖像中車前和車牌附近的車輛背景過多，容易導(dǎo)致錯(cuò)誤
5、的車牌定位。2.2基于小波變換的車牌定位方法小波變換是20世紀(jì)80年代中后期在傅里葉分析的基礎(chǔ)上發(fā)展起來的一個(gè)重要的應(yīng)用數(shù)學(xué)分支。與傅里葉變換相比，小波變換具有較強(qiáng)的時(shí)、頻域局部分析能力。通過伸縮和平移等運(yùn)算功能對(duì)信號(hào)進(jìn)行多尺度細(xì)化分析，在高頻處取窄的時(shí)(空)間窗，在低頻處取寬的時(shí)(空)間窗，克服了傅里葉分析無法同時(shí)在時(shí)域和頻域上取得良好局部特性的局限性，近年來這一方法在很多工程領(lǐng)域得到廣泛應(yīng)用。小波分析的核心是多分辨率分解，其良好的時(shí)—頻特性使其成為研究精細(xì)結(jié)構(gòu)的理想工具。在車牌圖像處理方面，經(jīng)過基于小波變換的高通濾波，車牌區(qū)域的橫、豎、撇、捺筆劃變得十分簡(jiǎn)潔、明晰，與
6、傳統(tǒng)算法中通過中值濾波等方法來濾除圖片中的噪聲干擾相比較，小波變換增強(qiáng)了處理的針對(duì)性，在降噪的同時(shí)增強(qiáng)了有用信息，便于在后續(xù)程序中獲取車牌區(qū)域的細(xì)節(jié)信息。南京航天航空的馬永一、宋錚等人將小波變換直接應(yīng)用于車牌定位，提出了一種直接對(duì)灰度圖像進(jìn)行除噪處理的方法。該方法是首先設(shè)計(jì)一個(gè)基于小波變換的濾波器，然后對(duì)圖片進(jìn)行x層小波變換之后對(duì)低頻部分llx進(jìn)行衰減，再進(jìn)行小波反變換即可實(shí)現(xiàn)高通濾波，濾除圖片中由于光照不均等多種因素造成的噪聲干擾個(gè)突出車牌區(qū)域。在傳統(tǒng)的車牌定位算法中，都是先對(duì)圖像進(jìn)行二值化處理。對(duì)于原始的灰度圖像中存在很明顯的由光照不均引起的亮度差別，汽車的左半部分的
7、亮度因建筑物遮擋比右半部分的亮度暗，同時(shí)右半部分也存在著局部的光線不足的情況下，如果直接進(jìn)行平均灰度整體閾值二值化，很容易出現(xiàn)由于閾值選取過高而造成車牌區(qū)域的不可辨識(shí)的情況，假如在程序中刻意降低閾值又會(huì)引入很多噪聲，失去了二值化的使用意義。如果使用局部閾值二值化，一方面增加了計(jì)算閾值的工作量，增加了處理時(shí)間，同時(shí)也可能會(huì)因?yàn)閰^(qū)域劃分的原因引發(fā)新的邊界噪聲干擾。使用基于小波變換的高通濾波處理后，圖片效果十分理想，不僅完全消除了光照不均造成的影響，而且使車牌區(qū)域更加突出，大大提高了定位查找的準(zhǔn)確率。但是降噪預(yù)處理時(shí)的重構(gòu)信號(hào)會(huì)丟失
