資源描述:
《基于邊緣檢測(cè)的車牌定位方法》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、基于邊緣檢測(cè)的車牌定位方法根據(jù)圖像處理理論基礎(chǔ)知識(shí)和現(xiàn)有技術(shù)基礎(chǔ)上,對(duì)現(xiàn)有定位的算法進(jìn)行了分析,提出了基于邊緣特征的車牌定位方法。經(jīng)試驗(yàn)驗(yàn)證,結(jié)果表明所用方法是有效的,該方法提高了定位準(zhǔn)確率,也縮短了定位所用時(shí)間,達(dá)到了預(yù)期目的。關(guān)鍵詞:圖像處理;車牌定位;邊緣檢測(cè)1引言 隨著社會(huì)的發(fā)展,車輛的急劇增長(zhǎng)為交通管理提出了巨大的挑戰(zhàn),借助與計(jì)算機(jī)手段進(jìn)行交通管理的智能交通系統(tǒng)(ITS:IntelligentTrafficSystem)也應(yīng)運(yùn)而生。車牌識(shí)別技術(shù)是智能交通的核心軟件,其中的車輛定位又是車牌識(shí)別技術(shù)中的關(guān)鍵,也是
2、本文重點(diǎn)討論的對(duì)象。通常的車牌識(shí)別系統(tǒng)中包括車牌定位、字符分割和字符識(shí)別三個(gè)部分,在車牌識(shí)別技術(shù)中定位是第一步,定位準(zhǔn)確與否直接影響后續(xù)的分割和識(shí)別工作。本文所討論的方法是基于邊緣檢測(cè)的定位方法,使用Matlab7.0軟件作為開(kāi)發(fā)工具。2車牌定位技術(shù)概述 車牌識(shí)別技術(shù)是對(duì)車輛的靜態(tài)圖像進(jìn)行牌照號(hào)碼、牌照顏色自動(dòng)識(shí)別技術(shù)。2.1車牌特征分析 車牌號(hào)碼是機(jī)動(dòng)車的唯一身份標(biāo)識(shí)。2007年11月1日起,由公安部頒布的新的標(biāo)準(zhǔn)《中華人民共和國(guó)機(jī)動(dòng)車號(hào)牌》(GA36-2007)實(shí)施,新標(biāo)準(zhǔn)對(duì)號(hào)牌分類、登記編號(hào)編碼規(guī)則、制作技術(shù)和
3、安裝使用等規(guī)定進(jìn)行了調(diào)整。按照顏色車牌分為黃底黑字、藍(lán)底白字、白底黑字、白底紅字和黑底白字,車牌的尺寸為440mm×140mm,只有大型車的后牌為440mm×220mm。根據(jù)這些信息對(duì)車牌區(qū)域特征分析如下:1)車牌顏色特征,車牌區(qū)域底色和字符顏色區(qū)分明顯色差較大,而且顏色固定。2)車牌幾何特征,標(biāo)準(zhǔn)車牌的長(zhǎng)寬比是固定的440mmX140mm的矩形區(qū)域。3)車牌紋理特征,由于車牌上的每個(gè)字符構(gòu)成了紋理,每個(gè)灰度基元是由每一個(gè)字符的連通像素集合構(gòu)成。4)車牌區(qū)域的字符特征。共7個(gè)字符,首字為漢字代表省份,緊跟著字符代表城市,
4、后面5位字符是數(shù)字和大寫字母的組合,其中字母不包括I和O。2.2車牌定位方法分析 目前主流的車牌定位技術(shù)的方法主要有以下幾種:基于顏色特征的定位方法[1],基于邊緣特征的定位方法,基于模版匹配的方法,基于形態(tài)學(xué)的方法,基于支持向量機(jī)的方法[2]。其中基于顏色的方法對(duì)于車身和車牌同色以及光線干擾或的情況定位準(zhǔn)確率不高,基于邊緣定位的方法對(duì)于車牌污損或者背景物體干擾的情況也顯得無(wú)能為力。但總的來(lái)說(shuō)這些方法可以分為兩大類:一類是基于灰度圖像的車牌定位方法,基于灰度圖像的方法一般來(lái)說(shuō)彩色圖像都要先灰度化、二值化處理,然后通過(guò)車
5、牌區(qū)域的特征或者邊緣特征進(jìn)行檢測(cè),這類方法在定位中把彩色圖像得到處理轉(zhuǎn)化為黑白兩色的圖像,反應(yīng)時(shí)間快,但誤檢率高;另一類是基于彩色圖像的車牌定位方法。這類方法基于彩色圖像,利用顏色模型轉(zhuǎn)換,精度較高,可以避免彩色圖片經(jīng)過(guò)灰度化和二值化后損失圖片信息的問(wèn)題,缺點(diǎn)是對(duì)圖像品質(zhì)要求高,尤其是車身車牌同色情況定位不理想?! ⊥ㄟ^(guò)對(duì)比本文選擇基于邊緣的車牌定位方法,在原有理論算法基礎(chǔ)上進(jìn)行了優(yōu)化。3車牌定位流程 本文所采納的定位方法流程如圖1所示:圖1車牌定位流程圖3.1灰度處理 在本文中使用的是RGB顏色模型。由于車牌定位過(guò)
6、程中,對(duì)運(yùn)算速度有比較高的要求,一般來(lái)說(shuō)定位一張含有車牌的圖片控制在幾到幾十毫秒比較合適,為了提高時(shí)間效率在本文中需要把彩色圖像轉(zhuǎn)換成灰度圖像進(jìn)行進(jìn)一步的處理。利用公式(2-1)將彩色圖像轉(zhuǎn)換成灰度圖像:p=0.299*R+0.587*G+0.114*B(3-1) 其中p代表圖像中某點(diǎn)的灰度值,R,G,B分別代表彩色圖中對(duì)應(yīng)點(diǎn)的RGB模型中的R,G,B分量值。3.2灰度拉伸處理 由于背景的復(fù)雜性和不可知性,灰度化處理并不能滿足實(shí)際需要,車牌照區(qū)域在圖像中不夠突出,這樣為了增強(qiáng)圖像對(duì)比度,采用灰度拉伸的辦法增強(qiáng)原圖的各
7、部分的反差。因此,圖像灰度化后接下來(lái)要進(jìn)行灰度增強(qiáng)處理?;叶壤熳兓匠蘙4]為: D=AX+B(3-2) 其中D為灰度變換后灰度,X為變換前灰度,A,B為變換方程系數(shù)。3.3二值化 為了更加突出字符區(qū)域,需要將圖像二值化。二值化的目的就是要找出一個(gè)合適的閾值,將待處理的區(qū)域劃分為前景和背景兩個(gè)部分。本文認(rèn)為車牌字符區(qū)域是本文考察的重點(diǎn),因此該部分作為圖像的前景區(qū),將字符邊緣區(qū)域的值設(shè)為1,其他的部分都看成是背景區(qū),設(shè)為0。二值化后的車牌要能保證車牌區(qū)域圖像的質(zhì)量,盡量不丟失原字符的特征,本文采用了全局閾值二值
8、化的方法。 設(shè)原灰度圖像為f(x,y),二值化后的圖像為g(x,y),二值化處理表示如公式(3-3)所示:(3-3) 這里的T稱為二值化閾值(Threshold),在灰度圖象中純黑色為0,純白色為1。經(jīng)過(guò)二值化處理后,前景和其他背景就由黑白兩種顏色分開(kāi),選擇不同的閾值會(huì)得到不同的分離結(jié)果。閾值T的大小對(duì)二值化的效