資源描述：
《復(fù)雜背景下的快速車牌識別技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、復(fù)雜背景下的快速車牌識別技術(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基于邊緣檢測的車牌定位方法1.1.1通過字符邊緣特征定位首先利用邊緣檢測算子提取車牌字符邊緣，再對字符邊緣進(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：有效地去除非邊緣噪聲，可以快速定位含有多個車牌的圖像；缺點：難以去除邊緣密集的偽車牌，而且無法定位污染嚴(yán)重的車牌圖像。1.1.2通過檢測車牌的外邊框定位首先利用邊緣檢測算法提取車牌邊框位置，然后用Hough變換算法檢測肓線,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，通過對連通區(qū)域的尺寸分析,滿足車牌的寬高比，由此確定一個車牌區(qū)域。缺點：灰化和二值化的闕值問題，傾斜車牌定位問題1.3基于投影法的車牌定位方法首先對車牌圖像進(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)的垂直軸上會有一個明顯的峰值，這樣可以得到車牌的上下邊界。然后對上下邊界內(nèi)的區(qū)域進(jìn)行水平投影,字符區(qū)域會出現(xiàn)明
3、顯的峰值，這樣可以得到車牌的左右邊界。缺點：無法準(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算子Color-Prewitt檢測字符邊緣，并用數(shù)學(xué)形態(tài)學(xué)方法連接各個邊緣，最后利用車牌的先驗知識，確定車牌位置。缺點：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(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—模板簡單，邊緣定位準(zhǔn)確，但對嗪聲敏感。對噪聲冇一定的抑制作用，但檢測出的邊緣有一定程度的斷開。對噪肖有抑制作用，對邊緣檢測較準(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算子是二階導(dǎo)數(shù)算子，通過鄰域內(nèi)各個點的灰度值的差分來實現(xiàn)。該算子無法提供邊緣方向，是一個與邊緣方向無關(guān)的邊緣算子,這在一定程度上可以有效地檢測出全部圖像邊緣，但其缺點是對圖像噪聲比較敏感。0-10-14-10-10-1-1—1一1-1-1兩個模板:(1)Canny算子Canny算子是先平滑再求導(dǎo)的邊緣檢測方法，它利用高閾值和低閾值分別檢測圖像中的強(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之前進(jìn)行了高斯濾波，因此Canny算子不但可以檢測出豐富的邊緣細(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.用一階差分來計算梯度的幅值和方向選擇對噪聲有抑制作用的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，抑制所有非極大值的點。將梯度角的變
7、化范圍縮小到只有四個方向，標(biāo)號0到3o對梯度圖像的每個像素點使用一個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像素的梯度值，則將X處的灰度值置零。3210X0123對梯度圖像進(jìn)行“非極大值抑制”處理后，檢測到的邊緣只有一個像素的見度。3.雙閾值檢測和邊緣連接利用高閾值T1對梯度圖像進(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水平跳變檢測邊緣密集區(qū)域通過輸入車牌寬度范圍，記最小車牌寬度為minPla
8、teWidth,最大車牌寬度為maxPlatcWidtho由最小車
