資源描述:
《一種復(fù)雜背景下的車牌快速定位算法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、2010年1月控制工程Jan.2010第17卷增刊ControlEngineeringofChinaVol.17,S0文章編號(hào):167127848(2010)S020038203一種復(fù)雜背景下的車牌快速定位算法薛亞軍,丁勇,姜斌(南京航空航天大學(xué)自動(dòng)化學(xué)院,江蘇南京210016)摘要:針對(duì)復(fù)雜環(huán)境下的車牌定位問(wèn)題,提出一種基于提升小波與形態(tài)學(xué)相結(jié)合的快速定位方法。該方法首先對(duì)車輛圖像進(jìn)行預(yù)處理,包括圖像灰度化,利用新的提升小波算法進(jìn)行邊緣檢測(cè)以及二值化,然后對(duì)圖像進(jìn)行腐蝕、膨脹等一系列形態(tài)學(xué)處理,得到一些規(guī)則的連通區(qū)域,其次刪
2、除小連通區(qū)域,合并鄰近區(qū)域,得到車牌的候選區(qū)域,最后采用可信度評(píng)價(jià)來(lái)度量候選區(qū)和車牌區(qū)的相似度確定車牌位置,最終實(shí)現(xiàn)車牌的快速定位。計(jì)算機(jī)仿真結(jié)果表明,對(duì)于背景復(fù)雜的車輛圖像,該方法運(yùn)行速度快,車牌定位準(zhǔn)確率高。關(guān)鍵詞:車牌定位;提升小波;形態(tài)學(xué);可信度評(píng)價(jià)中圖分類號(hào):TP27文獻(xiàn)標(biāo)識(shí)碼:AFastLocatingAlgorithmofVehicleLicensePlateUnderComplexScenesXUEYa2jun,DINGYong,JIANGBin(InstituteofAutomationEngineering
3、,NanjingUniversityofAeronautics&Astronautics,Nanjing210016,China)Abstract:Basedonliftingwaveletandmorphology,avehicleplatelocationalgorithmundercomplexscenesispresented.Firstly,preprocessingisusedonthevehicleimage.Anewliftingwaveletalgorithmisusedforextractionofedge
4、andbinarytransformationisused.Thenaseriesofmorphologicaloperationsareusedtolookforcandidateregionsthatprobablycontaincharactersinrangeofsizes.Finally,thevehiclelicenseplatecanbefoundaccordingtocredibilityevaluation.Computersimulationsshowthattheproposedap2proachisve
5、ryeffectiveandfastforlocatingvehicleplateundercomplexscenes.Keywords:licenseplatelocation;liftingwavelet;morphology;credibilityevaluation1引言2圖像預(yù)處理一般情況下,車牌自動(dòng)識(shí)別技術(shù)實(shí)現(xiàn)主要分為車輛圖像預(yù)處理,如圖1所示。兩大關(guān)鍵技術(shù):一是車牌定位;二是字符識(shí)別。車牌定位作為核心技術(shù),其正確率很大程度上影響車牌識(shí)別系統(tǒng)的識(shí)別率。目前,車牌定位常用的方法[1]有基于字符紋理特征的方法,難以適應(yīng)
6、邊緣較多[2]的情況;基于水平灰度變化特征的方法,難以區(qū)[3]分廣告、車燈等干擾信息;基于神經(jīng)網(wǎng)絡(luò)的方[4]法,計(jì)算量較大;基于彩色分割的方法,由于背影顏色往往比較多,存在定位時(shí)間過(guò)長(zhǎng)的問(wèn)題。以上方法對(duì)于環(huán)境較復(fù)雜的情況下定位車牌都存在明顯的局限性。因此,研究從復(fù)雜背景下的車輛圖像中有效地去除干擾且快速獲得目標(biāo)車牌的方法具有圖1車輛圖像預(yù)處理重要意義。1)圖像灰度化本文首先通過(guò)圖像采集卡得本文在分析車牌特性的基礎(chǔ)上,研究利用提升到彩色車輛圖像,并轉(zhuǎn)換化為灰度圖像,見圖1小波快速檢測(cè)車輛圖像的有效邊緣,再結(jié)合形態(tài)學(xué)(a)。灰度化
7、處理的標(biāo)準(zhǔn)平均法公式如下:處理和可信度評(píng)價(jià)確定車牌的方法,最終實(shí)現(xiàn)快速Gray=01299*R+01587*G+01114*B(1)定位。收稿日期:2009210206;收修定稿日期:2009212208基金項(xiàng)目:江蘇省自然基金資助項(xiàng)目(BK2007195)作者簡(jiǎn)介:薛亞軍(19822),男,陜西渭南人,研究生,主要研究方向?yàn)槟T囎R(shí)別與智能交通等;姜斌(19662),男,教授,博士生導(dǎo)師。增刊薛亞軍等:一種復(fù)雜背景下的車牌快速定位算法#39#2)一種新的提升小波邊緣檢測(cè)算法邊緣在所示。圖像信號(hào)中表現(xiàn)為灰度的突變,非邊緣點(diǎn)與邊緣
8、點(diǎn)之間的灰度相差較大。小波變換在檢測(cè)圖像微小細(xì)[5]節(jié)邊緣時(shí)具有明顯的優(yōu)勢(shì),而提升小波算法簡(jiǎn)單,并且可以有效抑制噪聲,適合用于車牌邊緣檢測(cè)。本文采用改進(jìn)的提升小波算法進(jìn)行車牌邊緣的提取。這里采用Haar小波預(yù)測(cè)算子。一幅圖像可以用二維函數(shù)f(x,y)表示,假設(shè)維數(shù)為M@N(這