復(fù)雜背景下的車牌定位與快速分割算法 (1).docx

《復(fù)雜背景下的車牌定位與快速分割算法 (1).docx》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、古智超等復(fù)雜背景下的車牌定位與快速分割算法復(fù)雜背景下的車牌定位與快速分割算法古智超孫季豐華南理工大學(xué)電子與信息學(xué)院,廣州,!伙抖。,?一#動?%&?(&)?+?#)?,(?#?摘要本文提出了在復(fù)雜背景下,利用車牌水平梯度特征,通過圖像增強(qiáng)和自適應(yīng)閩值調(diào)整的方法來獲得準(zhǔn)確的車牌區(qū)域定位,并且充分利用我國車牌字符的分布特征進(jìn)行字符分割。實驗證明所提出的方法能簡單快速地實現(xiàn)車牌定位以及車牌字符的快速查找和分割。關(guān)健詞車牌定位.水平投影.自適應(yīng)閩值.特征匹配.字符分割/01?#?2?,34?(3璐35,)13467)1??8)89:3?#38)1?1?8?8087?

2、#5,?()139;)(??&?一3&?),:?ΑΒ?一3Χ8?升己(&??,?Χ3,3(加8?(凌坷沙Ε1??8?Χ?“1&(&儷?8?Φ3=勿?ΧΓ3(&8?,??戈>Ε邵&?“!伙抖Η?/加1=)(1Ι七5=?5?93)83?#3&1?9?Χ)01?#?2?,3,?338Δ35,31),(?)?1?88)93&=)331=3?#38?)1?8,?8?&?3&3&1介10Χ,,?91?,1,?5,1)?5?13=Χ#5,?9312)3

3、)=)(9?1=?21?!39?3Μ=?#&??&1?=?Μ39#&19?!汕5,8)9?Χ?,?5,)1?(1??8)890?80ΚΛ3813333?8Φ38381=33833)3&)=)(13=3?3#81)1??8ΚΝ3Ο??=9,?33835,)1(,(??1)?8,&?=?%?81),5=Π?(3?1?8,)9)51?Φ31&=3&?,9,Χ3)10=3#)13&?8?,(&)=)(13=Δ3?#381)1??8!引言近二十年來,由于機(jī)動車數(shù)量的迅速增加,通過人工手段來監(jiān)控和管理行駛車輛已不能承受日益增長的交通負(fù)擔(dān)。隨著計算機(jī)視覺技術(shù)和模式識別技術(shù)

4、的發(fā)展,計算機(jī)能夠?qū)崟r地識別出汽車牌照,這極大地推進(jìn)了公路交通系統(tǒng)管理的智能化進(jìn)程,使智能交通管理系統(tǒng)逐漸得到發(fā)展和完善。車牌識別可應(yīng)用于十字路口、高速公路等場合,由于復(fù)雜的背景和氣候條件,增大了車牌識別的難度,因此仍需要進(jìn)一步的發(fā)展。本文提出了在復(fù)雜背景下利用自適應(yīng)閡值的水平投影法找到大致的牌照區(qū)域,繼而充分利用車牌字符的分布特征,通過特征匹配在此區(qū)域中分割出單個字符字的快速算法。Θ車牌定位算法完整的車牌識別系統(tǒng)應(yīng)包括四個過程?,圖像采集.Θ?車牌定位.Ρ?字符分割.Σ?字符識別〔”。本文主要就車牌定位和字符分割這兩個過程進(jìn)行了算法研究,其中車牌定位的流

5、程圖如圖!所示。ΘΚ!圖像預(yù)處理攝像機(jī)采集回來的圖像存在亮度不足、光照不均勻等問題,因此需要進(jìn)行預(yù)處理。首先將彩色圖像轉(zhuǎn)換成Τ位的灰度圖,然后通過灰度對比拉伸方法ΥΘ?【〕對圖像進(jìn)行增強(qiáng)。如圖Θ的灰度拉伸曲線所示,橫坐標(biāo)表示輸入圖像的灰度級,縱坐標(biāo)表示輸出圖像的灰度級,然后對輸入灰度進(jìn)行分段處理。將輸入圖像中灰度級在【Η,4Ω」范圍內(nèi)的象素灰度壓縮至零值,灰度級在【4Θ,Θ」范圍內(nèi)的象素灰度第十三屆全國圖象圖形學(xué)術(shù)會議他背景噪聲的梯度干擾。設(shè)輸入圖像為拭%,’力,輸圖像預(yù)處理出圖像為‘,’%戶,大小為,Λ8,從尸為常數(shù),線形濾波器的表達(dá)式設(shè)計成如下>?擊氫,

6、“,”,?,“,水平線形濾波ΨΖ[,·“·‘一[,·“水平投影Κ按門值ΓΞ,尋找可能的車牌上下邊界卷積模板驗證車牌區(qū)域圖!車牌定位的流程圖?+輸入灰度級?,??這種線形濾波器將圖像中每行連續(xù):個梯度相加并求平均。在此,梯度取為每行相隔:的象素的灰度的差值。常數(shù)Ι用來控制濾波器的響應(yīng)輸出,:與罕與車牌大小、背景、亮度都有關(guān)系,可以通過實驗的方法獲得。為了提高程序的運算速度,不必每次都對‘Π,刀進(jìn)行累加運算,只需在第Π次計算時算出后∴!個梯度的累加值,作為第產(chǎn),次計算的前子!個梯度的累加值即可。為了便于找到車牌區(qū)域,對經(jīng)過線形濾波后的圖像‘進(jìn)行二值化得到圖像?

7、;二值化閩值的選取主要有固定闡值法、全局動態(tài)閩值法和局部動態(tài)閩值法〔們。固定閩值法對圖像的光照和背景條件均有較高要求,而局部動態(tài)閩值法則需要較長的運算時間,因此,要兼顧分割的質(zhì)量與效率,本文采用全局動態(tài)闌值法,閩值按下面公式通過從整幅圖像的平均灰度值來獲得淚白?!丫間曰>#!?%&?(刀了尸硯)凡在此,,、刀分別為圖像的高、寬,系數(shù)尸和圖圖?灰度拉伸曲線圖像的背景有關(guān),如果背景噪聲大,則尸取較大值2拉伸至??其余中間灰度的象素則按照斜率為反之如果圖像較暗或背景噪聲小,尸取較小值。,??車牌區(qū)域位的初步確定#.二???/&?,一?(0進(jìn)行線性的拉伸變換,經(jīng)過對

8、比拉車牌字符在水平方向具有梯度變化大、頻率高伸后的輸