车牌上下边缘精确定位.pdfVIP

第 26卷第2期 湖 北 工 业 大 学 学 报 2011年 O4月 V0I．26No．2 JournalofHubeiUniversityofTechnology Apr．2011 [文章编号]1003--4684(2011)o2一OO1—03 车牌上下边缘精确定位 李利荣，吴丹雯，常 春 (湖北工业大学电气与电子工程学院，湖北 武汉 430O68) [摘 要]车牌识别主要用于智能交通领域．车牌本身受到一些干扰，有时车牌识别软件无法正确识别字符．车牌定 位是车牌识别的基础，也是车牌识别过程中最重要 的部分．车牌定位一般分为两部分，首先是粗定位，主要分割出 车牌区域 ，然后是精确定位，即将车牌区域缩减到字符所 占的区域．研究车牌的精确定位，给出实验证明该方法能 有效快速地实现车牌的精确定位． [关键词]车牌定位；水平边界；阈值；类间方差 ；距离分布 [中图分类号]TP181 [文献标识码]：A 车牌识别已经广泛应用于智能交通领域．随着 计算机软硬件的不断升级，车牌识别所依赖的环境 1 预处理 日臻完善 ，车牌识别的功能越来越丰富，应用场合也 越来越多，智能停车场管理、高速公路收费、交通信 经过前期的处理，这里采用高斯平滑与中值滤 息采集、重要机关单位汽车出入 口管理等等．在环境 波．对邻域内像素灰度进行平均时，图像的高斯平滑 比较好的情况下，有时车牌识别软件无法正确识别 给予了不同位置像素不同的权值 ，权值 的意义在于 字符．原因在于车牌本身受到一些干扰 ，其 中包括固 在对 图像进行细节模糊 的同时，可以更多地保 留图 定螺丝和车牌边框．所以质量好的车牌识别软件，要 像总体的灰度分布特征．对于字符 占据较大 比例的 对车牌进行精确定位 ，排除各种干扰 ，车牌定位是车 车牌图像来说保留字符总体灰度分布特性是很重要 牌识别的基础，也是车牌识别过程中最重要的部分． 的，而字符的笔划是连续的，因此选用高斯平滑可 以 车牌定位一般分为两部分，首先是粗定位，主要 较大程度地保留笔划而去除其他噪声．为了进一步 分割出车牌区域，然后是精确定位，即将车牌区域缩 去除分立 的小颗粒噪声 ，用中值滤波滤除这类噪声． 减到字符所 占的区域，通常是使车牌的高度即字符 高度水平精确定位，除去上下边框及多余空白区域、 2 二值化 噪声等．本文主要研究车牌的精确定位． 本文 的方法首先对粗定位后的车牌图像通过高 该算法采用 自适应的最大类间方差的二值化方 斯平滑和 中值滤波滤噪，然后运用一种基于最大类 法，把牌照图像空间分布特性与最大类间方差的统 间方差的自适应阈值分割方法对图像进行二值化， 计特性有机结合，大大加快了最大类间方差的分类 接着对其在水平方 向做形态学腐蚀运算，其后进行 速度 ，且能消除不均匀光照引起的伪影 ，极少出现笔 sobel算子边缘提取，然后用传统的 OTSU 阈值分 划断裂．因此对于车牌区域的二值化，采用该算法． 割方法再次进行分割，最后再利用距离分布调整边 在光照均匀 ，无噪声和无干扰的理想情况下，牌 界，得到车牌在水平方向的精确位置．该方法对于图 照图像 中灰度变化平缓，可 以假定字符灰度 g，背 像背景复杂度限制较少，定位速度较快，是一种高效