复杂背景图像中车牌定位算法.pptVIP

复杂背景图像中的车牌定位算法 刘　濛,吴成东,樊玉泉,王　力 中国图象图形学报，2010，15（9）. 算法流程 一、候选区域提取 目的：对原始输入图像进行快速处理,将可能是车牌的图像区域提取出来,进行下一步的判定,从而减少系统的运算时间以及非目标区域的干扰。 预处理：输入的原图像转变为灰度图像。然后,采用小波变换降噪对车牌图像进行降噪处 小波降噪 垂直边缘是车牌最稳定的结构特征,较之颜色等特征受恶劣天气等复杂环境因素的影响较小。因此,在小波去噪的基础上,使用Sobel垂直边缘检测算子提取图像的垂直边缘,再将行扫描技术与阈值法结合,实现对候选区域的选取。 提取结果 A, B, C表示通过初选的候选车牌区域。 A区：车身喷号 B区：车尾灯 C区：真实车牌 A与B均为伪区域，很容易与真实牌照相混,需要利用车牌字符句法结构特征剔除这些伪区域。 二、伪区域剔除 1、二值化 将上述候选车牌图像从源图像中分别截取出来,使用POSHE算法对其进行直方图均衡化以抑制强光,消除因牌照反光等带来的影响,然后使用Otsu算法进行二值化。 2、条带扫描 通过 未通过 3、车牌句法特征评价函数 经过上述算法处理，最终检测到的车牌区域从原始输入彩色图像中的位置如下： 实验结果及分析 对100张市内公路抓取的普通车牌图像和200张交通路口抓取的复杂车牌图像进行车牌定位，输入图像大小为768×288,其中复杂车牌图像中分别包含了100张夜间低照度图像和100张黎明大雾环境图像，分别利用本文算法及AdaBoost算法进行定位，结果如下： 表 1 本文算法定位结果 结论 针对车牌定位技术难题,本文将车牌纹理特征与车牌字符句法特征有机结合,提出一种新的车牌定位算法,有效解决了复杂背景图像中的车牌定位难的问题,为下一步的车牌字符分割及识别奠定了基础。当在车牌图像中,车牌严重倾斜时,在滑动窗口中可能并不满足评判函数要求。如何在解决上述问题的基础上进一步提高定位精确度,将是下一步研究的内容。 The End！