基于HSV色彩空間对蓝白车牌进行识别.docxVIP

基于HSV色彩空间对蓝白车牌进行识别 [摘要]车牌的自动识别是智能交通很重要的一部分，它作为连接数字处理与现实的纽带，有必要具备好的性质。传统的车牌识别算法都是在RGB色彩空间中进行的，本文的基本思想是采用更加贴近人眼视觉的HSV色彩空间，来达到不同的图像分析效果。 [关键词]字符识别；模板匹配；HSV色彩空间；车牌定位 Blue-White Vehicle License Plate Recognition Based On HSV Color Space Li Zhe, Liu Xin, Nie Lei Abstract: Vehicle license plate recognition is one of the most important parts of the smart transportation; it connects the digital process and the real world. Traditionally, we process plate image in RGB color space, we choose the HSV color space in this article, which is more similar to human’s view, to achieve better result. Keyword： Vehicle license plate recognition; template match; HSV color space; vehicle license plate location; 1. 引言 传统的车牌定位方式的已经比较成熟，但是仍然有一个重要的缺陷，即自适应的问题。传统算法的适应范围有限，对于不同的图片，需要对算法调整才能够处理好。但是，对于不同图像，只能通过手动选择算法或者更改参数来提高质量，算法选择的过程和参数的调整不容易自动化，缺乏相应的估测机制。 本文着重于研究小型车辆的蓝色车牌，由于蓝色车牌颜色的特殊性，考虑采用与人眼视觉更加接近的HSV色彩空间，对目标区域进行筛选和提取。相比传统算法，取得了较为满意的自适应性和定位结果。另外，本文对于传统的字符模板匹配的方式进行了一定的修正，提高了其兼容范围，使得模板匹配获取更高的识别率。 2. HSV色彩空间 HSV（也叫HSB）是对RGB 色彩空间中点的一种有关系的表示，它尝试描述比 RGB 更准确的感知颜色联系，并仍保持在计算上简单。H指hue（色相）、S指saturation（饱和度）、V指value(色调)。 色相（H）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等。 饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。 明度（V），亮度（B），取0-100%。 HSV 模型通常用于计算机图形应用中。在用户必须选择一个颜色应用于特定图形元素各种应用环境中，经常使用 HSV 色轮。在其中，色相表示为圆环；可以使用一个独立的三角形来表示饱和度和明度。典型的，这个三角形的垂直轴指示饱和度，而水平轴表示明度。在这种方式下，选择颜色可以首先在圆环中选择色相，在从三角形中选择想要的饱和度和明度。如下所示： RGB到HSV的转换 设 (r,?g,?b) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设?max?等价于?r,?g?和?b?中的 HYPERLINK /wiki/%E6%9E%81%E5%80%BC \o 极值 最大者。设?min等于这些值中的最小者。 3.车牌定位 由此，我们可以知道，蓝色和其临近色的饱和度H处以一个有限的范围内，事实上，我们知道以下颜色的饱和度，而它们均为蓝色的临近颜色： 青色：180，青蓝：210，蓝色：240，紫蓝色：270 因此，归一化以后，H的取值范围在0.5~0.75 而查看色表可以知道，要使人眼对相应的颜色产生感觉，则S=0.25，V=0.125 所以我们就可以得到一个初步的筛选模式，利用HSV的范围进行初步筛选。 %H: Cyan (180) - Blue-Cyan (210) - Blue (240) - Magenta-Blue (270) blueRegion = (H(:,:,1) = 0.75) (H(:,:,1) = 0.5) (H(:,:,2) = 0.25) (gray = 0.125); 可以看出，初步筛选会遇到一个选择多余区域的难题。上面所给出的第一个例子中，车体与车牌颜色一致，导致了选取过度，我们需要一种方式将车牌分离出来。 结合传统的思路，我们知道，车牌区域是属于边缘比较复杂明显的区域，因此，可以考虑使用边缘算子进行处理。但是，事实上车身的细节也会造成较为复杂的边