车牌算法V2.6.3摘要.docVIP

1．车牌先验知识 2 2．算法的实现框架 2 3算法术语定义 3 4. 车牌定位 7 4.1 原理 7 4.2 车牌模板训练 7 4.3 类字符区域分析-第一次预处理 8 4.4 候选车牌检测 8 5 车身颜色识别 8 6 车牌图片倾斜矫正 8 6.1 第二次预处理 8 6.2倾斜矫正 8 7 字符分割 8 7.1 原理 8 8 字符识别 9 8.1 原理 9 8.3 字符识别 9 车牌自动识别系统实现算法 1．车牌先验知识 国内车牌具有严格的行业规范，车牌算法的实现依据国家最新颁布标准《中华人民共和国机动车号牌 GA 36-2007HSI和YUV。YUV是电视系统使用的颜色空间模型，灰度图象即是Y分量；HSI也是一种视觉颜色空间，比RGB具有更好的识别精度。变换关系如下： RGB到YUV的转换公式： f: RGB-YUV : Y = 0.299R + 0.587G + 0.114BU = -0.147R - 0.289G + 0.436BV = 0.615R - 0.515G - 0.100B f: RGB-HSI 原图为ＲＧＢ，３通道颜色级别２５６，则RGB直方图Bin数量达到256x256x256，对于只有四种颜色的车牌表示显然不合适。下面定义HSI 颜色空间模型及离散化表示，将RGB 图像转换到HSI彩色图像。 RGB 归一化 RGB规划化，可以消除光照变化的影响，提高颜色识别的稳定性和准确性。如下： 4.1 RGB到HSI 4.2 HSI 颜色级别离散化 If R=G=B时， 黑色：i0.15, 则为黑色，令h=s=i=0 白色：i0.8,则为白色，令h=315，s=2，i=1 银灰色：0.5i0.8, 令h=315,s=1,i=1 深灰色：0.5i0.8, 令h=315,s=0,i=1 Otherwise ：按4.2.2 计算. 将h空间共360度分为8份，s和i在[0,1]空间3份，但划分不均匀，规则如下： 4.3 构造颜色矢量C=9H+3S+I,G取值[0，71] 4.4 计算G(x,y) 直方图如下： 4.5 灰度：图像处理通常将ＲＧＢ图像转换为灰度图象，表示为ＲＧＢ到ＹＵＶ－〉Ｙ分量的转换，Ｙ反应了图像亮度等级，取值０－２５５，类似彩色电视图像到黑白电视的转换。 图像滤波：在算法中用到几种滤波方式，用于图像去噪或边缘强化。原始图像信号ｆ经过滤波函数ｇ处理，相当于卷积运算，输出结果Ｆ＝ｆ⊙ｇ．本算法处理的都是二维图像信号ｆ（ｘ，ｙ），表示为某点像素（ｘ，ｙ）的灰度值。每个滤波函数ｇ对离散图像信号，对应不同的滤波算子，起到不同的作用，分别如下： 邻域平均：平滑高频噪声的处理方法，将像素点（ｍ，ｎ）及其领域的灰度值与某个加权函数相乘后求和，如下：Ｆ（ｍ，ｎ）＝（∑∑ｆ（ｍ－ｒ，ｎ－ｓ）Ｈ（ｒ，ｓ）） Ｈ（ｒ，ｓ）为加权函数，算子模板有下列形式： 形态处理：对于图像作腐蚀，膨胀，开，闭运算及其组合，可以对待识别对象边缘锐化或平滑，而不改变对象的几何结构和轮廓信息，称为形态滤波，适用于二值图和灰度图象。数学定义参考图像处理的文献。形式定义如下： 腐蚀：ｆΘｇ　　膨胀：ｆ⊕ｇ　 开：ｆ○ｇ＝（ｆΘｇ）⊕ｆ　闭：ｆ?ｇ＝（ｆ⊕ｇ）Θｆ 功能：开运算把比结构元素小的突刺滤掉，切断细长搭接起到分离作用；闭运算把比结构元素小的缺口或孔添上，搭接短的简断起到连通作用。　 边缘检测算子：使用3X3 Sobel算子模板，检测粗定位车牌的边缘完成轮廓提取。按边缘方向，包括4种：0，л/2，л/4，3л/4，8邻域像素位置编号如下： Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 4.6 令gm(x,y)=|Gx|+|Gy|, 当gmT时，该点判断为边缘点；T是一个预定的阀值，根据图像的实际尺寸和质量估计一个常数。 统计直方图：图像某个统计量f(X)，遍历分布区域中每个点，对于u=f(X)的每一个测量值，累计重复出现的次数。例如颜色直方图，灰度直方图，能量分布直方图etc，用于分析统计量的取值分布。例如灰度直方图定义：P（I）=灰度级I的像素数/区域总的像素数。 数学形式：p(u)=∑δ(xi-u),xi€X, X是图像的样本点集合，δ是delta函数。 连通体轮廓提取：二值图像处理中，常需要提取一个闭合曲线或区域的轮廓坐标集合 4.7 Ω