基于彩色边缘检测及综合特征车牌定位算法.docVIP

基于彩色边缘检测及综合特征车牌定位算法 　　【摘要】针对车牌区域难以定位的问题，本文提出了一种基于彩色边缘检测及综合特征的车牌定位方法。该算法利用车牌底色与字符颜色有几种固定搭配的特点，对彩色图像进行边缘提取，然后利用车牌区域的结构与纹理特征定位车牌，有效减少了车牌大小、位置以及背景复杂等方面的限制。实验证明该算法耗时少，准确率高，鲁棒性好。 　　【关键词】车牌定位；固定颜色搭配；边缘检测；HSV空间；综合特征 　　1.引言 　　作为智能交通系统中的一项关键技术，车牌识别在信息采集、车辆管理和自动收费等领域有着广泛的应用前景。车牌定位是系统的第一个环节，在车牌识别系统中起着关键性的作用。 　　根据定位方法所利用的车牌特征的不同，主要分为：基于车牌自身结构特征的定位方法[1]、基于车牌颜色特征的定位方法[2]和综合利用车牌的多个特征的定位方法[3]等。基于车牌自身结构特征的定位方法的优点是算法复杂度低，运算速度快，能够满足定位的实时性要求，缺点是对真正的车牌区域的定位不够准确，易受车牌污损等因素的影响，将不相关区域视作车牌区域，误检率比较高。基于彩色信息的定位方法，一般来说定位准确、漏检率低，但还存在一些问题，例如当车牌底色与其周围颜色近似、车牌底色褪色时，有效定位率下降。综合利用多个车牌特征及多种图像处理技术的定位方法，一般来能达到比较理想的效果，但通常在定位的实时性上相对较差。 　　本文将车牌上字符的颜色与底色结合起来，构成固定的颜色搭配来进行边缘检测，然后再利用车牌区域的结构与纹理特性进行定位，该算法耗时少，准确率高，对噪声、光照具有鲁棒性。 　　2.车牌定位先验知识 　　2.1 颜色空间 　　（1）RGB颜色空间[4] 　　人类视觉的三基色红（R）、绿（G）、蓝（B）按不同比例混合可以组成自然界的任何一种颜色，因此在空间几何上可以用R、G、B为三个相互垂直的轴构成的空间立体坐标系来表示RGB颜色空间，坐标经过归一化后，对于任何一种颜色都可以在这个空间里找到具体的坐标位置，且对应的三个坐标分别表示它所含的RGB分量。 　　通常情况下，我们采集到的车牌图像都是基于RGB颜色空间的。在RGB空间中，R、G、B三个分量的亮度值随光照强度的不同而改变，且三个分量之间存在联系，因此该模型容易受光照条件影响，不适用于车牌定位。 　　（2）HSV颜色空间 　　HSV颜色空间的模型对应于圆柱坐标系中的一个圆锥形子集。其中H表示色调，符合人眼对颜色特征的感知，是由绕V轴旋转的角度定的。红色对应于角度0°，绿色对应于角度120°，蓝色则对应于角度240°。在HSV颜色模型中，每一种颜色和它的补色相差180°。S表示饱和度，对应于人眼感知的颜色深浅特征；V表示亮度，对应于图像像素的灰度等级。 　　HSV颜色空间较RGB空间更适合人的感官视觉，且各分量具有独立的色彩信息，因此在HSV空间统计图像的分布特征并用于边缘检测比在RGB空间的效果更好，更适合在车牌定位中采用。因此需要将待处理图像从RGB空间转化到HSV空间。 　　2.2 我国车牌特征 　　在中国每种类型的车辆的牌照的底色与字符的颜色的组合是固定的。小型车辆牌照为蓝底白字，大型车辆牌照为黄底黑字，军用与警用车辆牌照为白底与黑字或红字的组合，国外驻华机构的车辆牌照为黑底白字。其中，以蓝底白字和黄底黑字的车牌最为常见。 　　车牌具有明显的结构特征和纹理特征，车辆前部的车牌宽高比为3.15。车牌区域的核心内容是车牌的字符图像，字符由特定的笔画构成，形成了一种人工构造的纹理特征，因此在牌照的矩形区域内具有明显的纹理特征，边缘丰富，沿水平方向颜色变化频率高，垂直方向颜色直方图具有7～9个峰值。 　　3.基于彩色边缘检测及综合特征的车牌定位方法 　　3.1 基于彩色边缘检测的车牌粗定位 　　本文以蓝底白字车牌为例，进行蓝白边缘的检测。输入彩色图像如图1所示。 　　对图像进行行扫描，设某个待测像素为f（x，y）=（H（x，y），S（x，y），V（x，y）），等式中H（x，y），S（x，y），V（x，y）分别是像素f（x，y）在HSV颜色空间中的色调、饱和度和亮度分量。判断该像素是否为预定颜色，即蓝色或白色。若f（x，y）为预定颜色，则以待测点S0为中心取一3×3矩阵，称为检测矩阵，如表1所示。 　　在HSV空间，蓝色的约束条件[5]为：200H 250，85S255；白色的约束条件为：0S30，230V255。根据这两个约束条件，统计窗口内蓝色和白色像素点的分布情况，判断是否存在蓝白边缘点的条件如下： 　　1）S1、S4、S6为蓝色像素点且S3、S5、S8为白色像素点，或S1、S4、S6为白色像素点且S3、S5、S8为蓝色像素点，则S2、S0、S7为竖直边