基于动态HSV阈值车牌定位算法.docVIP

基于动态HSV阈值车牌定位算法 　　摘 要:车牌定位技术是车牌识别的重要组成部份。通过对图片的HSV空间对各颜色分量的分析和研究,提出了一种基于颜色和纹理信息的的快速高效车牌定位算法。该方法利用车牌颜色的固有特征,通过统计整幅图像的颜色信息,获取颜色动态阈值,可准确地去除车牌图片中的复杂背景信息,使车牌搜索变的更加容易,大大提高车牌定位的速度和鲁棒性。 　　关键字:车牌定位 HSV空间 颜色信息 车牌搜索 车牌识别 　　 　　1 引言 　　智能交通(ITS)系统研究的是如何优化资源配置,充分挖掘现有道路交通的潜力,它已成为当前交通管理和科研部门研究的重要课题[1]。车牌识别是智能交通的重要组成部份,它包括车牌定位、车牌分割、车牌识别三个部份,车牌识别系统可以广泛的应用于高速公路收费、公路监测、小区管理等场所。车牌定位在整个识别系统中占重要的地位,是实现车牌正确识别的前提与基础。 　　目前常用的车牌定位方法有:(1)基于纹理特征的车牌定位,这种方法主要利用水平纹理进行定位,包括小波纹理[2],水平梯度纹理[3]等。(2)基于边缘检测算法[4],该方法主要利用亮度差分,获取图像的边缘,根据车牌的几何特性,达到定位的效果。(3)基于颜色的车牌定位[5][6][7],该方法主要根据车牌的固定颜色组合,根据特定颜色阈值来完成图像二值化,并结合车牌的纹理特性来完成车牌定位。 　　其中方法(1)定位准确,但是漏检率高、速度慢、虚景较多。方法(2)速度快,漏检率高,定位不够准确,对车牌尺寸适应性差,很难区分与背景文字、车灯等同样灰度变化明显的区域。方法(3)速度快,但是,受车牌磨损、受环境光的影响,容易和颜色相似的区域混淆。 　　目前已有的定位方法由于定位时大都只依靠车牌某单一方面的特征,都存在着一定的应用局限性,因此在面对背景复杂、颜色干扰较大、实时要求高的环境,已无法满足快速准确的实际应用定位要求。基于以上原因,本文提出了基于颜色的动态阈值法,该方法可以利用颜色信息来完成车牌定位,当颜色信息无法满足时,则调用纹理信息来完成车牌的定位。 　　2 车牌定位 　　在我国共有四类车牌―蓝底白字(小功率汽车车牌)、黄底黑字(大功率汽车车牌)、黑底白字(国外驻国内机构)、白底黑字或红字(军用或警用车牌)。其中蓝底白字和黄底黑字车牌占所有车牌比例超过90%,而且蓝色和黄色在整个颜色系统中,可以较好的用颜色表达式给表示出来,因此,本文的重点主要是针对这两种颜色。 　　2.1 HSV颜色转化 　　HSV表示色相、饱和度和亮度,这个颜色空间模型对应于圆柱坐标系中的一个圆锥形子集,圆锥的顶面对应于V=1.它包含RGB模型中的R=1,G=1,B=1三个面。色彩H由绕V轴的旋转角给定。红色对应于角度0°,绿色对应于角度120°,蓝色对应于角度240°。饱和度S取值从0到1。在圆锥的顶点(即原点)处,V=0,H和S无定义,代表黑色。圆锥的顶面中心处S=0,V=1,H无定义,代表白色。 　　 式(1) 　　式中变量R、G、B分别为图像上某个像素的红色、绿色和蓝色分量,,,H为某种颜色的H值取值区间,比如蓝色约为240左右,黄色约为40左右,黑色和白色都为160左右,在本文中,主要利用H分量完成车牌的定位。 　　2.2动态阈值的计算方法 　　车牌的颜色H分量值受环境光和车牌试用的影响,它的取值范围跨度较大,在常规的基于颜色的车牌定位处理中,首先统计出车牌某种颜色区域可能出现的范围,然后把该范围设定为车牌阈值,如果颜色的H分量落在该区域就设为前景,否则就设为背景。由于这个阈值受环境光和自身磨损影响大,如果阈值过大则二值化后背景复杂,达不到简化计算的效果,反之则会出现较多的漏检。 　　本文提出了一种新的阈值计算方法,通过统计信息完成了阈值的计算方法,该方法通过统计信息来完成区间的选取。其计算步骤为: 　　1:通过统计车牌,确定该颜色的阈值范围[Hmin,Hmax]。 　　2:统计在整幅图像H值在阈值范围内的点,计算该范围阈值点平均H值Have。 　　3:新的阈值范围为[axHave,bxHave]。 　　其中的a和b分别为权重系数,ab,其值根据颜色种类各有不同,图1分别显示了利用该阈值法和固定阈值法的图像二值化效果。 　　 图1 二值化效果 　　2.3车牌定位 　　虽然汽车图像的背景比较复杂,但图像中的车牌区域却有如下的几个特点[8][9]: 　　1.牌照内都有多个字符(一般为7个),基本成水平排列,形成一个矩形区域; 　　2.不同的车牌图像中,牌照的大小、位置虽然不确定,但牌照大小变化有一定范围,字符大小和字符间距变化也有一定范围; 　　3.当将图像二值化后,字符灰度值和背景灰度值区别很大,横向扫描线通过二值化汽车