沈算子在倾斜车牌校正中应用.docVIP

沈算子在倾斜车牌校正中应用 　　 摘要：提出了一种新的车牌倾斜校正方法，该方法首先根据沈算子检测出车牌边缘，然后将车牌区域平均划分为左右两个部分，分别计算这两个区域的重心，连接两个部分的重心，最后，计算出重心与水平方向的夹角，并按此夹角进行旋转。实验证明，这种方法简单、实用，对光照、污迹等不敏感，抗干扰能力强。?? 　　关键词：沈算子；车牌边缘；边缘检测；倾斜校正；车牌重心?? 　　中图分类号：TP311.52文献标识码：A文章编号：1672-7800（2011）07-0115-02?お? 　　?? 　　作者简介：宋芳芳（1984-），女，山东烟台人，贵州民族学院硕士研究生，研究方向为图像处理与模式识别；张儒良（1963-），男，浙江宁波人，贵州民族学院副教授，研究方向为数据挖掘、图像处理。 　　 　　 　　0引言?? 　　 目前，智能交通系统已广泛应用于交叉路口监控、停车场监控以及高速公路收费等场合。随着交通信息化越来越发达，交通智能化的研究理所当然成为研究热点之一。车牌识别是计算机视觉与模式识别技术在智能交通领域应用中的一个重要研究课题，一个完整的车牌识别系统主要分为车牌定位、倾斜车牌校正、车牌识别几个步骤。其中车牌图像往往会受到采集镜头与车牌之间的距离、道路坡度、汽车驾驶速度、天气、光照以及司机所挂车牌位置的影响等，我们所采集到的车牌图像往往会有一定程度的倾斜，给车牌字符分割和识别造成影响，车牌的倾斜校正是车牌图像识别至关重要的一步。?? 　　本文采用沈算子提取车牌边缘，然后根据图像重心计算出车牌倾斜角度。实验表明，该算法具有运算速度快、抗噪效果好等特点。?? 　　1边缘检测?? 　　1.1预处理?? 　　 由于相机成像的非均匀性，以及环境噪声影响，采集到的图像往往并不理想，在对图像进行其他操作以前，一般需要对图像进行预处理，例如使用 A/D转换器将模拟信号转化成计算机可以处理的数字信号等。图像在计算机中以二维矩阵的形式存储，以图像中每个点的灰度值或灰度级作为图像矩阵的元素。彩色图像处理起来，算法比较复杂，在这里我们先把彩色图像(RGB)转换成灰度图像(Gray)。 ?? 　　1.2沈算子边缘检测?? 　　 本文选用二阶微分算子，即沈俊算子，通过寻找过零点，以完成边缘提取。相比其他二阶微分算子，如Laplacian算子，沈俊算子实现简单，它只需要一个参数??a0??,而且具有很好的抗噪能力。?? 　　 车牌边缘含有大量的视觉信息，我们要把车牌的边缘检测出来，为接下来的工作做好准备。目前在边缘检测方面常用的算法像一阶微分算子：Roberts算子、Sobel算子和Prewitt算子，其算法比较简单，但却容易出现轮廓断裂的现象，可能会漏检一些比较微弱的边缘。常用到的二阶微分算子―Log算子，效果相对好些，但计算起来相对复杂。沈算子边缘检测算法和传统的边缘检测算法相比较，存在一定的优点。该算法拥有良好的抗噪效果，获得的边缘比较平滑。?? 　　 沈算子属于先平滑后求导数的方法，我们将沈算子应用到倾斜车牌校正中，其计算过程如下：?? 　　 (1) 对灰度车牌图像，分别按行和列进行两次正反向的递归滤波。?? 　　 设原车牌数字灰度图像为??f(x,y)??（假设图像大小为m行n列），先按行进行??（0≤x≤m）??： 　　 ?И?f1(x,y)=f1(x,y-1)+a0??*[f(x,y)-f1(x,y-1)]??y=1,2,…n?? 　　 f2(x,y)=f2(x,y+1)+a0??*[f1(x,y)-f2(x,y+1)]??y=n-1,n-2,…1,0?И? 　　式中，??f2(x,y)即为按行进行正、反向两次递归滤波后的输出。其中，a0介于(0,1)之间，当a0越接近于1,边缘的定位精度越高。随着a0的减小，抗干扰能力增强，但边缘细节丢失增多，边缘检测的精度将受影响。?? 　　 在此基础上再对其按列(0≤y≤n)?Ы?行两次正、反向滤波，即： 　　 ?И?f3(x,y)=f3(x-1,y)+??a0??*[f2(x,y)-f3(x-1,y)]x=1,2,…m?? 　　 f4(x,y)=f4(x+1,y)+??a0??*[f3(x,y)+f4(x+1,y)] x=m-1,m-2,…1,0?И? 　　 这样，??f4(x,y)?Ъ次?沈算子第一步的运算结果。?? 　　 (2) 计算 ??f4(x,y)与原灰度图像 f(x,y)的差，对其进行二值化处理，将差值为正的点设为白点（灰度值为255）,而差值为负的像素值设为黑点（灰度值为0）；得到的新灰度图像矩阵为 f5(x,y),?Ъ次?二值化后得到的结果。?? 　　 实验图像中可以看出，沈算子边缘检测更有利于我们准确地找到图像中的