复杂背景下的快速车牌识别技术研究.docxVIP

复杂背景下的快速车牌识别技术研究 车牌定位算法分析 基于灰度图像的车牌定位方法 1.1基于边缘检测的车牌定位方法 1.1.1通过字符边缘特征定位 首先利用边缘检测算子提取车牌字符边缘，再对字符边缘进行形态学连接, 获得车牌候选区域，然后采用投影方法去除伪车牌。 优点：有效地去除非边缘噪声，可以快速定位含有多个车牌的图像； 缺点：难以去除边缘密集的伪车牌，而且无法定位污染严重的车牌图像。 1.1. 2通过检测车牌的外边框定位 首先利用边缘检测算法提取车牌边框位置，然后用Hough变换算法检测肓线, 确认外边框的上下左右四条边位置就确定了车牌在图像中的位置。 1. 2基于纹理特征的车牌定位方法 利用车牌区域的灰度跳变特征，对图像进行水平方向的扫描,找到灰度变化 满足车牌区域灰度变化规律的车牌线段，对已经找到的可能存在车牌的区域进行 垂直方向的扫描，找到连续若干行均存在车牌线段，通过对连通区域的尺寸分析, 满足车牌的宽高比，由此确定一个车牌区域。 缺点：灰化和二值化的阙值问题，倾斜车牌定位问题 1. 3基于投影法的车牌定位方法 首先对车牌图像进行二值化，由于车牌区域存在明显的剧烈的字符与背景的 灰度跳变,将跳变次数投影到垂直轴上，那么车牌区域对应的垂直轴上会有一个 明显的峰值，这样可以得到车牌的上下边界。然后对上下边界内的区域进行水平 投影,字符区域会出现明显的峰值，这样可以得到车牌的左右边界。 缺点：无法准确定位复杂环境下的车牌 基于彩色图像的车牌定位方法 首先利用彩色边缘检测算子Color-Prewitt检测字符边缘，并用数学形态学 方法连接各个边缘，最后利用车牌的先验知识，确定车牌位置。 缺点：车牌底色不同。受自然光照变化影响，车牌图像色度变化范围大 基于字符边缘特征的车牌定位方法 3. 1粗定位 釆用简单方法的车牌粗定位方法获取边缘密集的车牌候选区域，再采用复杂 方法的车牌定位去除伪车牌区域。 1. 1灰度变换 把需要处理的RGB图像转换为YUV (视频数据)图像中的Y分量灰度图像。 转换公式:Y 二 0. 299*R + 0. 587*G + 0. 114*5 1. 2边缘检测 梯度算子 梯度算子是一阶导数算子，图像的梯度是邻域灰度值的差分，图像中灰 度值变化剧烈处的梯度值较大,图像中灰度值变化轻微处的梯度值较小。 表1梯度算子 算子模板1模板2011 0 算子 模板1 模板2 0 1 1 0 Robert -1 0 0 -1 ■ ■ ■ ■ ■ -1 0 1 -1 -1 Prewitt -1 0 1 0 0 0 -1 0 1 1 1 1 — -1 0 r ■-1 -2 Sobei ■2 0 2 0 0 0 -1 0 1 1 2 1 — 模板简单，边缘定位准确，但对嗪声敏感。 对噪声冇一定的抑制作用，但检测出的边缘有 一定程度的断开。 对噪肖有抑制作用，对边缘检测较准确，可以 提取边缘的方向信息。 拉普拉斯(Laplacian)算子 拉普拉斯边缘检测算子是二阶导数算子，通过邻域内各个点的灰度值的 差分来实现。该算子无法提供边缘方向，是一个与边缘方向无关的边缘算子, 这在一定程度上可以有效地检测出全部图像边缘，但其缺点是对图像噪声比 较敏感。 0-10-1 4 -1 0-10 -1 4 -1 0-10 -1 -1 —1 一1 -1 -1 两个模板: Canny 算子 Canny算子是先平滑再求导的边缘检测方法，它利用高阈值和低阈值分 别检测图像中的强边缘和弱边缘，以强边缘为基础，搜索和连接附近的弱边 缘，而且由于它在边缘检测之前进行了高斯滤波，因此Canny算子不但可以检 测出丰富的边缘细节，又可以有效地减少噪声的干扰。 原理： 1 ?用高斯滤波器平滑图像 高斯平滑函数： aS (3.1)H(x,y) = e 心 (3.1) g( = /3)52) (3.2) 用一阶差分来计算梯度的幅值和方向 选择对噪声有抑制作用的Sobel算子： ■-1 o r 「-1 -2 2 -2 0 2 0 0 0 -1 0 1 ■ ■ 1 2 1 0J(X』)=/(X,刃 X 乩(XJ) 02 (x,刃=/(x, y)^H2 (x9y) (3.3) (3.4) 梯度横幅： (p(x，y) =」(p：(x,y) +(p； (x，y) (3.5) 梯度方向： 0=tan-^y) 0(X, y) (3.6) 3 ?对梯度幅值进行“非极大值抑制” 非极大值抑制是指在梯度方向上只保留梯度幅值为极大值的点，抑制所 有非极大值的点。 将梯度角的变化范围缩小到只有四个方向，标号0到3o对梯度图像的每 个像素点使用一个3x3的模板，将模板的屮心像素X的梯度值与沿着梯度方 向的两个相邻像素的梯度值比较，如果X的梯度值均小于沿梯度方向的两个 像素的梯度值，则将X处的