基于小波分析的车牌字符分割方法.docxVIP

基于小波分析的车牌字符分割方法 摘要： 针对汽车车牌图像自动识别的问题，提出了i种对多字符图像的分割技术。此技术貝有很好地分 析信号局部特征的优点，利川小波分析与图像投影特征相结合的方法，快速检测出图像屮多字符的边 缘突变点，将多字符图像分割成多个单字符区域，从而实现一幅图像中多字符的定位及分割。 关键词：车牌；字符分割；小波分解 引言 随着我国经济的高速发展和人民生活水平的提高，汽车成为人们日常生活中不可缺 少的组成部分，因此在交通管理、车辆管理、收费管理等方面车牌的识别也显得尤为重要 了。其屮字符图像分割是车牌自动识别的关键技术，也是车牌自动识别的第一步,它的准 确性和可靠性，将为后续的图像处理和识别打下良好的基础。因此汽车车牌在自动检测 和识别之前必须对车牌图像中的多个字符进行目标定位及分割。字符分割效果的好坏， 直接影响了口动检测和识别的效率，因此，木文提出了基于小波分析和投影特征的车牌字 符分割技术。 图像分割是对图像进行处理时必不可少的工作，是图像分析的第一步。口前图像分割 方法大多都是基于一维或二维灰度宜方图对图像做阈值化处理。虽然阈值点通常在直方 图的局部极小值点附近，然而实践中耍用计算机来找到这一点并不容易。因为不知道物体 和背景的像素个数、均值、方并等等特征量，通常是采用估计阈值的大致范围的办法來计 算阈值，这样选取的阈值误差大，图像分割效果不好。本文抓住小波分析能够很好的分析 信号局部特征的优点，检测出其它分析方法忽略的信号特性，找到多个门标物体的边缘突 变点，从而实现多字符图像的目标定位及分割。 1图像预处理 为了提高车牌字符分割的效果，首先对汽车图像进行一?系列的处理: 下面对其部分进行说明: 1.1灰度变换 为了增强图像的对比度，使其明暗鲜明,我们对图像进行灰度变换从而消除光照不均 对图像分割的影响。假设原始图像f(x, y)的灰度范围大部分在[3, b],希望变换后图像 g(x, y)的灰度范围扩展至[c, d], M为原始图像中的最大灰度值，可采用下面的公式来实 现： d,cf(x, y)a g(x，y) = (d - c)/(b - c)f(x, y) + c,g V /(x, y) b c,0/(x,y)6Z 1.2二值化 图像的二值化是一种将连续色调图像变成黑白图的方法。基本思想是使像索值小于 指定的阈值的像素转成黑像素。像素值大于或等于指定阈值的像素转成白像素。一般初 始阈值： 1.3中值滤波 小值滤波属于空域处理屮的一种区处理方法，它根据邻域小齐像素的值来决定屮心 像素值的大小的方法。但是，它不需要根据邻域值用算术方法计算出新像素值，而是一种 按邻域中的像素排序后的中位像素(即排序后位置处于正中的那个像索值)作为中心像素 的新值的方法。中值滤波的优点是能够保持目标图像的边缘,去除中型噪芦，阶跃状灰度 变化保持较好。缺点是损失部分细节，平滑效果不好。系统采用3X3的图像窗口进行9点 小值滤波，既能消除随机噪声，又能保持图像的边缘，优化了图像的质量，为下一步的区域 定位打下良好的基础。 1.4区域定位 本文采用对屮值滤波的图像进行逐行、逐列扫描的方法来实现对车牌区域的定位。 具体扫描的方法是从下到上、从左到右的扫描。从下到上的扫描记录下每行屮黑白像素 的跳变次数，第一次遇到某一行中的黑口像素跳变次数大于12时，记录下此行，同样记录 下最后一行。然后从左到右逐列扫描行扫描记录下来的两行区域图像，第一次遇到某一 列的象素全部为白像素，或是某两列的像素全部为白像素，记录下这一列，依次扫描， 记录下最后一列。再对得到的4个值进行适当的调整即可找出车牌区域。 2分割原理 2.1小波变换模极大值点与信号突变点之间的关系 在某一尺度xO下，如果存在一点(xO, yO)使得 %Z)=o,则称点(xO, yO)是局 部极值点,且些字如在尸y°上有一个模极大值(过零)点。如果对yO的某一邻域内任意点y,有|Wf (xO, y) | W |Wf (xO, yO) |,则称(xO, yO)为小波变换的模极大值点。 当积分等于1,并在无穷远处收敛到0时，设二阶可微，并定义它的一阶和二阶微商为: 屮“(兀)=理屮(X)= m ( 1) dx dx 因为屮L Mdx = 0 ? 0 L Mdx = 0故屮a (x),屮b (x)为小波函数。 小波变换是通过信号与一个扩展小波函数的卷积实现的，信号g(x)在尺度S上和位 置X上,关于小波屮a(x)的小波变换为： (2)(3)w： (2) (3) 信号g(x)关于屮b(x)的小波变换为: W/g⑴二gx出⑴ 可以导出: W$g(x) = gxdxdx W$g(x) = gx dx dx (4)Wfg(X)= gX / 攀=52-^-(^X^)(X) dx dx (4)