《基于图像信息的汽车牌照定位技术研究》由会员分享，可在线阅读，更多相关《基于图像信息的汽车牌照定位技术研究（18页珍藏版）》请在金锄头文库上搜索。
1、 基于图像信息的汽车牌照定位技术研究摘要：汽车牌照的定位是牌照识别的第一步,定位的准确与否将对后续操作起关键性的作用.在模式识别领域中,希望通过一种方法就完成一项实际工作是不可能的,必须要考虑多种方法融合的策略.提出了一种基于多方法的车牌定位策略.首先利用颜色信息对输入图像进行彩色粗分割,得到了颜色为车牌照的一些区域.然后将分割结果中的伪目标区域(即除了车牌照区域外的其他区域)分为两类(一类是与汽车牌照颜色相近的背景,一类是可能和牌照颜色相近的汽车外壳),分别进行处理,最终利用投影法得到准确的车牌位置.实验结果表明该方法效果较好.关键词：汽车牌照；定位；车牌提取；字符分割；字符识别；彩色分割
2、Comprehensive Review of License Plate Location Technology Based on ImageAbstract:Car-plate locating is the first step of the recognition of car-plate.The accuracy of locating plays an important role in the next steps.An approach of car-plate locating based on col-or segmentation is presented.Firstly
3、,the input picture in roughly segmented based on the color information,and some regions with the color of car-plate are obtained.Then the false regions in the result image is eliminated.At last,projection metod is used to get the accurate position of the plate.The experimental result show that the p
4、roposed method is quite effective.Key words:Car plate;Location; license plate extraction;Character segmentation，Character recognition; Segmentation based on colorful picture非物质文化遗产是指各族人民世代传承的，与群众生活密切相关的各种传统文化表现形式和文化空间，包括民俗活动、表演艺术、传统知识和技能以及与之相关的器具、实物、手工制品等 目 录1.绪论11.1研究背景及意义11.2车牌定位技术国内外发展现状11.3研究的难点
5、22车牌定位的一些方法22.1彩色汽车牌照定位方法22.1.1基于颜色模型的粗分割22.1.2区域融合32.1.3非牌照区域的去除42.1.4车牌最终定位52.1.5实验结果62.2基于边缘检测与垂直投影相结合的车牌定位方法62.2.1边缘检测62.2.2结合垂直投影的车牌定位82.2.3实验结果与分析92.3一种复杂车辆图像中的多车牌定位方法102.3.1预处理102.3.2车牌定位与倾斜矫正122.3.3实验结果153结语164参考文献175致谢17前言 车牌自动识别技术可以应用于道路收费系统、交通管理系统等广泛的领域。随着我国汽车数量的迅速增加，车牌自动识别技术的应用具有重要的现实意义。
6、车牌自动识别技术通常可分为3个步骤：车牌区域的定位、字符的分割和字符的识别。而车牌区域定位的准确与甭，直接影响到后续步骤的运作。1绪论 1.1研究背景及意义 随着世界经济的高速发展，汽车数量与日俱增，交通状况同时受到人们的重视。交通问题的解决是一项复杂的工程，单靠一方面的措施难以解决，必须从道路基础设施的供给、交通规则、交通管理和交通需求管理等多方面协调进行系统治理。但是受到资源、财力、环境等因素的限制，基础设施的建设是不可能无限度的增加，所以利用科学的管理方式和先进的技术手段来改造现有的道路运输系统，以充分发挥道路网的效率，就显得尤为重要。ITS智能运输系统(Intelligent Tran
7、sport System)将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。LPR车牌照识别技术(License plate recognition)是一个以特定目标为对象的专用计算机视觉系统，该系统能从一幅图像中自动提取车牌照图像，能自动分割字符，进而再对字符进行识别。LPR作为ITS的重要组成部分，主要由三部分组成：汽车牌照定位、汽车牌照字符分割、汽车牌照字符识别。汽车牌照的定位直接影响着汽车牌照的识别的准确性，所以研究汽车牌照定位技术也就
8、有了很大的意义。1.1 车牌定位技术国内外发展现状随着科学技术与经济的发展，人们对于交通状况的要求也越来越高，在交通硬件取得了很大成就的同时，交通类软件的发展也引起了人们的广泛重视。一些发达国家近年来有不少这方面的理论研究成果和软件产品，我国在这方面的研究也具备一定的规模。但由于多种原因，该技术还没有被广泛的掌握和应用，还需要不断完善，以促使我国的交通管理事业迈上一个新的台阶。车牌定位的研究国外起步比较早，现有比较好的牌照定位方法主要有JBarroso等提出的基于水平线搜寻的定位方法；RParisi等提出的基于DFT变换的频域分析法：Charl Coetzee提出的基于Niblack二值化算法
9、及自适应边界搜索算法的定位方法；JBulasCruz等人曾提出基于扫描行的车牌提取方法。上述这些方法，尽管在一定的条件下能够分割出车牌，但车牌识别系统大多是利用摄像机室外拍摄汽车图像，存在许多客观的干扰，如天气、背景、车牌磨损、图像倾刳等因素。因此这些定位方法并不太理想，而且对于我们国家的车牌并不能很好地识别，经常产生误识和拒识现象。1.2 研究的难点车牌定位是车牌自动识别系统的关键技术之一。尽管目前这方面的研究已经日渐成熟，但也存在一些问题尚待解决，例如：很多系统缺乏对光照条件的适应性、对牌照的底色存在一定的歧视(即对不同底色车牌的识别率有明显差异)等。典型的车牌定位算法可分为两大类：基于车
10、牌区域纹理复杂性和基于车牌特征颜色。单一的定位算法能满足特定场合的需求，但在复杂环境下性能下降。另一方面，在利用纹理或者颜色信息定位过程中，都要面临阈值或范围的确定，一般根据经验和统计选择固定值，这样算法的鲁棒性会降低。本文将提出一些比较好的方法对这些问题进行解决2 车牌定位的一些方法2.1 彩色汽车牌照定位方法2.1.1 基于颜色模型的粗分割 根据人眼的结构，所有的颜色都可看作是3个基本颜色，也就是RGB三基色的不同组合,一般彩色图像常采用RGB模型,但是单纯地利用RGB模型,很难进行彩色图像处理,因为RGB 三原色空间中两点间的欧氏距离与颜色距离不成线性比例。因此，要对彩色车牌照进行分割，
11、需要将这个模型转化到另外空间中去：HSI模型。H表示色调,S表示饱和度,I表示密度。对应图像灰度，由RGB模型到该模型的变换公式为: 该模型有两个特点:一是I分量与图像的彩色信息无关,二是H分量抽出了色调而忽略了亮度信息,这对分割车牌照十分有利。例如蓝色的色调一般都处在通过对这个量进行过滤，就可以将输入图像中的蓝色部分全部滤出来，当然包括蓝色车牌部分，在这个分割基础上可以进行下一步的工作。下面以蓝底白字车牌为例。2.1.2 区域融合上一步只是一个粗分割。自然图像中属于蓝色的区域可能会有很多，因此粗分割结果只是得到包括车牌区域在内的很多杂乱区域,对于包含车牌的区域，由于字符部分为白色，所以这片区
12、域中会包含许多的残洞（如图2.2所示）。这一步的目的就是去掉这些残洞，得到比较连续的区域。现在引入下面的结构元：式中，M,N-结构元的长和宽。 图2.1 结构元 图2.2 空洞情况让这个结构元在得到的分割结果图像中滑动，如果本结构元所覆盖的区域中有一定百分比数目的蓝点，则将此结构元下面的像素点认为是目标点，将空洞部分予以填充，即在分割后的输入图像f(x,y)的当前点(x=i,y=j)处，若， 则令 这样就可以保证车牌部分为一片连通的区域，而不受非蓝色字符的影响。2.1.3 非牌照区域的去除 经过上述的区域处理之后，得到了一个包含牌照区域的很多杂乱的蓝色区域。将非牌照的那些伪区域进行如下分类：一
13、类是颜色与牌照颜色相近的小噪声区域；另一类是颜色与牌照颜色相近的汽车外壳。对于每一类都给出了不同的处理策略。 第一类的小噪声区域的特点是面积比较小，可以设置一个面积门限来将这些小的区域滤掉。首先对上述所有处理之后的结果图像扫描一遍，找出所有的区域，如果区域q(r,s)的总像素点数小于给定的阈值,那么令q(r,s)=0,r、s属于本区域。第二类的处理较为复杂，再通过面积来做是不可能的，还要考虑采用输入图像的梯度信息。先求出原图像f(x,y）的梯度图像h(x,y)。由于光滑的汽车外壳部分的平均梯度较小，而车牌照区域经过上面的处理已经包含了非牌照颜色的字符，所以该区域的梯度值较大。但是牌照区域又可能
14、会由于上面设置的门限不够准确而粘连上了一些大的区域，从而使该处区域的平均梯度值也较小。这里就需要做预处理，采用如图1所示的结构元，并用它来扫描当前结果图像。 若 并且 则令 也就是说当结构元覆盖了足够的蓝色区域且该区域的平均梯度值小于门限t时,则将该结构元覆盖下的部分清除掉。 现在大区域应该都被去除或主要部分被去除，只留下大区域的边缘部分及牌照区。接着，对整个图像再进行一次扫描，标记出所有剩余的区域。对每一个区域q(r,s)，判断：，是否成立，若成立，则将该区域删除，否则保留。对每一个区域的上述检测完毕之后，就可得到车牌区域的图像了（非车牌区域的值为零）。2.1.4 车牌最终定位 根据车牌底色
15、及长宽比的先验知识，可采用投影法分割出合理的车牌区域，下面以分割蓝底白字的车牌区域为例说明投影分割的方法。把经过颜色分割后的输出结果按行（列）计算蓝色像素的总和，即为该行（列）对蓝色的投影值，把所有像素行（列）的投影值都统计出来，即得到整个图像对蓝色的水平（垂直）投影。投影操作实际上是把二维图像的像素分布特征简化为x轴和y轴的两个一维函数,通过对两个投影图像的分析,即可提取出车牌区域。这样就得到了准确的车牌位置信息，可以据此进行下一步的角度检测以及字符提取工作。2.1.5 实验结果 对一些车牌图像进行了实验，所有图像来自于一个车牌识别演示系统“车牌通”的图像库，实验中选择了蓝色的车牌照，并特意选用了车身也是蓝色的图像来说明本方法的有效性，如图2.3所示。实验取得了良好的效果。 （a）输入图像 （b）输出图像
