《复杂背景下快速车牌定位方法研究》由会员分享,可在线阅读,更多相关《复杂背景下快速车牌定位方法研究(6页珍藏版)》请在金锄头文库上搜索。
1、收稿日期: !“# $“% $! ?5 $ 79:(=8ABC795BD =9:59AA59: E F9G7H6C579 IB5A9BA JAKCL 7G .I0;,?;A9: 186CA AB7:95C579;;787 DK6BA;/AC5B68 AR:A RACABC579;186CA DA6BM59:BC 引言智能交通系统 (F0I) 是当前交通管理发展的主要方向。车牌识别 (31Y) 技术则是整个智能交通系统的核心, 其发展水平对于 F0I 的发展有着举足轻重的影响。在整个车牌识别流程中, 车牌的定位又是最至关重要的一步。车牌的定位是一种复杂背景下的目标提取问题, 背景包括车牌区域周围
2、的车身以及车辆周围的场景。目前, 国内外对此进行了一些研究, 主要采用基于颜色的车牌定位方法和基于纹理的车牌定位方法。前者需要根据车牌的特点 (蓝牌, 黄牌, 黑牌, 白牌) 定义颜色空间。这种方法运算简单, 容易实现。然而很多时候, 颜色空间的定义并不容易, 诸如阴影以及光照变化等因素会使颜色空间的界定变得异常困难。另外, 如果车牌图像背景比较复杂, 存在诸多和车牌颜色类似的区域, 那么单纯根据颜色信息搜索车牌则会变为徒劳。基于纹理的车牌定位方法利用车牌区域边缘丰富的特点进行边缘提取, 进而确定车牌的位置。文献 (+ 提出了一种基于灰度图像纹理特征的车牌定位方法。本文在 -./ 颜色空间内,
3、 首先分别对三个颜色分量进行竖直方向的边缘提取, 继而融合所得到的三个边缘图像,获取原彩色图像的边缘图。与文献 ( 所提出方法相比, 利用本文所提出的方法进行边缘提取之后, 非车牌区域的边缘所剩无几, 使随后的车牌区域搜索变得非常容易和简单。本文方法的流程图如图 E5 FGH 颜色空间转换本文之所以选择 -./ 作为彩色边缘检测空间, 是基于%#!图 !“ 算法流程图两个重要原因: 第一, 色度分量 (!, “) 和亮度分量 #明确分开; 第二, #!“ 颜色空间应用于诸多图像和视频编码标准之中, 因此可以避免边缘提取中因为格式转换而引起的计算负担。后者在实时性要求比较高的系统比如车牌识别中尤
4、为重要。$%, ?=8=A, $BCD9E以及FBCD?算子等。 这些算子简便快捷, 在很多方面起到不错的作用。 对于车牌提取,根据车牌区域竖直方向边缘丰富的特点, 可以采用如下方程对三个彩色分量分别进行边缘提取:+(,, -)$! (, 5 ?=AB*=8. CB*;/ D/;B/9=*=8A9 +E C9=/;F*=89;GAAF 7 HI;/ HJ=F*.=8A9 *9I D/I/I K/;8A9 LFAM89; 6 5 CHHHNF*9O*.=8A9O A9 CB*;/ PFA./OO89;,Q.= $“#,#“ (#“) :#!(! 7#!)(58*9; S*8,69B89 TU,G
5、U*9;:89; V85 C9=/8;/9= NF*9O:AFW=*=8A9 DEO=/BO G 5 PFA./I89;O $“V8*9;, V8 GU*9;P89;5 ? RE+F8I V8./9O/ P*=/ HJ=F*.=8A9X/=UAI S*O/I A9 HI;/ D=*=8O=8.O *9I XAF:UAA;E G 5 P*=/F9K/.A;98=8A9, CGPK $“! PFA./I89;O A0 =U/ #%=U C9=/F9*=8A9* GA9W0/F/9./, $5 $“!, $: -F*E /Z/ U8O=A;F*BO-($图 !“实例比较! “ #$ % 付忠良“ 图
6、像阈值选取方法 5 , : (?) : 8 56“作者简介鹿晓亮(7686“ 6 5 ) , 男 (汉族) , 河南舞阳人, 中国科技大学在读研究生, 主要研究方向: 模式识别, 图像处理;陈继荣(76AA“ 77 5 ) , 男 (汉族) , 安徽宿州人, 中国科技大学副教授, 主要研究方向: 多智能体认知和嵌入式系统。(上接第 #$ 页)参考文献:7 ; 韩宝坤, 等“ 基于 BCB2 的高速履带车辆平稳性模型 ! “ 仿真学报, :, 7A (77) : 7?7 57?“: ; 韩宝坤, 等“ 高速履带车辆平稳性能模型与仿真 ! “ 计算机仿真, :, : (:) : 78 57D“ ;
7、 王书镇“ 高速履带车辆行驶系 3 “ 北京理工大学出版社,76DD 59“A ; 丁法乾“ 履带式装甲车辆悬挂系统动力学 3 “ 北京: 国防工业出版社, :A“? ; 韩雪海, 等“ 履带车辆行驶力学 3 “ 北京: 国防工业出版社,76D6“作者简介肖永开(76D 5 ) , 男 (汉族) , 湖北武汉人, 硕士生,感兴趣方向为车辆工程, 振动控制, 计算机仿真等;李晓雷(76?8 5 ) , 男 (汉族) , 河南新郑人, 博士, 教授, 中国计算机用户协会仿真应用学会理事, 主要研究方向为车辆动力学, 车辆悬挂、 故障诊断等。6?:复杂背景下快速车牌定位方法研究复杂背景下快速车牌定位
8、方法研究作者:鹿晓亮, 陈继荣, LU Xiao-liang, CHEN Ji-rong 作者单位:中国科学技术大学电子工程与信息科学系,安徽,合肥230027 刊名:计算机仿真 英文刊名:COMPUTER SIMULATION 年,卷(期):2006,23(7) 被引用次数:2次参考文献(6条)参考文献(6条)1.陈锻生.谢志鹏.刘征凯 复杂背景下彩色图像车牌提取与字符技术期刊论文-小型微型计算机系统 20022.Jianping Fan Automatic Image Segmentation by Integrating Color-Edge Extraction and Seeded
9、RegionGrowing 2001(10)3.Hongliang Bai.Junmin Zhu.Changping Liu Intelligent Transportation Systems 20034.Bai HongLiang.Liu ChangPing A Hybrid License Plate Extraction Method Based on Edge Statistics andMorphology 20045.N Otsu A threshold selection method from gray level histograms 19796.付忠良 图像阈值选取方法-
10、Otsu方法的推广期刊论文-计算机应用 2000(05)相似文献(10条)相似文献(10条)1.学位论文 黄国祥 RGB颜色空间及其应用研究 2002该文初步探讨了RGB颜色空间所有颜色点转换为色度图上的颜色点的规律,按色差将所有颜色点聚类于黑蓝绿青红紫黄白8种颜色.同时,对色度图上的 可见点按色度坐标剖分于这8种颜色,由此确定的剖分线与GB8416有重大区别,它适合作为RGB图像按颜色分割的一个实用标准.据此提出了色差聚类和色度 剖分线2种分割彩色图像的方法.对于彩色图像,如果按某颜色分割,那么,要增强该颜色所在波段的入射光线.对物体表面色来说,不同颜色表面的光谱反射 率各不相同.彩色表面对
11、可见光谱有较高的选择性,黑白系列的表面色对可见光谱的反射没有选择性.对灰度直方图进行了有益的探索.(A)给出了峰与谷的 数学定义,它有别于连续函数极值的概念,也不同于用导数来定义峰与谷,而是根据给定的邻域直接比较离散数组值的大小.(B)提出了自然段落的概念,利 用它有效地简化了256个数比较结果的分类数目,有利于分类研究直方图.(C)n邻域第m点的方法可以方便地找出数组的少数几个关键点,这些关键点能较好 地反映数组所示曲线的轮廓.惯穿于(A)、(B)、(C)中的思想是小波变换的多尺度思想,(A)中的邻域和(B)中的水平数就是尺度,在(C)中n就是尺度.随着邻 域、水平数和n的不同,可以获得一系
12、列不同尺度下的结果.用1个关键点来代表直方图所示曲线,当然不如用多个点的效果好,如果256个点都选为关键点 ,那么,关键点所绘曲线与直方图所示曲线就一模一样了.这就是逐步逼近的多尺度思想.最后,把颜色分割的方法应用于洞庭湖水域的分割和车牌识别中 ,取得了较好的效果.2.期刊论文 郑彬彬.杨晨晖 基于HSI空间的车牌字符分割 -福建电脑2008,“(3)本文提出了一种基于车牌的HSI颜色空间来识别车牌类型再分别进行切割的方法.本文在HSI颜色空间中利用树形判决结构,对车牌的类型进行判别,再 基于投影法和车牌字符规则的分割方法,对车牌图像进行投影分割寻找边界,以定位字符区域.3.学位论文 王森 基
13、于神经网络的车牌识别技术研究 2007车牌识别技术是智能交通(Intelligent Transportation System,ITS)系统的核心部分,智能交通系统应用领域广泛,涉及有:出入口车辆的管理 、交通流量检测与控制、小区、停车场等物业管理、车辆安全防盗、查堵特定车辆等。随着社会对交通安全以及监控要求的提高,对车牌识别系统性能 的要求也将越来越高。但由于现实世界的复杂性,图像拍摄环境、设备的多变性,加上车牌子符的倾斜、模糊、不完整等,车牌识别软件总存在识别率 低的缺点。所以设计出识别率高、实时性强、出错少的车牌识别系统具有非常重要的现实意义。一般来说车牌识别系统由车牌定位、字符分割、
14、字符识 别三部分组成,车牌定位和字符识别是系统的关键技术。笔者重点对这两种关键技术进行了研究。本文提出了一种基于神经网络的车牌定位技术,利用神经网络分析二值图像中每个像素值为1的8-连接对象,实现车牌粗定位,对粗定位后的结 果进行HSV颜色空间、字符分布特征等分析,进一步筛选粗定位结果,精确定位出车牌字符,进而将车牌的区域定位出来。对于字符识别的关键技术 特征提取,本文应用多种特征提取方法,涉及统计特征和结构特征,主要有:基于小波分析的特征提取、灰度特征提取、笔画纹理特征提取、外围 轮廓特征提取。字符识别采用集成神经网络分类器,对待汉字和字母数字分别采用了两个集成系统加以识别。集成方式采用并行
15、投票系统,这样使得每 个网络具有错误独立性的优点,提高了集成系统的整体识别成功率。实验结果显示:本文的车牌识别算法是一种行之有效的算法,与其他基于神经网络 的算法相比较具有速度快、准确率高的优点,完全可以满足实际的应用需求。4.学位论文 鲁军 基于BP神经网络的车牌识别技术的研究 2005本文对车牌识别系统的车牌定位、字符分割和字符识别进行了系统的研究。在车牌定位方面,采用了灰度跳变频率算法进行粗定位。利用车牌区域 纹理丰富的特点找到各个可能的车牌区域,然后对这些车牌候选区域采取垂直方向的灰度投影来判别真伪车牌,获得唯一的车牌区域。在正确的粗定位 的基础上,依据HSI颜色空间理论很好的实现了车
16、牌的准确定位。在字符分割方面,采用二值图像垂直投影法与先验车牌知识相结合进行字符分割。消除 车牌左右两端定位精度对字符分割的影响。在字符识别方面,针对我国车牌的特点使用了汉字、英文字母和数字、英文3个神经网络进行识别。实验结果 表明该识别算法取得了较好的识别效果。5.学位论文 杜圣康 汽车牌照识别系统的设计与实现 2009交通的发展是社会发展和人民生活水平提高的基本条件,保持经济可持续发展,以提高现有道路、公路网络的运输能力和运输效率的智能交通系统 成为解决交通运输问题的一个重要途径。车牌自动识别技术是智能交通系统中的一个重要方面,本文叙述了一个车牌识别系统的设计与实现方法。该系 统通过云台控制摄像头的移动和镜头的拉伸、调焦等任务,然后把现场站主机视频捕捉卡上获取的视