基于特征多样性的车牌定位方法.pdf

《基于特征多样性的车牌定位方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、电信息技术基于特征多样性的车牌定位方法叶必锭李霆(五邑大学信息学院)摘要：本文提出了一种基于结构特征和纹理特征的车牌定位方法：对车辆图像进行预处理，检测垂直方向的边缘，执行数学形态学操作，并利用车牌的结构特征粗定位车牌区域；提取车牌的纹理特征并构建特征向量，通过贝叶斯分类器来精确定位车牌区域。该方法不受车牌大小、位置等因素限制。对采集到的各种复杂背景、环境下的车辆图像进行了大量实验。实验证明：该方法定位率高，速度快，具有较好的鲁棒性。关键词：车牌定位；结构特征；纹理特征；数学形态学；贝叶斯分类器牌区域进行粗定位；然

2、后，提取车牌图像的多种纹理1引言特征，利用贝叶斯分类器对候选区域分类，实现车牌近年来，智能交通系统已经成为交通管理发展的的精确定位。重要方向，而车牌识别是计算机视觉、图像处理与模2图像预处理式识别技术在智能交通领域应用的一项重要研究课题，也是实现交通管理智能化的一项关键技术。车牌图像预处理可以有效地突出目标区域，减少非目识别系统包括车牌定位、字符分割和字符识别三部标区域和噪声的干扰。车牌定位是从复杂环境中提取分，其中，车牌定位是一个难点，定位的准确度直接车牌区域，并对原始图像作预处理。本文图像预处理关系到系统整体性

3、能。算法有以下4步骤：①图像灰度化车牌定位的实质是从图像中分割出车牌区域。目前己有很多国内外的学者对定位方法进行了研究，并摄像机采集的图像通常是RGB格式的彩色图提出了多种算法，归纳起来主要有两类：①基于颜像，包含了大量信息，但其中大部分信息与车牌无关，色空间的彩色图像定位方法【l。这类算法主要是基这些信息的存在会干扰车牌定位的准确性。同时，车于RGB或者HSV色彩空间来定位车牌，其优点是利牌的颜色受天气和光照的影响较大，稳定性不高。因用车牌颜色特征进行定位，符合人的视觉感受。但是此，需要将彩色图像灰度化，灰度变换

4、公式如下：当车牌颜色与车体颜色较接近时定位率不高，并且这Gray(i，)=0．299·R(i，)+0．587·G(i，J)+，O．114．盹)J类算法受光照影响较大；②基于灰度空间特征的方法l5州。这类算法一般采用各类边缘检测算子，如式(1)中：Gray为灰度变换后的灰度值；R、G、Roberts算子、Prewitt算子、Sobel算子等提取车牌的分别对应彩色图像的红、绿、蓝三分量。彩色图像边缘特征，并运用扫描线法定位车牌区域。这类方法灰度化的效果如图1(a1。具有快速、高效的特点，但是对于背景复杂，噪声污②垂直边

5、缘检测染等情况，定位率不高。物体边缘是灰度不连续性反映的，经典的边缘检针对上述各种方法的不足，本文提出了一种综合测方法是根据像素在其领域内的灰度变化，结合一阶多种车牌特征的定位方法。该方法充分利用了车牌的或二阶方向导数来提取。车身前面的散热器、车体等结构特征和纹理特征，首先对原始彩色图像作预处具有较多的水平边缘，如果直接对原始图像进行边缘理，结合车牌图像的结构特征和数学形态学操作对车提取，则这些水平边缘的存在会影响车牌定位，并且车牌在垂直方向上的边缘非常丰富，所以本文选用经2012年第2期自动化与信息工程17①平均

6、投影值m④峰谷跳变数P=车牌区域内均匀地排列着7个字符，作垂直方向的投影后，投影曲线中有明显的峰谷跳变，标准车牌式(7)中：f(i)为投影曲线的幅值；w为候选区一般有14个跳变，通常跳变数比较固定，可以作为域的宽度。一个纹理特征。⑤候选区域边缘密度车牌的边缘纹理通常均匀分布在车牌区域内，可(a)车牌区域二值图以利用Canny变换来提取区域内的边缘，再将Canny边缘图像划分为若干个小区域，统计每个小区域内边缘像素点所占的比例，作为纹理特征。在Canny变换前，先将候选区域灰度图像统一缩放为200~50。本文将Can

7、ny边缘图像等分为50个子区域，每个子区域的大小均为20x10，计算每个子区域内的白色像素所占的比例，得到50个特征值Ⅳl，N2，⋯，N5o。根据上述所提取的54个纹理特征，构建一个特征向量[，，L，Ⅳl,N2，⋯,N5o]，将该特征向量(b)垂直投影图送入模式分类器来提取车牌区域，本文选用贝叶斯分类器解决这类问题。在训练贝叶斯分类器时，从候选区域中选取正负样本数各200构成训练集，其中正样本选用精确的车牌区域，负样本为非车牌区域，包括常见的车头散热器、车灯、路边围栏等。计算候选区域的纹理特征并进行量化，构建特征向

8、量，送入训练好的贝叶斯分类器进行分类，精确定位车牌区域。5实验结果与分析图3车牌的垂直投影及高斯滤波效果图本文在IntelT43002．1GHzCPU，2G内存的设备环境下利用OpenCV实现本文提出的算法。选取1800②投影标准差()I幅由大恒DH．PD2000EC工业摄像机拍摄的真彩色图像对该算法进行测试，其中白天拍摄的图像有1200幅，夜晚的有600幅