基于图像处理的车牌识别定位算法研究 下载本文

大学本科毕业论文(设计)

图2-4 边缘检测

Fig.2-4 Edge Detection

图2-5 二值化图像 Fig.2-5 Binary images

17

大学本科毕业论文(设计)

图2-6 膨胀运算后的图像

Fig.2-6 Operational Expansion image

图2-7 腐蚀运算后的图像 Fig.2-7Corrosion Operators images

18

大学本科毕业论文(设计)

2 .3车辆牌照的定位

车牌的定位、提取是整个系统中的关键之一。它是典型的复杂背景下目标提取问题。车牌区域往往只占图像的很小一块面积,而且位置不固定。在现实中,经过有相对运动的摄像机或照相机把汽车以图像的形式录入到计算机中,车牌往往模糊不清,有时文字笔画断续不完整:车上还常常贴有广告、标语等文字;拍摄距离、方向的变化所带来的位置不定、大小不一都增加了定位、分割和识别的难度。为了解决这个问题,在本文中采取的是水平投影和垂直投影相结合的投影定位算法。

图像的水平和垂直投影定义为沿着某一特定方向的直线上所有灰度值为t的像素点的个数,也就是横坐标为图像的水平和垂直位置,纵坐标为在该条直线上灰度值为1的像素点的个数。进行水平和垂直投影可以把二维的图像转化为一维的投影曲线,减少计算量,便于以后的处理。 2.3.1车辆牌照的水平定位

在得到二值化图像以后,首先把二值图像投影到y轴。根据车牌特征(1),车牌区域中的垂直边缘较密集,而且车牌一般悬挂在车身较低的位置其下方没有很多的边缘密集区域。因此在车牌对应的水平位置上会出现一个峰值,如图2-8所示。峰值的两个低谷点就是车牌的垂直位置,这样就得到了包含了车牌的带状区域。所以问题转成确定低谷点的位置。但是从图中可以发现投影图不是十分得光滑,会给精确定位带来一些困难,所以对投影图进行平滑。窗口尺寸比较关键,选小了不足以平滑,选大了则会改变投影图原有的基本变化特性。对于实际的投影曲线可以通过找差分曲线的过零点来确定低谷点,所以对平滑以后的投影图h(n)求一阶差分:

h?(n)?h(n)?h(n?1)

找出其由正至负的点,也就是局部最小值。但是并不是所有的局部最小值之间都能称为峰的,它可能附属邻近的一个峰,因而要确定哪一个局部最小值是峰谷,哪一个是毛刺。如何判决峰的独立性呢?本文采取的三个判决依据:

1. 独立峰具有一定峰顶和峰谷的落差。当局部最大值和邻近的局部最小值的差

大于阙值,则该局部最小值为谷底,反之则为毛刺。 2. 独立峰具有一定的宽度。这是由车牌的宽度信息决定的。

19

大学本科毕业论文(设计)

3. 独立峰具有一定的面积。这是因为经过边缘提取、二值化之后,在车牌区域

的具有明显的纹理特征。

在光照均匀和背景不是很复杂的图像中,车牌的峰值特性十分明显,很容易就可以定位出车牌区域的水平位置。但在光照不均匀或背景复杂的图像中峰值特性就不是很明显了。如何准确地确定局部最小值是否为谷底,关键在于阙值的选取。本文设定峰顶和峰谷落差的经验闽值为16,峰的宽度阙值为30,即当峰顶和峰谷落差大于16且峰的宽度大于30的时候,判决该峰为独立峰,也就是可能包含车牌的区域。

图2-8 水平投影 Fig.2-8 Level projector

图2-9 水平定位 Fig.2-9 Level positioning

2.3.2车辆牌照的垂直定位

20