复杂车辆图像中的车牌定位

     摘要:  针对复杂背景的车牌定位问题，提出了一种综合形态、颜色、投影等多种特征的车牌定位算法。基于车牌区域边缘信息丰富的特点，首先利用边缘检测和数学形态学方法定位候选车牌区域，并消除噪声干扰；然后根据质心所在位置对候选区域进行由低到高的排序，并通过颜色识别作进一步筛选，以排除车灯等区域的干扰；采用投影法及谷值分析对截取出的缺损车牌进行补全，从而得到准确的车牌位置。实验结果表明，算法的效率与与车辆图像的清晰度、曝光度及车牌大小等因素有关，与传统车牌定位算法相比，效率和分别提高了15%和20%以上。

　　随着我国城市规模的急剧扩大，对智能交通系统(ITS)的需求越来越迫切。车牌照自动识别技术广泛应用于闯红灯车辆监控、停车场管理、电子收费系统等领域。完整的车牌识别系统一般分为3部分：车牌定位、字符分割和字符识别．其中车牌定位技术是整个车牌识别系统的，直接影响整个识别系统的速度和准确率。

　　目前已有的车牌定位算法众多，包括边缘检测、数学形态学、小波分析、投影法、颜色特征提取和神经网络等。基于边缘检测、数学形态学及小波分析的方法，定位较准确，但在背景信息复杂或车牌上方有引擎散热孔的图像中容易产生错误定位。而投影法速度较快，很难区分车牌文字与车灯区域，因而准确率低。基于颜色特征和神经网络的方法定位准确，但是运算速度慢，并且受天气、光照及车牌磨损等情况的影响较大。

　　由于以上各种单一方法的明显局限性．提出了一种综合边缘检测、数学形态学、彩色特征和投影法的算法，通过质心排序去除了引擎散热孔及其他边缘丰富区域的干扰，并通过谷值分析补全车牌区域。实验结果表明该方法克服了以往各种定位方法的缺点．既提高了定位的准确性，也保证了定位的实时性和鲁棒性。

　　1车牌识别的粗定位：

　　1．1边缘检测及数学形态学处理：

　　由于彩色的车牌中富含的信息量太大，干扰强，故不适合做直接分析。因此，往往将彩色的RGB图像转成灰度图冉进行处理。待定位的车牌区域含有较多字符，边缘量丰富。而车身背景中的边缘量较少，并不密集。因此，可以用边缘检测的方法对灰度图做预处理。

　　由于边缘是图像上灰度变化较为剧烈的地方，在灰度突变处进行微分则会得到突起值，因此，在数学上可用灰度的导数来表示边缘。而在实际应用中往往采用的是边缘检测算子，通常使用的边缘检测算子有：Sobel算子、Prewitt算子、Roberts算子和13Canny算子等。本实验采用的是Sobel算子，对水平边缘分量和垂直边缘分量同时进行检测。

全文PDF：