基于边缘检测的车牌定位方法

《基于边缘检测的车牌定位方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于边缘检测的车牌定位方法根据图像处理理论基础知识和现有技术基础上，对现有定位的算法进行了分析，提出了基于边缘特征的车牌定位方法。经试验验证，结果表明所用方法是有效的，该方法提高了定位准确率，也缩短了定位所用时间，达到了预期目的。关键词：图像处理；车牌定位；边缘检测1引言　　随着社会的发展，车辆的急剧增长为交通管理提出了巨大的挑战，借助与计算机手段进行交通管理的智能交通系统(ITS:IntelligentTrafficSystem)也应运而生。车牌识别技术是智能交通的核心软件，其中的车辆定位又是车牌识别技术中的关键，也是

2、本文重点讨论的对象。通常的车牌识别系统中包括车牌定位、字符分割和字符识别三个部分，在车牌识别技术中定位是第一步，定位准确与否直接影响后续的分割和识别工作。本文所讨论的方法是基于边缘检测的定位方法，使用Matlab7.0软件作为开发工具。2车牌定位技术概述　　车牌识别技术是对车辆的静态图像进行牌照号码、牌照颜色自动识别技术。2．1车牌特征分析　　车牌号码是机动车的唯一身份标识。2007年11月1日起，由公安部颁布的新的标准《中华人民共和国机动车号牌》（GA36-2007）实施，新标准对号牌分类、登记编号编码规则、制作技术和

3、安装使用等规定进行了调整。按照颜色车牌分为黄底黑字、蓝底白字、白底黑字、白底红字和黑底白字，车牌的尺寸为440mm×140mm，只有大型车的后牌为440mm×220mm。根据这些信息对车牌区域特征分析如下：1）车牌颜色特征，车牌区域底色和字符颜色区分明显色差较大，而且颜色固定。2)车牌几何特征，标准车牌的长宽比是固定的440mmX140mm的矩形区域。3）车牌纹理特征，由于车牌上的每个字符构成了纹理，每个灰度基元是由每一个字符的连通像素集合构成。4）车牌区域的字符特征。共7个字符，首字为汉字代表省份，紧跟着字符代表城市，

4、后面5位字符是数字和大写字母的组合，其中字母不包括I和O。2．2车牌定位方法分析　　目前主流的车牌定位技术的方法主要有以下几种：基于颜色特征的定位方法[1]，基于边缘特征的定位方法，基于模版匹配的方法，基于形态学的方法，基于支持向量机的方法[2]。其中基于颜色的方法对于车身和车牌同色以及光线干扰或的情况定位准确率不高，基于边缘定位的方法对于车牌污损或者背景物体干扰的情况也显得无能为力。但总的来说这些方法可以分为两大类：一类是基于灰度图像的车牌定位方法，基于灰度图像的方法一般来说彩色图像都要先灰度化、二值化处理，然后通过车

5、牌区域的特征或者边缘特征进行检测，这类方法在定位中把彩色图像得到处理转化为黑白两色的图像，反应时间快，但误检率高；另一类是基于彩色图像的车牌定位方法。这类方法基于彩色图像，利用颜色模型转换，精度较高，可以避免彩色图片经过灰度化和二值化后损失图片信息的问题，缺点是对图像品质要求高，尤其是车身车牌同色情况定位不理想。　　通过对比本文选择基于边缘的车牌定位方法，在原有理论算法基础上进行了优化。3车牌定位流程　　本文所采纳的定位方法流程如图1所示：图1车牌定位流程图3.1灰度处理　　在本文中使用的是RGB颜色模型。由于车牌定位过

6、程中，对运算速度有比较高的要求，一般来说定位一张含有车牌的图片控制在几到几十毫秒比较合适，为了提高时间效率在本文中需要把彩色图像转换成灰度图像进行进一步的处理。利用公式(2-1)将彩色图像转换成灰度图像：p=0.299*R+0.587*G+0.114*B(3-1)　　其中p代表图像中某点的灰度值，R，G，B分别代表彩色图中对应点的RGB模型中的R，G，B分量值。3.2灰度拉伸处理　　由于背景的复杂性和不可知性，灰度化处理并不能满足实际需要，车牌照区域在图像中不够突出，这样为了增强图像对比度，采用灰度拉伸的办法增强原图的各

7、部分的反差。因此，图像灰度化后接下来要进行灰度增强处理。灰度拉伸变化方程[4]为：　　　　D=AX+B(3-2)　　其中D为灰度变换后灰度，X为变换前灰度，A,B为变换方程系数。3.3二值化　　为了更加突出字符区域，需要将图像二值化。二值化的目的就是要找出一个合适的阈值，将待处理的区域划分为前景和背景两个部分。本文认为车牌字符区域是本文考察的重点，因此该部分作为图像的前景区，将字符边缘区域的值设为1，其他的部分都看成是背景区，设为0。二值化后的车牌要能保证车牌区域图像的质量，尽量不丢失原字符的特征，本文采用了全局阈值二值

8、化的方法。　　设原灰度图像为f(x,y)，二值化后的图像为g(x,y)，二值化处理表示如公式(3-3)所示：(3-3)　　这里的T称为二值化阈值（Threshold），在灰度图象中纯黑色为0，纯白色为1。经过二值化处理后,前景和其他背景就由黑白两种颜色分开,选择不同的阈值会得到不同的分离结果。阈值T的大小对二值化的效