资源描述：
《一种基于灰值形态学的汽车牌照提取方法 》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、一种基于灰值形态学的汽车牌照提取方法摘要：提出了一种利用灰度形态变换快速提取汽车牌照区域的方法。利用灰度形态变换对输入的图像进行滤波，根据牌照的大致尺寸和滤波图像的模板卷积得到几个牌照的候选区域，最后分析候选区域内水平方向的波峰高宽比波峰数得到真正的牌照区域。关键词：灰值动态学卷积模板卷积投影牌照识别基于图像理解的汽车牌照自动识别系统是智能交通系统一个重要分支，有着非常广泛的应用前景，而把汽车牌照从复杂的汽车图像中分割出来是汽车牌照自动识别系统必须解决的关键问题。在过去的十几年中，各国的科研人员提出
2、了不少提取汽车牌照的方法。Choi和Kim提出利用Hough变换寻找垂直边缘提取汽车牌照的方法，此方法由于许多汽车前部散热器产生的垂直边缘和某些牌照边框的扭曲或某些汽车牌照没有边框而鲁棒性较差。S.K.Kim和H.J.Kim提出的基于遗传算法分割提取汽车牌照的方法，最大缺点是耗时长，难以进行实时处理。S.H.Park提出的一种基于神经网络提取汽车牌照的方法，使用二个时延神经网络在水平和垂直方向对输入图像进行滤波，得到牌照的候选区域，然后利用牌照的长宽比、面积、面积与周长比来区分真正的牌照区域与类牌照
3、区域。此方法要求图像中的牌照尺寸基本不变，一旦图像中的牌照尺寸发生了较大的变化，必须对神经网络重新进行训练。T.R.Crimmins提出了一种数字形态学方法，此方法用不同尺寸的每个可能字符作为结构元素，采用击中击不中方法先提取输入图像中的字符，再根据牌照字符的语法得到汽车牌照，这种方法计算量非常大且易受噪声影响。C.H.Poon提出了一种灰值形态学方法，它通过检测字符中的直线段和字符间的空间来提取牌照，这种方法耗时较多，且没有利用版照的尺寸信息。C.M.Hin{f(x,y),g(x,y)}否则：（f
4、∧g）（x,y）=0二幅图像f(x,y)和g(x,y)的最大记为（f∨g）（x,y）。当（x,y）位于图像f的定义域D（f）和图像g的定义域D(g)的交集D（f）∩D（g）内时：(f∨g)（x,y）=max{f(x,y),g(x,y)}当（x,y）∈D(f)且（x,y）∈D（g）时（f∨g）（x,y）=f(x,y)当（x,y）∈D(g)且（x,y）∈D（f）时(f∨g)(x,y)=g(x,y)f(x,y)被g(x,y)膨胀定义为：(f⊙g)(x,y)=max{f(x-a,y-b)+g(a,b)}（a
5、,b）∈D(g)f(x,y)被g(x,y)腐蚀定义为：(f⊙g)(x,y)=max{f(x-a,y-b)-g(a,b)}(a,b)∈D（g）开运算定义：fog=(f⊙g)⊙g闭运算定义：f·g=(f⊙g)⊙gTop-Hat变换定义：Hat(f,g)=f-fog与Top-Hat变换相对的是波谷检测器（Valley变换），其定义为：Valley(f,g)=(f·g)-f形态学梯度有下面三种形式：Grad(f)=f-(f⊙g)Grad(f)=(f⊙g)-fGrad(f)={[(f⊙g)-(f⊙g)]}/2
6、一种基于灰值形态学的汽车牌照提取方法: 2牌照提取算法在牌照提取算法中，需要用到卷积、模板卷积和卷积投影等概念。下面对它们进行定义。对于图像[aij]m×n,i=0...m-1,j=0...n-1，模板[aij]p×q。pkT,i=m...n,n-m+1∈(a,b)}其中：T=Max(qi),k为一经验值，（a,b）为牌照的宽度范围。i=l...w分割结果如图8所示。2.3牌照区域甄别分别标注牌照二候选区的水平峰值（或谷值）点，如图9（a）中的白点，标注的峰值点要求峰高与峰宽的比大于一经验阀值；分别
7、把牌照二候选区二值化，如图9(b)；然后把候选区峰值（或谷值）点图与二值化图作与运算得到有效峰点（或谷点）图，如图9（c）。在有效峰点（或谷点图中统计有效行数。如果一行内有效峰点（或谷点）数大于T1而小于T2，为有效行，则认为有效行数多者为真正的牌照区域。其中T1和T2为经验值。从复杂的汽车图像中如何把牌照区域分离出来，是汽车牌照自动识别系统必须解决的问题。本文提出了一种利用灰度形态变换快速提取汽车牌照区域的信号。针对牌照区域内空间频率变化大和牌照区域内字符笔划具有高曲率的特性，笔者利用灰值形态学的
8、梯度变换、Top-Hat变换和Valley变换，对输入的图像进行滤波，接着根据牌照的大致尺寸得到几个牌照的候选区域，最后分析候选区域内水平方向的波峰的高宽比和波峰数据得到真正的牌照区域。实验表明本文提出的方法定位准确率高，抗噪能力强，且耗时较少，能够满足实时性要求。一种基于灰值形态学的汽车牌照提取方法:
