改进的Hough变换在校正汽车牌照倾斜中的应用

《改进的Hough变换在校正汽车牌照倾斜中的应用》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、第2卷第1期信息与电子工程Vol．2，No．12004年3月INFORMATIONANDELECTRONICENGINEERINGMar．，2004文章编号：1672-2892(2004)01-0045-04改进的Hough变换在校正汽车牌照倾斜中的应用121王良红，王锦玲，梁延华（1.解放军信息工程大学信息工程学院，河南郑州450002；2.郑州大学系统科学与数学系，河南郑州450052）摘要：针对汽车牌照的自动识别中倾斜问题，对Hough变换提出了新的用法。首先，根据灰度确定汽车图像中车牌的位置和范围，取出包含车牌的子图像；然后对子图像中的点作二级Hough变换算法，计

2、算出子图像中主要直线的角度，该角度被认为是车牌的倾斜角度；最后，用插值旋转的方法进行校正。仿真实验验证了本文算法的有效性。关键词：信息处理技术；倾斜校正；Hough变换；汽车牌照；峰值扩散中图分类号：TP391.41文献标识码：A1引言汽车牌照的自动识别技术在公共安全、交通管理以及海关、军事等部门有着重要的应用价值，正日益成为人们的研究热点。汽车牌照自动识别系统的研究在诸多的文献中已介绍，但这些研究都是以汽车牌照没有倾斜或倾斜度非常小为前提的，当倾斜度比较大时，系统的识别性能会急剧下降，这种现象在车牌定位后的字符识别子系统中尤其明显，因为倾斜的车牌会影响字符的分割、细化和字

3、符的特征。而实际的汽车图像或汽车牌照因为种种原因，或多或少存在倾斜，所以在车牌定位子系统和车牌字符识别子系统之间应有车牌的倾斜校正，如图1所示。汽车图像结果输出预处理车牌定位子系统车牌倾斜校正字符识别子系统后处理图1汽车牌照识别系统汽车倾斜牌照的校正，可以归结为文档的校正问题。至今，人们已提出了许多不同的文档校正算法。以前，[1-3]Hough变换在汽车图像牌照定位算法中的应用，主要是检测直线以确定车牌的边界区域。在这种算法中Hough变换的应用是针对整幅汽车图像的每一个点，由于受内存、运算量和速度的限制，这种算法达不到实用技术指标，因此Hough变换没有在车牌的自动识别系

4、统中体现价值。2Hough变换和改进2.1Hough变换的原理Hough变换的基本思想是点、线的对偶性。图像变换前在图像空间，变换后在参数空间。在二维图像空间里，直线可表示为：xcosq+ysinq=r（1）其中，ñ和θ（0£θ£2ð）为参数，图像空间中的直线被映射到参数空间为一点（ñ,θ），而图像中的一点则对应参数空间中的一条正弦曲线。图像中任意两点（x,y）、（x,y）所对应的正弦曲线在参数空间将相交1122于一点（ñ,θ），从而通过（x,y）、（x,y）的直线上的所有点所对应的正弦曲线在参数空间都将相交与1122这一点。基于这一点，将直线的检测问题转化为参数空间寻找局

5、部最大值的问题。2.2精度、复杂度及所占内存的分析Hough变换的优点在于抗噪声的能力强，并不受图像中直线走势的影响，但Hough变换的精确度和运算复杂度存在着矛盾，而且对存储空间的要求比较大。参数空间量化得越精细，算法的精度越高，算法所需的存储空间和运算量也越大。所幸的是，本课题是在经采样、切割处理后的二值图像中检测主要直线极其倾斜角，00而且车牌的倾斜角度不会超过-q~+q，存在1>的误差是不会影响后面对字符的分割、识别，所以只要θ收稿日期：2003-10-31；修回日期：2004-03-09作者简介：王良红（1968-），女，硕士，讲师，研究方向为信号分析和信息处理。

6、46信息与电子工程第2卷00以为步长q取遍-q~+q的所有值，算出对应的ñ值就行。设c、r分别为定位图的行、列数，L×2q的二122维动态数组作为二维累加器，其中L=c+r。事实上，c、r都为较小的值，所以在这里用Hough变换的计算量和所占内存不大。2.3峰值扩散效应峰值扩散效应是应用Hough变换会遇到的一个普遍问题，即由参数(r,q)决定的直线上的点在变换中并不都会对(r,q)所在的累加数组元素投票，而是投票到其附近，这就是峰值扩散效应。产生峰值扩散的原因是a）车牌的边框线条比较丰富，受光照等因素的影响，二值化后的边框线出现断裂现象；b）车牌中有中文、英文和阿拉伯数字

7、混排的现象，不严格共线；c）汉字包括左右结构和上下结构的字符，在连通体分析时常被分[4]为几个连通体。按照潘武模等人的结果，为汉字的连通体建立一个模型，即这些连通体将均匀分布于长为L，宽为D的矩形区域内，L的平均值为L=646.9(pixel)（2）D的平均值为D=4.78(pixel)（3）[2]-1又由WilsonC.Y.Lam等人的结果，当Dq³2sin(Dr/L)（4）时，则参数空间的量化不会导致峰值扩散，其中Dq,Dr分别为量化步长。Dr必须满足：Dr³D，否则也会出现峰值分散的情形。将式（2）、（3）代