资源描述：
《基于背景和像素的彩色车牌定位》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于背景和像素的彩色车牌定位摘要：本文提出结合车牌的背景差和像素分类实现彩色车牌定位算法。首先采用背景差法，即原图与背景图像相减，去除大量疑似车牌颜色特征的背景区域，缩小定位范围；然后统计车牌颜色RGB值，利用像素分类对车牌进行水平和垂直精确定位，确定车牌区域。实验表明，该方法定位准确率高，适用于任意背景、位置和光照下的车牌定位，明显克服了用车牌单一特征分析时难以解决的车牌区域变大的问题。关键词：车牌定位；背景差；像素分类BasedonbackgroundandpixelcolorlicenseplatelocationAbstract：In
2、thispaper,thebackgrounddifferencewithlicenseplatesandpixelclassificationtoachievecolorlicenseplatelocationalgorithm.First,usingthebackgrounddifferencemethod,namely,Originalandbackgroundimagesubtractiontoremovethelicenseplatecolorcharacteristicsofalargenumberofsuspectedbackg
3、roundarea,narrowingdown;andthenstatisticsplatecolorRGBvalues,usingpixelclassificationoflicenseplatesinhorizontalandverticalprecisionpositiontodeterminethelicenseplatearea.Experimentsshowthatpositioningwithhighaccuracy,themethodissuitableforanybackground,locationandilluminat
4、ionunderthelicenseplatelocation,obviouslyovercomethecharacteristicsoftheanalysiswithasinglelicenseplatelicenseplateregionsaredifficulttoresolvelargerissues.Keywords：licenseplatelocation；Backgrounddifference；Pixel’sClassification0引言:车牌定位的目的是为了在原始车辆图上确定一个包围车牌区域尽可能小的子图像，是整个识别模
5、块实现的前提，其定位正确率将大大影响整个系统的最终识别性能。车牌定位的实质是图像分割，要求完全保留车牌区域内的信息,而尽量删除其它所有非车牌区域的干扰信息。目前进行车牌定位时多采用灰度图像或二值图像，或使用纹理特征分析技术等，但这些方法在不同程度上都有一定欠缺，且定位效果较易受阴影和光照等条件的影响。根据彩色图像比灰度图像能够提供更多的视觉信息，本文对彩色车牌进行了定位。1彩色图像和像素分析彩色图像由三个二维亮度函数[1]f(x,y)组成,RGB色制为R(x,y),G(x,y),B(x,y),(x,y)表示图像空间坐标，R(x,y),G(X,
6、Y），B(X,Y）三个函数的值表示配色方程中三色的色饱和度。根据配色方程,即图像中任意一点色度都可以用R(x,y),G(X,Y）,B(X,Y）三色饱和度函数相加得到。像素的颜色是基于RGB模型的，只须统计每个像素颜色RGB值，每个像素的颜色由红、绿和蓝三原色组合而成。其表达式为:（1）其中f表示像素空间位置(x,y)的颜色，fred,fgreen,fblue分别表示该位置点的红绿、蓝三种原色的颜色分量值。2利用背景差初步定位车牌有蓝底白字、黄底黑字、黑底白字、白底黑字和红字[2],这就为我们车牌的定位提供了可靠的依据。在背景复杂的汽车图像中,
7、某些非车牌区域也具有车牌的某一特征，若使用车牌的单一特征分割车牌,分割结果中往往会有这些非车牌区域[3]。为了说明方便,这里只以小车牌照为例。所以先确定背景图像。水平扫描中车牌背景色变到车牌前景色的过渡、车牌背景色变到中间色再变到车牌前景色的过渡，利用调色板获取车牌底色为蓝色，利用车牌字符和车牌底色具有明显的反差特征来与背景差分对目标进行粗定位，可滤掉背景而只保留车牌及其阴影信息.其与背景图像的差值并不能完全滤掉背景信息.但却大大缩小了车牌定位区域，实现了车牌的粗定位。2.1图象背景的提取提取背景的过程可化为彩色图像分割的问题，是多维特征空间
8、分类,可化为多次阈值分割来解决[4]。在一般的多阈值情况下,取阈值分割可表示为：如果Tk
