基于车牌自身结构特征的车牌定位算法
摘 要 本文提出了一种鲁棒性强的车牌定位算法,该算法主要基于车牌自
身的结构特征。首先,利用车牌区域密度比较大的信息得到包含车牌区域在内的
若干候选区域,然后利用车牌自身异于背景区域的四个结构特征从若干候选区域
中提取车牌区域。本文给出了该算法的三个阈值,通过大量实验得出,该算法的
准确率达到了 90.17%。
关键词 候选区域;结构特征;车牌定位
1 引言
车牌定位就是将车牌从复杂的背景中分割出来,便于后续的字符分割和字
符识别工作。目前,已经有很多学者在这方面进行研究,提出了很多车牌定位的
算法。但是,随着车型的日益增加,使得背景变化多端。目前的算法已经难以克
服一些新的干扰情况。
在研究大量算法后,基于结构特征的车牌定位的大部分算法都是先提取包
含车牌区域在内的若干候选区域,再从这些若干候选区域中提取车牌区域
[3,
5][8-12]
。在得到候选区域的时候,主要的算法有:利用车牌区域的彩色特征,分割
车牌区域
【7】
,该方法主要在彩色模型 HIS 空间进行处理,利用 I 分量与图像的
彩色信息无关和 H 分量抽出了色调而忽略了亮度信息的特点,进行色调抽取,例
如针对蓝底白字的车牌,蓝色的色调一般都处在 220±20°,这样可以直接将车
牌区域分割出来。但是,该方法在车牌颜色磨损、车牌污损、车身具有和车牌同
样的颜色的情况时,该方法则不能准确的将车牌区域分割出来;利用车牌区域的
纹理特征,分割车牌区域。因为车牌区域有着均匀排列的字符,而字符的垂直纹
理较丰富,所以一般用边缘检测的方法检测图像的垂直纹理
[1-3][8-10]
;在从候选区
域中提取车牌区域时,有很多学者总结了车牌区域的大量特征,归纳如下:①车
牌区域的宽高比在一定的范围内
【1】【8-10】
;这个特征有很多的学者提出来,有的
给出了阈值但也没有详细论证,有的则没给。本文就这一特征进行理论和实践相
结合的方法去论证,给出了车牌区域宽高比的最佳阈值;②车牌区域的密度很大;
这个特征一般作为与其它的区域作比较,没有给出具体值。本文就这一特征进行
理论和实践相结合的分析,得出车牌区域密度的最佳阈值。③车牌区域内的灰度
【1】
跳变次数在一定范围内 ;有些论文给出了阈值,但是没有具体说明是怎么得
到的,取的是哪几行的跳变次数。本文所得到的阈值范围与其不同,经过理论分
析和实践证明得出了最佳阈值。④车牌区域内的垂直投影有规律;由于有噪声的
影响,有些车灯区域也有类似的规律,使得这种方法困难。⑤车牌区域的位置因
素
【1】
;一般车牌区域位于图像的下方,但是干扰严重的区域有车灯和散热器,
一般散热器在车牌的上方,但是车灯有时会比车牌区域低一些,所以这种特征在
这个情况下会失效。
本文就目前的算法进行新的探索和尝试,并针对汽车垂直纹理干扰比较严重(即
车牌散热器是垂直纹理)的情况、车牌区域模糊的情况、整个汽车图像噪声大的
情况进行研究,提出了一种利用车牌区域自身异于其它区域的特征的算法来解决
此问题。