复杂背景下的车牌定位方法
- 格式：pdf
- 大小：257.51 KB
- 文档页数：4
万方数据
研究与探索罗’．２００９５
并且满足该条件的行至少要连续存在５行以上，这是由车牌尺寸所决定的，以防止点噪声干扰。
在行扫描时，预先设定一个１×ＳｉｚｅＹ的窗口，对ａｆ（ｉ，，）的每一行做卷积，其中，最大值的范围应限制在１０到３０之间。
当确定了可能存在车牌的行后，使用ＳｉｚｅＸ×ｌ窗口得出最集中的车牌存在行范围，并把它作为车牌区域的上下边界。
有了这个边界，然后再利用ＳｉｚｅＸ×ＳｉｚｅＹ窗口扫描边界所限定的条带，其中，卷积和最大的区域即可认为是该车牌粗定位的范围。
图３显示了图２的二值化图像第８５２行黑白跳变情况，由图３可以看出，在车牌区域，该跳变表现出了良好的规律性，有利于我们据此确定出车牌的大致范围。
图４是对图１车牌粗定位的结果，其中原图像的大小为，预先设置的窗口大小为，也即图４阿像的尺寸，取得了较好的效果。
图１原始汽车图像图２二值化后的图像
第弱２行
图３图像第８５２行的黑白跳变情况
图４车牌粗定位后的结果
三、车牌区域的精确定位
由图４可以看出，车辆图像经过粗定位后，大大缩一１０一小了车牌的搜索范围，下面需要进一步精确确定出车牌区域。
所谓精确定位就是尽量去除车牌以外的所有信息，保持车牌的完整性，它将对后续的字符分割与识别操作产生决定性影响。
在粗定位得到的二值图像基础上，利用形态学膨胀腐蚀算法，得到一些封闭的区域；再对封闭区域进行区域填充，则可以分离出几个车牌候选区；最后对候选区采用一套考虑多种因素（如面积、长宽比等）的法则来剔除假的车牌区域，以达到精确定位的目的。
由于已经使用了粗定位，因此像这样的候选区不会很多。
（１）轮廓跟踪算法
使用膨胀腐蚀算法可以得到若干个车牌候选区域，但如何把它们彼此独立分割开来以确定各个候选区的特征是首先要解决的问题。
轮廓跟踪算法的基本原则是：先根据某种“探测准则”找出图像轮廓上的某一点，然后再根据该点特征采用一定的“跟踪准则”找出相邻的轮廓点，直到搜索完整个区域的边界为止。
找到第一个轮廓点的“探测准则”可以采取不同的方法定义，本节中规定按照从左到右、从下到上的顺序在图像中搜索。
这样，找到的第一个目标点必定是图像最左下方的轮廓点，记为Ｏ。
由于０是最左下方的轮廓点，因此在它的右、右上、上、左上四个邻点中必有一点为轮廓点，记为Ｐ。
对于当前点Ｐ，其８邻域方向点的定义如图５所示。
则“跟踪准则”可以简单描述为：
Ｓｔｅｐ１：设０为起始点，定义初始搜索方向为左上方，若Ｘ．是目标点，则ｘ，即为轮廓点；否则顺次搜索】【２，南，Ｘ４，直到找到目标点为止，并把它记为当前轮廓点Ｐ。
Ｓｔｅｐ２：在当前搜索方向】【；（ｉ－－Ｏ，１，…７）的基础上更新起始搜索方向为ｘ删，若ｘ删删是目标点则为轮廓点；否则继续搜索ｘ啪邮邶，ｘ刚ｍ，……，直到找到目标点为止，并把它记为当前轮廓点Ｐ。
Ｓｔｅｐ３：如果Ｐ与０重合，则轮廓跟踪结束；否则，转到Ｓｔｅｐ２。
图６为这一轮廓跟踪算法的示意图。
其中箭头表示
搜索方向，该算法的基本思想是轮廓点搜索方向的最万方数据
万方数据
万方数据。
