基于图像处理和投影的车牌定位方法

2011-04-19 23:22:41来源: 互联网 关键字:投影  车牌  定位  方法
车牌定位车牌识别系统中有着重要的地位,是后续车牌字符识别的前提条件。但是由于车牌定位的车牌图片采集于户外,图像背景复杂、噪声干扰严重,图像质量较低,因此车牌定位往往受到影响而不能准确定位。所以在车牌定位算法中,关键是寻找某种图像处理方法,使原始图像经过该算法的处理后能够清楚地显示出车牌区域,同时使图像中的非车牌区域消失或者减弱,从而能准确有效地定位出车牌在图像中的位置。文中主要针对的是蓝底白字车牌,首先利用车牌蓝色特征和图像处理的方法进行初次定位,减少了车牌候选区域,然后对初次定位的车牌图片进行投影,最终完成车牌定位。

  1. 车牌初步定位

  1.1. RGB 空间向HSI空间转化后的车牌

  彩色图像包含丰富的颜色信息,给人良好的视觉效果,根据这一特点进行初次定位。但在一般情况下,彩色图片都在RGB 模型下,而HSI模型较适合人的视觉系统,所以需进行颜色空间转换,将RGB模型转化为HSI模型,从RGB 空间到H SI空间的转换公式为:

  

转换公式

 

  当B <=G 时,H = θ;当B > G 时,H = 360°- θ.。

  蓝底白字车牌中,蓝色的色度H 约为240°,饱和度S 值较大。通过这两个量,可以将输入图像中的蓝色部分全部过滤,从而去除了大量的背景噪音。

  经实验测试蓝色车牌的色度>=0.75,饱和度>=0.51。由此可见利用HS I空间的色度和饱和度的范围值可以得到粗定位车牌区域,结果如图1所示。

  

粗定位车牌区域

 

  1.2. 车牌定位的预处理过程

  经过初步定位后,车牌范围减小,将车牌图像进行灰度处理,灰度图像的纹理分布主要在车灯、车牌、散热器,而且车牌位置的灰度值也与其他部位的不同,非车牌区域大部分灰度变化都比较平缓。

  ( 1)去除孤立亮点

  一般情况下,车牌图像的采集过程,受到各种因素的影响,如背景,光照以及车本身的一些特征因素,容易造成图片存在噪音,由于初定位已经将大部分的车牌图片背景去除,因此减少了噪音点。为了缩小车牌的可能区域,采用M atlab工具箱中的bwmorph函数,可以有效地将孤立点去除,结果如图3所示。

  

将孤立点去除

 

  ( 2)移差扫描与边缘检测

  移差扫描就是从左到右扫过整个图像,以相邻的像素作为消弱水平纹理的灰度级,保留并增多纵向跳变处的灰度级,如式( 4)所示。

  

灰度级

 

  式中,f (xj,yi) 是原图像,g (xj,y i) 是扫描后的图像,经过处理,图像的垂直纹理和线条变得比较明显,从而消弱了其他区域突出了车牌区域。如图4所示。再利用边缘检测,将车牌所在区域的边界从整个图片中加以突出,使车牌区域的特征更加明显。效果如图5所示。

  

边缘检测图

 

  图5边缘检测图

2. 车牌的精确定位

  经过移差扫描后的图片,灰度图像中的车牌区域变得纹理和线条比较明显,而且整个图片的噪音较少,可以进行车牌水平和垂直方向的边界确定。

  本文利用水平投影和垂直投影分别确定车牌的边界。

  通过对图像的边缘检测处理,清楚地将车牌区域划分出来,非车牌区域的噪音点减少,所以采用水平投影的方法确定垂直方向的车牌边界。

  水平投影是先自上而下对图像f (xj,yi) 进逐行扫描,将每一列的值相加,得到一维函数f (yi) 。使二维函数转变为一维函数,如式( 5)所示。

  

一维函数

 

  得到的一维函数是对图像每一列的白色像素的统计。当f( yi) 值较大时,对应车牌区域; f (yi) 值较小或者为0时,对应非车牌区域噪音,利用这一特点将车牌水平方向的边界确定。对函数f yi 绘制图像,可以发现当f (yi) 不为0时,该点的对应的f (xj,yi )竖直方向上存在白色像素点。当f yi 为0时,对应的f (xj ,yi) 竖直方向不存在白色像素,可以确定为非车牌区域。

  在车牌左右边界确定时,垂直方向的定位相对噪音减少,垂直投影是先从左到右对图像f (xj,yi) 进逐行扫描,将每一行的值相加,得到一维函数f (xj )。

  如式( 6)。

  

一维函数f

 

  水平投影和垂直投影的投影图如图6 和图7所示。

  

 水平投影和垂直投影的投影图

 

  在这个过程中,阈值的选取是根据投影图的图像确定的。因为在投影图中,代表的是每一列或一行的白色像素点的累加。所以当投影图的值较大时,代表该列或者该行的白色像素点较多,从而为车牌区域;当投影图的值较小时,为噪音点,所以必须确定一个阈值将噪音去除。本文之前采用的图像处理方式已将大部分噪音点去除,所以在此先设定好阈值,大于该值的为车牌区域,同时由于车牌本身有长宽比例的特征,一般车牌的比例为22 :7,根据这一特点最终定位。

  在车牌定位中,定位方法主要考虑的是对噪声的抗干扰性是否良好,文中初步定位车牌区域是通过颜色模型的转换,利用色度和饱和度的范围大致确定车牌位置。去除了大量的背景噪音,对二次定位的准确性提供了可靠依据。在精确定位中,考虑到车本身存在噪音,例如散热器、车灯等,但由于车牌位置纹理突出,车身噪音相对较小,所以利用移差扫描将车牌位置更加突出,非车牌区域只剩下单独的孤立亮点。在精确定位中采用投影,所以就必须去除孤立亮点。文中采用 Matlab工具箱,有效去除了大量的孤立亮点。采用水平投影和垂直投影确定水平和垂直方向的边界,同时利用车牌本身长宽比例的特点最终定位,实验证明,对车牌图片噪音抗干扰性好,定位效果较好。

  3. 结束语

  本文利用基于颜色和投影的车牌定位方法,分两步将车牌区域确定,通过对320 张分辨率为1 024 %768具有不同背景的汽车图片进行测试,定位成功率达到8*% 以上。

关键字:投影  车牌  定位  方法

编辑:神话 引用地址:http://www.eeworld.com.cn/mndz/2011/0419/article_7307.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:视频会议视频调试技术与技巧
下一篇:基于KT8818的以太网视频监控设计实现

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利
推荐阅读
全部
投影
车牌
定位
方法

小广播

独家专题更多

东芝在线展会——芯科技智社会创未来
东芝在线展会——芯科技智社会创未来
2017东芝PCIM在线展会
2017东芝PCIM在线展会
TI车载信息娱乐系统的音视频解决方案
TI车载信息娱乐系统的音视频解决方案
汇总了TI汽车信息娱乐系统方案、优质音频解决方案、汽车娱乐系统和仪表盘参考设计相关的文档、视频等资源
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2017 EEWORLD.com.cn, Inc. All rights reserved