[发明专利]一种融合色彩、尺寸和纹理特征的车牌定位方法

说明书

技术领域

本发明属于图像处理技术领域，特别涉及车牌识别技术中的复杂背景中的车牌定位方法。

背景技术

智能交通是当前交通管理发展的主要方向，是目前世界交通运输领域的前沿研究课题。汽车牌照自动识别技术则是智能交通系统的核心。它是解决高速公路管理问题的重要手段，是计算机图像处理技术和模式识别技术在智能交通领域的应用。该技术在解决高速公路的诸多问题，如车辆收费和管理，交通流量检测，停车场收费管理，违章车辆监控，假牌照车辆识别等具体问题中应用广泛，具有巨大的经济价值和现实意义。同时，它在城市道路、港口和机场等项目管理中占有重要地位。随着计算机性能的提高和图像处理技术的发展，车牌识别系统已经日趋成熟。

车牌定位是车牌识别中至关重要的一步。作为整个车牌识别的第一步，车牌的成功定位与否直接影响到后续的步骤，从而决定了系统的速度和识别率。为了准确、快速地定位出车牌区域，人们已经研究了许多定位方法。但在现实应用中，由于受背景的复杂性、光照条件的不均匀性和天气变换的不确定性等环境因素，以及车牌本身倾斜程序、受污染程度等因素的影响，目前的多数车牌分割方法只是在一定程度上解决了特定条件下从复杂背景中提取车牌的问题，要把这些研究成果应用于实际当中，还有很多可以改善的地方。因此，如何在现有所有有价值的研究成果之上，提高车牌分割系统的通用性、缩短定位时间和提高分割精度将成为我们当前研究的主要方向。

现在通常使用的车牌定位方法有：

(1)基于灰度特征的车牌分割方法。它利用了汽车牌照中文字笔划变化频率比较稳定的特点，在设定恰当的阀值后，通过扫描确定上下界位置和左右边界位置。这样在已缩小的范围内再用上述方法进行递归检测，直到牌照位置比较稳定为止。该方法在摄入角度、距离、光线都有很大调整的情况下，能够快速准确定位车牌。不足之处在于，对于那种引入文字背景的原始图像会出现很多错误。同时，笔划间隔的象素是一个相对的概念，对于大小不同的车牌是不同的，此外，对字符断裂和模糊的容忍度也很低，因此该算法对原始图像的标准化要求很高。详见文献：刘智勇，刘迎建.车牌识别中的图像提取及分割[I].微型电脑应用，1999，7。

(2)基于数学形态学的车牌定位方法。该方法将小波分析与数学形态学相结合，通过小波多尺度分解提取出纹理清晰且具有不同空间分辨率、不同方向的边缘子图像，其水平方向低频、垂直方向高频的这一细节分量，主要代表车牌的目标区域。然后，用数学形态学方法对小波分解得到的细节图像进行一系列膨胀和腐蚀运算，有效的消除细小的物体，增强目标区域内的连通性，从而在结果图像中只留下了车牌这一待寻的目标。详见文献袋青云，余英林.一种基于小波与形态学的车牌图像分割方法.中国图像图形学报，2005.5(5)：411-415。

(3)基于颜色信息的车牌定位方法。一种利用颜色信息进行车牌定位分割的方法是基于边缘颜色对的车牌定位方法。它首先进行彩色边缘检测，然后以每一边缘点为中心，垂直于边缘切线方向取线形窗口，在窗口内检测边缘点两侧像素的颜色是否与车牌的底色/字符色相符合，并保留符合该特征的车牌边缘点，然后进行滤波，最后采用纹理特征的分析以确定车牌位置。详见文献 李文举等.基于边缘颜色对的车牌定位新方法.计算机学报，2004.27(2)。

上述的三种车牌定位方法的共同点是：这些方法都是针对车牌的某个特定的特征，容易受气象条件、背景、光照等因素的限制，鲁棒性不好。一旦条件发生变化，它们的分割准确率就会发生较大的波动，从而使整个车牌识别系统的性能大大降低。

发明内容

本发明的任务是提供一种融合色彩、尺寸和纹理特征的车牌定位方法，它具有在照明不均匀环境下定位准确率高和误识率低的特点。