[发明专利]一种基于双边缘检测的车牌识别方法

权利要求书

1.一种基于双边缘检测的车牌识别方法，其特征在于，包括以下步骤：

1)车牌定位；

2)车牌字符分割；

3)车牌字符识别。

2.根据权利要求1所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的步骤1)车牌定位具体包括以下步骤；

11)对原始图片采用纵向Sobel算子进行边缘提取，执行步骤12)；

12)采用较大的膨胀腐蚀算子对步骤11)处理后的图片进行腐蚀膨胀处理，计算连通域，获取可能的车牌区域，执行步骤13)；

13)采用Sobel算子对步骤12)处理后的图片进行边缘提取，执行步骤14)；

14)采用较小的膨胀腐蚀算子对步骤13)处理后的图片进行腐蚀膨胀处理，计算连通域，获取更加精细的车牌区域，执行步骤15)；

15)将一些不满足车牌的候选区域剔除，再对剩余的可能车牌区域根据该车牌区域经过步骤13)纵向Sobel算子处理后的边缘点密度进行排序。

3.根据权利要求2所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的步骤12)中的较大的膨胀腐蚀算子具体为：

其中膨胀算子表示为width*height，其中，width＝MIN(30，ImageWidth/15)，height＝width/3，ImageWidth是图片宽度；其中腐蚀算子表示为widthtemp*height，其中，widthtemp＝height/2，在腐蚀算子中的height为膨胀算子中的height。

4.根据权利要求3所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的步骤14)中的较小的膨胀腐蚀算子具体为：

用到的膨胀算子是width*height，width＝ImageWidth/4，height＝width/3，ImageWidth是图片宽度。

5.根据权利要求2所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的步骤2)车牌字符分割具体步骤为；

21)将图像灰度化，利用Radon变换进行车牌水平方向的倾斜纠正；

22)采用Sobel算子对步骤21)处理后的图片进行边缘提取，去除车牌的水平边框；

23)利用Radon变换进行车牌字符垂直倾斜纠正，根据车牌的HSV图像得到车牌的颜色类型；

24)采用改进的OTSU算法对步骤23)处理后的图片进行二值化处理，将一些不满足车牌先验条件的连通域去掉；

25)检测每一个连通域，判断该连通域的高度与车牌字符的平均高度是否一致，若为是，则直接保留并执行步骤26)，否则，将连通域剔除；

26)根据连通域宽度与字符平均宽度的比值关系计算该连通域中包含的字符数量；

27)根据平均宽度先估计分割位置，再在该位置求解一个局部最小值，该局部最小值的位置就是字符分割的位置；

28)确定第二个字符的位置，然后向左找出汉字部分，向右查找五个字符进行字符分割。

6.根据权利要求5所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的先验条件包括长度宽度的范围适中、长宽比满足设定的比例范围。

7.根据权利要求5所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的汉字部分的寻找过程为：

由于汉字部分存在着一个汉字包含几个连通域的情况，对车牌字符平均宽度和汉字连通域的宽度进行对比计算以确定汉字部分的位置。

8.根据权利要求5所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的改进的OTSU算法为在原来的OTSU算法的基础上加入对于曝光过度图像进行特定二值化处理的过程。

9.根据权利要求8所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的曝光过度图像OTSU算法的阈值小于该图像的灰度平均值；所述的特定二值化处理为：如果OTSU算法的阈值小于该图像的灰度平均值AverageGray，则说明该图片曝光过度，此时将OTSU算法的阈值调整为t1，其中，t1＝AverageGray*C，C为一个常量，若OTSU算法的阈值大于该图像的灰度平均值，则按照传统的OTSU算法来处理。

10.根据权利要求5所述的一种基于双边缘检测的车牌识别方法，其特征在于，所述的步骤3)车牌字符识别具体为：

31)将分割的字符依次通过OTSU算法进行二值化处理；

32)经步骤31)处理后的字符进行大小归一化和位置归一化处理；

33)采用粗网格提取法提取字符的粗网格特征，采用半积分投影法提取字符的半积分投影特征；

34)采用训练好的支持向量机进行初步识别，得到识别结果；

35)判断识别结果中是否存在易错字符，若为是，执行步骤36)；若为否，执行步骤37)；

36)分别提取各组易错字符的精确特征，再一次采用支持向量机进行第二次识别，得到识别结果；

37)输出识别结果；

所述的步骤35)中的易错字符包括B、8、S、5、Z、2、D、Q和0。