[发明专利]基于MSER和ISODATA相结合的车牌定位方法

说明书

本发明属于模式识别与图像处理技术领域，公开了一种基于MSER和ISODATA相结合的车牌定位方法，将待检测图像转换为灰度图像，提取出灰度图像中的最大稳定极值区域MSER并拟合出最小矩形框，根据车牌字符特征对矩形框进行筛选，得到候选字符矩形框；对得到的候选字符矩形框左上角纵坐标进行迭代自组织处理ISODATA，得到聚类后的结果，找到聚类后含有矩形框最多的一个样本集，确定为候选车牌字符矩形框；根据矩形框的位置确定车牌上下边界；根据矩形框的位置，通过滑窗方法，找出包含矩形框最多的窗口，确定左右边界。本发明的车牌定位方法能够克服恶劣天气、光照较差等不利条件进行准确定位，鲁棒性强。

技术领域

本发明属于模式识别与图像处理技术领域，尤其涉及一种基于MSER和ISODATA相结合的车牌定位方法。

背景技术

随着经济与交通的迅速发展导致机动车辆大幅地增加，这无疑加重了交通的负担。因此，汽车的安全管理不容忽视，也促进了人们对汽车识别系统的研发力度。截止目前，汽车牌照识别在停车场、高速公路、关卡车辆检测、安防监控方面有着广泛应用，并且是智能交通系统最为重要的监管方式之一。其中，车牌定位技术是车牌识别技术的关键，准确的车牌定位对于后续的识别过程有着举足轻重的作用。

目前传统的车牌定位方法主要分为两大类，一类是基于车牌字符的纹理特征，基于纹理特征的定位需要先检测车牌的纹理，常用的纹理检测法有：边缘检测法、角点检测法、小波变换法、傅立叶变换法等。在纹理检测结束后，辅之以边缘密度扫描、灰度跳变、形态学处理等提取出车牌区域，最后根据车牌特征先验知识进行精确定位，适用于车牌明显、背景场景变化不大的场景中，而对于拍摄角度不同、远近不同、含有大量纹理物品的复杂场景图像，第一种方法往往存在着较大的局限性。另一类是基于车牌的颜色特征。基于颜色特征的车牌定位主要是依赖于车牌的颜色特征，通过在一定颜色空间提取出车牌颜色区域来定位车牌。除此之外，Adaboost、遗传算法、神经网络等也会被应用到车牌定位中，只适用于图像清晰、光照均匀的场景的情况，对于恶劣天气、光照不均往往不能够达到令人满意的效果。

例如对于第一类基于边缘检测的车牌定位来说，局限性往往在于对拍摄图片的要求过于苛刻。当图片拍摄角度或距离不同时，抑或是图片中含有大量纹理时，利用边缘提取特征的方法都会导致边缘模糊、无法检测到边缘或是大量边缘特征无法筛选的情况。在这样的情形下，就会导致车牌定位变得十分困难。比如申请公开号为CN108960243A，名称是“车牌定位方法”的专利申请，公开了一种对原始车牌图像依次进行预处理、边缘提取、获得轮廓图的车牌定位方法。该方法主要使用了边缘提取得到轮廓图，然后对轮廓图提取特征，最后与预存的车牌分类器中的字符进行比对的方法定位车牌同时输出信息。这种方法在特定的场景下识别准确率高，抗干扰小。但是，由于车辆拍摄图片复杂多样，也无法确保使用算法的场景，所以这样的检测方法并不实用，在正式使用时准确率会降低。

而对于第二类基于车牌颜色特征的定位方法，局限性在于对场景变换不鲁棒。这类算法较之第一类算法来说，对于拍摄角度的要求降低，但是对于车牌颜色的要求却变得很高。当图片处于阴天雨天抑或是任何光照不均的情况下，都会使拍摄的车牌颜色有较大的变化，这样一来，基于颜色的特征提取会变得困难，使得定位精度下降。比如申请公开号为CN102999753的一种基于复杂全景图的车牌定位方法，在光照均匀的条件下定位精度高，识别准确，但是该方法存在着两个问题，第一，当光照不均匀时，车牌上受到太阳光照射的地方颜色会更鲜艳，导致颜色特征提取困难；第二，当车型颜色与车牌相同时，譬如说对于蓝色或者黄色、绿色车，使用颜色特征会将车牌定位到全车上，这样的检测效果有待进一步改善。

综上所述，现有技术存在的问题是：

(1)现有技术基于车牌字符的纹理特征对于拍摄角度不同、远近不同、含有大量纹理物品的复杂场景图像，存在着较大的局限性。

(2)现有技术基于车牌的颜色特征只适用于图像清晰、光照均匀的场景的情况，对于恶劣天气、光照不均往往不能够达到令人满意的效果。