[发明专利]一种基于自适应边缘特征的车牌粗定位方法

摘要

本发明提供一种基于自适应边缘特征的车牌粗定位方法，包括以下步骤灰度图像模糊处理；基于垂直边缘的密度信息，使用自适应边缘特征，动态获取行相邻点之间的距离阈值，把小于该阈值的相邻点连起来，形成连通区域；基于连通区域的基本特征信息，包括高度、宽度、宽高比、面积，去除非车牌连通区域；依据候选连通区域周围的边缘信息，进行相应扩展，形成车牌候选矩形区域。本发明能够获得更加精准的连通区域，排除更多非车牌区域，同时对于含有不同尺寸车牌的图像，整个处理过程不需要进行尺度变换，就能完成相应的定位检测，算法更加高效。

主权项

一种基于自适应边缘特征的车牌粗定位方法，其特征在于，包括以下顺序的步骤：(1)将包含车牌的待处理彩色图像变换成灰度图像；(2)利用均值滤波器对得到的灰度图像进行模糊处理；(3)利用垂直边缘检测算子，获取经过模糊处理的灰度图像的二值垂直边缘图；(4)基于垂直边缘的密度信息，利用自适应边缘特征，动态获取二值垂直边缘图每行相邻前景目标点之间的距离阈值，将每行彼此之间距离小于该阈值的两个相邻前景目标点连起来，形成连通区域；(5)将形成的各个连通区域进行形态学运算处理；(6)对经过形态学运算处理后的各个连通区域进行分析，利用各个连通区域的特征信息，包括高度、宽度、宽高比和面积，去除非车牌连通区域，得到车牌候选连通区域；(7)对车牌候选连通区域依据其周围边缘信息进行相应扩展，形成车牌候选矩形区域，得到车牌粗定位结果；步骤(4)中，所述基于垂直边缘的密度信息，利用自适应边缘特征，动态获取二值垂直边缘图每行相邻前景目标点之间的距离阈值，将每行彼此之间距离小于该阈值的两个相邻前景目标点连起来，形成连通区域，具体包括以下顺序的步骤：(41)进入二值垂直边缘图的待处理当前行；(42)自左向右寻找连续跳变点；(43)对找到的连续跳变点的数目进行统计，判断连续跳变点的数目是否小于预设阈值，若是，则返回步骤(42)，继续寻找连续跳变点，若否，则执行步骤(44)；(44)采用以下公式获取连续跳变点区域内的加权平均边缘高度：T=1NΣxf(hx)]]>f(hx)=hx(1-e-1hx-H‾)hx>H‾hxhx=H‾hx(1-e1hx-H‾)hx<H‾]]>其中，T表示连续跳变点区域内的加权平均边缘高度，x表示连续跳变点区域内的前景目标点坐标，N表示连续跳变点的数目，f(hx)表示每个坐标位置的加权边缘高度，hx表示每个坐标位置的原始边缘高度，表示连续跳变点区域内的平均高度；(45)若当前行的相邻前景目标点之间的距离小于T，则将这两个相邻前景目标点用直线连起来；(46)判断当前跳变点是否处于当前行的行尾，若是，则执行步骤(47)，若否，则以当前跳变点作为起点，返回步骤(42)；(47)判断当前行是否为二值垂直边缘图的最后一行，若是，输出连通区域图像，若否，执行步骤(48)；(48)将当前行的下一行作为待处理当前行，返回步骤(41)。