[发明专利]一种复杂背景下的车牌定位方法

摘要

本发明公开了一种复杂背景下的车牌定位方法，步骤包括：步骤1、预处理；步骤2、求取原始图像中的候选车牌模板；步骤3、找到车牌有效的号码字体部分；步骤4、找到车牌的底色与字体颜色跳变部分，获得车牌模板；步骤5、对车牌模板消除噪声；步骤6、对车牌模板进行膨胀运算；步骤7、定位车牌；步骤8、输出车牌信息，即成。本发明的方法，适用于监控相机、或者手持摄像设备拍摄到的图像中存在诸多干扰的复杂环境，步骤简单，便于实施，计算量小，结果准确性高，给出的结果能够对车牌进行正确定位。

主权项

1.一种复杂背景下的车牌定位方法，其特征在于，按照以下步骤实施：步骤1、预处理，输入通过监控相机、或者手持摄像设备拍摄得到大小为m×n的彩色的原始图像，该原始图像中，红、绿、蓝三个颜色分别标记为R＝[r(i,j)]m×n、G＝[g(i,j)]m×n、B＝[b(i,j)]m×n，i＝1,2,...,m，j＝1,2,...,n，亮度值L＝[l(i,j)]m×n为：l(i,j)＝0.299·r(i,j)+0.587·g(i,j)+0.114·b(i,j)，   (1)亮度均值为：步骤2、求取原始图像中的候选车牌模板，求出原始图像中可能为车牌底色的蓝色、黄色、白色、黑色的候选模板，PlateBlue＝[pBlue(i,j)]m×n，PlateYellow＝[pYellow(i,j)]m×n，PlateWhite＝[pWhite(i,j)]m×n，PlateBlack＝[pBlack(i,j)]m×n，其中，其中，thBlue、thYellow、thWhite及thBlack均为判断阈值；步骤3、找到车牌有效的号码字体部分，设白色字体的掩模为WordWhite＝[wWhite(i,j)]m×n，黑色字体的掩模为WordBlack＝[wBlack(i,j)]m×n，则计算公式如下：由公式(7)得到的wWhite(i,j)＝1的点即为白色的点，由公式(8)得到的wBlack(i,j)＝1的点即为黑色的点；步骤4、找到车牌的底色与字体颜色跳变部分，获得车牌模板，按行遍历步骤3给出的车牌掩模中所有非零的像素点，将判断为非车牌部分的掩模值置为0，具体步骤是：4.1)在蓝色车牌掩模中找白色字体对蓝色车牌掩模PlateBlue＝[pBlue(i,j)]m×n，遍历其所有的行，即对第i行，i＝1,2,...,m，找到所有pBlue(i,j)＝1的点，如果其相邻点位置所对应的白色字体掩模wWhite(i,j+k)＝1，k＝1,2,3，则保持pBlue(i,j)＝1，表明该点是车牌上的点；否则，表明该点不是车牌上的蓝色点，置pBlue(i,j)＝0；4.2)在黄色车牌掩模中找黑色字体对黄色车牌掩模PlateYellow＝[pYellow(i,j)]m×n，遍历其所有的行，即对第i行，i＝1,2,...,m，找到所有pYellow(i,j)＝1的点，如果其相邻点位置所对应的黑色字体掩模wBlack(i,j+k)＝1，k＝1,2,3，则保持pYellow(i,j)＝1，表明该点是车牌上的点；否则，表明该点不是车牌上的黄色点，置pYellow(i,j)＝0；4.3)在白色车牌掩模中找黑色字体：对白色车牌掩模PlateWhite＝[pWhite(i,j)]m×n，遍历其所有的行，即对第i行，i＝1,2,...,m，找到所有pWhite(i,j)＝1的点，如果其相邻点位置所对应的黑色字体掩模wBlack(i,j+k)＝1，k＝1,2,3，则保持pWhite(i,j)＝1，表明该点是车牌上的点；否则，表明该点不是车牌上的白色点，置pWhite(i,j)＝0；4.4)在黑色车牌掩模中找白色字体：对黑色车牌掩模PlateBlack＝[pBlack(i,j)]m×n，遍历其所有的行，即对第i行，i＝1,2,...,m，找到所有pBlack(i,j)＝1的点，如果其相邻点位置所对应的白色字体掩模wWhite(i,j+k)＝1，k＝1,2,3，则保持pBlack(i,j)＝1，表明该点是车牌上的点；否则，表明该点不是车牌上的黑色点，置pBlack(i,j)＝0；通过该四个分步骤，最终保留下来的非0的车牌掩模部分，即为车牌模板；步骤5、对车牌模板消除噪声，采用腐蚀算子对步骤4得到的车牌模板进行消除噪声的处理，定义结构元素为为了便于描述，设定进行了腐蚀运算后的四类车牌模板分别为：PlateBlueC＝[pBlueC(i,j)]m×n，PlateYellowC＝[pYellowC(i,j)]m×n，PlateWhiteC＝[pWhiteC(i,j)]m×n，PlateBlackC＝[pBlackC(i,j)]m×n；步骤6、对车牌模板进行膨胀运算，采用膨胀算子对步骤5得到的经过去噪处理后的车牌模板进行处理，以修复有可能出现的缺损,定义结构元素为为了便于描述，设定进行了膨胀运算后的四类车牌模板分别为：PlateBlueE＝[pBlueE(i,j)]m×n，PlateYellowE＝[pYellowE(i,j)]m×n，PlateWhiteE＝[pWhiteE(i,j)]m×n，PlateBlackE＝[pBlackE(i,j)]m×n；步骤7、定位车牌，具体处理过程是：7.1)对步骤6得到的车牌模板进行贴标签处理；7.2)对贴了标签后的每个连通域，求其最小外接矩形，该最小外接矩形以左上角坐标(xL,yL)和右下角坐标(xR,yR)表示；7.3)考虑到车辆的位置在三维空间上不一定完全正对相机，设置车牌判据如下：如果连通域的最小外接矩形的高宽比不满足H:W＝1:2+δ，或者不满足H:W＝1:3+δ，其中优选δ∈[0,0.3]是投影误差调整参数，则表明该连通域不是车牌区域；如果连通域的最小外接矩形的高宽比满足H:W＝1:2+δ，或者满足H:W＝1:3+δ，并且连通域的面积与外接矩形的面积比为SArea:SREC≥0.9，则判断该连通域为车牌区域；步骤8、输出车牌信息通过步骤7得到的确定为车牌的连通域的最小外接矩形的坐标(xL,yL)，(xR,yR)，给出了车牌的位置信息，根据搜索到该车牌位置的车牌模板颜色，给出其颜色信息，完成对车牌的定位，即成。