一種基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車(chē)牌圖像檢測(cè)及定
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對(duì)面交流
海量資料庫(kù)查詢(xún)
(1)在r、θ適當(dāng)?shù)淖畲笾岛妥钚≈抵g建立一個(gè)離散的參數(shù)空間；
滿(mǎn)足式(3)的連通區(qū)域保留下來(lái)，就可以檢測(cè)到車(chē)牌的字符區(qū)域，如圖4(a)所示。
為了定位出整個(gè)車(chē)牌，需要將檢測(cè)到的車(chē)牌文本所有的字符區(qū)域連通起來(lái)形成一個(gè)大的連通域，并適當(dāng)向外擴(kuò)展。定位出的車(chē)牌區(qū)域如圖4(b)所示。為了避免在上個(gè)步驟中出現(xiàn)牌照內(nèi)的某個(gè)字符未被檢測(cè)到或者仍然留有偽文本區(qū)域未去除的情況，從而影響最后的定位結(jié)果，因此還需要利用整個(gè)車(chē)牌的寬高比來(lái)檢測(cè)出最后的牌照區(qū)域。選用牌照寬高比為44：14作為判定標(biāo)準(zhǔn)，以此來(lái)定位出最后的車(chē)牌區(qū)域，最后精確提取出的車(chē)牌區(qū)域如圖4(c)所示。本文引用地址：http://www.biyoush.com/article/196876.htm
4 實(shí)驗(yàn)結(jié)果及分析
該算法所需的開(kāi)發(fā)工具為Matlab7.0，實(shí)驗(yàn)所采用的車(chē)牌圖像是在實(shí)際環(huán)境中隨機(jī)拍攝的，對(duì)汽車(chē)的背景沒(méi)有特殊限制。圖5所示的是對(duì)4幅不同場(chǎng)景下的汽車(chē)牌照進(jìn)行定位的結(jié)果，圖5(a)的車(chē)牌有些傾斜和變形；圖5(b)是在車(chē)窗存在反光的情況下拍攝的；圖5(c)的車(chē)窗存在部分反光的情況，并且背景比較復(fù)雜，車(chē)身存在很多污跡；圖5(d)是在光線(xiàn)較暗的情況下拍攝的，并且車(chē)窗上存在其他物體的投影；圖5(e)為這四種場(chǎng)景的定位結(jié)果，雖然這四幅圖像的車(chē)牌背景比較復(fù)雜，但仍能準(zhǔn)確定位出車(chē)牌的位置。實(shí)驗(yàn)測(cè)試結(jié)果表明，這種方法對(duì)于光照不均、噪聲較強(qiáng)、環(huán)境背景復(fù)雜的圖像均能成功定位，并提取出車(chē)牌區(qū)域，而且算法比較簡(jiǎn)單，定位速度快，具有很強(qiáng)的魯棒性。
本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車(chē)牌綜合定位算法。其利用了國(guó)內(nèi)車(chē)牌字符的特征，經(jīng)過(guò)高帽變換突出感興趣區(qū)域，然后利用邊緣信息通過(guò)Hough變換檢測(cè)車(chē)牌字符的中心線(xiàn)，能夠提高定位結(jié)果的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，對(duì)于自然場(chǎng)景下的車(chē)牌定位，該算法具有較強(qiáng)的適用性。但復(fù)雜背景下的車(chē)牌定位比簡(jiǎn)單背景下的定位準(zhǔn)確率低，主要原因是復(fù)雜環(huán)境的背景信息復(fù)雜，干擾較多，使得利用Hough變換檢測(cè)字符組的中心線(xiàn)時(shí)出現(xiàn)誤差，特別是對(duì)于傾斜嚴(yán)重的車(chē)牌，本算法的定位率較低，這是下一步的研究方向。
評(píng)論