復(fù)雜車輛圖像中的車牌定位
加入技術(shù)交流群
2)找到H、S、V 3個變量的最大值點H_max、S_max、V_max，這幾個特征值便能代表整個區(qū)域的顏色特征信息；
3)顏色判斷的算法為
實驗結(jié)果證明，該算法識別準確率比傳統(tǒng)算法高，能對車身有大量圖案干擾的車輛進行準確識別。質(zhì)心位置檢測可以排除顏色與車牌相近的車身圖案、標志的干擾。顏色識別則可以排除位于車牌附近車燈、保險杠等干擾。
2 車牌識別的細定位
2．1 豎直投影處理
在粗定位的候選區(qū)域里，常會存在錯誤和誤差。錯誤大多是因為在車牌下部還附帶有文字廣告，警示語等。而誤差的產(chǎn)生大多是由于圖像清晰度低或曝光不足等因素導(dǎo)致的車牌識別中字符間斷裂等情況。
為解決此類問題，采用豎直分量投影的方法。選取能包含待選區(qū)域且與原圖像等寬的最小區(qū)域的灰度圖，利用以下公式將相鄰2個像素點兩兩進行相減再求和，即可求得該列上邊緣信息的變化情況。
將每一列的投影值均計算出來后，即可作出候選區(qū)域的投影圖，如圖4，5，6，7所示。本文引用地址：http://www.biyoush.com/article/197494.htm
由投影圖可以看出，有字符的區(qū)域有明顯峰值，而字符之間均為谷值。通過該峰谷的交替變換，即可判斷字符的位置和數(shù)量。
2．2 基于字符間隔的細定位
在實際操作過程中，有時選區(qū)域是由其他字符組成，如廣告或字符圖案，其特征與車牌特征過于相似，導(dǎo)致一般方法很難將其區(qū)分開來。此時，可采用谷值數(shù)量檢測的方法判斷字符數(shù)目來區(qū)分車牌與字符圖案。另外由于圖像曝光等原因，導(dǎo)致字符處出現(xiàn)斷裂，使車牌區(qū)域變成兩個候選區(qū)域。因此，在最終輸出時往往只能輸出車牌的一部分，而不是全部。為了解決字符斷裂的問題，采用谷值跟蹤技術(shù)。即由質(zhì)心點分別向左右兩側(cè)檢測谷值處，并統(tǒng)計谷值的個數(shù)。對于普通車牌，即7個字符，應(yīng)有6個谷值點。當檢測到確實為6個谷值點時，則找到車牌，當檢測谷值點小于6個時，放寬閾值，繼續(xù)檢測，直到谷值點為6個為止。具體操作過程為：
1)找到投影圖像的峰值peak，并將整個投影圖像二值化。即：
評論