车牌识别系统中车牌定位方法的研究.doc

1引言随着国民经济的高速发展,高速公路、城市道路、停车场建设越来越多,对交通控制、安全管理的要求也日益提高,智能交通系统its(intelligenttrafficsystem)已成为世界交通领域研究的前沿课题。在此基础上发展的车牌照识别lpr(licenseplaterecognition)系统是智能交通系统的重要组成部分,在交通管理中占有重要地位。lpr系统主要由三部分组成:车牌定位、字符分割、字符识别,其中车牌定位的成功与否直接影响是否能够进入车牌识别以及车牌识别的准确率。主要的车牌定位方法:基于灰度图像的车牌定位方法[1]、基于小波变换的车牌定位方法[3]、基于形态学的车牌定位方法[4]、基于神经网络的车牌定位方法[7]、基于支持向量机的车牌定位方法[8]等。虽然这些算法在某些特定条件下识别效果较好,但综合一些诸如天气、背景、车牌磨损和图像倾斜等干扰因素的影响,暂时还不能完全满足实际应用的要求,有必要进行进一步的研究。。这类图像通常显示为从黑色到白色的灰度。为了便于车牌定位,将该图像转换成二值图像,即只有黑色和白色两种颜色的图像。此方法是应用车牌的如下特点:车牌牌照的字符和背景的对比度比较大,对应于车牌区域的水平灰度变化比较频繁;再者车牌一般挂在汽车的缓冲器上或附近,并靠近图像的下部,干扰一般比较少。根据以上特点,使用靠近水平方向的一阶差分运算,以突出灰度变化频繁的区域。其一阶差分运算的算式为:g(i,g)=f(i,j)-f(i,j+1)(1)上式中,i=,2,3…,m;m为图像的高度;j=1,2,3…,n;n为图像的宽度。再对图像的水平差分图像g(x,y)的灰度值沿水平方向累加后做投影,可得投影图:水平方向累加后投影的算式为:(2)从车牌照是一个矩形这一特点,我们可以判断它所对应的水平投影图与车牌的形状相仿,是一块较为独立的矩形区域,从水平投影图中可以看车牌位置基本对应于图中从下到上的第一个较大的波峰,车牌投影值区域大致对应于上述波峰值上、下邻域的波谷之间所包含的投影值区域,且这两个波谷大致对称于波峰,波峰和波谷的变化率较大。在这个过程中最重要的是确定选择哪个波峰,如果这个波峰的两个波谷之间的值的高度都大于某一个设定的值,并且两个波谷之间的宽度大致等于车牌照的高度,就认定它所确定的区域就是车牌的水平位置。对于车牌垂直方向的定位算法:一般情况下,车牌的底色和字符的颜色的对比度很大,而且在一个相对范围较小的范围内变化比较频繁,通过这个特征确定车牌垂直方向。该方法对质量较高的图像有很好的定位,不过对于图像中车前和车牌附近的车辆背景过多,容易导致错误的车牌定位。。与傅里叶变换相比,小波变换具有较强的时、频域局部分析能力。通过伸缩和平移等运算功能对信号进行多尺度细化分析,在高频处取窄的时(空)间窗,在低频处取宽的时(空)间窗,克服了傅里叶分析无法同时在时域和频域上取得良好局部特性的局限性,近年来这一方法在很多工程领域得到广泛应用。小波分析的核心是多分辨率分解,其良好的时—频特性使其成为研究精细结构的理想工具。在车牌图像处理方面,经过基于小波变换的高