專利名稱：車輛車牌實時定位字符分割的檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種視頻監(jiān)測技術(shù)領(lǐng)域的車牌檢測方法，特別涉及的是一種車輛
車牌實時定位字符分割的檢測方法。
背景技術(shù)：
車牌識別技術(shù)是智能交通系統(tǒng)實現(xiàn)的關(guān)鍵技術(shù)，近期對車牌識別的研究已經(jīng)成為 一個熱門。車牌識別系統(tǒng)(License Plate Recognition)在現(xiàn)實生活中有很多應(yīng)用場合， 比如電子收費站，出入控制，車流監(jiān)控等等。由于數(shù)據(jù)量比較龐大，實時性能要求也比較高， 這些場合如果仍然通過人工干預(yù)進(jìn)行控制，會占用非常多的資源，效果也不理想。因此提供 和數(shù)據(jù)庫相連的能實現(xiàn)快速精確的車牌識別系統(tǒng)將極大地方便交通車輛管理。
車輛牌照自動識別系統(tǒng)一般由車牌定位，字符分割以及字符識別三個部分組成， 其中汽車牌照的定位(License Plate Location)和車牌字符的分割，是后續(xù)字符識別的重 要前提，也是整個識別系統(tǒng)的關(guān)鍵。目前車牌定位的方法多種多樣l.直接法，對已預(yù)處理 增強(qiáng)的圖像進(jìn)行Sobel垂直算子檢測，用閾值分割出前景，搜索出符合車牌字符特征的候 選區(qū)域。2.神經(jīng)網(wǎng)絡(luò)法，利用神經(jīng)網(wǎng)絡(luò)分析字符的顏色、紋理等特征，對圖像中的像素進(jìn)行 分類，從而分別確定車牌和背景區(qū)域。3.基于矢量量化的方法，不以像素為單位，而是以塊 為單位進(jìn)行圖像處理，對牌照定位的同時進(jìn)行圖像的壓縮。上述方法中，或者對工作環(huán)境有 嚴(yán)格的限制，比如局限于靜止的背景、固定的光照強(qiáng)度、車牌無傾斜、高分辨率、低車速等， 或者就是運算的時間復(fù)雜度比較高。 近年來，數(shù)學(xué)形態(tài)學(xué)圖像處理這門特殊的圖像處理學(xué)科已發(fā)展成為圖像處理的一 個主要研究領(lǐng)域，將數(shù)學(xué)形態(tài)學(xué)應(yīng)用到車牌定位技術(shù)中，并結(jié)合其他一些技術(shù)方法，實現(xiàn)快 速準(zhǔn)確地定位車牌。在已經(jīng)準(zhǔn)確定位車牌區(qū)域的前提下，使用投影變換對車牌字符進(jìn)行分 割，能夠滿足實時性和魯棒性要求。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)的上述不足，提出了一種車輛車牌實時定位字符
分割的檢測方法。本發(fā)明在高速公路收費站系統(tǒng)或者城市智能交通系統(tǒng)中電子警察等設(shè)備
拍攝得到的實時車輛圖像中能夠有效準(zhǔn)確地進(jìn)行車牌自動定位，與現(xiàn)有技術(shù)比較對環(huán)境的
適應(yīng)性有很大提高，運算復(fù)雜度更低，速度更快，準(zhǔn)確率更高。 本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明包括以下步驟 (1)從圖像采集設(shè)備獲取視頻幀； (2)圖像預(yù)處理針對圖像的邊緣紋理特征結(jié)合數(shù)學(xué)形態(tài)學(xué)和輪廓檢測進(jìn)行車牌 定位，首先使用加權(quán)形式的灰度化方法將24位RGB位圖轉(zhuǎn)化為8位灰度圖；對被污染的圖 像進(jìn)行濾波，消除噪聲；然后針對車牌傾斜的情況進(jìn)行校正； (3)為提高信噪比，使用Sotropic Sobel垂直邊緣檢測算子對車輛圖像進(jìn)行邊緣 檢測；
(4)線性灰度變換，將灰度范圍為[60-120]的像素值調(diào)整到
; (5)采用0tsu 二值化方法計算閾值，將車輛圖像轉(zhuǎn)換為二值圖像； (6)首先使用大小為length個像素的結(jié)構(gòu)元素進(jìn)行閉運算，將兩個鄰近的車牌
字符邊緣目標(biāo)連接起來，形成前景區(qū)域，并設(shè)置前景區(qū)域像素為255，然后再使用略小于
length個像素的結(jié)構(gòu)元素進(jìn)行開運算，濾去小于結(jié)構(gòu)元素的孤立細(xì)小的前景區(qū)域，并在纖
細(xì)處分離連通區(qū)域，平滑區(qū)域邊緣出現(xiàn)的毛剌； (7)輪廓檢測，找到所有前景連通區(qū)域的外切矩形，并設(shè)置矩形內(nèi)像素值為255 ; (8)車牌區(qū)域精確定位根據(jù)已經(jīng)掌握的車牌的先驗知識，車牌矩形區(qū)域?qū)?br> 440cm，高140cm，候選矩形區(qū)域?qū)捀弑炔粷M足經(jīng)驗閾值范圍3 4. 5的被判定為干擾區(qū)域，
將此干擾區(qū)域像素值被置為O，即為背景，剩下的滿足寬高比范圍的區(qū)域，計算矩形區(qū)域的
面積，車牌區(qū)域通常是面積最大的區(qū)域，因此把其他區(qū)域像素置為0，得到一個車牌區(qū)域的
唯一前景；最后將唯一保留的矩形區(qū)域，擴(kuò)充邊緣4個像素補(bǔ)償邊界，再與原圖像相乘，前
景區(qū)域保持原圖像像素不變，其余區(qū)域統(tǒng)一設(shè)置為背景，實現(xiàn)車牌區(qū)域精確定位； (9)字符分割，根據(jù)車牌共有字符的特征，字符預(yù)先設(shè)定好且有一個定間隔，將已
經(jīng)定位的車牌分別進(jìn)行水平和垂直投影，并結(jié)合閾值化得到車牌單個字符的位置，從而準(zhǔn)
確分割出每一個字符。 其中，步驟(2)圖像預(yù)處理，采用加權(quán)形式的灰度化方法將24位RGB位圖轉(zhuǎn)化為
8位灰度圖。轉(zhuǎn)化的公式如下 Vgray = 0. 299R+0. 587G+0. 114B 對一些被污染(如椒鹽噪聲)的圖像進(jìn)行中值濾波，消除噪聲邊緣對后續(xù)形態(tài)學(xué) 處理步驟中的不良影響；對于車牌傾斜的情況，采用幾何變換進(jìn)行圖像旋轉(zhuǎn)。
其中，步驟(3)邊緣檢測，常有的邊緣檢測算子有Robet算子，Sobel算子，Prewitt 算子以及Krisch算子。經(jīng)過實驗發(fā)現(xiàn)Sobel算子對邊緣的響應(yīng)最大，效果最好，因此選用 Sotropic Sobel算子。Sotropic Sobel垂直邊緣檢測算子的巻積核如下所示 '_ 1 0 1 .
_ 1
1 其中，步驟(4)線性灰度變換，是指由于曝光不足或者曝光過度，以及成像、記錄 設(shè)備的非動態(tài)范圍太窄等因素都直接影響圖像質(zhì)量，造成輸入的圖像細(xì)節(jié)分辨不清時，這 時如將圖像灰度度性擴(kuò)展，常能顯著改善圖像的質(zhì)量。假定源圖像f(i， j)的灰度范圍為 [a，b]，希望變換后的圖像g(i， j)的動態(tài)范圍為[c，d]，則變換可采用如下力、二
6—"
〔+C 使更多的車牌邊緣像素參與到接下來的數(shù)學(xué)形態(tài)學(xué)運算中來。
其中，步驟(5)采用Otsu二值化方法計算閾值，將車輛圖像轉(zhuǎn)換為二值圖像。Otsu 提出的最大類間方差法(大津閾值分割法)，是一種比較常用的全局閾值法，是在判段分析 最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的。設(shè)給定圖像具有1，2，3，…，L，共L級灰度，設(shè)閾值 為T，把灰度大于或等于T和小于T的像素分為兩類，即類1和類2。類1中的像素總數(shù)為 W丄(k)，平均灰度值為M丄(k)，方差S工(k)。類2中的像素總數(shù)為W2 (k)，平均灰度值為M2 (k)， 方差S2(k).所有圖像像素平均值為M，則類間方差o/和類內(nèi)方差o/，分別由以下兩式
5決定
<formula>formula see original document page 6</formula>
由于模式分在理論中，不同類別之間可分性度量有三個標(biāo)準(zhǔn)散布矩陣、散度和 Battacharyya距離，類間方差與類內(nèi)方差的比值對應(yīng)于散布矩陣，反映了各類模式在模式 空間的分布情況。類間方差越大，類內(nèi)方差越小，則說明分類結(jié)果類與類之間距離大，每類 自身各像素性質(zhì)相似度越大，即模式分類結(jié)果越好。所以根據(jù)上面的分析，定義使方差之比
^最大的閾值T為最佳閾值。
其中，步驟(6)包括步驟為 ①采用先進(jìn)行閉運算再進(jìn)行開運算的順序； ②開、閉運算由腐蝕和膨脹運算構(gòu)成，開運算的實質(zhì)是先腐蝕后膨脹，閉運算的運 算順序與開運算相反； ③開、閉運算均分為水平和垂直兩個方向進(jìn)行，先進(jìn)行閉運算連接車牌區(qū)域，再進(jìn) 行開運算平滑較大區(qū)域的邊界； ④為了完全填充車牌字符間的小孔，防止車牌字符裂開，閉運算處理往往要重復(fù) 至少兩次； ⑤形態(tài)學(xué)處理過程中結(jié)構(gòu)元素大小的選擇非常關(guān)鍵，因車牌區(qū)域像素個數(shù)占圖像 總像素個數(shù)的比例P的大小而不同，P最小值為0. 7% ; ⑥在確定了輸入車輛圖像的尺寸結(jié)構(gòu)之后，由p的大小和車牌長寬比兩個經(jīng)驗特 征，初步設(shè)定結(jié)構(gòu)元素大??； ⑦假設(shè)車牌第二和第三字符之間的間隔為n個像素，則結(jié)構(gòu)元素legth的大小按 照下面公式定義為 實現(xiàn)精確設(shè)定結(jié)構(gòu)元素大小。 其中，步驟(7)輪廓檢測，找到所有前景連通區(qū)域的外切矩形，這樣做是為了方便
后續(xù)步驟中利用矩形區(qū)域的寬高比和面積等特征判斷是否為車牌區(qū)域。 其中，步驟(8)車牌區(qū)域精確定位，根據(jù)已經(jīng)掌握的車牌的先驗知識，車牌矩形區(qū)
域?qū)?40cm，高140cm，候選矩形區(qū)域?qū)捀弑炔粷M足經(jīng)驗閾值范圍3 4. 5的被判定為干擾
區(qū)域，將此干擾區(qū)域像素值被置為O，即為背景，剩下的滿足寬高比范圍的區(qū)域，計算矩形區(qū)
域的面積，車牌區(qū)域通常是面積最大的區(qū)域，因此把其他區(qū)域像素置為O，得到一個車牌區(qū)
域的唯前景。最后將唯一保留的矩形區(qū)域，擴(kuò)充邊緣4個像素補(bǔ)償邊界，再與原圖像相乘，
前景區(qū)域保持原圖像像素不變，其余區(qū)域統(tǒng)一設(shè)置為背景，實現(xiàn)車牌區(qū)域精確定位。 其中，步驟(9)字符分割，是指由于圖像當(dāng)中除背景外僅剩下車牌區(qū)域，分水平
和垂直兩個方向投影容易確定字符的坐標(biāo)，從而實現(xiàn)單個字符的分割。 對車牌區(qū)域采用二值化方法得到黑白圖像，然后進(jìn)行投影分析，通過對圖像行或 列進(jìn)行掃描，計算出每行或每列的符合要求的像素個數(shù)。它類似于直方圖，但是它的優(yōu)勢是 能給出圖像中物體的空間分布。通過垂直投影分割出圖像的相連元件個數(shù)，如果元件個數(shù)
w ,//,/2 = 0為6 8，再進(jìn)行水平投影，確定字符的坐標(biāo)位置，以實現(xiàn)圖像剪切時準(zhǔn)確分割出每個字符。
本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點在于 (1)本方法主要針對圖像的邊緣紋理特征進(jìn)行運算，對圖像色彩要求不高，不會占
用計算機(jī)大量的系統(tǒng)內(nèi)存資源，輸入圖像轉(zhuǎn)換為灰度圖之后運算速度加快。
(2)轉(zhuǎn)換為黑白圖像過程中采用0tsu 二值化閾值分割方法，選取最理想的二值化閾值。 (3)形態(tài)學(xué)運算子選擇開、閉運算，并按照先進(jìn)行閉運算再進(jìn)行開運算的順序處 理。選擇結(jié)構(gòu)元素大小的時候，結(jié)合輸入車輛圖像尺寸初步設(shè)定，然后根據(jù)車牌字符間距， 再次選擇結(jié)構(gòu)元素進(jìn)行閉運算。 (4)在已經(jīng)精確定位出車牌區(qū)域之后，采用投影變換的方法實現(xiàn)車牌字符分割。投 影之前對車牌進(jìn)行二值化處理，分為水平和垂直兩個方向進(jìn)行，快速找到各個字符的準(zhǔn)確 位置，運用圖像剪切的方法分割出每個字符。


圖1本發(fā)明車牌定位、字符分割流程示意圖；
圖2本發(fā)明車牌定位、字符分割各步驟示例示意圖； 其中(a)預(yù)處理結(jié)果示意，(b)Sobel邊緣檢測示意，(c)線性灰度變換示意，(d) 形態(tài)學(xué)處理結(jié)果示意，(e)定位結(jié)果示意，(f)字符分割結(jié)果示意。
具體實施例方式
下面結(jié)合附圖對本發(fā)明的方法作詳細(xì)說明本實施例在以本發(fā)明技術(shù)方案為前提 下進(jìn)行實施，給出了詳細(xì)的實施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述 的實施例。 如圖1所示，對每一個視頻幀圖像，首先進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)換成為灰度圖 像，去除顏色特征；針對不同的噪聲類型，選擇適合的濾波器降噪；采用霍夫變換檢測車牌 傾斜角度，對圖像進(jìn)行幾何旋轉(zhuǎn)實現(xiàn)傾斜校正。 邊緣檢測過程中，考慮字符區(qū)域垂直邊緣集中，因此只使用垂直邊緣檢測算子。設(shè)
坐標(biāo)位置(i， j)處的像素為f (i， j)用Sotropic Sobel垂直邊緣檢測算子的巻積核與灰度
圖中的每個點按照如下公式進(jìn)行巻積
術(shù))=(-1)x/(/-1，_/-1)+(-V2)x/(:、/-+ 1)x/() + l、/-l)
+ lx./(/-U+l)+^X./(/j + l) + lx./(/+lj + l) 來檢測圖像中的垂直邊緣。邊緣檢測結(jié)果如圖2(b)所示。 使用線性灰度變換增強(qiáng)圖像對比度，將灰度范圍為[60-120]的像素值調(diào)整到
。如圖2(c)所示。 腐蝕和膨脹運算根據(jù)設(shè)定的結(jié)構(gòu)元素大小，分為水平和垂直兩個方向進(jìn)行。以 水平方向為例，腐蝕運算設(shè)所選的結(jié)構(gòu)元素大小為lengthXl，對圖像逐行進(jìn)行掃描。 (i， j)處像素f(i， j)自身或者其左右(length-l)/2范圍內(nèi)有黑色像素的點，則把當(dāng)前點像素值設(shè)為0，即為背景。同樣原理，水平方向的膨脹運算設(shè)所選的結(jié)構(gòu)元素大小為 lengthXl，對圖像逐行進(jìn)行掃描。(i， j)處像素f (i， j)自身或者其左右(length-l)/2 范圍內(nèi)有白色像素的點，則把當(dāng)前點像素值設(shè)為255，即前景。至此完成次水平方向的閉運 算。接著在垂直方向進(jìn)行閉運算，然后是水平方向和垂直方向的開運算。
閉運算能夠填補(bǔ)小于結(jié)構(gòu)元素的細(xì)節(jié)，將兩個鄰近的車牌字符邊緣目標(biāo)連接起 來；開運算能夠濾去小于結(jié)構(gòu)元素的細(xì)節(jié)，消除孤立細(xì)小的前景區(qū)域，并在纖細(xì)處分離連通 區(qū)域的功能。因此必須按照先進(jìn)行閉運算再進(jìn)行開運算的順序，先連接車牌區(qū)域，再平滑較 大區(qū)域邊界產(chǎn)生的毛剌。 需要指出的是，結(jié)構(gòu)元素大小的自適應(yīng)選擇，以輸入圖像尺寸為標(biāo)準(zhǔn)。設(shè)輸入圖像
尺寸為widthXheight，定義車牌區(qū)域?qū)抴像素，高h(yuǎn)像素，車牌區(qū)域像素占圖像總像素的比
例為P，則有如下公式 p = (wXh) + (width X height) p的大小滿足范圍0. 7% 1. 5%，因此第一次閉運算選擇結(jié)構(gòu)元素大小時將p設(shè) 定為1. 1%，再由車牌寬高比滿足范圍3 4. 5可以確定結(jié)構(gòu)元素大小length的初值。實 際上，一次水平閉運算一般不能完全填充車牌字符間的??？L。如果不及時填充這樣的小孔， 接下來的開運算將再次使車牌字符裂開。因此，另一次閉運算是必要的。第二次只需要選 一個小的結(jié)構(gòu)元素就可得到無縫隙的車牌區(qū)域，因為經(jīng)過上一次的閉運算，車牌僅剩下殘 留的小孔了 。第二次選擇結(jié)構(gòu)元素大小時，根據(jù)第次選擇的結(jié)構(gòu)元素大小length,考慮中國 車牌的特征，共有7個字符(包括一個漢字)，字符維數(shù)(寬和高)預(yù)先設(shè)定好且有一定間 隔，按照如下公式計算字符間隔<formula>formula see original document page 8</formula>
然后再按照如下公式選擇第次結(jié)構(gòu)元素的大小<formula>formula see original document page 8</formula> 最終使車牌區(qū)域構(gòu)成個連通前景區(qū)域。 輪廓檢測時將所有前景區(qū)域的外切矩形內(nèi)像素值設(shè)置為255，即為前景，圖像中會 出現(xiàn)如圖2(d)的幾個備選區(qū)域。利用車牌區(qū)域的先驗特征，排除掉不滿足寬高比的矩形區(qū) 域，再計算各個矩形的面積，保留面積最大的塊區(qū)域，即為車牌所在區(qū)域。
在精確定位車牌時，用上步得到的黑白值圖像與原圖像相乘。設(shè)(i， j)處原圖像 (i，j)像素值為f(i，j)，黑白二值圖像像素值為Mask(i，j)，所得到的新圖像像素值為g(i， 最終得到的圖像中，背景為黑色，前景保留車牌的灰度圖。 基于投影變換的車牌字符分割。由于我國車牌在設(shè)計和制作上都是由國家來統(tǒng)進(jìn) 行的，這就使得車牌的規(guī)格都非常的標(biāo)準(zhǔn)，例如車牌的裝訂位置(裝訂眼的位置)都是固定 的，同類的實際車牌在車牌大小和車牌中的字符位置上也都是固定不變的，一個車牌上的 所有字符在字體高度和寬度上(寬度除了"l"外)都是相等的，從而使整個車牌在字符分 布上呈現(xiàn)出了規(guī)律性，充分利用這些信息，不僅可以減少分割的錯誤率，而且也使得整個分 割過程變得簡單明了。 垂直投影p(x)就是在x坐標(biāo)位置上，通過垂直掃描累計圖像中字符的像素點數(shù) 量。對字符做垂直投影時，字符區(qū)域會產(chǎn)生個峰值，而字符間空隙處P(x)為零，所以可以根
j)。按照如下公式計算:由.<formula>formula see original document page 8</formula>據(jù)投影直方圖確定字符區(qū)域間隙區(qū)，從而容易實現(xiàn)字符切分。對定位好的車牌進(jìn)行二值化 處理后得到白色字符前景，黑色背景的車牌圖片。對圖像垂直方向進(jìn)行投影，就是對像素值 為255的白色像素點進(jìn)行累加計算。根據(jù)車牌圖像的垂直投影累加值，從左往右定位出每 個字符的起始和結(jié)束位置。并統(tǒng)計得到的投影個數(shù)count，平均字符寬度aver由下面公式 計算得出 aver = (b[end]_a[start])/count 其中a [start] ， b[end]分別是整個車牌投影的起始坐標(biāo)和終止坐標(biāo)。計算aver 的目的在于，數(shù)字"l"進(jìn)行垂直投影時，寬度值很小，為了防止將其認(rèn)為是"非元件"區(qū)域而 漏檢，采用平均字符寬度進(jìn)行車牌字符的切分。切分后將每一個字符歸一化處理可以得到 統(tǒng)一大小的車牌字符。經(jīng)過投影變換后，字符分割的結(jié)果如圖2(f)所示。
權(quán)利要求
一種車輛車牌實時定位字符分割的檢測方法，包括如下步驟(1)從圖像采集設(shè)備獲取視頻幀；(2)圖像預(yù)處理針對圖像的邊緣紋理特征結(jié)合數(shù)學(xué)形態(tài)學(xué)和輪廓檢測進(jìn)行車牌定位，首先使用加權(quán)形式的灰度化方法將24位RGB位圖轉(zhuǎn)化為8位灰度圖；對被污染的圖像進(jìn)行濾波，消除噪聲；然后針對車牌傾斜的情況進(jìn)行校正；(3)為提高信噪比，使用Sotropic Sobel垂直邊緣檢測算子對車輛圖像進(jìn)行邊緣檢測；(4)線性灰度變換，將灰度范圍為[60-120]的像素值調(diào)整到
；(5)采用Otsu二值化方法計算閾值，將車輛圖像轉(zhuǎn)換為二值圖像；(6)首先使用大小為length個像素的結(jié)構(gòu)元素進(jìn)行閉運算，將兩個鄰近的車牌字符邊緣目標(biāo)連接起來，形成前景區(qū)域，并設(shè)置前景區(qū)域像素為255，然后再使用略小于length個像素的結(jié)構(gòu)元素進(jìn)行開運算，濾去小于結(jié)構(gòu)元素的孤立細(xì)小的前景區(qū)域，并在纖細(xì)處分離連通區(qū)域，平滑區(qū)域邊緣出現(xiàn)的毛刺；(7)輪廓檢測，找到所有前景連通區(qū)域的外切矩形，并設(shè)置矩形內(nèi)像素值為255；(8)車牌區(qū)域精確定位根據(jù)已經(jīng)掌握的車牌的先驗知識，車牌矩形區(qū)域?qū)?40cm，高140cm，候選矩形區(qū)域?qū)捀弑炔粷M足經(jīng)驗閾值范圍3～4.5的被判定為干擾區(qū)域，將此干擾區(qū)域像素值被置為0，即為背景，剩下的滿足寬高比范圍的區(qū)域，計算矩形區(qū)域的面積，車牌區(qū)域通常是面積最大的區(qū)域，因此把其他區(qū)域像素置為0，得到一個車牌區(qū)域的唯一前景；最后將唯一保留的矩形區(qū)域，擴(kuò)充邊緣4個像素補(bǔ)償邊界，再與原圖像相乘，前景區(qū)域保持原圖像像素不變，其余區(qū)域統(tǒng)一設(shè)置為背景，實現(xiàn)車牌區(qū)域精確定位；(9)字符分割，根據(jù)車牌共有字符的特征，字符預(yù)先設(shè)定好且有一個定間隔，將已經(jīng)定位的車牌分別進(jìn)行水平和垂直投影，并結(jié)合閾值化得到車牌單個字符的位置，從而準(zhǔn)確分割出每一個字符。
2. 根據(jù)權(quán)利要求l所述的車輛車牌實時定位字符分割的檢測方法，其特征是步驟(3) 中所述的邊緣檢測，使用Sotropic Sobel垂直方向的檢測算子，Sotropic Sobel垂直邊緣 檢測算子的巻積核如下<formula>formula see original document page 2</formula>
3. 根據(jù)權(quán)利要求l所述的車輛車牌實時定位字符分割的檢測方法，其特征是步驟(4) 中所述的線性灰度變換，是指由于曝光不足或者曝光過度，以及成像、記錄設(shè)備的非動態(tài) 范圍太窄等因素都直接影響圖像質(zhì)量，造成輸入的圖像細(xì)節(jié)分辨不清時，進(jìn)行的圖像灰度 線性擴(kuò)展。
4. 根據(jù)權(quán)利要求l所述的車輛車牌實時定位字符分割的檢測方法，其特征是步驟(5) 中所述的二值化方法，采用0tsu 二值化方法計算閾值。
5. 根據(jù)權(quán)利要求l所述的車輛車牌實時定位字符分割的檢測方法，其特征是步驟(6) 包括步驟為①采用先進(jìn)行閉運算再進(jìn)行開運算的順序；② 開、閉運算由腐蝕和膨脹運算構(gòu)成，開運算的實質(zhì)是先腐蝕后膨脹，閉運算的運算順 序與開運算相反；③ 開、閉運算均分為水平和垂直兩個方向進(jìn)行，先進(jìn)行閉運算連接車牌區(qū)域，再進(jìn)行開 運算平滑較大區(qū)域的邊界；④ 為了完全填充車牌字符間的小孔，防止車牌字符裂開，閉運算處理往往要重復(fù)至少 兩次；⑤ 形態(tài)學(xué)處理過程中結(jié)構(gòu)元素大小的選擇非常關(guān)鍵，因車牌區(qū)域像素個數(shù)占圖像總像 素個數(shù)的比例P的大小而不同，P最小值為0. 7% ;⑥ 在確定了輸入車輛圖像的尺寸結(jié)構(gòu)之后，由P的大小和車牌長寬比兩個經(jīng)驗特征， 初步設(shè)定結(jié)構(gòu)元素大??；⑦ 假設(shè)車牌第二和第三字符之間的間隔為n個像素，則結(jié)構(gòu)元素length的大小按照下 面公式定義為卜+ 1 // "2 = 1 實現(xiàn)精確設(shè)定結(jié)構(gòu)元素大小。
6.根據(jù)權(quán)利要求l所述的車輛車牌實時定位字符分割的檢測方法，其特征是步驟(9) 中所述字符分割，是指由于圖像當(dāng)中除背景外僅剩下車牌區(qū)域，分水平和垂直兩個方向投 影容易確定字符的坐標(biāo)，從而實現(xiàn)單個字符的分割。
全文摘要
本發(fā)明涉及的是一種視頻監(jiān)測技術(shù)領(lǐng)域的車輛車牌實時定位字符分割的檢測方法。包括如下步驟從圖像采集設(shè)備獲取視頻幀；圖像預(yù)處理；提高信噪比；線性灰度變換；采用Otsu二值化方法計算閾值，將車輛圖像轉(zhuǎn)換為二值圖像；首先使用大小為length個像素的結(jié)構(gòu)元素進(jìn)行閉運算，并在纖細(xì)處分離連通區(qū)域，平滑區(qū)域邊緣出現(xiàn)的毛刺；輪廓檢測；車牌區(qū)域精確定位準(zhǔn)確分割出每一個字符。本發(fā)明對圖像色彩要求不高，不會占用計算機(jī)大量的系統(tǒng)內(nèi)存資源，輸入圖像轉(zhuǎn)換為灰度圖之后運算速度加快，能夠快速找到各個字符的準(zhǔn)確位置，運用圖像剪切的方法分割出每一個字符。
文檔編號G06K9/34GK101789080SQ20101030053
公開日2010年7月28日 申請日期2010年1月21日 優(yōu)先權(quán)日2010年1月21日
發(fā)明者周文玲, 孫敏, 崔秋石, 龐溟舟, 邱友杰 申請人:上海交通大學(xué)