一種基于數學形態學和Hough變換的車牌圖像檢測及定
加入技術交流群
(1)在r、θ適當的最大值和最小值之間建立一個離散的參數空間；
滿足式(3)的連通區域保留下來，就可以檢測到車牌的字符區域，如圖4(a)所示。
為了定位出整個車牌，需要將檢測到的車牌文本所有的字符區域連通起來形成一個大的連通域，并適當向外擴展。定位出的車牌區域如圖4(b)所示。為了避免在上個步驟中出現牌照內的某個字符未被檢測到或者仍然留有偽文本區域未去除的情況，從而影響最后的定位結果，因此還需要利用整個車牌的寬高比來檢測出最后的牌照區域。選用牌照寬高比為44：14作為判定標準，以此來定位出最后的車牌區域，最后精確提取出的車牌區域如圖4(c)所示。本文引用地址：http://www.104case.com/article/196876.htm
4 實驗結果及分析
該算法所需的開發工具為Matlab7.0，實驗所采用的車牌圖像是在實際環境中隨機拍攝的，對汽車的背景沒有特殊限制。圖5所示的是對4幅不同場景下的汽車牌照進行定位的結果，圖5(a)的車牌有些傾斜和變形；圖5(b)是在車窗存在反光的情況下拍攝的；圖5(c)的車窗存在部分反光的情況，并且背景比較復雜，車身存在很多污跡；圖5(d)是在光線較暗的情況下拍攝的，并且車窗上存在其他物體的投影；圖5(e)為這四種場景的定位結果，雖然這四幅圖像的車牌背景比較復雜，但仍能準確定位出車牌的位置。實驗測試結果表明，這種方法對于光照不均、噪聲較強、環境背景復雜的圖像均能成功定位，并提取出車牌區域，而且算法比較簡單，定位速度快，具有很強的魯棒性。
本文提出了一種基于數學形態學和Hough變換的車牌綜合定位算法。其利用了國內車牌字符的特征，經過高帽變換突出感興趣區域，然后利用邊緣信息通過Hough變換檢測車牌字符的中心線，能夠提高定位結果的準確性。實驗結果表明，對于自然場景下的車牌定位，該算法具有較強的適用性。但復雜背景下的車牌定位比簡單背景下的定位準確率低，主要原因是復雜環境的背景信息復雜，干擾較多，使得利用Hough變換檢測字符組的中心線時出現誤差，特別是對于傾斜嚴重的車牌，本算法的定位率較低，這是下一步的研究方向。
評論