復雜車輛圖像中的車牌定位

2)由質心處分別向兩邊進行檢測。1值作為起點，當檢測到下個點也為1時，再繼續檢測下個點；當檢測到下個點為0時，num_zero=num_zero+1，再繼續檢測下len個點，若len個點中有一個為1，則把這個點當作起點繼續檢測。若len個點均為0，則最后的1值處即為車牌的端點處。
3)若num_zero=6，則車牌區域完整，跳出循環。若num_zero6，放寬閾值len_new=1．2*len，再進行檢測。直到len_new=2*len時，若還未跳出循環，則說明該區域不是車牌區域，轉入上層循環，查找下一候選區域。
結果表明，在該細定位的算法下，車牌識別較為準確，只有少數車牌出現字符斷裂的情況。出現斷裂的車牌圖像是因為車牌尾字符為數字1，在做差分投影時，其顯示為谷值，故漏檢一位字符。針對此種情況，將最終定位的車牌邊緣值與初始候選區域的邊緣值相比較，若投影后的邊緣值小于候選區域1個字符長度以上，則認為其尾字符在差分投影中被減掉，可將其補上。最終輸出車牌圖像如圖9所示：

3 實驗結果
實驗所采用的圖像為640×480像素256級灰度圖像，其中車牌包括小型民用車牌照(藍底白字)、大型民用車牌照(黃底黑字)、軍用牌照(白底黑字)。圖像中車牌所占的大小比例各異，背景不同，其中部分車輛車身有明顯的字符圖案和粘貼的警示語。在集中檢測的80幅圖中正確檢測了77幅，漏檢1幅。誤檢2幅。漏檢圖像由于車牌掉色過于嚴重，導致最后幾位字符無法檢測；而誤檢的兩幅圖是因為車牌底部有顏色、字符均與車牌相近的廣告語，無法將其與車牌區分開來。該問題可以在車牌定位之后的字符識別環節中可以得到解決。

4 結論
本文提出的算法綜合了質心檢測排序，顏色判別和投影法字符跟蹤檢測的方法。該算法通過質心檢測排序的方法解決了車身上部文字花紋和廣告語、警示語對車牌識別的干擾：通過顏色識別排除了類似車燈區域等有著高邊緣特性區域對車牌區域的干擾；而投影法字符跟蹤檢測算法解決了在精確車牌字符定位中字符斷裂、缺損等情況的發生。該算法定位檢測準確率高，且抗干擾能力強，在實際應用過程中是可行有效的。