基于DCT域的公路車牌定位算法

　　2. 4 平滑去噪

　　分類后的二值標(biāo)記圖中， 通常會存在一些零散的噪聲點， 而真實車牌區(qū)域只有一個， 過多的噪聲點往往會干擾車牌區(qū)域的投影， 引起定位框比實際車牌區(qū)域大， 或者制造假車牌區(qū)。因此， 在分割之前，需要對分類結(jié)果圖進(jìn)行平滑去噪。通常的噪聲是一些物體邊緣或紋理較豐富的背景， 形狀大多不規(guī)則且分布較稀疏， 用統(tǒng)計濾波法， 可減小其影響， 具體方法為: 統(tǒng)計每個候選區(qū)域中的像素點數(shù)， 并找出最大的像素點數(shù)， 當(dāng)候選區(qū)域的像素點數(shù)小于一定值時(本算法中使用候選區(qū)域最大像素點數(shù)的1 /4) ，即認(rèn)為該區(qū)域為噪聲區(qū)域， 將其去除。

　　對于候選車牌區(qū)中可能會有的少量凹區(qū)和斷續(xù)， 可以通過游程平滑算法進(jìn)行平滑。所謂游程平滑算法是對同一掃描行上的黑像素點之間的距離進(jìn)行檢測， 當(dāng)兩相鄰黑像素點之間的空白游程長度小于門限值時， 則將這兩點之間的空白游程全部填黑。

　　考慮到一條水平掃描線上的一段游程L = (P 1， P 2，……， P i， Pi+ 1，……，P j- 1， P j， ……， Pn ); 其中游程L1 =(P1， P2， ……， P i )和L 3 = (Pj ， ……， P n )是0- 游程(即黑像素游程)， 而L 2 = (Pi+ 1， ……， Pj- 1 )是1 - 游程(即白像素游程)。當(dāng)L2 的長度j- i- 1小于設(shè)定的門限T 時， 則將兩黑游程L1 和L3 連接起來即把游程L2 的全部像素平滑成黑。在本算法中游程平滑算法運用了兩次， 即水平方向和垂直方向各用一次。

　　處理后的圖像如圖3所示。

圖3 平滑去噪處理后。

　　2. 5 投影分割

　　經(jīng)過上述操作后， 某個區(qū)域內(nèi)一定會包含實際的車牌， 為精確定位車牌， 采用投影法分割， 快速定位圖像中的車牌區(qū)域， 并且誤檢率較低。

　　對于去噪后的標(biāo)記圖， 首先對其進(jìn)行水平投影，然后對投影值進(jìn)行分析， 確定出水平基線， 再在水平基線之間進(jìn)行垂直投影， 確定出垂直基線。這樣就可以初步定位出車牌區(qū)。基線的產(chǎn)生依據(jù)下面的規(guī)則: 首先設(shè)定一個閾值T， 將小于此閾值的投影值置0， 大于此閾值的投影值置1， 然后當(dāng)相鄰?fù)队爸狄粋€為0， 另一個為1時， 即認(rèn)為非零投影值處存在一條基線。在本算法中進(jìn)行了兩次投影， 即水平和垂直投影。確定出水平基線和垂直基線后即可在圖像中劃出矩形框， 標(biāo)出車牌區(qū)域。另外， 為使矩形框緊緊包圍車牌區(qū)域， 在畫基線之前， 首先判斷矩形框各基線上所有像素值之和是否為零， 若為零， 則將基線向靠近矩形中心的位置移動直到各基線上所有像素值之和不為零為止。算法的最終定位結(jié)果圖如圖4所示。

圖4 定位結(jié)果圖。

　　3 結(jié)束語

　　本算法通過對汽車圖像進(jìn)行離散余弦變換( DCT )， 得到DCT 系數(shù)， 并計算加權(quán)頻率特征， 之后采用自適應(yīng)閾值法， 實現(xiàn)車牌區(qū)/非車牌區(qū)的快速分類; 再經(jīng)平滑濾波之后， 利用投影法實現(xiàn)車牌區(qū)域的定位， 有效降低誤檢率， 且運算復(fù)雜度較低， 有利于實現(xiàn)復(fù)雜背景中車牌區(qū)域的快速定位。經(jīng)多次實驗證明， 本算法具有較高的正確檢測率， 部分實驗結(jié)果如圖5所示。