基于DCT域的公路車牌定位算法

　　2. 4 平滑去噪

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

　　對于候選車牌區中可能會有的少量凹區和斷續， 可以通過游程平滑算法進行平滑。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行檢測， 當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L2 的長度j- i- 1小于設定的門限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

　　經過上述操作后， 某個區域內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域， 并且誤檢率較低。

　　對于去噪后的標記圖， 首先對其進行水平投影，然后對投影值進行分析， 確定出水平基線， 再在水平基線之間進行垂直投影， 確定出垂直基線。這樣就可以初步定位出車牌區。基線的產生依據下面的規則: 首先設定一個閾值T， 將小于此閾值的投影值置0， 大于此閾值的投影值置1， 然后當相鄰投影值一個為0， 另一個為1時， 即認為非零投影值處存在一條基線。在本算法中進行了兩次投影， 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， 標出車牌區域。另外， 為使矩形框緊緊包圍車牌區域， 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。算法的最終定位結果圖如圖4所示。

圖4 定位結果圖。

　　3 結束語

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