一种基于数学形态学和Hough变换的车牌图像检测及定位算法
本文的Hough变换算法如下：
(1)在r、θ适当的最大值和最小值之间建立一个离散的参数空间；
满足式(3)的连通区域保留下来，就可以检测到车牌的字符区域，如图4(a)所示。
为了定位出整个车牌，需要将检测到的车牌文本所有的字符区域连通起来形成一个大的连通域，并适当向外扩展。定位出的车牌区域如图4(b)所示。为了避免在上个步骤中出现牌照内的某个字符未被检测到或者仍然留有伪文本区域未去除的情况，从而影响最后的定位结果，因此还需要利用整个车牌的宽高比来检测出最后的牌照区域。选用牌照宽高比为44：14作为判定标准，以此来定位出最后的车牌区域，最后精确提取出的车牌区域如图4(c)所示。
4 实验结果及分析
该算法所需的开发工具为Matlab7.0，实验所采用的车牌图像是在实际环境中随机拍摄的，对汽车的背景没有特殊限制。图5所示的是对4幅不同场景下的汽车牌照进行定位的结果，图5(a)的车牌有些倾斜和变形；图5(b)是在车窗存在反光的情况下拍摄的；图5(c)的车窗存在部分反光的情况，并且背景比较复杂，车身存在很多污迹；图5(d)是在光线较暗的情况下拍摄的，并且车窗上存在其他物体的投影；图5(e)为这四种场景的定位结果，虽然这四幅图像的车牌背景比较复杂，但仍能准确定位出车牌的位置。实验测试结果表明，这种方法对于光照不均、噪声较强、环境背景复杂的图像均能成功定位，并提取出车牌区域，而且算法比较简单，定位速度快，具有很强的鲁棒性。
本文提出了一种基于数学形态学和Hough变换的车牌综合定位算法。其利用了国内车牌字符的特征，经过高帽变换突出感兴趣区域，然后利用边缘信息通过Hough变换检测车牌字符的中心线，能够提高定位结果的准确性。实验结果表明，对于自然场景下的车牌定位，该算法具有较强的适用性。但复杂背景下的车牌定位比简单背景下的定位准确率低，主要原因是复杂环境的背景信息复杂，干扰较多，使得利用Hough变换检测字符组的中心线时出现误差，特别是对于倾斜严重的车牌，本算法的定位率较低，这是下一步的研究方向。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
