車(chē)牌圖像預(yù)處理與字符分割算法研究.pdf

1、自動(dòng)車(chē)牌識(shí)別是智能交通系統(tǒng)中的重要模塊，一般包括車(chē)牌區(qū)域提取、車(chē)牌字符分割、車(chē)牌字符識(shí)別等處理步驟。由于受光照不均、字符陰影、背景紋理等干擾的影響，字符分割和識(shí)別的精度較低。因此，本文提出車(chē)牌字符分割及其預(yù)處理技術(shù)研究的課題，開(kāi)展該項(xiàng)研究對(duì)提高車(chē)牌自動(dòng)識(shí)別系統(tǒng)的精確性和魯棒性有重要的應(yīng)用價(jià)值。本文主要工作和貢獻(xiàn)如下：
　　基于車(chē)牌區(qū)域垂直邊緣高密度、邊緣點(diǎn)鄰域灰度對(duì)相似等特點(diǎn)，提出了一種抗背景區(qū)域干擾的車(chē)牌水平校正算法。首先，通過(guò)

2、垂直邊緣密度濾波、近鄰垂直邊緣水平連接，得到車(chē)牌區(qū)域塊，并根據(jù)字符高度一致性以及位置的漸變性，提取有效的字符列，然后，利用最小二乘法基于所有字符列中點(diǎn)擬合直線(xiàn)，估計(jì)出車(chē)牌區(qū)域傾斜角。
　　基于車(chē)牌底顏色模式種類(lèi)固定、字符筆畫(huà)寬度一致的性質(zhì)，提出了抗光照變化和背景紋理干擾的車(chē)牌顏色模式判斷算法。通過(guò)分析車(chē)牌區(qū)域可能出現(xiàn)的顏色并利用字符寬度一致性的特點(diǎn)，對(duì)色彩飽和度高和飽和度低的車(chē)牌分別使用顏色量化直方圖和形態(tài)學(xué)處理的方法來(lái)判斷。

3、r>　　基于車(chē)牌區(qū)域字符面積比例固定和顏色一致等特點(diǎn)，構(gòu)建了一種自適應(yīng)的車(chē)牌二值化方法。首先，計(jì)算Otsu全局閾值，基于光照的平滑變化，通過(guò)與Bernsen局部閾值的加權(quán)，得到灰度接近全局閾值的像素的閾值，來(lái)克服光照不均的影響，再通過(guò)前景所占比例判斷是否需要選用基于RGB顏色空間的k-means聚類(lèi)方法來(lái)區(qū)分字符陰影或非車(chē)牌區(qū)域、車(chē)牌背景和字符區(qū)域。
　　基于車(chē)牌底色一致和字符排列方式固定等特點(diǎn)，提出了一種抗背景區(qū)域干擾的水平車(chē)牌

4、字符分割方法。首先，對(duì)車(chē)牌二值圖垂直投影進(jìn)行波谷分析，利用車(chē)牌底色的一致性估計(jì)左右邊界，并找到第二、第三個(gè)字符之間的間隔位置，為模板匹配提供參考位置；設(shè)計(jì)變長(zhǎng)模板，在垂直投影直方圖上滑動(dòng)，結(jié)合波谷約束以最大類(lèi)間方差準(zhǔn)則找到最佳匹配參數(shù)，最后依據(jù)投影和字符寬度一致性進(jìn)行分割位置的精確調(diào)整。
　　最后，設(shè)計(jì)了本文算法的仿真實(shí)驗(yàn)。對(duì)于現(xiàn)有700幅車(chē)牌圖像的數(shù)據(jù)集（包含無(wú)干擾和有光照影響、圖像背景區(qū)域干擾的圖像），分割準(zhǔn)確率達(dá)到了97.2