2022年车牌自动定位与模糊识别算法 .pdf

上传人:H****o 文档编号:33661974 上传时间:2022-08-12 格式:PDF 页数:4 大小:319.99KB
返回 下载 相关 举报
2022年车牌自动定位与模糊识别算法 .pdf_第1页
第1页 / 共4页
2022年车牌自动定位与模糊识别算法 .pdf_第2页
第2页 / 共4页
点击查看更多>>
资源描述

《2022年车牌自动定位与模糊识别算法 .pdf》由会员分享,可在线阅读,更多相关《2022年车牌自动定位与模糊识别算法 .pdf(4页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、车牌自动定位与模糊识别算法冯国进*, 顾国华(南京理工大学电光学院, 江苏 南京 210094)摘要 :提出一种基于阈值分割与区域矩化的车牌定位方法, 先得 到候选 车牌区 , 然后 根据车 牌区的 特征进行筛选得到车牌区,并给出 了快速区域矩化方法。字符识别采用两级模糊识别方法, 粗分类得 到动态的候选集 ,然后根据该候选集进行细分类。实验结果表明,该方法能对车牌快速准确定位并识别字符。关键词 :车牌定位 ; 车牌识别 ; 字符识别 ; 模糊关系中图分类号 :TN247文 献标识码 :A文章编号 : 1005 0086(2003) 07 0749 04An Automatic License

2、 Location and Fuzzy Recognition AlgorithmFENG Guo jin,GU Guo hua(I nstitute of Electronic Optics, Nanjing U niversity of Scienceand T echnolog y, Nanjing 210094, China)Abstract: A license location algorithm based on threshold segmentation was provided, and a fast characterrecognition algorithm based

3、 on fuzzy relation is illustrated in detai l. All characters are analysed through acoarse classifi cation method and a fine classification method. The algorithm is proved effective through experiment. The experimental resuts showed this method can realize license location exactly and letter distingu

4、ished.Key words: license location; license recognition; character recognition; fuzzy relation1引言车牌识别算法主要包括车牌定位及字符识别。目前, 车牌定位的常用方法有边缘检测 1、 HOUGH变换、 神经网络和彩色分割等。边缘检测方法关键在于设计一种适合字符的边缘检测算子, 但一般边缘检测算法即使结合形态学方法得到的结果仍非常复杂,难以突出车牌区域; 车牌图像直线众多,而且车牌区可能被噪声污染 , 导致 HOUGH 变换定位精度不高;神经网络法往往计算复杂; 彩色分割的计算量大, 而且由于车牌及其背景

5、颜色多样, 使得难以对各种进行图像统一处理。字符识别的常用方法有模板匹配、投影分析、穿线法、外形法和结构特征法 2等。模板匹配精度高 , 但速度慢 , 文献 3 对该法进行了改进; 投影分析与穿线法不稳定; 外形法、结构特征法抗噪能力弱。本文首先提出一种基于自适应二值化与快速矩化的车牌定位方法,它有效地利用了车牌图像的特征,进而提出一种基于模糊方法的快速字符二级动态识别方法。2车牌定位2. 1自适应边缘提取分析车牌图像,很容易发现它具有3 个明显的特征: 1) 车牌呈规则的矩形( 宽高比 约为 44 14, 7-8个字符均匀排列); 2) 车牌区对比强烈; 3) 汽车背景往往水平纹理丰富,而车

6、牌区则有较多竖向纹理。如何突出车牌图像的特征是正确检测车牌区域的关键。文献 4, 5 均提 出了一维水平边缘检测算子。设f( i, j ) 为车牌图像的矩阵表示, 本文设计一种算子为G( i, j ) = f ( i , j ) -f ( i -d, j )2+ f ( i+ d, j )- f ( i, j )2( 1)其中 d 取车牌字符的笔画宽度。由于G 算子是平方算子 , 代表着对像素 ( i, j ) 与水平相隔d 的两像素间的灰度差异的放大, 能有效检测垂直方向的边缘, 充分突出了车牌区对比强烈, 有较多竖向纹理的特点,再结合车牌呈规则的矩形这一点能快速准确地定位光 电 子激 光第

7、 14 卷 第 7 期2003 年 7 月Journal of O ptoelectronics LaserVol. 14 No. 7Jul. 2003收稿日期 :2002 10 22修订日期 : 2003 04 16*Email: fgj111. student sina. com名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页,共 4 页 - - - - - - - - - 车牌。计算中 , 应将各像素值变换到 0, 255 之间 ,即设 Gmax为 G 算子作用后 G(

8、i, j ) 中的最大值 , 各像素值乘上 255/ Gmax因子即可。边缘检测后对图像进行二值化。图像二值化的方法一般可分为全局阈值与局部阈值。前者得到的二值化图像常常不能很好地对图像进行分割: 阈值过大,会导致白点不够丰富,容易造成车牌区的割裂;阈值过小 , 则会导致白点过于丰富, 矩化后车牌区将被淹没。为更突出车牌区, 采用后者对G 算子作用后的图像进行处理,选取的方法根据图像的局部方差确定, 方差越大 ,阈值应越小。将图像分为mn 大小的方块。设M 为局部均值 ,为局部方差 , t 为局部阈值 , 有=1mnmi= 0nj = 0 G( i, j ) -M 2( 2)t = 128/(

9、 1+/ 256)( 3)图像中 , 灰度大于t 的像素赋为255, 反之赋为 0。结果如图 1( c)所示。图 1自适应边缘提取Fig. 1Adaptive edgeextraction2. 2快速矩化对于二值化图像,若经过某一操作后得到的区域呈规则的矩形 , 定义该过程为矩化。对二值化图像的处理为 : 1) 若 G( i, j ) 为黑点 , 而且它的4 邻域中有至少任意两像素为白点, 则令其为白点;2) 若 G( i,j) 为白点 , 而且它的4 邻域 ( 如图 2 中的 P1、 P3、 P5和 P7) 中所有的像素为黑点, 则令其为黑点。实验证明, 若对二值图像重复上述操作, 仅当图像

10、的各白区域均为矩形时 , 上述操作将不再使图像变化。为加快速度 ,采用从 4 个方向进行扫描;1) 自左图 2( a) P 像素邻域 , ( b) 区域左上角 , (c) 区域右下角Fig. 2( a) Neighbourhood of P, (b) top left corner of a region,( c) bottom right corner of a region至右, 自上而下 ; 2) 自左至右 , 自下而上 ; 3) 自右至左,自上而下 ; 4) 自右至左 , 自下而上 , 这种扫描方式将极大提高速度。由于车牌区边缘丰富, 其所在行的白点数较多 , 为防止产生区域粘连, 矩

11、化前先要统计每行的白点数 , 总数小于某一阈值的行将全部被赋为0。对图像进行上述矩化处理后有许多相距较近的区域,特别是车牌区容易被割裂, 为此要对图像中较近的白区域进行合并操作。2. 3定位候选区图像中的矩形区域可由区域的左上角与区域的右下角唯一确定。矩形区域的左上角点的4 邻域满足 P1= P7= 255、 P3= P5= 0, 如图 2(b) ; 右下角点的4 邻域满足P1= P7= 0、P3= P5= 255, 如图 2( c) 。首先检测出图像中所有矩形区域的左上角, 然后自左750光 电 子激 光2003 年第 14 卷名师资料总结 - - -精品资料欢迎下载 - - - - - -

12、 - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页,共 4 页 - - - - - - - - - 至右进行扫描至第1 个黑点 , 该点的横坐标即右下角的横坐标 , 最后自上而下进行扫描至第1 个黑点 , 该点的竖坐标即右下角的竖坐标。2. 4判定车牌区设 w 为候选区宽度 , h 为候选区长度 , pass为该区各行黑白灰度变化次数的平均, r 为候选车牌区的长宽比 , t1、 t2为长、宽的阈值。考虑到车牌区的旋转倾斜及噪声污染:1)w t1; 2) h t2; 3) 车牌区r 3, 6 ; 4) 车牌区pass 8, 18 。定位过程见

13、图3, 其中 (c) 的阴影区为被删除区。图 3定位过程Fig. 3Location procedure图 4字符切割Fig. 4Character segm entation3字符识别字符识别采用两级模糊识别方法, 即粗分类得到动态的候选集 , 然后根据该候选集进行细分类。由于所得的车牌字符均要规格化为6080( 像素 点) 大小,所以没有尺度不变性问题; 而且所提取的字符特征均为字符各区域像素所占的比例, 它不随 尺度变化。所提取的字符特征均具有位移不变性, 所提取的粗分类特征均具有旋转不变性。字符识别首先要进行字符切割。车牌区经倾斜矫正, 二值化后 , 先通过双线形插值得到统一大小的车牌

14、区图像, 最后用投影法进行字符切割, 其结果如图4 所示。3. 1字符特征提取常用字符特征有外形特征、穿线特征和结构特征及投影特征等。由于车牌字符字型稳定, 采用局部向量特征。先将字符规格化为6080( 像素点 )大小 ,再进行粗分类特征与细分类特征提取。1) 粗分类特征 : 将字符用半径为5 的倍数的圆分 为 9个 环区 , 如 图 5( b) 、( e) 所 示。设 ri为第 i 环图 5特征提取Fig. 5Characteristic extraction区包含的黑点的数量, Ri为第 i 环 区包含的像素总数。令 Ciw= ri/ Ri,它反映了该环区中黑点的比例,而且具有旋转不变性,

15、但反映的字符黑点分布的位置信息不太精确 , 所以被用来作为粗分类。2) 细分类特征 : 将字符分为12 个 2020( 像素点)大小的方块 , 如图 5(c) 、 (f) 所示。设Di为第 i 块包含的黑点的数量。令diw= Di/ 400, 它反映了该区域中黑点的比例、 字符分布的位置与多少信息。这种特征具有抗噪能力强、 字符小部分残缺或小角度倾斜将不影响识别 , 因此对字符的预处理要求不高。3. 2动态模糊识别B. N. Chatterji 提出了一种著名的英文字母的模751第 7 期冯国进等 :车牌自动定位与模糊识别算法名师资料总结 - - -精品资料欢迎下载 - - - - - - -

16、 - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页,共 4 页 - - - - - - - - - 糊识别方法 6, 如图 5( g) 所示。从正方形的对角及左、 右、 上和下等8个方向测量该字母A 的 8 个特征数值 d1、d2、d3、d8, 令 D = max ( d1, d2, d3,d8), ai= di/ D , i = 0、 、 8, 该字母可用一个模糊向量 F ( A) = ( a1, a2, a8) 来表示 , 考虑一个待识字符 B, 其模糊向量为F ( B ) = ( b1, b2, b8) , 定义 B与 A 的模糊相似值为(

17、B , A ) =1-188K = 1( bK-aK)212(4)计算 B 与 26 个标准字母的模糊向量的模糊相似值,按最大原则进行识别。提取的粗分类特征为9 维向量 , 细分类特征提取为 12 维向量 , 待识别字符可用两个模糊向量F ( C)= ( C1, C2, C3, C9) 与 F ( d) = ( d1, d2, d3,d12) 表示 , 标准模板字符可用2 个模糊向量F ( Ci)=( Ci1, Ci2, Ci 3, Ci 9) 与 F ( di) = ( di1, di2, di 3,di 12) 表示 , 将( 4) 式稍作改动即可应用于车牌汉字、字母及数字的识别, 即 d

18、i1di 12( C, Ci) = 1 -199K = 1( Ck-Ci k)212(5)( d, di) =1-11212K=1( dK-dik)212(6)粗分类并不是传统的固定分类, 而是将用 ( 5) 式计算得到的模糊相似值大于0. 8 的字符动态地组成候选集合。细分类则可以仅考虑候选集中的元素,用(6)式按最大原则进行识别。若候选字符集中的元素小于一定数量 , 如( 2) 式, 可以将全部模板元素作为候选集合。4结论本文提出了区域矩化的概念, 并给出了一种基于阈值分割与快速区域矩化的候选车牌定位方法, 得到候选车牌区后根据车牌区的特征进行筛选得到车牌区。字符识别采用两级模糊识别方法,

19、粗分类得到动态的候选集 , 然后根据该候选集进行细分类。所有算法在 VC+ + 上实现。实验结果表明, 该方法能对车牌快速准确定位并识别字符。参考文献 : 1Young Sung Soh,Byung Tae chen. Design of real time vehicle identification system A . Proceedings of the IEEEC ,1994, 3:2147 2152.2Song Jiatao. Analysis and extracti on of structure featuresalphabetic and digi tal characte

20、rs on vehicle license plate J . Journal of Image and Graphics, 2002, 7( 9) : 945949.3Liu Wei yi. Characteristic dot matching method of realizing rapily recognition of the number plate J . J. Optoelectronics Laser( 光电子 激光 ) ,2002, 13(3): 274 276.( in Chinese) 4Zhang Yin. A new approach for vehicle li

21、cense plate locating for color image J . Journal of Image and Graphics , 2001, 6(4): 374 377.( in Chinese) 5Li Xiao ping. Study onautomobile license plate i dentification systems J . Journal of Beijing Institute of Technology, 2001, 21(1): 116 119. (in Chinese) 6黄崇福 .模糊信息分析 与应用 M . 北 京: 北京师范 大学出版社 ,1992.作者简介 :冯国进( 1978-) , 男, 江西瑞昌人,硕士研究生, 目前从 事图像处理、模式识别、光电信息等研究752光 电 子激 光2003 年第 14 卷名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页,共 4 页 - - - - - - - - -

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 技术资料 > 技术总结

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁