復(fù)雜背景圖像中的車牌定位算法第1頁(yè)，共13頁(yè)，2023年，2月20日，星期一算法流程第2頁(yè)，共13頁(yè)，2023年，2月20日，星期一一、候選區(qū)域提取目的：對(duì)原始輸入圖像進(jìn)行快速處理,將可能是車牌的圖像區(qū)域提取出來(lái),進(jìn)行下一步的判定,從而減少系統(tǒng)的運(yùn)算時(shí)間以及非目標(biāo)區(qū)域的干擾。預(yù)處理：輸入的原圖像轉(zhuǎn)變?yōu)榛叶葓D像。然后,采用小波變換降噪對(duì)車牌圖像進(jìn)行降噪處小波降噪第3頁(yè)，共13頁(yè)，2023年，2月20日，星期一垂直邊緣是車牌最穩(wěn)定的結(jié)構(gòu)特征,較之顏色等特征受惡劣天氣等復(fù)雜環(huán)境因素的影響較小。因此,在小波去噪的基礎(chǔ)上,使用Sobel垂直邊緣檢測(cè)算子提取圖像的垂直邊緣,再將行掃描技術(shù)與閾值法結(jié)合,實(shí)現(xiàn)對(duì)候選區(qū)域的選取。第4頁(yè)，共13頁(yè)，2023年，2月20日，星期一提取結(jié)果A,B,C表示通過(guò)初選的候選車牌區(qū)域。A區(qū)：車身噴號(hào)B區(qū)：車尾燈C區(qū)：真實(shí)車牌A與B均為偽區(qū)域，很容易與真實(shí)牌照相混,需要利用車牌字符句法結(jié)構(gòu)特征剔除這些偽區(qū)域。第5頁(yè)，共13頁(yè)，2023年，2月20日，星期一二、偽區(qū)域剔除1、二值化將上述候選車牌圖像從源圖像中分別截取出來(lái),使用POSHE算法對(duì)其進(jìn)行直方圖均衡化以抑制強(qiáng)光,消除因牌照反光等帶來(lái)的影響,然后使用Otsu算法進(jìn)行二值化。第6頁(yè)，共13頁(yè)，2023年，2月20日，星期一2、條帶掃描通過(guò)未通過(guò)第7頁(yè)，共13頁(yè)，2023年，2月20日，星期一3、車牌句法特征評(píng)價(jià)函數(shù)第8頁(yè)，共13頁(yè)，2023年，2月20日，星期一經(jīng)過(guò)上述算法處理，最終檢測(cè)到的車牌區(qū)域從原始輸入彩色圖像中的位置如下：第9頁(yè)，共13頁(yè)，2023年，2月20日，星期一實(shí)驗(yàn)結(jié)果及分析對(duì)100張市內(nèi)公路抓取的普通車牌圖像和200張交通路口抓取的復(fù)雜車牌圖像進(jìn)行車牌定位，輸入圖像大小為768×288,其中復(fù)雜車牌圖像中分別包含了100張夜間低照度圖像和100張黎明大霧環(huán)境圖像，分別利用本文算法及AdaBoost算法進(jìn)行定位，結(jié)果如下：第10頁(yè)，共13頁(yè)，2023年，2月20日，星期一表1本文算法定位結(jié)果第11頁(yè)，共13頁(yè)，2023年，2月20日，星期一結(jié)論針對(duì)車牌定位技術(shù)難題,本文將車牌紋理特征與車牌字符句法特征有機(jī)結(jié)合,提出一種新的車牌定位算法,有效解決了復(fù)雜背景圖像中的車牌定位難的問(wèn)題,為下一步的車牌字符分割及識(shí)別奠定了基礎(chǔ)。當(dāng)在車牌圖像中,車牌嚴(yán)重傾斜時(shí),在滑動(dòng)窗口中可能并不滿足評(píng)判函數(shù)要求。如何在解決上述問(wèn)題的基礎(chǔ)上進(jìn)一步提高定位精確度,將是下一步研究的內(nèi)容。第12頁(yè)