临朐县广利金属制品厂
服务热线:

0536-2191828

15866558608

Banner
行业知识
首页 > 行业知识 > 内容

浅析停车场车牌识别系统中车牌定位的几种算法

编辑:临朐县广利金属制品厂时间:2021-06-25

  停车场车牌识别系统在获得车辆图像后,便可以采取一系列的数字图像处理与模式识别方法对图像中的车牌进行识别。其中关键的是车牌定位、车牌字符分割、车牌字符识别这三部分内容,本文我们先介绍下车牌定位部分的主要研究现状。

  车牌定位需要解决的是从整幅图像中找出车牌区域的问题,车牌定位的过程涉及到全图的处理,因此其计算量往往也是整个车牌识别流程中相对较大的。车牌定位是为车牌识别算法关键的研究方向,良好的定位能够提升车牌识别成功的机率。目前,在车牌定位算法的研究中,已有多种较为成熟的算法,其中比较具备代表性的有以下几种:

  1、基于边缘检测的车牌定位方法∶该类方法主要利用车牌图像与背景之间具有显著不同的边缘特征这一特点,完成车牌区域的定位。通常边缘检测算子针对的是灰度图像,因此停车场车牌识别系统在进行边缘检测前需要先将彩色图像变换为灰度图像,去除颜色特征,只保留其灰度级特征。由于边缘检测算子对噪声较为敏感,在进行边缘检测之前还需要进行滤波降噪。通过选定的边缘检测算子计算出图像的边缘特征后,采用连通域分析、形态学处理将车牌区域图像进行合并,末后结合车牌形状先验知识来确定车牌的终端区域。

  2、基于颜色分割的车牌定位方法∶该类方法主要利用车牌部分图像具有显著的颜色特征,来完成车牌的定位。通常需要先将原始的RGB空间的彩色图像转换到HSV的颜色空间。再通过对HSV空间中各分量进行阈值分割,从图像中分割出包含车牌色彩的区域。末后通过连通域分析或轮廓分析完成车牌图像的定位。

  3、基于小波变换的车牌定位方法∶该类方法主要利用图像中文字的纹理特征以及文字与背景颜色间有着较强比较的特点,利用小波分析的方法完成车牌的定位。停车场车牌识别系统先是将车牌彩色图像转换为索引图,并对索引图进行小波变换。由于车牌区域信息量大,利用高频小波子带的变换系数、小波系数均值、能量和熵构成特征,并计算出分割阈值,对小波系数进行分割与聚类分析,得到车牌候选区域。再通过数学形态学方法进行腐蚀、膨胀从而去除无用区域与噪声,完成车牌区域的定位。

  4、基于遗传算法的车牌定位方法∶该类方法主要利用车牌区域中字符基本具有相同的灰度级,且底色图像具有背景单一的显明性特点,对车牌二值化图像的字符纹理特征进行提取分析,从而完成车牌的定位。在字符纹理特征描述中,通常采用多尺度滤波技术,使用滤波器组在水平方向上对二值图像进行不同稀疏密度的滤波获得一组特征向量。通过计算待定区域图像的特征向量,并将其与标准车牌的特征向量进行匹配,从而判定该区域是否为车牌区域。停车场车牌识别系统在对可能区域进行特征提取搜索时,引入遗传算法来快捷得到整体越优解,从而减少整体搜索时间,增进算法的实时性。