一種邊緣檢測(cè)與掃描線(xiàn)相結(jié)合的車(chē)牌定位算法

車(chē)牌識(shí)別（LPR）技術(shù)是計(jì)算機(jī)視覺(jué)、圖像處理技術(shù)與模式識(shí)別技術(shù)的融合，是智能交通系統(tǒng)中一項(xiàng)非常重要的技術(shù)。一般說(shuō)來(lái)，車(chē)牌識(shí)別前期的處理技術(shù)至關(guān)重要，其前期技術(shù)包括：車(chē)牌的定位、車(chē)牌圖像的二值化及字符分割。本文主要針對(duì)車(chē)牌定位算法進(jìn)行研究。
　　車(chē)牌定位就是在車(chē)輛圖像中定位牌照區(qū)域的位置。由于車(chē)輛圖像都采集于自然環(huán)境中，而在自然環(huán)境中車(chē)牌和背景的成像條件一般是不可控制的，隨機(jī)變化的因素（尤其是光照條件）和復(fù)雜的背景信息給目標(biāo)搜索帶來(lái)巨大困難。不同光照下，車(chē)牌的顏色、亮度、明暗對(duì)比度都有很大變化；背景信息通常比車(chē)牌信息更加復(fù)雜，某些背景區(qū)域又可能與車(chē)牌區(qū)域差異不大；再加上攝像距離、角度的不同，要從種種干擾中區(qū)別出目標(biāo)是十分困難的。而車(chē)牌區(qū)域在整幅圖像中所占的比例較小，要從整幅圖像中定位車(chē)牌區(qū)域必然要在大量的背景信息中搜索，而且由于應(yīng)用的特殊性，要求快速、準(zhǔn)確地完成車(chē)牌定位。如果沒(méi)有高效率的搜索方法，就需要耗費(fèi)很多計(jì)算時(shí)間和存儲(chǔ)空間。所以車(chē)牌定位技術(shù)一直以來(lái)是一個(gè)難點(diǎn)，是車(chē)牌識(shí)別系統(tǒng)的一個(gè)關(guān)鍵技術(shù)環(huán)節(jié)。
　　目前，已經(jīng)提出了很多車(chē)牌定位的方法，這些方法都具有一個(gè)共同的出發(fā)點(diǎn)即通過(guò)牌照區(qū)域的特征來(lái)判斷牌照。根據(jù)不同的實(shí)現(xiàn)方法，大致可以把現(xiàn)有的定位方法分為兩類(lèi)［9］：直接法、間接法。
　?。?）直接法：直接分析圖像的特征。例如，文獻(xiàn)［1］提出一種基于線(xiàn)模板的二值化圖像中的角檢測(cè)算法。該算法利用車(chē)牌的邊框角點(diǎn)，檢測(cè)車(chē)牌的四個(gè)角點(diǎn)，并以此來(lái)定位車(chē)牌。文獻(xiàn)［2］介紹一種基于直線(xiàn)邊緣識(shí)別的圖像區(qū)域定位算法，并且利用該算法定位車(chē)牌的邊框線(xiàn)，以此定位車(chē)牌。文獻(xiàn)［3］介紹利用車(chē)牌的尺寸、字符間距、字符特征等紋理特征定位車(chē)牌。文獻(xiàn)［4］利用車(chē)牌部分垂直高頻豐富的特點(diǎn)先利用小波提取圖像的垂直高頻信息，然后利用數(shù)學(xué)形態(tài)學(xué)方法對(duì)小波分解后的細(xì)節(jié)圖像進(jìn)行一系列的形態(tài)運(yùn)算，進(jìn)一步消除無(wú)用的信息和噪聲，以定位車(chē)牌。
　?。?）間接法：主要是指利用神經(jīng)網(wǎng)絡(luò)法或者遺傳算法定位車(chē)牌的方法。利用神經(jīng)網(wǎng)絡(luò)和遺傳算法等柔性方法進(jìn)行計(jì)算是當(dāng)前研究熱點(diǎn)之一。文獻(xiàn)［8］提出利用BP神經(jīng)網(wǎng)絡(luò)定位車(chē)牌，文獻(xiàn)［5］提出利用DTCNN（Discrete-Time Cellular Neural Network）和模糊邏輯結(jié)合的方法。文獻(xiàn)［6］利用多層感知器網(wǎng)絡(luò)（MLPN）對(duì)車(chē)牌進(jìn)行定位。文獻(xiàn)［7］提出利用遺傳算法定位車(chē)牌，它利用遺傳算法對(duì)圖像進(jìn)行優(yōu)化搜索，結(jié)合區(qū)域特征矢量構(gòu)造的適應(yīng)度函數(shù)，最終尋找到車(chē)牌的牌照區(qū)域的最佳定位參量。
　　通過(guò)分析和觀(guān)測(cè)得知，與汽車(chē)圖像中其他區(qū)域相比，車(chē)牌區(qū)域主要有以下特征：
　　（1）車(chē)牌字符區(qū)域中的垂直邊緣較水平邊緣相對(duì)密集，而車(chē)身其他部分（如保險(xiǎn)杠等）的水平邊緣明顯，垂直邊緣較少。另外，車(chē)牌一般懸掛在車(chē)身上較低的位置，其下方基本上沒(méi)有明顯的邊緣密集區(qū)域。
　?。?） 有明顯的邊框，在其內(nèi)部規(guī)則地排列著一系列的省名縮寫(xiě)（漢字）、地區(qū)代號(hào)（英文字母）和5位字母/數(shù)字編號(hào)（普通民用車(chē)輛）。底牌與字符的顏色主要有藍(lán)底白字、黃底黑字、黑底白字和白底黑字（或紅字）四種。隨拍攝角度和車(chē)牌自身污損程度的不同，所采集到的車(chē)牌邊框經(jīng)常出現(xiàn)傾斜、斷裂等現(xiàn)象。
　　因此直接定位法是利用邊框特性（利用特征2）以模板匹配的方法尋找牌照的四個(gè)角來(lái)定位或者尋找車(chē)牌邊框直線(xiàn)定位車(chē)牌以及利用牌照區(qū)域的灰度變化頻率（利用特征1）來(lái)定位。
　　由于車(chē)牌邊框有時(shí)有污染，相對(duì)來(lái)說(shuō)車(chē)牌字符區(qū)域灰度頻率變化是車(chē)牌區(qū)域最穩(wěn)定的特征，所以本文提出一種利用車(chē)牌字符區(qū)域灰度變化頻率的方法定位車(chē)牌，即基于邊緣檢測(cè)和掃描線(xiàn)相結(jié)合的車(chē)牌定位算法。該算法的思想是首先對(duì)車(chē)輛圖像進(jìn)行邊緣增強(qiáng)，再利用水平掃描線(xiàn)進(jìn)行車(chē)牌區(qū)域的檢測(cè)。