[发明专利]基于差分和颜色对特征点的车牌定位方法

说明书

背景技术

车牌识别系统是智能交通系统的重要组成部分。而车牌定位的准确度对车牌识别的结果又有很重要的影响，因而在智能交通系统中具有重要地位。

发明内容

本文构造了一种新的车牌定位方法，在算法的第一步，通过求垂直梯度确定纹理特征点；然后对纹理特征点进行彩色分析，提取既符合纹理特征又符合车牌颜色特征的点作为颜色边缘点；接下来考虑车牌背景与字符的固定颜色搭配，在颜色边缘点中寻找颜色对特征点；最后通过搜索颜色对特征点集中的区域米定位车牌并判断车牌颜色。该算法充分利用了车牌本身的纹理、边缘和颜色配对等信息，能适应复杂的道路背景，对车牌的大小也有一定的自适应能力。

具体实施方式

输入RGB的彩色车牌图像，先进行灰度化并开辟一块新空间保存灰度图像。对整个灰度图像进行差分以求得图像的垂直梯度。在这里，我们选择垂直梯度而不是水平梯度的原因是因为车牌区域的纹理变化主要集中在垂直方向上。计算整幅图像的垂直梯度的均值，凡是梯度低于两倍均值的点皆置为0，梯度大于两倍均值的点作为纹理特征点，并全部赋值为255保留下来。求取垂直梯度的差分计算公式如下：

m＝|f(i，j)-f(i，j-1)|

n＝f(i，j)-f(i，j+1)|

g(i，j)＝m+n

其中，f表示(i，j)点的灰度值，g表示(i，j)点的垂直梯度。

得到纹理特征点后，我们可以发现，车牌区域外还存在很多干扰点。而我国车牌颜色的重要特点是车牌背景与字符具有固定的颜色搭配，即白底黑字(白牌)、蓝底白字(蓝牌)、黑底白字(黑牌)和黄底黑字(黄牌)。下面根据这一特点尽量排除干扰以精确保留车牌特征。

一般彩色图像常采用RGB模型，需要将这个模型转化到另外一个空间中去：HSV模型。H表示色调，S表示饱和度，V表示亮度。HSV颜色模型各分量h，s，v与RGB颜色模型各分量r，g，b的关系如下：

设y＝max{r，g，b}，x＝min(r，g，b}

则v＝y/255

s＝0，当y＝0时

s＝(y-x)/y，，当y≠0时

h=(0+g-by-x)×60,if(s≠0,y=r)(2+b-ry-x)×60,if(s≠0,y=g)(4+r-gy-x)×60,if(s≠0,y=b)undefined,if(s=0)]]>