[发明专利]一种复合式倾斜校正方法

说明书

技术领域

本发明属于车牌识别校正技术，具体地说，是涉及一种复合式倾斜校正方法。

背景技术

车牌识别是智能交通系统的重要组成部分，可广泛应用于交通监控和管理，车辆安全、防盗等领域，有着广阔的应用前景，车牌识别技术是将摄像机等设备拍摄的车辆图像，经视频图像采集卡转换成数字图像（或直接使用数字摄像机获取数字图像）并传送给计算机，由计算机通过车牌识别软件定位提取车牌，切分车牌上的字符，最后识别出切分的字符。最理想的情况下拍摄的车辆图像是一个矩形，但由于摄像机和车牌之间角度的变化，常常使所拍摄的车牌图像产生倾斜现象，给字符分割带来不利影响，造成误分割和车牌识别率的下降，因此，需要在字符分割之间进行车牌的倾斜校正。

目前的倾斜校正方法主要有：（1）基于边缘信息的校正方法，此法在环境光线和车牌目标均正常情况下，能够有效检测车牌边缘的倾斜效果，完成校正处理；在环境光线较暗或者车牌边缘脏、污损的情况下，捕获到的车牌目标边缘信息欠佳，无法通过有效直线判断倾斜情况，校正效果差；另外，部分车牌边缘信息缺失时，无法获得表征车牌倾斜程度的有效直线，使得部分倾斜车牌无法校正；（2）基于目标特征分布的校正方法，此法需要借助表征车牌位置的特征信息，如颜色分布、字符位置信息等，根据特征信息分布构造的协方差矩阵，由特征分布情况构造变换完成倾斜校正，但特征信息对特征的干扰信息影响敏感，导致校正效果异常。

发明内容

本发明为了解决现有技术中单独使用一种倾斜校正方法校正效果差的问题，提供了一种复合式倾斜校正方法。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种复合式倾斜校正方法，其特征在于：包括如下步骤：

A、获取车牌图像的二值边缘图像；

B、对二值边缘图像进行霍夫变换，并在变换域中进行有效直线检测，并求取直线倾角；

C、若检测到有效直线，根据直线倾角输出车牌灰度图像；

D、若没有检测到有效直线，则提取车牌的目标特征，进行特征向量校正，输出车牌灰度图像。

进一步地，所述B步骤中包括如下步骤：

B1、把车牌分为上下两部分，在上下部分各检测两条直线；

B2、设定直线阈值；

B3、根据两直线的目标点数与直线阈值的关系得到车牌上下两部分的倾角；

B4、根据车牌上下两部分是否有有效直线以及两直线的角度的关系确定牌最终的直线倾角。

本发明结合边缘特征和目标分布特征，有效利用两种方法的优点，有效改善复杂环境下系统整体的校正效果，即有效改善了夜间边缘检测校正方法失效时及白天部分车牌目标边缘无法检测时的校正效果，避免了干扰信息的影响。

结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。

附图说明

图1是本发明复合式倾斜校正方法流程图。

图2是本发明实施例的倾斜度校正前后示意图。

具体实施方式

本发明综合利用边缘信息和车牌目标分布的特征，提出复合式倾斜校正方法，实现复杂环境下提高校正效果的目的，具体实现思想，如下：通过Hough(霍夫)变换检测车牌的边框直线，进而确定车牌的倾斜角，这种方法对边框明显的车牌效果好，校正准确性比较高，但若号牌无边框或边框污损时，此法失效，转而使用车牌字符目标点的分布特征，通过特征向量完成校正，即PCA（主成分分析）的方法。

下面结合附图对本发明的具体实施方式作进一步详细地说明。

参见图1所示，图1为本实施例的流程图。

步骤1：获取车牌图像的边缘图像：基于车牌灰度图像，利用边缘检测算子（如Sobel算子、Canny算子等常用的边缘提取方法或者形态学方法），获得经过细化的二值边缘图像；此步也可以基于单通道颜色分量（如仅使用R分量等）的图像实现。

步骤2：对二值边缘图像进行Hough（霍夫）变换；此处，为处理边缘检测过程中干扰直线的影响，仅取水平方向边缘进行分析，同时上下边缘单独处理，提高了直线检测的准确性，具体如下：

把车牌分为上下两部分，在上下部分各检测两条直线。

选取车牌宽度的0.6倍长度为符合角度判断直线的阈值，称为直线检测阈值。

为了改善校正效果，避免车牌分布特征中的干扰点，针对车牌上部分的两条直线，目标点最多的一条直线为直线一，另外一条直线为直线二。

如果直线1和直线2的目标点数都小于直线检测阈值，则上部分没有检测到有效直线。