[发明专利]基于高低帽变换和连通域的车牌定位方法及其系统

说明书

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于高低帽变换和连通域的车牌定位方法及其系统。

背景技术

随着我国国民经济的快速发展，对道路交通管理的要求逐步提高，智能交通系统应运而生，作为智能交通系统的重要组成部分，车牌识别系统获得了快速发展，被国内外学者广泛研究。机动车牌号也即车牌定位和识别可广泛应用于高速公路收费站、停车场入口、机关大门等场合，以实现车辆的自动监控和管理，进而节约了人力和物力。

车牌识别系统分为图像获取、车牌定位、字符分割、字符识别四部分，其中，车牌定位是车牌识别的关键步骤。在车牌位置提取方面，需要抑制各种干扰，比如光照不均匀、车牌的旋转与形变、断裂或污损等情况，提取出稳定的纹理特征，最终完成车牌定位。针对车牌定位，当前的研究方法主要有：利用车牌的彩色边缘分布特征；利用车牌和文字颜色组合特点；利用车牌边框面积、长宽比；利用车牌字符的角点信息；利用车牌字符笔画左右边缘之间的互相关矢量图的结构特点；利用车牌纹理特征。在光照和天气条件理想的条件下，现有的基于高低帽变换和连通域的车牌定位方法针对车头车尾等部位，取得了很好的成果，定位准确率能达到98％以上。

然而，随着车牌识别系统的应用越来越广泛，由于场景越来越复杂、天气条件的变化程度越来越大，导致车牌颜色信息不明显和车牌边缘信息受到干扰，采集到具有不同质量的车牌图像，降低了对车牌进行识别的精度。

发明内容

针对现有技术中存在的上述缺陷，本发明所要解决的技术问题是如何在具有复杂场景和存在多种干扰情况下实现车牌的准确定位。

为解决上述技术问题，一方面，本发明提供一种基于高低帽变换和连通域的车牌定位方法，包括步骤：

S1，获取车辆的灰度图像，并对灰度图像进行预处理；

S2，利用高低帽变换从经过预处理后的灰度图像提取出目标图像，并对目标图像进行二值化处理；

S3，计算经过二值化处理后的目标图像的连通域，消除非车牌目标的连通域，实现对车牌的粗定位；

S4，对粗定位后的车牌进行倾斜校正和投影处理，实现对车牌的细定位，确定车牌的具体位置。

优选地，所述步骤S1具体包括：

获取车辆的灰度图像，对灰度图像进行直方图均衡化处理，得到第一图像；

对所述第一图像采用平滑噪声技术进行去噪处理，得到第二图像。

优选地，所述步骤S2具体包括：

创建背景图，将背景图的任意像素点赋值为局部最小值，完成低帽变换获得背景图的过程；

创建低目标图，将低目标图的任意像素点赋值为局部最大值，完成高帽变换获得低目标图的过程；

创建高目标图，将高目标图的任意像素点赋值为低目标图与背景图相应的差分值，完成获得突出的高目标图的过程；其中，背景图、低目标图和高目标图的宽度和高度分别相等；

利用类间方差最大化阈值分割算法，将高目标图进行二值化处理，获得作为第三图像的高目标图的二值化图像。

优选地，所述步骤S3具体包括：

对第三图像中的每一个连通域，计算该连通域中最小外接矩形的宽度和高度以及前景像素数，消除非车牌目标的连通域；

消除非车牌目标的连通域后，获得剩余的连通域的最小外接矩形，实现对车牌的粗定位。

优选地，所述步骤S3中消除非车牌目标连通具体包括：

通过设定连通域的最小外接矩形的宽度、高度以及大小的阈值，比较所述计算出的最小外接矩形的宽度、高度以及大小和设定的最小外接矩形的宽度、高度以及大小阈值；

若判断出该最小外接矩形的宽度和高度不小于设定的宽度和高度的阈值，则消去该连通域；或者若判断出连通域中的最小外接矩形的不小于或者不大于设定最小外接矩形的大小的阈值，则消去该连通域。

优选地，所述步骤S4具体包括：

对最小外接矩形中的第三图像进行水平倾斜校正处理，得到第四图像；

对第四图像进行垂直倾斜校正处理，得到图像第五图像；

对第五图像进行水平投影处理，获得车牌上下边缘位置；

对第五图像进行垂直投影处理，获得车牌左右边缘位置；

根据车牌的上下左右边缘位置，实现对车牌的细定位，确定车牌的具体位置。

另一方面，本发明还同时提供一种基于高低帽变换和连通域的车牌定位系统，该系统包括：预处理模块，用于获取车辆的灰度图像，并对灰度图像进行预处理；