[发明专利]一种利用水平梯度和饱和度的车牌定位方法

说明书

本发明公开一种利用水平梯度和饱和度的车牌定位方法，本发明涉及车牌定位技术领域，现有技术在图像具有复杂背景情况下，车牌定位准确度往往不高。本发明主要步骤包括首先分别利用水平梯度特征和图像饱和度特征进行粗定位，合并两组粗定位车牌候选区域；然后对每个粗定位车牌候选区域进行精确定位；最后对精确定位得到的几个车牌候选区域进行去除伪车牌操作，得到真正的车牌区域。本发明方法由于结合了梯度特征和饱和度特征进行车牌定位的优点，可以有效避免使用单一特征所引起的漏定位、错误定位，同时粗定位与精确定位相结合，可有效减少车牌定位误差；本发明方法对具有不同复杂背景的图像都能够快速定位车牌，定位准确度高。

技术领域

本发明涉及车牌定位技术领域，具体涉及一种利用水平梯度和饱和度的车牌定位方法。

背景技术

车牌定位是指依据车牌特征来确定出图像中车牌所在的位置，定位结果的好坏将直接影响后续的字符分割与识别结果。作为整个系统中的核心步骤，国内外很多研究人员对车牌定位方法进行了深入研究，并提出了较多的定位方法。方法各有优缺点，总体来说，这些方法主要依据车牌自身的一些特殊特征(如：灰度纹理特征、几何形状特征等)来进行定位。常用的定位方法有下述几类：

(1)基于纹理特征的车牌定位算法

车牌区域具有一些特定的水平和垂直纹理特征(车牌字符具有一定的排列规律且与背景有着较突出的灰度跳变)，此类算法就是根据这些特殊的特征来找出车牌区域，然后再利用一些先验知识来准确定位出车牌的位置，此算法抗干扰能力较弱，对噪声敏感，当车牌图像受到污染时，将影响定位的准确度；

(2)基于边缘检测的车牌定位算法

主要利用车牌区域灰度跳变剧烈、字符具有丰富的边缘信息等来对车牌区域进行定位，此算法处理速度较快、较精确，而我国的车牌种类较多，当背景环境较复杂、图像中存在与车牌特征相似的非车牌区域时，仅根据车牌边缘信息将会降低定位的准确度；

(3)基于颜色特征的车牌定位算法

主要是利用车牌所特有的颜色特征，先在图像中搜索出与车牌底色相近的颜色位置，再通过车牌的一些其他特征来进一步筛选出车牌所在的准确位置，此方法定位准确度较高，但当车牌背景颜色与车身颜色较相近的时候，定位准确度有所降低，因此适合结合其它的方法来相互取长补短；

(4)基于神经网络的车牌定位算法

首先利用车牌的一些先验知识特征如：车牌长宽比、面积与周长比等，来筛选出满足条件的区域；然后通过训练大量的车牌图像，得到恰当的网络结构；最后根据网络结构来定位新图像中的车牌区域，此算法对背景复杂的图像定位车牌比较准确，但存在网络局部收敛且需要进行大量的训练，运算要求高、较耗时，不容易满足应用的实时性需要；

(5)基于数学形态学的车牌定位算法

主要根据车牌固定的宽高比与其它的一些特征相来定位车牌，首先根据阈值对图像进行分割处理；然后采用多种形态学方法对其进行处理，并得到连通的区域；再根据车牌的一些先验特征来剖析图像结构，去除那些无关的结构信息得到车牌区域，此算法对于某些特定的图像(结构信息比较简单)定位效果较好，当图像信息复杂时，会定位出大量的伪车牌区域，导致定位准确率下降；

综上不同的定位算法：不同的定位算法适用于不同的环境条件，要根据实际情况和算法的优势来灵活的选择、运用，目前，针对复杂的背景与环境，如何快速、准确的定位出车牌，仍没有一个统一、有效的算法。

由于图像本身噪声或畸变以及其他类似车牌图像形成与真车牌一致的峰谷跳变波形变化，造成二值图像的判断阈值失效，仅仅使用跳变个数直接设置阈值导致整体识别系统过于粗糙而不能滤除伪车牌和噪声，进而导致很难实现高精确的车牌图像定位。