[发明专利]一种基于小波变化和支持向量机的实时多车牌识别方法和装置

权利要求书

1.一种基于小波变化和支持向量机的实时多车牌识别方法，其特征在于，包括以下步骤，

步骤1，采集车辆图像；

步骤2，对图像进行去噪处理，具体为先对图像进行拉普拉斯变换，对图像的边缘进行增强，然后将彩色图像转变为256级的灰度图像，再对图像进行高斯模糊处理；

步骤3，根据矩形框内的边缘像素数与矩形面积之比的大小确定车牌图像的位置；

步骤4，对车牌图像采用行扫描的方法确定车牌的水平位置，采用小波分层变换的方法确定车牌的垂直位置；

步骤5，对每一幅车牌图像进行二值化处理，然后对处理后的车牌图像进行列扫描，当单列边缘像素数的超过预先设定的阈值范围时，则判断当前列包含车牌字符，否则该列不包含车牌字符将其作为字符分割的边界；

步骤6，对车牌字符进行识别，具体为利用事先训练好的SVM支持向量机对检测到的车牌图像进行字符识别，得到车牌号信息，并记录该车牌在车辆图像中的位置。

2.如权利要求1所述的一种基于小波变化和支持向量机的实时多车牌识别方法，其特征在于，在执行步骤2时，其具体操作原理为：

步骤2-1：根据拉普拉斯变换模板：

步骤2-2：拉普拉斯边缘增强处理：其中(x，y)为车辆图像在时域中的坐标，c表示拉普拉斯算子的影响因子，其取值范围在0.4～0.7之间。g(x,y)表示增强之后(x,y)处的灰度值，f(x,y)为增强处理之前(x,y)处的灰度值。

步骤2-3:彩色RGB图像变成灰度图像：Gray(x,y)＝0.3R(x,y)+0.59G(x,y)+0.11B(x,y)；其中R(x,y)为R通道的灰度值，G(x,y)为G通道的灰度值，B(x,y)为B 通道的灰度值；

步骤2-4：高斯滤波去噪处理，高斯滤波模板为：

3.如权利要求1所述的一种基于小波变化和支持向量机的实时多车牌识别方法，其特征在于，执行步骤4时，其具体步骤包括：

步骤4-1，对车牌图像行扫描确定车牌的水平位置，具体为设定将每一行从黑到白或从白到黑都记为一次跳变，行扫描时每个字符至少会出现两个跳变，将跳变阈值设置为14次；扫描从下而上进行，统计行扫描的跳变数，若某一行跳变点数大于14，则判断这一行为车牌所在行，将其记为车牌底部，继续向上逐行扫描，直至跳变数小于14，将其作为车牌的顶部；

步骤4-2，M行图像每列的垂直投影VPj由下式得到：

其中f(x,y)表示(x,y)点的灰度值，M为图像的行数，i为像素x坐标，j为像素y坐标。

根据已确定水平位置的车牌在垂直方向的灰度值，采用小波分层变换的方法进行三层分解与重构确定车牌的垂直位置。