[发明专利]一种基于霍夫变换的车牌倾斜校正方法

说明书

本发明属于智能交通领域，公开了基于霍夫变换的车牌倾斜校正方法，将待检测图片通过级联分类器检测出车牌位置；使用边框回归方法将得到的车牌位置进行调整；将车牌图像进行颜色过滤；将车牌图像使用水平膨胀算法；使用Canny算子对车牌图像进行单次标识；对车牌图像使用霍夫变换检测间断点边界，确认旋转角；使用旋转算法将车牌图像进行旋转，并按上下边框倾斜角进行拉伸；对倾斜校正完成后的车牌进行字符分割和识别。本发明得到的车牌坐标更接近真实车牌；本发明对图像使用水平膨胀操作，使其字符宽度减小，减少了霍夫变换后干扰直线段的数量和霍夫变换的耗时。本发明针对车牌图像畸变进行还原，提升车牌识别的准确率。

技术领域

本发明属于智能交通技术领域，尤其涉及一种基于霍夫变换的车牌倾斜校正方法。

背景技术

倾斜车牌校正属于图像校正处理的一种，是为了将图像中倾斜的车牌校正后，更有利于机器进行车牌识别。车牌倾斜校正广泛应用于智能交通领域。

倾斜车牌校正技术的关键在于如何高效和准确地找到理论倾斜角，通常的方法是寻找最优倾斜直线，而在车牌识别的实际场景中，有可能会出现侧角度的车牌识别需求，除了车牌倾斜以外还会造成伸缩和畸变，这对传统的倾斜校正算法造成了一定的难度。现有的校正算法大都针对旋转倾斜，并不具备侧角度成像恢复的能力，不能满足实际使用需求。。

发明内容

为克服现有技术对于侧角度成像造成的车牌倾斜校正效率低，最终识别准确率低的问题，本发明提供了一种基于霍夫变换的车牌倾斜校正方法，包括以下步骤：

将待检测图片通过级联分类器检测出车牌位置；

使用边框回归方法将得到的车牌位置进行调整，从调整后的车牌位置获得第一车牌图像；

将所述第一车牌图像从RGB颜色空间转换到HSV颜色空间，进行颜色过滤，得到第二车牌图像；

将所述第二车牌图像使用水平膨胀算法去除字符信息对差分运算造成的影响，得到第三车牌图像；

使用Canny算子对所述第三车牌图像进行单次标识，且排除存在噪声的集合；

对所述第三车牌图像使用霍夫变换检测间断点边界，用直线拟合图片中的车牌边框以确认旋转角；

使用旋转算法将所述第一车牌图像进行旋转，并按上下边框倾斜角进行拉伸；

对倾斜校正完成后的车牌进行字符分割和识别。

进一步的，所述将待检测图片通过级联分类器检测出车牌位置包括：

将待检测图片转化为灰度图以加快检测速度，通过Opencv的级联分类器，使用训练好的XML分类器文件检测出车牌位置。

进一步的，所述边框回归方法步骤如下：

平移变换：Δx＝P_wd_x(P),Δy＝P_hd_y(P)

尺度缩放：S_w＝exp(d_w(P)),S_h＝exp(d_h(P))

其中Δx，Δy为平移量，d_x(P)，d_y(P)为输入窗口P的坐标，d_w(P)和d_h(P)为输入窗口P的宽和高，P_w和P_h为比例系数；

计算损失函数：根据上述平移变换和尺度缩放得到预测值，要使预测值与真实值的差距最小，得到损失函数为：

函数优化目标为：