车牌识别系统设计+文献综述(4)
车牌定位算法的关键就在于通过一些图像处理手段能够将车牌区域的增强，同 时抑制非车牌区域。这就要求车牌定位算法要能够有效利用车牌区域的特征信息， 利用这些特征信息来准确定位出车牌位置。字符分割主要利用了车牌区域本身的图 像特征来进行字符分割。通过车牌区域的图像特征，比如说字符和车牌底色的反差， 字符之间的宽高和字符之间的间距和字符之间的排列规律等等，将字符按照一定的 间距和宽高切分成字符块。在这些图像特征中，字符间距信息是最为显著的一个特 征，车牌字符之间的间距一般比较固定，并且每个字符的宽度和高度变化也不大， 通常可以利用这些字符间距和字符宽高等特征信息来切分字符。我国的车牌根据颜 色主要有蓝底白字、黄底白字、黑底白字和白底黑字四种类型，按单双行又有单行 车牌和双行车牌两种类型。最常见的当然还是蓝底白字单行车牌和黄底黑字单行车 牌。车牌图像如图2-1所示。
图2-1车牌示例
从图中可以看出车牌一般具有的几个特征:车牌底色和字符颜色反差较大，车牌 的边缘信息比较丰富，如何利用这些特征对于准确定位车牌区域的定位比较关键。 同时从图中可以看出车牌区域中，除第2个和第3个字符之间的距离稍大以外，其 余字符的排列比较规律间距变化不大，如何利用字符的规律排列信息对于字符切分 也比较关键。
为了准确定位车牌区域，目前提出了很多车牌定位算法，包括纹理分析法、颜 色分析法和频谱分析法等等。而字符切分算法中比较常见的包括垂直投影法、聚类 分析法等等。车牌定位和字符分割步骤由于其面对的环境比较复杂，图像光照变化 较大，同时车牌区域存在铆钉和污损的干扰，所以车牌定位和字符切割算法需要有 较强的鲁棒性。
本章主要介绍车牌识别系统中的车牌定位和字符切割两个主要步骤。车牌定位 算法通过一种基于边缘提取的车牌定位算法，利用改进的sobel算子提取边缘，通过 边缘分析定位车牌。字符分割算法通过连通域分析的方法获得了比较好的字符切分 效果。
3.1 车牌定位
车牌定位作为车牌识别系统的第一步，其定位结果的好坏对于后续的字符分割 和字符识别影响很大，如何准确快速定位出车牌区域是车牌识别系统的一个研究热点。目前比较常见的车牌定位算法有：基于车牌颜色信息的定位方法、基于车牌纹理 的定位方法等。
基于车牌颜色信息的定位方法一般将RGB颜色空间转换为HSV颜色空间中， 因为RGB颜色空间中的欧氏距离和颜色差值没有成比例的关系，然后再HSV颜色 模型上对图像距离和相似性进行计算定位出车牌位置。基于车牌纹理的定位方法则 利用车牌区域内字符纹理比较丰富的特点定位车牌，对于光照不均匀、车牌倾斜和变形等情况具有一定的适应性。常用的纹理特征包括利用字符宽度和高度、笔划宽 度、字符串的长度、字符的连通性。本文采用了基于边缘密度分析的车牌定位算法。
3.1.1 基于边缘密度分析的车牌定位算法
车牌区域中字符的规则排列车牌底色和字符颜色就有较大的反差以及车牌边缘 的存在使得车牌区域的边缘信息比较丰富，相比较而言其他区域的边缘信息则相对 简单许多，因此可以利用边缘信息来区分车牌区域和非车牌区域，从而定位出车牌 区域。但是由于实际应用环境非常复杂，同时需要解决各种光照条件的干扰，为了 能够提高车牌定位的准确度，首先需要利用一些预处理手段来增强类似于车牌区域 的图像区域的对比度，然后再利用边缘提取算法进行边缘提取，最后进行边缘密度 分析，由于车辆本身存在干扰，水平边缘并不可用，所以只对垂直边缘和斜线边缘 进行行扫描，标记符合规则的边缘点，并将这些标记出来的边缘点连接成线段，这 样就可以确定车牌区域了，最后通过形态学处理形成比较完整的车牌区域。因此基 于边缘密度的车牌定位算法的基本流程总结为：