一种利用水平梯度和饱和度的车牌定位算法制造技术

本发明专利技术公开一种利用水平梯度和饱和度的车牌定位算法，本发明专利技术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。本发明专利技术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。本发明专利技术算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；本发明专利技术算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。

A license plate location algorithm using horizontal gradient and saturation

The invention discloses a license plate location algorithm using horizontal gradient and saturation. The invention relates to the license plate location technology field. Under the complex background of the image, the accuracy of license plate location is often not high. The invention comprises the following steps: firstly using horizontal gradient feature and image saturation characteristics for coarse positioning, with two groups of coarse positioning plate candidate regions; then the exact location of each of the coarse position of the license plate candidate regions; several candidate regions of license plate and finally get the accurate positioning of the removal of false license plate operation, get the license plate area real. The invention combines the advantages of the algorithm and gradient feature saturation characteristics of license plate location, can effectively avoid the use of a single feature caused by the leakage location, fault location, and coarse location and accurate positioning of the combination, can effectively reduce the plate location error; the invention of algorithm with different complex background image can quickly locate the license plate the positioning accuracy is high.

【技术实现步骤摘要】
一种利用水平梯度和饱和度的车牌定位算法
本专利技术涉及车牌定位
，具体涉及一种利用水平梯度和饱和度的车牌定位算法。
技术介绍
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算法进行了深入研究，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。本专利技术提出了一种利用水平梯度和饱和度的车牌定位算法，该算法不同于大多数定位算法的是：它不仅可以有效避免复杂背景的影响，将有效的车牌区域包含到候选区域中，有效避免使用单一特征所引起的漏定位、错误定位问题，而且综合特征定位方法比单一特征定位更符合人的视觉要求。此算法主要分为4个步骤：基于水平梯度特征的粗定位、基于饱和度特征的粗定位、精确定位以及去除伪车牌。本专利技术算法具体流程如图1所示。
技术实现思路
针对上述现有技术，本专利技术目的在于提供一种利用水平梯度和饱和度的车牌定位算法，解决现有技术在复杂情况下由于缺乏基于饱和度的补偿粗定位以及由于无法滤除垂直投影值序列中噪声的垂直投影值或类似车牌图像的垂直投影值而导致的定位精确度低等技术问题。为达到上述目的，本专利技术采用的技术方案如下：一种利用水平梯度和饱和度的车牌定位算法，包括以下步骤：步骤1、获取原始图像的灰度图像，对灰度图像的水平梯度图像进行二值化，获得水平梯度二值图像并扫描水平梯度二值图像，标记出满足车牌纹理特征的特征线段，根据特征线段的排列和数目特征搜索出连通区域，将满足条件的连通区域作为第一组粗定位车牌候选区域；步骤2、获取原始图像的饱和度图像，对饱和度图像进行二值化，获得饱和度二值图像并扫描饱和度二值图像，标记出满足车牌饱和度特征的特征线段，根据特征线段的排列和数目搜索出连通区域，将满足条件的连通区域作为第二组粗定位车牌候选区域；步骤3、合并第一组粗定位车牌候选区域和第二组粗定位车牌候选区域，获得最终的粗定位车牌候选区域；步骤4、对每个粗定位车牌候选区域，首先利用当前粗定位车牌候选区域的饱和度图像的水平投影值确定出当前粗定位车牌候选区域的精确上下边界，然后对当前粗定位车牌候选区域的灰度图像作垂直边缘检测，获得垂直边缘图，接着利用垂直边缘图的垂直投影值确定出车牌候选区域的精确左右边界，更新粗定位车牌候选区域的上下左右边界，获得精确定位的车牌候选区域；步骤5、获取每个车牌候选区域的二值图像的垂直投影值序列，利用垂直投影值序列中垂直投影值大小构建出车牌候选区域二值图像的参考分割线，相对参考分割线找出垂直投影值序列符合真实车牌垂直投影值跳变规律的车牌候选区域，作为最终车牌区域。上述方法中，所述的步骤1或步骤2，其中扫描、标记和搜索操作包括以下步骤：(1)对于水平梯度图像或饱和度图像的第i行像素，设置筛选条件为牌照线段两端像素点的灰度值为255、牌照线段内像素点的灰度值连续为0的个数n0＜20、牌照线段内像素点的灰度值为255的个数n1＞7和牌照线段端点s和e满足e-s＞50，其中，s和e表示第i行像素中的牌照线段L(i,s,e)两端像素的列坐标，根据筛选条件，对水平梯度二值图像或饱和度二值图像进行逐行扫描，找出并标记所有同时满足筛选条件的牌照线段L(i,s,e)；(2)利用标记的牌照线段L(i,s,e)，更新水平梯度二值图像或饱和度二值图像中对应像素点(x,y)位置的值；(3)搜索出更新后的水平梯度二值图像或饱和度二值图像中像素点和其邻域内值为255的像素点集合作为连通区域，得到每个连通区域的上、下、左、右边界，将连通区域的宽高比在[2.5,5.5]范围内的作为车牌候选区域。上述方法中，所述的步骤4，包括以下步骤：步骤4.1.1、由饱和度图像计算出每个粗定位车牌候选区域水平投影值；步骤4.1.2、确定出水平投影值的最大值，由其最大值构建第一筛选阈值，搜索出水平投影值中满足第一筛选阈值的所有值，获得车牌候选区域的上下边界；步骤4.2.1、利用Sobel垂直算子与灰度图像进行卷积运算，获得边缘特征图像，由边缘特征图像计算出对应每个粗定位车牌候选区域垂直投影值；步骤4.2.2、确定出垂直投影值的最大值，由其最大值构建第二筛选阈值，搜索出垂直投影值中满足第二筛选阈值的所有值，获得车牌候选区域的左右边界；步骤4.3、更新粗定位车牌候选区域的上下左右边界，获得精确定位的车牌候选区域。上述方法中，所述的步骤5，包括以下步骤：步骤5.1、采用最大类间方差法对车牌候选区域进行二值化处理，得到车牌候选区域的二值图像；步骤5.2、计算出二值图像的垂直投影值序列，利用垂直投影值序列中垂直投影值的最小值构建分段阈值，在分段阈值的条件下建立关于车牌候选区域高度的参考分割线函数，再根据参考分割线函数，在垂直本文档来自技高网...

【技术保护点】
一种利用水平梯度和饱和度的车牌定位算法,其特征在于，包括以下步骤：步骤1、获取原始图像的灰度图像，对灰度图像的水平梯度图像进行二值化，获得水平梯度二值图像并扫描水平梯度二值图像，标记出满足车牌纹理特征的特征线段，根据特征线段的排列和数目特征搜索出连通区域，将满足条件的连通区域作为第一组粗定位车牌候选区域；步骤2、获取原始图像的饱和度图像，对饱和度图像进行二值化，获得饱和度二值图像并扫描饱和度二值图像，标记出满足车牌饱和度特征的特征线段，根据特征线段的排列和数目搜索出连通区域，将满足条件的连通区域作为第二组粗定位车牌候选区域；步骤3、合并第一组粗定位车牌候选区域和第二组粗定位车牌候选区域，获得最终的粗定位车牌候选区域；步骤4、对每个粗定位车牌候选区域，首先利用当前粗定位车牌候选区域的饱和度图像的水平投影值确定出当前粗定位车牌候选区域的精确上下边界，然后对当前粗定位车牌候选区域的灰度图像作垂直边缘检测，获得垂直边缘图，接着利用垂直边缘图的垂直投影值确定出车牌候选区域的精确左右边界，更新粗定位车牌候选区域的上下左右边界，获得精确定位的车牌候选区域；步骤5、获取每个车牌候选区域的二值图像的垂直投影值序列，利用垂直投影值序列中垂直投影值大小构建出车牌候选区域二值图像的参考分割线，相对参考分割线找出垂直投影值序列符合真实车牌垂直投影值跳变规律的车牌候选区域，作为最终的车牌区域。...

【技术特征摘要】
1.一种利用水平梯度和饱和度的车牌定位算法,其特征在于，包括以下步骤：步骤1、获取原始图像的灰度图像，对灰度图像的水平梯度图像进行二值化，获得水平梯度二值图像并扫描水平梯度二值图像，标记出满足车牌纹理特征的特征线段，根据特征线段的排列和数目特征搜索出连通区域，将满足条件的连通区域作为第一组粗定位车牌候选区域；步骤2、获取原始图像的饱和度图像，对饱和度图像进行二值化，获得饱和度二值图像并扫描饱和度二值图像，标记出满足车牌饱和度特征的特征线段，根据特征线段的排列和数目搜索出连通区域，将满足条件的连通区域作为第二组粗定位车牌候选区域；步骤3、合并第一组粗定位车牌候选区域和第二组粗定位车牌候选区域，获得最终的粗定位车牌候选区域；步骤4、对每个粗定位车牌候选区域，首先利用当前粗定位车牌候选区域的饱和度图像的水平投影值确定出当前粗定位车牌候选区域的精确上下边界，然后对当前粗定位车牌候选区域的灰度图像作垂直边缘检测，获得垂直边缘图，接着利用垂直边缘图的垂直投影值确定出车牌候选区域的精确左右边界，更新粗定位车牌候选区域的上下左右边界，获得精确定位的车牌候选区域；步骤5、获取每个车牌候选区域的二值图像的垂直投影值序列，利用垂直投影值序列中垂直投影值大小构建出车牌候选区域二值图像的参考分割线，相对参考分割线找出垂直投影值序列符合真实车牌垂直投影值跳变规律的车牌候选区域，作为最终的车牌区域。2.根据权利要求1所述的一种利用水平梯度和饱和度的车牌定位算法,其特征在于，所述的步骤1或步骤2，其中扫描、标记和搜索操作包括以下步骤：(1)对于水平梯度图像或饱和度图像的第i行像素，设置筛选条件为牌照线段两端像素点的灰度值为255、牌照线段内像素点的灰度值连续为0的个数n0<20、牌照线段内像素点的灰度值为255的个数n1>7和牌照线段端点s和e满足e-s>50，其中，s和e表示第i行像素中的牌照线段L(i,s,e)两端像素的列坐标，根据筛选条件，对水平梯度二值图像或饱和度二值图像进行逐行扫描，找出并标记...

【专利技术属性】
技术研发人员：郑伯川，焦伟超，
申请(专利权)人：西华师范大学，
类型：发明
国别省市：四川,51