车牌定位研究(3)

　　2基于连通域分析的车牌精确定位
　　2.1连通域标记定位车牌侯选区
　　经过车牌的初定位后，所得到车辆二值化图像中的车牌图像像素具有了连通性的特点。常用的两种连通性是4-领域连通和8-领域连通。通过对初定位二值图像中连通域进行标记，并结合车牌图像的特点对标记的连通域进行分析，我们就可以定位出车牌连通域的位置。为了提高定位的速度，在这里我们采用4-领域连通搜索和序贯法对连通域进行标记。使用上述算法，我们就能够对粗定位的二值化车辆图像中所有的连通域进行了不同的标记，并得到图像中连通域的数目和每一个连通域的相关信息，其中包括连通域的最小外接矩形的四个顶点的坐标信息。
　　2.2连通域特征分析定位车牌
　　通过对连通域进行标记之后，我们采用车牌的长宽比、背景与字符的面积比、连通域与车辆图像面积比和行扫描跳变次数四个条件来确定车牌连通区域。（1）连通域与车辆图像面积比：车牌图像和车辆图像的面积比在特定的应用环境中都有一定的范围[1/300，1/30]。（2）长宽比：标准车牌的长宽比约为3：1。考虑到车牌的倾斜和图像处理中的误差，我们设定车牌连通区域的长宽比为[5：2]。（3）行扫描跳变次数：由车牌图像字符和背景的分布情况可知对连通域的行扫描是在一定的范围[10，20]之间的，过多过少都不可能是车牌连通域。（4）面积比：对于一般车牌来说，车牌内的字符区域与车牌背景区域之间的面积比在（0.4，3.6）的范围内，这范围是通过选取两种极端情况"川L11111"和"赣B88888"来获得。通过以上四个条件对所有连通域进行筛选后，就可以得到车牌连通区域，从而确定出车牌在车辆图像中的位置。
　　流程说明：（1）按流程先后条件由宽松变的严格（2）如果连通域没有通过前一个条件就被定为非车牌连通域；（3）把连通域与车辆图像的面积比放在流程的第一个是为了有效去除粗定位后二值图像中有过多的过大或过小连通域。（4）如果在某一条件下只有一个连通域符合就不再进入下一流程直接定为车牌区域；（5）如果直至流程最后还有多个连通域就认为是多车牌；（6）此种设计是为了提高定位的准确率和速度；（7）定位没有符合条件的连通域，如果来之小波定位就再用颜色定位一次，如果来之于颜色定位就再用小波定位一次。
　　3结语
　　本文采用分类处理的方法对于比较多见的车牌运用简单快速的颜色特征进行定位，而对于数量比较少见的车牌运用相对复杂的一维行小波变换方法进行定位，此种分类提高了定位的速度。颜色特征定位采用基于RGB颜色模型相对于采用其它模型省去了转化的时间，提高了实时性；采用三阀值最优化选择相对于单阀值降低了漏检率，提高了环境适应性，但在一定程度上也多耗费了时间，经实验证明该方法实时性准确性还是比较好的。基于小波变换的定位方法本文采用对二值化后的图像进行一维行行小波换，不但降低了时间开销，而且比前人方法更加强化了车牌区域的纹理，在提高实时性的同时也提高了车牌定位的准确性、降低了漏检率。对于比较难定位的车牌本文采取一种方法定位不成功再转入另一种方法的策略，在一定程度上提高了定位率。在对连通域进行筛选的过程中我们按条件由宽松到严格的逐步淘汰的方法也在一定程度上提高了定位的时间。本文方法在实验中对239张不同光照、不同角度、不同距离、不同背景、不同车牌颜色的分辨率为800*600的车辆图像进行实验，定位率能够达到97.8%，平均定位时间为230ms。但经实验发现基于小波变换的定位方法在车牌周围有大量垂直纹理时定位的边界不是很精确。