一種基于最小二乘法的車牌校正方法
【專利摘要】本發(fā)明提供一種基于最小二乘法的車牌校正方法，包括以下步驟：車牌圖像尺寸歸一化；圖像模糊處理；使用垂直邊緣檢測算子獲取二值垂直邊緣圖；進(jìn)行多次形態(tài)學(xué)運(yùn)算獲取邊緣連通區(qū)域；去除異常的邊緣連通區(qū)域；基于最小二乘法原理獲取車牌的最佳傾斜角度。本發(fā)明不依賴車牌的邊框信息，不受非字符區(qū)域的干擾，同時(shí)算法的速度更快，校正更精確。
【專利說明】一種基于最小二乘法的車牌校正方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車牌識別【技術(shù)領(lǐng)域】，具體是一種基于最小二乘法的車牌校正方法。

【背景技術(shù)】
[0002] 車牌定位是指在一幅圖像中，快速找出車牌所在的位置，一般通過粗定位和精定 位相結(jié)合的方法來實(shí)現(xiàn)。一個(gè)好的車牌定位算法，應(yīng)該對傾斜車牌和非傾斜車牌均具有一 定的魯棒性。對于非傾斜車牌，已有很多成熟的方法來實(shí)現(xiàn)精定位，而對于傾斜的車牌，由 于不能直接使用現(xiàn)有的相關(guān)方法，無法實(shí)現(xiàn)車牌的精定位，解決問題的唯一方法就是在粗 定位之后，把傾斜車牌校正為非傾斜車牌，然后再進(jìn)行精定位。因此，車牌傾斜校正是整個(gè) 技術(shù)必不可少的一部分，是評價(jià)車牌定位算法的重要依據(jù)。
[0003] 目前，車牌校正主要有以下幾類方法：
[0004] (1)基于直線檢測的方法，代表方法有"基于hough直線檢測的校正方法"和"基 于radon直線檢測的校正方法"。該類方法在干擾比較少、車牌邊框清晰的情況下，可以通 過檢測邊框直線獲取傾斜角度，進(jìn)而較精確地完成車牌校正，但是當(dāng)出現(xiàn)車牌干擾、車牌模 糊或者出現(xiàn)油污時(shí)，由于無法檢測到車牌邊框直線，該類方法會失效，同時(shí)該類方法的計(jì)算 量也很大。
[0005] (2)基于遍歷查找的方法，代表方法有"基于旋轉(zhuǎn)投影的校正方法"。其原理是首 先將車牌旋轉(zhuǎn)到每一個(gè)允許的角度位置，然后進(jìn)行投影獲取相應(yīng)的特征值，通過比較，獲取 最佳的特征值，此時(shí)對應(yīng)的角度就是最佳的車牌傾斜角度。該類方法的優(yōu)點(diǎn)是魯棒性較強(qiáng)， 校正精確，但也存在明顯的缺點(diǎn)，由于需要遍歷查找，因此算法的速度很慢。
[0006] (3)基于特征分析的方法，代表方法有"基于主元分析的校正方法"。該類方法不 依賴車牌的邊框信息，在干擾比較少、字符較完整的情況下，可以達(dá)到不錯(cuò)的校正效果，但 是該類方法對二值化的車牌圖像的質(zhì)量要求較高，易受非字符區(qū)域的干擾。


【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于提供一種基于最小二乘法的車牌校正方法，采用最小二乘法獲 取統(tǒng)計(jì)意義上的最佳傾斜角度，不再依賴車牌的邊框信息，不再受非字符區(qū)域的干擾，也不 再受二值化圖像質(zhì)量的影響，同時(shí)算法的速度更快，校正更精確。
[0008] 本發(fā)明的技術(shù)方案為：
[0009] -種基于最小二乘法的車牌校正方法，包括以下順序的步驟：
[0010] (1)將粗定位得到的車牌圖像進(jìn)行尺寸歸一化；
[0011] (2)利用均值濾波器將歸一化后的車牌圖像進(jìn)行模糊處理；
[0012] (3)利用垂直邊緣檢測算子，獲取經(jīng)過模糊處理的車牌圖像的二值垂直邊緣圖；
[0013] (4)對二值垂直邊緣圖進(jìn)行多次形態(tài)學(xué)運(yùn)算，獲取邊緣連通區(qū)域，并去除非字符區(qū) 域的干擾；
[0014] (5)去除異常的邊緣連通區(qū)域，得到車牌邊緣連通區(qū)域；
[0015] (6)利用車牌邊緣連通區(qū)域內(nèi)的所有前景目標(biāo)點(diǎn)數(shù)據(jù)，基于最小二乘法原理，獲取 車牌邊緣連通區(qū)域的最佳傾斜角度：

【權(quán)利要求】
1. 一種基于最小二乘法的車牌校正方法，其特征在于，包括以下順序的步驟： (1) 將粗定位得到的車牌圖像進(jìn)行尺寸歸一化； (2) 利用均值濾波器將歸一化后的車牌圖像進(jìn)行模糊處理； (3) 利用垂直邊緣檢測算子，獲取經(jīng)過模糊處理的車牌圖像的二值垂直邊緣圖； (4) 對二值垂直邊緣圖進(jìn)行多次形態(tài)學(xué)運(yùn)算，獲取邊緣連通區(qū)域，并去除非字符區(qū)域的 干擾； (5) 去除異常的邊緣連通區(qū)域，得到車牌邊緣連通區(qū)域； (6) 利用車牌邊緣連通區(qū)域內(nèi)的所有前景目標(biāo)點(diǎn)數(shù)據(jù)，基于最小二乘法原理，獲取車牌 邊緣連通區(qū)域的最佳傾斜角度：
其中，a表示車牌邊緣連通區(qū)域的最佳傾斜角度，\、71表示車牌邊緣連通區(qū)域內(nèi)前景 目標(biāo)點(diǎn)的橫坐標(biāo)、縱坐標(biāo)，N表示車牌邊緣連通區(qū)域內(nèi)前景目標(biāo)點(diǎn)的數(shù)目； (7) 根據(jù)得到的車牌邊緣連通區(qū)域的最佳傾斜角度，對車牌進(jìn)行旋轉(zhuǎn)校正。
2. 根據(jù)權(quán)利要求1所述的基于最小二乘法的車牌校正方法，其特征在于，步驟（2)中， 所述均值濾波器采用的矩形卷積核為：
其中，K表示矩形卷積核，w表示矩形卷積核的寬度，h表示矩形卷積核的高度，w= 3*h。
3. 根據(jù)權(quán)利要求1所述的基于最小二乘法的車牌校正方法，其特征在于，步驟（3)中， 所述利用垂直邊緣檢測算子，獲取經(jīng)過模糊處理的車牌圖像的二值垂直邊緣圖，具體包括 以下順序的步驟： (31) 利用垂直邊緣檢測算子，獲取經(jīng)過模糊處理的車牌圖像的垂直邊緣特征圖，所述 邊緣檢測算子采用以下公式：
其中，K表示垂直邊緣檢測算子； (32) 利用最大類間距算法，獲取二值垂直邊緣圖。
4. 根據(jù)權(quán)利要求1所述的基于最小二乘法的車牌校正方法，其特征在于，步驟（4)中， 所述對二值垂直邊緣圖進(jìn)行多次形態(tài)學(xué)運(yùn)算，獲取邊緣連通區(qū)域，并去除非字符區(qū)域的干 擾，具體包括以下順序的步驟： (41) 利用結(jié)構(gòu)元素模板，對二值垂直邊緣圖進(jìn)行n次形態(tài)學(xué)膨脹運(yùn)算，n為正整數(shù)，其 取值以所有垂直邊緣均已連接起來為準(zhǔn)； (42) 利用結(jié)構(gòu)元素模板，對經(jīng)過n次形態(tài)學(xué)膨脹運(yùn)算的二值垂直邊緣圖進(jìn)行2n次形態(tài) 學(xué)腐蝕運(yùn)算； (43) 利用結(jié)構(gòu)元素模板，對經(jīng)過2n次形態(tài)學(xué)腐蝕運(yùn)算的二值垂直邊緣圖進(jìn)行n次形態(tài) 學(xué)膨脹運(yùn)算； 步驟（41)?（43)中，所述結(jié)構(gòu)元素模板采用以下公式：
其中，K表示結(jié)構(gòu)元素模板。
5. 根據(jù)權(quán)利要求1所述的基于最小二乘法的車牌校正方法，其特征在于，步驟（5)中， 所述去除異常的邊緣連通區(qū)域，得到車牌邊緣連通區(qū)域，具體包括以下順序的步驟： (51) 保留面積最大的邊緣連通區(qū)域，并對該邊緣連通區(qū)域進(jìn)行垂直投影， (52) 獲取該邊緣連通區(qū)域每一列的高度； (53) 獲取該邊緣連通區(qū)域各列的平均高度； (54) 利用以下公式對該邊緣連通區(qū)域進(jìn)行變換，去除該邊緣連通區(qū)域的異常部分：
其中，h表示該邊緣連通區(qū)域每一列的高度，互表示該邊緣連通區(qū)域各列的平均高度，I(i)表示該邊緣連通區(qū)域內(nèi)第i列的所有元素的灰度值，I' (i)表示變換后該邊緣連通 區(qū)域內(nèi)第i列的所有元素的灰度值； (55) 若該邊緣連通區(qū)域變換后得到兩個(gè)以上邊緣連通區(qū)域，則將其中面積最大的一個(gè) 作為車牌邊緣連通區(qū)域。
【文檔編號】G06K9/32GK104408451SQ201410598697
【公開日】2015年3月11日 申請日期:2014年10月30日 優(yōu)先權(quán)日:2014年10月30日
【發(fā)明者】張卡, 何佳, 范浩, 牧春 申請人:安徽清新互聯(lián)信息科技有限公司