倾斜图像的车牌识别方法研究

发布时间：2021-07-14 17:49

　　随着图像处理技术的飞速发展,汽车牌照识别技术已成为目前计算机图像处理技术的重要研究方向和广泛应用的领域之一。汽车牌照识别技术在目前的道路安全管理系统中起到非常重要的作用,这项技术可以大大加快道路安全信息化的速度。本研究采用了orientation_region（）算子对汽车车牌图像的倾斜角度进行测量,使用外接矩形旋转法对汽车牌照图像进行旋转校正。并依据上述的方法创建了一个汽车牌照识别系统。本研究基于改进的倾斜校正算法的车牌识别系统,对含有汽车牌照的图像进行灰度处理,二值化处理,车牌定位,车牌校正和字符识别。对车牌定位技术和倾斜车牌校正技术进行了改进,提高此系统应对不同环境变化的能力。经实验表明,车牌的识别率得到了显著提高。 

【文章来源】：机械设计与制造. 2020,(06)北大核心

【文章页数】：5 页

【部分图文】：

车牌识别流程

传统的倾斜图像校正法是使用数学形态学对二值化后的图片进行边缘检测，使用Radon算子对倾斜图片在水平和垂直方向的倾斜角进行测量，再通过旋转来对图像进行水平校正，用双线性插值来进行垂直边框校正。Radon变换方法就是研究得到的图像在各个方向上的投影，在数学上表示为线性积分，即为在不同方向上的累积求和，如图2所示。沿角度θ的二维图像函数f(x,y）的Radon变换为：

中国的汽车根据底色和字符颜色的不同，主要分为四种类型，如表1所示。本研究基于HSV颜色空间表示法，结合汽车牌照底色，可以得到色彩空间距离以及相似度，再用投影法得到车牌的区域。基于HALCON平台，使用read＿image（）算子提取采集的车牌图像，如图3(a）所示。一般来说，生活中采集到的图像都是彩色的图像，我们需要对其进行灰度化处理。原图像和灰度图像，如图3(b）所示。可以很明显地发现汽车牌照区域与其他区域的对比度较低，不容易提取。对此，本研究使用HSV颜色模式，如图3所示。HSV模式的优势在于此模式和人眼的观察效果更加相似，可以更好的区分车牌和其他区域。可以看出在S通道图像中，车牌图像的灰度值远高于其他区域。在将原图像转化HSV图像之前，还需将车牌图像转化为R、G、B三个单通道图像，然后再将这三个单通道的图像转化为HSV图像。再通过算子threshold（），对转化后的HSV图像进行二值化处理，得到比较有效的车牌区域，如图3(f）所示。3.2.2 车牌定位

【参考文献】：
期刊论文
[1]城市智能交通管理系统的研究与设计[J]. 高美蓉.  电子测量技术. 2018(08)
[2]深度学习在车牌定位中的研究[J]. 赵莉,白猛猛,雷松泽,计雪薇.  计算机应用研究. 2018(10)
[3]基于Laplacian扩展算子的车牌字符分割方法研究[J]. 张东海,施云龙,张康,钟平.  应用激光. 2017(04)
[4]基于MATLAB的车牌识别系统研究[J]. 熊厚博.  自动化应用. 2016(12)
[5]融合Hough与Radon变换的车牌倾斜校正算法[J]. 于明,李延果,于洋,阎刚.  控制工程. 2013(06)
[6]图像处理技术在车牌定位与字符分割中的应用[J]. 张馨,林凤涛.  机械设计与制造. 2012(12)
[7]基于小波包和数学形态学结合的图像特征提取方法[J]. 张立国,杨瑾,李晶,任晓丽,上官寒露.  仪器仪表学报. 2010(10)



本文编号：3284605