復雜車輛圖像中的車牌定位

2)由質心處分別向兩邊進行檢測。1值作為起點，當檢測到下個點也為1時，再繼續(xù)檢測下個點；當檢測到下個點為0時，num_zero=num_zero+1，再繼續(xù)檢測下len個點，若len個點中有一個為1，則把這個點當作起點繼續(xù)檢測。若len個點均為0，則最后的1值處即為車牌的端點處。
3)若num_zero=6，則車牌區(qū)域完整，跳出循環(huán)。若num_zero6，放寬閾值len_new=1．2*len，再進行檢測。直到len_new=2*len時，若還未跳出循環(huán)，則說明該區(qū)域不是車牌區(qū)域，轉入上層循環(huán)，查找下一候選區(qū)域。
結果表明，在該細定位的算法下，車牌識別較為準確，只有少數(shù)車牌出現(xiàn)字符斷裂的情況。出現(xiàn)斷裂的車牌圖像是因為車牌尾字符為數(shù)字1，在做差分投影時，其顯示為谷值，故漏檢一位字符。針對此種情況，將最終定位的車牌邊緣值與初始候選區(qū)域的邊緣值相比較，若投影后的邊緣值小于候選區(qū)域1個字符長度以上，則認為其尾字符在差分投影中被減掉，可將其補上。最終輸出車牌圖像如圖9所示：

3 實驗結果
實驗所采用的圖像為640×480像素256級灰度圖像，其中車牌包括小型民用車牌照(藍底白字)、大型民用車牌照(黃底黑字)、軍用牌照(白底黑字)。圖像中車牌所占的大小比例各異，背景不同，其中部分車輛車身有明顯的字符圖案和粘貼的警示語。在集中檢測的80幅圖中正確檢測了77幅，漏檢1幅。誤檢2幅。漏檢圖像由于車牌掉色過于嚴重，導致最后幾位字符無法檢測；而誤檢的兩幅圖是因為車牌底部有顏色、字符均與車牌相近的廣告語，無法將其與車牌區(qū)分開來。該問題可以在車牌定位之后的字符識別環(huán)節(jié)中可以得到解決。

4 結論
本文提出的算法綜合了質心檢測排序，顏色判別和投影法字符跟蹤檢測的方法。該算法通過質心檢測排序的方法解決了車身上部文字花紋和廣告語、警示語對車牌識別的干擾：通過顏色識別排除了類似車燈區(qū)域等有著高邊緣特性區(qū)域對車牌區(qū)域的干擾；而投影法字符跟蹤檢測算法解決了在精確車牌字符定位中字符斷裂、缺損等情況的發(fā)生。該算法定位檢測準確率高，且抗干擾能力強，在實際應用過程中是可行有效的。