[發(fā)明專利]一種基于仿射校正的多尺度車牌精準(zhǔn)定位方法有效
| 申請?zhí)枺?/td> | 201410077985.8 | 申請日: | 2014-03-05 |
| 公開(公告)號: | CN103793708A | 公開(公告)日: | 2014-05-14 |
| 發(fā)明(設(shè)計(jì))人: | 姚劍;張考;賀通;朱颯 | 申請(專利權(quán))人: | 武漢大學(xué) |
| 主分類號: | G06K9/32 | 分類號: | G06K9/32;G06K9/54 |
| 代理公司: | 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222 | 代理人: | 張火春 |
| 地址: | 430072 湖*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 校正 尺度 車牌 精準(zhǔn) 定位 方法 | ||
1.一種基于仿射校正的多尺度車牌精準(zhǔn)定位方法,其特征在于,包括以下步驟:
步驟1:獲取原始車牌圖像A;
步驟2:對所述的原始車牌圖像A進(jìn)行粗檢測,利用原始車牌圖像A豐富的垂直紋理信息和鮮明的顏色特征檢測出候選的“車牌斑塊”集,然后利用原始車牌圖像的幾何特征對所述的候選的“車牌斑塊”進(jìn)行初步過濾,得到“車牌斑塊”集B,并進(jìn)行下述處理;
步驟3:對所述的“車牌斑塊”集B進(jìn)行車牌校正,依次對“車牌斑塊”集B中每個“車牌斑塊”Bi進(jìn)行仿射校正,得到校正后的車牌圖像Ci;
步驟4:對所述的校正后的車牌圖像Ci進(jìn)行車牌精準(zhǔn)定位,利用車牌水平垂直梯度投影峰值,進(jìn)行組合得到一系列矩形框,然后定義能量函數(shù),通過評價矩形框能量的得分選出最佳矩形框,其位置就代表車牌位置;
步驟5:利用車牌校正的參數(shù),將所述的車牌位置反算得到在所述的原始車牌圖像A中的位置,最佳矩形框通過反算得到“車牌框”;
步驟6:判斷,“車牌斑塊”集B中每個“車牌斑塊”是否都處理完畢?
若是,則執(zhí)行下述步驟7;
若否,則回轉(zhuǎn)執(zhí)行所述的步驟3;
步驟7:利用非極大值抑制方法剔去部分偽車牌,在每個“車牌框”周圍的預(yù)設(shè)范圍內(nèi),選取能量最大的“車牌框”視為車牌,其余的“車牌框”視為偽車牌,將其丟棄;
步驟8:結(jié)果后處理,利用車牌本身的固有特性和車牌間的空間特性,來進(jìn)一步剔除偽車牌;
步驟9:輸出結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于仿射校正的多尺度車牌精準(zhǔn)定位方法,其特征在于:步驟2中所述的利用原始車牌圖像A豐富的垂直紋理信息和鮮明的顏色特征檢測出候選的“車牌斑塊”,其具體實(shí)現(xiàn)包括以下子步驟:
步驟2.1:對所述的原始車牌圖像A進(jìn)行邊緣信息檢測,利用原始車牌圖像A的紋理信息對所述的原始車牌圖像A進(jìn)行檢測,得到車牌邊緣候選斑塊圖;
步驟2.2:對所述的原始車牌圖像A進(jìn)行顏色概率檢測,得到車牌顏色候選斑塊圖;
步驟2.3:對所述的車牌邊緣候選斑塊圖和車牌顏色候選斑塊圖求交集;
步驟2.4:去掉長寬比和面積不合要求的斑塊,得到候選的“車牌斑塊”。
3.根據(jù)權(quán)利要求2所述的基于仿射校正的多尺度車牌精準(zhǔn)定位方法,其特征在于:步驟2.1中所述的對原始車牌圖像A進(jìn)行邊緣信息檢測,得到車牌邊緣候選斑塊圖,其具體實(shí)現(xiàn)包括以下子步驟:
步驟2.1.1:首先將所述的原始車牌圖像A進(jìn)行局部增強(qiáng),然后進(jìn)行灰度化處理,得到灰度圖A1;
步驟2.1.2:利用梯度算子卷積灰度圖A1,求得灰度圖A1的X、Y方向梯度圖,分別對X、Y方向梯度圖先進(jìn)行歸一化處理,然后設(shè)定合理閾值T1,進(jìn)行二值化處理,可分別得到二值圖A2X和A2Y,對所得的二值圖A2X進(jìn)行高斯平滑處理得到邊緣信息密度圖,剔除二值圖中邊緣密度小于預(yù)設(shè)閾值T2的部分,剔除后的二值圖作為車牌邊緣候選斑塊圖的初始邊緣檢測結(jié)果圖A3;
步驟2.1.3:利用所述的二值圖A2X和A2Y,進(jìn)行形態(tài)學(xué)閉運(yùn)算,然后均值濾波,選取合適閾值T3進(jìn)行二值化處理,將得到的兩圖像先進(jìn)行“與運(yùn)算”后進(jìn)行形態(tài)學(xué)膨脹運(yùn)算,得到新的二值圖A4,利用所述的新的二值圖A4約束所述的初始邊緣檢測結(jié)果圖A3;
步驟2.1.4:將灰度圖A1進(jìn)行邊緣輪廓檢測,去掉長度大于預(yù)設(shè)范圍T4的邊緣輪廓線,計(jì)算每條邊緣輪廓線的最小外接矩形,去掉長寬大于預(yù)設(shè)范圍T5和面積大于預(yù)設(shè)范圍T6的最小外接矩形,將邊緣輪廓檢測保留下來的部分,進(jìn)行形態(tài)學(xué)閉運(yùn)算,得到的范圍視作車牌候選區(qū)A5,利用所述的車牌候選區(qū)A5約束所述的初始邊緣檢測結(jié)果圖A3;
步驟2.1.5:將約束過后的初始邊緣檢測結(jié)果圖A3,進(jìn)行形態(tài)學(xué)閉運(yùn)算,得到車牌邊緣候選斑塊圖。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于武漢大學(xué),未經(jīng)武漢大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410077985.8/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合





