[發明專利]一種基于數學形態學的車牌定位方法

在審

• 申請號: 201711379950.X
• 申請日: 2017-12-19
• 公開（公告）號: CN107909071A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 辛元芳;姜媛媛
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/40
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及運輸安全監控領域，具體來說就是一種基于數學形態學的車牌定位方法。

背景技術

隨著科技進步和經濟的快速發展，越來越多的車輛正逐漸融入人們的生活,車輛成為現代高速經濟社會發展中不可缺少的交通工具。但隨著車輛越來越多，交通阻塞及交通事故等現象日益突出，對交通管理和相應的安全體系提出了更高的要求，建立完善的交通監控體系成為亟待解決的重要問題。車輛牌照作為機動車輛的唯一合法的身份證，包含了車輛的戶籍、地址等信息。因此，研究與實現通用性好、速度快的車牌識別系統就成為迫在眉睫的要務，而車牌定位一直都是整個車牌識別系統的關鍵與難點。

在上世紀90年代，我國開始了車牌識別的研究。中科院自動化研究所漢王公司、中國信息產業部的中智交通電子有限公司、亞洲視覺科技有限公司等都有較成熟的產品。另外浙江大學的自動化系、西安交通大學的圖像處理與識別研究室、清華大學人工智能實驗室等也有類似研究，目前在實驗環境下都取得了較滿意的效果。但在實際應用中，現場環境的復雜性，如白天的陽光、夜晚的車燈光、自然天氣的變化都會對車牌區域構成干擾；并且由于我國車牌不規范，含有漢字、數字和字母，且字符位數、懸掛位置都不定，顏色也有白底黑字、藍底白字、黃底黑字等多種類別；同時，監控系統自身的欠缺也造成了現場采集的車輛牌照圖像質量低劣，成為車輛牌照識別技術發展的瓶頸。以上這些因素都會影響車牌的正確識別，制約了車牌識別系統的推廣應用。就現在各種投入應用的實時識別系統來說，各個系統都只能從某一側面重點考慮，在一些方面達到一定要求，至今還沒有哪一種車牌識別系統可以在任何情況下對于不同車輛都能獲得較高的識別率。因此，與國外的車牌自動識別系統相比，我國的自動識別技術更有待于加強，針對各種天氣、光照、及車牌自身的特殊性，怎樣準確快速地定位識別車牌還有待于更深入的研究。

數學形態學(Mathematical Morphology，M M，簡稱形態學)作為圖像分析和識別的新方法，能夠并行處理，在車牌定位識別中可以滿足實時性要求，且易于硬件實現，相比其它圖像分析識別的方法具有較明顯的優勢。首先，在室外背景及其他噪聲的影響下獲得的圖像質量往往不高，形態學濾波器作為一種非線性濾波器，在去除圖像中的一些噪聲污染的同時可以保留圖像細節，且具有冪等性，因此通過形態學濾波器對車牌圖像進行去噪，可以實現很好的預處理效果；另外，基于數學形態學的邊緣檢測方法要優于傳統的微分邊緣提取算子，在提取邊緣的同時使得噪聲尺寸小于結構元素的那些噪聲點被濾去，同時又能提取到比較光滑的邊緣，檢測到的邊緣既能較好的體現邊緣的集合性，又能滿足實時性的要求，并且可以通過改變結構元素的尺寸大小，方便地控制噪聲的影響。因此,本發明利用形態學算法增強圖像并用改進的形態學邊緣檢測算子提取目標邊緣圖像進行車牌檢測實現了較好的車牌定位效果。

發明內容

由于原始圖像一般是來自于高速公路端點或收費站的CCD攝像頭，有很多不利因素影響車牌定位，如車輛型號多樣、車牌位置也不盡相同，且在室外自然環境下，車速、車牌自身不同程度的磨損、變形，天氣(陰、雨、霧、雪)、光照(白天、黑夜)等都會導致原始圖像復雜多變，若直接對原圖進行車牌定位，難度很大。所以一般在車牌定位前，要先對車牌圖像進行預處理，盡可能使得各種條件環境下的原始圖像統一轉換為包含車牌明顯特征信息的圖像，以利于后期對車牌進行定位。

一般攝像機采集的都是RGB真彩圖像，而我國車牌有藍、白、黃、黑等多種顏色，容易受天氣、光照等影響，使得彩色信息可靠性較差，而且若把彩色圖像大量的顏色信息作為主要的定位手段，那么會大大增加圖像處理的算法，影響識別速度，且穩定性較差。因此，本發明先把RGB真彩圖像轉化為灰度圖像，灰度圖的色彩只有256種，可以簡化圖像處理過程；然后用改進的形態學算法對灰度圖像增強并做二值化處理；最后通過水平掃描快速統計出二值圖像的黑白變化次數大于閾值的區域為車牌的可能區域，再根據一種新的形態學邊緣檢測算子提取圖像邊緣，增強圖像的紋理特征，然后通過對邊緣圖像水平、垂直投影進行車牌定位。

本發明的目的，在于提供一種基于數學形態學的車牌定位方法，其能夠實時對含車牌圖像進行車牌定位，保障交通運輸系統的安全有效監控及運行。為了達成上述目的，本發明的解決方案包括如下步驟：

(1)首先用CCD攝像頭采集含車牌圖像；

(2)將步驟(1)采集到的圖像轉換為灰度圖像；

(3)采用一種基于數學形態學的運算對灰度圖像進行增強；

(4)對增強后的灰度圖像做二值化處理；