基于边缘信息的车牌定位

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｉｍｈａｔｔｒｒｏｓａｔｒｅｇａｉｎｖｌｅｎｌｎｅｐａｌｅｓＥｘｅｉｎｒｕｔｉａｅｈｔｓｍｅｏｆｏｔｅｆｃｔａｔｅｅａｅｃｎｔｎｌａｇｒｄｅｔａｕｓｉｉｅｓｌｔｆ＇ａ．ｐｒｍｅｔｓｌｉｄｃｔｓｔａｔｉ＇ｈｈｙｌｃｅｌｅｎｈｈｔｄｓｕｓｏｕｔｅｆｒｎｅｏｍａｅｗｉｉｎｅｐａｅｏｄｖ￣ｅｃｌｒａｄｉａｅａｓｍｅａｒｂｓｐｒｏｍａｃｎｉｇｓｔｌｅｓｌｔｆｉｅｈｃｏｏｎｍｇｓｗｉａｉｕｌｍｉａｉｎ．ｔｒｏｓｉｕｎｔｓｈｖｌｏ
摘要：现有车牌定位算法在车牌颜色和车辆颜色接近时，算法的有效性ห้องสมุดไป่ตู้下降。鉴于这种情况，提出一种基于边缘信息的车牌定位方法，主要根据车牌区域边缘信息丰富的特点，结合脉冲耦合神经网络，－Ｓｂｌ￣ｏｅ算子对输入彩色图像
实行多通道边缘检测与分割，再结合投影信息进行定位。实验结果表明，该方法对不同光照度和不同颜色组合的车牌
Ａｂｓｒｃ：ｅｃｎｅｔｎｌｔｏｓｆｒｃｎｅｒｃｇｉｏｙｔｍｆｎｓｆｅｅｌｉｇａｃｒｃｅｉｅｓｌｔｓａｅｔａｔＴｈｏｖｎｉａｈｄｅｓｅｏｎｔｎｓｓｅｏｔｕｒｃｉｎｃｕａｙｗｈｎｌｎｅｐａｅｒｏｍｅｏＬｉｉｅｄｎｃ
３６０
中国科技论文在线
ＳＥＣｌＮＣＥＡＰＲＯＮＩＰＥＬＮＥ
对于车牌不同的颜色组合有较好的鲁棒性。本文提出
一
种结合脉冲耦合神经网络和边缘检测的车牌定位
方案。
为识别系统的第１，步其精确度直接影响之后的字符分割和识别。已有很多学者致力于这方面的研究，并且取得了效果。目前主要的方法有：基于颜色纹理的检测，Ｈｕｈ变换，基于边缘信息的检测［］ＪｏｇＪ７以及－８利用小波提取纹理信息进行定位等。其中，在图片颜色丰富、车牌颜色不固定时，基于颜色的定位算法效果受到一定限制，特别是当车辆颜色和车牌颜色相近时，此方法的效果下降明显。Ｈｕｈ变化则需要而ｏｇ较大的计算量，往往影响检测的速度。已有的方法在中，基于边缘检测的算法体现了较好的性能，此方法
的区域，在图像分割，特别是有噪图像的分割上体现了良好的性能。本文算法的具体流程为：首先利用竖直Ｓｂｌ算子对输入的彩色图像进行多通道边缘提ｏｅ取，并利用ＰＮ得到二值分割图像，ＣＮ之后采用形态
作者简介：卓炜（９７）女，硕士研究生，主要研究方向：图像处理与模式识别１８一，通信联系人：齐春，教授，主要研究方向：图像处理与模式识别，ｑｈｎａ．ｔ．ｕｒｉｕ＠ｍｉｊｅ．ｌｃｌｕｄｃｘ
第６第４卷期
Ｖ１ｏ．ｏ４６Ｎ．
２ｌ年４０１月
中国科技论文在线ＳＩＮＰＰＲＯＮＬＮＥＣＥＣＥＡＥＩ
Ａｐ．０１ｒ２１
基于边缘信息的车牌定位
卓炜，齐春
（西安交通大学电子与信息工程学院，西安７０４）１０９
ＺｕｈｏＷｅ，ＱｉｈｎｉｕＣ
（ｃｏｌｆｅｃｏｉａｄｉｏｍｔｎＸｉｎｉｔｎｎｖｒｉ，ｉｎ７０４，ｈｎ）Ｓｈｏｏｌｔｎｃｎｎｒａｉ，＇ＪａｏｇＵｉｓｙＸ＇１０９Ｃｉｅｒｆｏａｏｅｔａａ
ｃｎａｉａｅｏｌｒｅ．ｎｏｄｒｔｍａｅａｉｐｏｅｅｔａｍｅｏｂｓｄｏｄｅｓｔｔｓａｅｐｓｎｅ，ｉｈａｅｓｍｏｔｍｎｔｄｒｂｕｒｄＩｒｅｏｋｎｍｒｖｍｎ，ｈｔ￣ａｅｎｅｇｔｉｉｌｒｅｔｄｗｈｃｒｔａｓｃｅｅ
ＫｅｒｓｅｇｒｅｔｎｕｓｏｐｅｕａＮｅｏｋｉｅｓｃｌａｉｙｗｏｄ：ｄｅｏｃｏ；ＰｌＣｕｌＮｅｒｌｔｒ；ｌｎｅｏａｚｔｎｐｊｉｅｄｗｃｌｉｏ
由于车牌识别技术在交通安全系统的重要应用，车牌识别一直倍受人们的关注。车辆识别系统由３部分组成：车牌定位；字符分割；字符识别。车牌定位作叫
收稿日：２１－一期０ｌ４ＯＯ８
在车牌区域有着丰富的竖直边缘信息，基于此特征提出一种基于边缘检测的车牌定位算法。为了实现定位过程中对图像的良好分割，笔者采用脉冲耦合神经网络（ＣＮ［－］ＰＮ）０３１１来实现这个功能。脉冲耦合神经网
络是Ｅｋｏ于２世纪９年代提出的第３ｃｈｍ００代新型神经网络，该网络的同步脉冲发放机制能够连接不连续
图像的定位具有良好的鲁棒性。关键词：边缘投影；脉冲耦合神经网络；车牌定位中图分类号：Ｔ３１Ｐ９文献标志码：Ａ文章编号：１７６３—７８（０１ｏ —００ —５１０２１）４３５
Ｌｉｅｓｌｔｏａｉａｉｎｂｓｄｏｄｇｎｏｍａｉｎｃｎｅｐａｅｌｃｌｔｏａｅｎｅｅｉｆｒｔｏｚ