一种新的基于Radon变换的车牌倾斜校正方法

基于Canny算子和Radon变换的轨道图像校正方法

Correction method of track image based on Canny operator and Radon transform
YU Mingyang ， ZHU Qiguo， WANG Yijun
( College of Information Science and Engineering， Central South University， Changsha Hunan 410083 ， China)
对轨道图像校正、匹配、拼接、轨道内边缘提取、建模计算，实现轨道平顺性的检测，该方法成本低、效率高、检测密度大
［1 － 2 ］
。因此，利用摄影测量方法进行轨道平顺性检测具有
［3 － 4 ］
很大的应用潜力
。
轨道图像的校正是摄影测量检测轨道静态平顺性的重要技术环节。根据相机与轨面位置关系的不同，可将轨道图像分为两种。相机垂直轨面拍摄，获取的是轨道俯视图，无需校正，但获取轨道范围有限，图像后续匹配拼接次数多，效率低。相机与轨面呈一定角度进行拍摄，图像存在透视畸变，需要校正，但能获取较大轨道范围，图像后续匹配拼接次数少，效率 5］采用灭点法对图像进高。针对需校正的轨道图像，文献［行校正，此方法借助轨道图像中的平行线确定灭点、获取方位元素，从而求解校正矩阵，但是在轨道图像中，轨面与轨枕灰度差小、平行线少，无形间增加了校正的难度。
基于 Canny 算子和 Radon 变换的轨道图像校正方法
王一军余明扬，朱齐果，
（中南大学信息科学与工程学院，长沙 410083 ） ( * 通信作者电子邮箱 mingyang@ csu． edu． cn)

车牌识别中的倾斜车牌校正算法

车牌识别中的倾斜车牌校正算法
车牌识别是现代交通管理中不可或缺的技术之一。

然而，在实际应用过程中，会遇到一些车牌倾斜的情况，导致车牌识别率下降。

因此，研究车牌倾斜校正算法对车牌识别具有重要意义。

车牌识别中的倾斜车牌校正算法是针对车牌图像中出现的倾斜问题进行修正的算法。

它是通过对车牌图像进行预处理，将车牌图像进行倾斜校正，使得车牌上的字符垂直排列，以便于后续的字符识别。

在倾斜校正的过程中，常见的算法有基于角度旋转的算法、基于投影的算法、基于边缘的算法等等。

其中，基于角度旋转的算法是较为常见的一种方法。

它通过计算车牌的倾斜角度，然后进行图像的旋转，使得车牌上的字符垂直排列。

而基于投影的算法则是利用车牌上的字符进行投影，通过寻找字符的最小外接矩形，进而对图像进行校正。

基于边缘的算法则是利用车牌的边缘信息，进行边缘检测和霍夫变换，来计算车牌的倾斜角度，从而实现倾斜校正。

总的来说，车牌识别中的倾斜车牌校正算法是车牌识别技术中重要的一环。

通过对车牌图像进行倾斜校正，能够有效提高车牌识别的准确率和稳定性。

一种改进的Radon倾斜校正方法

ｙｙ
■ 生 ■ ■ ■ ■ ■ ■ ■ ■ ■ ｌ ■ ｎ变
蕾 ●● ｌ ■Ｉ ■■ｌ
越■ Ｉｌ
■■■■■量Ｉ
■■ ■■■誓Ｉ
由
角
Ｉ
Ｃ－。－－－－－ｌ
１１『＼，．
＼
图５水平垂直倾斜
■ —噩量 ■ 曩鹰
■ ■■ ●● Ｉ ●■ＩＩＩ．
法中最佳倾斜角度的求取是一个寻优过程，要进行多次投影才能逐步逼近最佳倾斜角度。该方法利用
Ｒａｄｏｎ变换求取车牌的水平和垂直倾斜角度，无需二值化图像，也不必旋转图像。大量实验表明，该方法简单实用，对光照不敏感，抗干扰能力强，并且对于畸变的车牌也有较好的矫正效果。
第３３卷
第６期
大庆师范学院学报
ＪＯＵＲＮＡＬＯＦＤＡＱＩＮＧＮＯＲＭＡＬＵＮＩＶＥＲＳＩＴＹ
Ｖｏ１．３３Ｎｏ．６Ｎｏｖｅｍｂｅｒ．２０１３
２０１３年１１月
０引言
随着机动车逐渐增多，车牌自动识别（ＡＬＰＲ）已经成为研究的热门。车牌识别的关键技术包括获取图像、车牌区域定位、字符分割以及字符识别。其中，车牌校正是车牌定位和字符分割之间的一个重要处理过程。车牌自动识别系统的摄像头总是固定在一个位置。这样就难免会有角度倾斜的问题。尤其在对闯红灯进行记录的时候，如果摄像机的铁杆不能达到马路中央，定位出的车牌由于倾斜导致精确度不高。目前的车牌倾斜校正方法主要有：１）Ｈｏｕｇｈ变换法 … 。通过Ｈｏｕｇｈ变换求取车牌的边框，进而确定车牌的倾斜角，或者由Ｈｏｕｇｈ变换提取牌照边框参数后，再求解牌照区域４个顶点的坐标，然后通过双线性空间变换对畸变图像进行校正。但因噪声、污迹等干扰，车牌的边框常常并不明显，甚至看不到边框。另外，由于二值化等原因，车牌上字符会有粘连和断裂现象，使Ｈｏｕｇｈ变换后的参数空间中的峰值过于分

一种新型车牌定位算法的研究

ＷＥＩＮａ，ＡＮＧｈｅｃｎ，ＨＡＮＧｎｇ，ＷＺｎ—ｈｅＺＣｏＰＡＮＧｎＹｉｇ
（ｅａｏｄｓｉｏｐｔｏｔｌｎｉｅｎｆｅｅＰｏｉｃ，ａｓａｎｖｒｔ，ｉｈａｇａ６０４，ｈａＫｙＬ１ｆｎｕｔａＣｍｕｅＣｎｒｇｅｒｇｏｂｉｒｖｅＹｎｈｎＵｉｓｙＱｎｕｎｄｏ０６０Ｃｉ））ＩｒｌｒｏＥｎｉＨｎｅｉｎ
Ａｂｔａｃ：ｎｔｒｃｓｆｃｒｌｃｎｅｐａｅｌｃｔｏｔａｒａｂａｎｈｇａｉｙｉａｅａｉｕｅｔｌｕｉｓｒｔＩｈｅｐｏｅｓｏａｉｅｓｌｔｏａｉｎ，ｈｅｃｍｅａｃｎｔｏｔｉｉｈｑｕｌｔｍｇｓｅｓｌｄｏｉｌｍ — ｙｎｔｏｏｄｔｏｖｅｏｎ，ｅｉｌｔｏｎｏｐｌｘｂａｋｇｏｄ．ｎｏｄｒｔｌｅｉｔｈｍｐａｔｏｈｓｒｂｌｍｓａｉｎｃｎｉｉｎ，ｉｗｐｉｔｖｈｃｅｍｏｉｎａｄｃｍｅｃｒｕｎＩｒｅｏａｌｖａｅｔｅｉｃｆｔｅｅｐｏｅ
获取到高质量的图像。为了克服这些问题，文在融合滤波的基础上，一种基于模糊算子的本将彩色图像边缘检测方法用于车牌定位中，结合数学形态法和改进后的４一邻域标记法，以及车
牌文本区的先验知识找到车牌的准确位置。本文用影像传感器对不同环境条件下获取的３００

基于MATLAB的车牌识别系统设计

信电1&China Computer&Communication 软件卄域;与龛用2021年第2期基于MATLAB的车牌识别系统设计张金凤(南京交通职业技术学院，江苏南京211188)摘要:本文在对国内外车牌识别算法的现状和已有的技术进行研究的基础上，开发一个基于MATLAB的车牌识别系统.该系统使用Radon变换对倾斜的车牌进行准确校正，采用OTUS算法二值化车牌图像，利用形态学理论中的开操作和闭操作对图像进行细化处理。

关键词：车牌识别；字符分割；字符识别；MATLAB中图分类号：TP391.41；U495文献标识码：A文章编号：1003-9767(2021)02-153-03The Design of the License Plate Recognition System Based on MATLABZHANG Jinfeng(Nanjing Vocational Institute of Transport Technology,Nanjing Jiangsu211188,China)Abstract：This paper develops a MATLAB-based license plate recognition system based on the research on the current status of domestic and foreign license plate recognition algorithms and existing technologies.The system uses the Radon transform to accurately correct the tilted license plate,uses the OTUS algorithm to binarize the license plate image,and uses the open and closed operations in the morphological theory to refine the image.Keywords:license plate recognition;character segmentation;character recognition;MATLAB0引言一般来说，车辆牌照识别系统由相机、计算机和自定义设计的图像处理软件组成，是智能交通管理系统中的重要组成部分E。

车牌的定位与字符分割报告

车牌的定位与分割实验报告一实验目的针对交通智能系统所拍摄的汽车图片，利用设定的算法流程，完成对汽车车牌部分的定位，分割车牌部分，并完成字符的分割，以便于系统的后续分析及处理。

二实验原理详见《车牌的定位与字符分割》论文。

三概述1一般流程车牌自动识别技术大体可分为四个步骤：图像预处理、车牌定位与分割、车牌字符的分割和车牌字符识别。

而这四个步骤又可归结为两大部分：车牌分割和车牌字符识别。

图1-1为车牌自动识别技术的一般流程图。

2本实验的流程（1）图像预处理：图像去噪（2）车牌的定位：垂直边缘检测（多次）形态学处理的粗定位合并邻近区域结合车牌先验知识的精确定位（3）车牌预处理：车牌直方图均衡化倾斜校正判定（蓝底白字或者黄底黑字）归一化、二值化（4）字符的分割：垂直投影取分割阈值确定各个字符的左右界限（结合字符宽度、间隔等先验知识）分割字符四实验过程4.1图像预处理4.1.1图像去噪一般的去噪方法有：空间域上的均值滤波和中值滤波；频率域上的巴特沃斯滤波器。

图4-1是各滤波器处理椒盐噪声的效果。

a．被椒盐噪声污染的图片 b.均值滤波的效果图 c.中值滤波的效果图 d.BLPF的效果图图4-1 各滤波器处理椒盐噪声的仿真可见，中值滤波对椒盐噪声的处理效果极好，而一般所拍摄的图片上最多的便是孤立的污点，所以此处以中值滤波为主进行去噪。

图4-2是采用中值滤波处理实际汽车图片的效果。

a.原始图像b.灰度图像c.中值滤波后的图像图4-2 中值滤波处理实际汽车图片的效果很显然，经过中值滤波后去除了原图上的部分污点。

4.1.2图像复原由于通常情况下都不知道点扩展函数，所以我们采用基于盲解卷积的图像复原策略。

图4-3~4-7图是函数进行盲解卷积的实验结果，其中图4-3是图像cameraman 的模糊图像。

图4-3 模糊图像在盲解卷积处理中，选择适当大小的矩阵对恢复图像的效果很重要。

PSF的大小比PSF的值更重要，所以首先指定一个有代表性的全1矩阵作为初始PSF。

几种车牌图像倾斜角度矫正算法

几种车牌图像倾斜角度矫正算法在车牌识别领域中，图像的倾斜会对识别效果造成一定影响，因此对车牌图像进行倾斜矫正至关重要。

下面将介绍几种常见的车牌图像倾斜角度矫正算法。

1. 直线检测法直线检测法是一种常见的图像倾斜矫正方法，其基本思路是通过Hough变换检测车牌上的直线，然后根据检测到的直线的斜率来计算车牌的倾斜角度，最后对车牌进行旋转矫正。

使用直线检测法进行倾斜角度矫正的优点是算法简单易懂，适用于各种类型的车牌图像。

但是，由于车牌图像中存在干扰线条等因素，因此直线检测的准确性受到限制。

同时，该方法也存在计算量较大的问题。

2. 边缘检测法边缘检测法是一种常见的图像处理方法，在车牌图像倾斜矫正中也有广泛的应用。

该方法的基本思路是，通过边缘检测算法检测车牌图像的边缘，进而计算出车牌的倾斜角度。

最后对车牌进行旋转变换矫正。

与直线检测法相比，边缘检测法计算量较小，因此运行速度较快。

但是，由于车牌图像中存在噪点等因素，因此该方法的准确性也存在一定的局限。

3. 预处理法预处理法是一种非常有效的车牌图像倾斜矫正方法。

该方法的基本思路是，通过图像预处理算法对车牌图像进行处理，得到车牌上的字符或特征信息，进而计算出车牌的倾斜角度。

最后对车牌进行旋转矫正。

相比于直线检测法和边缘检测法，预处理法更加准确有效。

但是，该方法需要对车牌图像进行预处理，因此算法复杂度较高。

4. 模板匹配法模板匹配法是一种基于模板匹配的车牌图像倾斜矫正方法。

该方法的基本思路是，利用车牌模板进行匹配，找出车牌上的特征区域，进而计算出车牌的倾斜角度。

最后对车牌进行旋转矫正。

由于车牌模板具有良好的特征性，因此该方法对车牌图像的倾斜角度矫正具有很好的效果。

但是，由于模板匹配过程中需要对车牌模板进行匹配，因此算法复杂度较高。

同时，该方法也需要预先准备车牌模板，对通用性存在一定的限制。

结论以上介绍了几种常见的车牌图像倾斜角度矫正方法，每种算法都各有优缺点，应根据实际情况选择合适的算法。

一种基于Radon变换的改进型纹理特征提取算法[发明专利]

专利名称：一种基于Radon变换的改进型纹理特征提取算法专利类型：发明专利
发明人：燕皓阳,刘颖,葛瑜祥,胡丹,李大湘
申请号：CN201611226881.4
申请日：20161227
公开号：CN106651933A
公开日：
20170510
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于Radon变换的改进型纹理特征提取算法，它涉及数字图像处理技术领域。

它包括Radon变换、双树复小波变换、子带系数的提取、特征值的计算、特征向量的构造、相似度的计算；Radon变换对原始图像Radon变换，通过图像Radon域系数与图像旋转角度的关系提取旋转不变量，双树复小波变换对变换过后得到的投影矩阵进行变换，子带系数的提取、特征值的计算以及特征向量的构造都在双树复小波变换基础上进行，相似度的计算是根据输入图像与图像数据库中图像纹理特征向量的欧氏距离来计算的，检索出与目标图像匹配的图像。

本发明解决图像的移动或旋转对产生的小波变换系数的影响问题，便于图像检索，方便高效。

申请人：西安邮电大学
地址：710000 陕西省西安市长安南路563号
国籍：CN
代理机构：北京华仲龙腾专利代理事务所(普通合伙)
代理人：李静
更多信息请下载全文后查看。

结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）

结合垂直投影法与固定边界分割的车牌字符分割算法（附源码和详细解析）上⼀篇博⽂简单有效的车牌定位算法（附源码和详细解析），详细介绍了数学形态学处理车牌粗定位与蓝⾊像素统计、⾏列扫描的车牌精确定位算法。

没有看的朋友可以先看上⼀篇博⽂。

这次，在牌照字符的分割上，我结合了⽬前使⽤最多的投影法和车牌固定边界的多阈值分割算法。

它的⼤致实现过程如下：第⼀步先对上⼀节粗定位完牌照的只有⿊⽩两⾊的图像bg2实施伪彩⾊标记。

第⼆步获取标记区域各连通块的尺⼨参数，⽤作下⼀步遍历的索引。

第三步投影得直⽅图，取⼀个分割阈值，划分出背景和字符的范围，也就是在直⽅图histrow(histcol)中区分⾕底点和上升点。

第四步分析峰⾕，得到例如最⼤峰中⼼距等参数。

最后⼀步，根据上⼀步求得的参数分割字符。

具体分割流程图如下图：图5-1 字符分割流程图⼀、车牌区域彩⾊标记与特征提取对粗定位车牌后的⼆值图像作连通区域4邻域的伪彩⾊标记的⽬的是为了⽅便计算出车牌区域的⾯积、宽⾼度以及车牌框架的⼤⼩、区域开始和结束的⾏列位置等区域特征参数，是为后续的车牌投影分析操作作预准备。

在这⼀步骤中，⾸先以4领域⼤⼩为模块对⼆值图像作区域标记，给每块连通区域块标记上序数，获取图像中连通区域的块数和图像矩阵L，初步计算出各连通区域的框架⼤⼩，然后再根据车牌的先验知识设置亮度⾼度的合理阈值筛选出真正车牌区域的连通域，记录下该连通域的序数，最后对车牌区域块作区域特征提取，获取车牌的框架⼤⼩、宽⾼度、宽⾼⽐例以及开始位置点的⾏、列数等参数。

在MATLAB中对车牌号码为粤A6ZC93和粤AC609Z两车辆的车牌粗定位⼆值图像作伪彩⾊标记效果如下图：（a）粤A6ZC93 (b)粤AC609Z图5-2 区域标记与特征参数提取⼆、车牌预处理(1) 基于Radon变换的倾斜校正从车体侧⾯拍摄的车辆图像中提取出来的牌照会出现⾓度的倾斜，为了后续操作的⽅便，需要进⾏⾓度的校正。

供电电源对高速ADC精度的影响

2021年 / 第11期物联网技术870 引言数据采集是物联网应用的关键技术之一。

正是通过数据采集终端将海量的环境数据汇聚起来，如温湿度、辐射、噪音等，以供后续的数据分析、设备控制与信息处理使用[1-3]。

逐次逼近型ADC 因其低电压、低功耗、与数字电路兼容性好的优点，在传感器、物联网等中等精度（10～12 b ）、中等速度（50～200 Kb/s ）领域应用广泛[4-5]。

ADC 实现高精度采集首先需要提供低噪声电源，大多数ADC 数据手册推荐采用低压差线性稳压器（Low Drop Output, LDO ）为高精度ADC 供电以便达到最佳性能[6-8]。

进行ADC 供电设计时应首先考虑转换器的选择。

LDO 的电源噪声显著低于开关电源[9]，但在物联网领域，低功耗、高效热管理、最大化电源效率和严苛的体积和重量限制决定了物联网嵌入式领域开关电源的使用较多，两者形成了一定的矛盾。

但如果提前确认好ADC 转换器对供电轨噪声影响的敏感度，开关电源也可以用于物联网嵌入式ADC 芯片的供电。

1 电源噪声影响参数及简要模型电源噪声有两个重要参数：电源抑制比（PSRR ）和电源调制比（PSMR ）。

其中PSRR 分为PSRR-DC 、PSRR-AC 。

电源抑制比（Power Supply Rejection Ratio, PSRR ）是指电源的输入与输出的纹波比值，可以用最低有效位（LSB ）的分数、百分比或对数比值形式表示，单位为dB 。

电源调制比（Power Supply Modulation Ratio, PSMR ）与电源抑制比（PSRR ）相似。

PSRR 衡量电源缺陷直接耦合到器件输出的程度，PSMR 衡量电源缺陷（纹波和噪声）如何被调制到RF 载波上。

ADC 芯片的电源引脚根据不同的工艺与电路拓扑结构，可以视为一个衰减器，通常其衰减值在40 dB 至60 dB 之间[10]。

MOS 芯片结构中，其S 极、D 极与信号路径存在一个较大的等效电阻，从而会带来衰减。

一种新的基于Radon变换的车牌倾斜校正方法

２００８，４４（３）１引言车牌识别（ＬＰＲ）是智能交通系统（ＩＴＳ）的重要组成部分，可广泛应用于交通监控和管理、车辆安全防盗等领域，有着广泛的应用前景。

ＬＰＲ技术是将摄像机等设备拍摄的车辆图像，经视频图像采集卡转换成数字图像（或直接使用数字摄像机获取数字图像）并传送给计算机，由计算机通过车牌识别软件定位提取车牌，分割车牌上的字符，最后识别出分割的字符，是一种不需人的干预、由计算机自动获得通行车辆车牌号码的技术。

最理想情况下拍摄的车牌图像是一个矩形，但由于摄像机和车牌之间角度的变化，常常使所拍摄的车牌图像产生倾斜现象，给字符分割带来不利影响，造成误分割和车牌识别率的下降。

因此，需要在字符分割之前进行车牌的倾斜校正。

目前的车牌倾斜校正方法主要有：（１）Ｈｏｕｇｈ变换法［１－３］。

通过Ｈｏｕｇｈ变换求取车牌的边框，进而确定车牌的倾斜角；或者由Ｈｏｕｇｈ变换提取牌照边框的参数后，再求解牌照区域四个顶点的坐标，然后通过双线性空间变换对畸变图像进行校正；（２）通过模板匹配寻找牌照区域的四个顶点，再通过双线性空间变换重建矩形车牌区域［４］；（３）通过求取车牌字符区域的局部极小和局部极大特征点，再进行投影确定车牌的倾斜角［５］；（４）通过求取车牌上各字符连通域的中心点，然后拟合为直线来确定车牌的倾斜角［６］；（５）基于主元分析的倾斜车牌图像校正方法［７］；（６）彩色边缘检测结合旋转投影法。

由于图像中车牌的边框有时并不明显（如有的白牌白车），且因噪声、污迹等干扰的影响，造成Ｈｏｕｇｈ变换后参数空间中的峰值点很分散，这使得方法（１）和方法（２）效果并不理想；当车牌上有污迹和噪声时，方法（３）的检测精度下降；由于二值化等原因，车牌上字符会有粘连和断裂现象，这使得方法（４）的效果也不理想。

而且，上述四种方法有一个共同的缺陷，就是当图像对比度较小、光照不均时，检测到的倾斜角误差较大；方法（５）对水平垂直倾斜的车牌图像校正具有良好的效果，但对畸变车牌图像的矫正效果不明基金项目：辽宁省博士科研启动基金（ｔｈｅＤｏｃｔｏｒａｌＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＦｏｕｎｄａｔｉｏｎｏｆＬｉａｏｎｉｎｇＰｒｏｖｉｎｃｅｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．２００６１０５２）；辽宁省教育厅高等学校科研项目资助（ｔｈｅＳｃｉｅｎｔｉｆｉｃＲｅｓｅａｒｃｈＰｒｏｇｒａｍｏｆＨｉｇｈｅｒＥｄｕｃａｔｉｏｎｏｆＬｉａｏｎｉｎｇＥｄｕｃａｔｉｏｎａｌＣｏｍｍｉｔｔｅｅｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．２００６０４８４）。

几种车牌图像倾斜角度矫正算法

汽车牌照图像倾角矫正方法研究首先我们对汽车牌照图像进行边缘检测，找出图像与背景的交线，然后就可以通过一定算法确定图像的倾斜角度了。

这里采用了Sobel水平方向算子对图像中的水平边缘直线进行检测[2]。

检测出图像中的直线后，我们要对其倾角进行计算，这里选用了Hough变换法、Radon变换法、最小二乘法和两点法四种方法来计算直线的倾角，下面将具体研究这四种方法并对其优缺点做出比较。

1 Hough变换法利用Hough变换法提取直线是一种变换域提取直线的方法，它把直线上的坐标变换到过点的直线的系数域，巧妙的利用了共线和直线相交的关系。

它的原理很简单：假设有一条与原点距离为s，方向角为θ的一条直线，如图3.1所示：图1 一条与原点距离为s，方向角为θ的直线直线上的每一点都满足方程：θs i nθ=（3.1）s+xc o s y证明过程如下：图2 坐标变换原理图如图3.2所示：θθc o s c o s x ob oc == （3.2） θθs i n s i n y nb nc == （3.3）所以：θθs i n c o s y x nc oc s +=+= （3.4） m 为直线l 上任意一点)1(,1x x md y y nd --=-= （3.5）因为：θθs i n )1(s i n y y nd df -== （3.6） θθc o s )1(c o s x x md df --== （3.7）所以：θθθθc o s 1c o s s i n 1s i n x x y y +-=- （3.8）所以：θθθθs i n 1c o s 1s i n c o s y x y x s +=+= （3.9）所以直线上任意一点都满足θθs i n c o s y x s += （3.10）图3 x-y 平面一点可以对应多个 s,θ值由图3.3可以看出点（x1,y1）即属于直线L1又属于直线L2，且满足：1sin 11cos 11θθy x s += （3.11） 2sin 12cos 12θθy x s += （3.12）所以，x-o-y 平面上的一点（x1,y1）对应于s-o-θ平面上的一条曲线。

一种新的基于Radon变换的车牌倾斜校正方法

一种新的基于Radon变换的车牌倾斜校正方法
贾晓丹;李文举;王海姣
【期刊名称】《计算机工程与应用》
【年(卷),期】2008(044)003
【摘要】车牌的倾斜给车牌字符分割与识别带来不利的影响.基于Radon变换,提出了一种新的车牌倾斜校正方法.对车牌图像在[-20°,20°]范围内进行Radon变换,并对变换后的结果求一阶导数绝对值的累加和,将累加和的最大值所对应的Radon 变换的角度作为倾斜角度.对水平倾斜的车牌进行双线性插值旋转校正,对垂直倾斜的车牌进行双线性插值错位偏移校正.实验结果证明,该方法简单实用,对光照、污迹等不敏感,抗干扰能力强.
【总页数】4页(P245-248)
【作者】贾晓丹;李文举;王海姣
【作者单位】辽宁师范大学,计算机与信息技术学院,辽宁,大连,116029;辽宁师范大学,计算机与信息技术学院,辽宁,大连,116029;辽宁师范大学,计算机与信息技术学院,辽宁,大连,116029
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于Sobel算子和Radon变换的车牌倾斜校正方法 [J], 吴丽丽;余春艳
2.基于Sobel算子和Radon变换的车牌倾斜校正方法 [J], 吴丽丽;余春艳;
3.一种基于Radon变换的文档图像倾斜校正改进算法 [J], 李志明
4.一种基于Radon变换的车牌图像分割和识别方法 [J], 汤井田;黄国祥;朱德兵
5.Radon变换在车牌倾斜校正中的应用 [J], 徐瑞
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Sobel算子和Radon变换的车牌倾斜校正方法

换测出车牌在水平和垂直两个方向上的倾斜角，结合倾斜角用剪切变换对二值化后的车悼进行校正。实验结果表
明，该方法简单易行，对污迹、光照不敏感。
关键词：车牌；倾斜校正；Ｓｏｂｅｌ算子；Ｒａｄｏｎ变换；剪切变换中图分类号：ＴＰ３９１．４１文献标志码：ＡＴＰ３９１．４１
ＷＵＬｉｌｉ．ＹＵＣｈｕｎｙａｎ
（ＣｏｌｌｅｇｅｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，ＦｕｚｈｏｕＦｕｊｉａｎ３５０１０８，Ｃｈｉｎａ）
Ｅｘｐｅｒｉｍｅｎｔｌａｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｅｔｈｏｄｏｆｅｒｓｒｏｂｕｓｔｎｅｓｓｗｈｅｎｄｅｌｉａｎｇｗｉｔｈｄｉｒｔｙｐｌａｔｅｓａｎｄｌｉｃｅｎｓｅｐｌａｔｅｓｉｎｖａｉａｒｎｔｌｉｇｈｔｉｎｇｃｏｎｄｉｔｉｏｎｓ．Ｋｅｙｗｏｒｄｓ：ｌｉｃｅｎｓｅｐｌａｔｅ；ｔｉｌｔｃｏｒｒｅｃｔｉｏｎ；Ｓｏｂｅｌｏｐｅｒａｔｏｒ；Ｒａｄｏｎｔｒａｎｓｆｏｍ；ｓｒｈｅａｒｔｒａｎｓｆｏｒｍ

监控视频中运动模糊车牌图像参数估计和复原

Journal of Hebei Vocational College of Public Security Police河北公安警察职业学院学报2021年6月Jun.2021第21卷第2期Vol.21No.2随着“天网工程”等各类治安防控视频监控系统的建设，视频侦查已广泛应用于各警种工作中，为事前预警、事中防控和事后侦查等技术的重要支撑。

但监控系统不可避免地受到诸多因素的干扰，如光学系统衍射、光学系统的相差、聚焦不实、相对运动等，这些因素都会造成图像退化[1]。

其中因相对运动而产生的模糊是监控视频中常见的问题之一，尤其是视频中的车辆牌照很容易产生运动模糊，使侦查人员不能及时获取有效的车辆信息，影响案件的侦办时效。

因此，需要对运动模糊车牌图像进行复原，进而从中得到有效的车辆信息。

在运动模糊的车牌图像处理中，复原运动模糊图像的关键是需要通过一些先验知识计算出原始图像退化时所形成的点扩散函数（PSF ）。

因此，深入研究对PSF 参数的精确估记具有重要价值。

对于运动模糊图像的模糊参数估计，当前国内外学者已研究出各类方法并取得了一定的成效。

其中，一些学者发现模糊图像频谱图中的明暗条纹具有某种分布规律，并针对这种规律提出了对应的参数估计方法，如Radon 变换、RANSAC 变换等[2]。

文献[3]通过对频谱图进行二次变换后使用Radon 变换估计模糊方向，并应用改进的路西理查德森算法复原图像，但无法避免十字亮纹的影响。

文献[4]提出先对模糊图片进行分块，选择信息丰富的部分使用Radon 变换检测角度，提高了检测精度，但在像素占比过小的模糊图像中，不易于在频谱中呈现出特征。

文献[5]提出频谱图分块结合边缘检测的方法，避免了十字亮纹产生的影响。

文献[6]为提高噪声存在时检测结果的鲁棒性，提出使用加Hamming 窗的改进算法。

文献[7]利用频谱分块和结合灰度均值进行反色处理来评估模糊角度，但无法避免实际模糊运动图像中十字亮纹的影响。