基于DCT域的公路車牌定位算法

　　2. 4 平滑去噪

　　分類后的二值標(biāo)記圖中， 通常會(huì)存在一些零散的噪聲點(diǎn)， 而真實(shí)車牌區(qū)域只有一個(gè)， 過(guò)多的噪聲點(diǎn)往往會(huì)干擾車牌區(qū)域的投影， 引起定位框比實(shí)際車牌區(qū)域大， 或者制造假車牌區(qū)。因此， 在分割之前，需要對(duì)分類結(jié)果圖進(jìn)行平滑去噪。通常的噪聲是一些物體邊緣或紋理較豐富的背景， 形狀大多不規(guī)則且分布較稀疏， 用統(tǒng)計(jì)濾波法， 可減小其影響， 具體方法為: 統(tǒng)計(jì)每個(gè)候選區(qū)域中的像素點(diǎn)數(shù)， 并找出最大的像素點(diǎn)數(shù)， 當(dāng)候選區(qū)域的像素點(diǎn)數(shù)小于一定值時(shí)(本算法中使用候選區(qū)域最大像素點(diǎn)數(shù)的1 /4) ，即認(rèn)為該區(qū)域?yàn)樵肼晠^(qū)域， 將其去除。

　　對(duì)于候選車牌區(qū)中可能會(huì)有的少量凹區(qū)和斷續(xù)， 可以通過(guò)游程平滑算法進(jìn)行平滑。所謂游程平滑算法是對(duì)同一掃描行上的黑像素點(diǎn)之間的距離進(jìn)行檢測(cè)， 當(dāng)兩相鄰黑像素點(diǎn)之間的空白游程長(zhǎng)度小于門限值時(shí)， 則將這兩點(diǎn)之間的空白游程全部填黑。

　　考慮到一條水平掃描線上的一段游程L = (P 1， P 2，……， P i， Pi+ 1，……，P j- 1， P j， ……， Pn ); 其中游程L1 =(P1， P2， ……， P i )和L 3 = (Pj ， ……， P n )是0- 游程(即黑像素游程)， 而L 2 = (Pi+ 1， ……， Pj- 1 )是1 - 游程(即白像素游程)。當(dāng)L2 的長(zhǎng)度j- i- 1小于設(shè)定的門限T 時(shí)， 則將兩黑游程L1 和L3 連接起來(lái)即把游程L2 的全部像素平滑成黑。在本算法中游程平滑算法運(yùn)用了兩次， 即水平方向和垂直方向各用一次。

　　處理后的圖像如圖3所示。

圖3 平滑去噪處理后。

　　2. 5 投影分割

　　經(jīng)過(guò)上述操作后， 某個(gè)區(qū)域內(nèi)一定會(huì)包含實(shí)際的車牌， 為精確定位車牌， 采用投影法分割， 快速定位圖像中的車牌區(qū)域， 并且誤檢率較低。

　　對(duì)于去噪后的標(biāo)記圖， 首先對(duì)其進(jìn)行水平投影，然后對(duì)投影值進(jìn)行分析， 確定出水平基線， 再在水平基線之間進(jìn)行垂直投影， 確定出垂直基線。這樣就可以初步定位出車牌區(qū)?；€的產(chǎn)生依據(jù)下面的規(guī)則: 首先設(shè)定一個(gè)閾值T， 將小于此閾值的投影值置0， 大于此閾值的投影值置1， 然后當(dāng)相鄰?fù)队爸狄粋€(gè)為0， 另一個(gè)為1時(shí)， 即認(rèn)為非零投影值處存在一條基線。在本算法中進(jìn)行了兩次投影， 即水平和垂直投影。確定出水平基線和垂直基線后即可在圖像中劃出矩形框， 標(biāo)出車牌區(qū)域。另外， 為使矩形框緊緊包圍車牌區(qū)域， 在畫基線之前， 首先判斷矩形框各基線上所有像素值之和是否為零， 若為零， 則將基線向靠近矩形中心的位置移動(dòng)直到各基線上所有像素值之和不為零為止。算法的最終定位結(jié)果圖如圖4所示。

圖4 定位結(jié)果圖。

　　3 結(jié)束語(yǔ)

　　本算法通過(guò)對(duì)汽車圖像進(jìn)行離散余弦變換( DCT )， 得到DCT 系數(shù)， 并計(jì)算加權(quán)頻率特征， 之后采用自適應(yīng)閾值法， 實(shí)現(xiàn)車牌區(qū)/非車牌區(qū)的快速分類; 再經(jīng)平滑濾波之后， 利用投影法實(shí)現(xiàn)車牌區(qū)域的定位， 有效降低誤檢率， 且運(yùn)算復(fù)雜度較低， 有利于實(shí)現(xiàn)復(fù)雜背景中車牌區(qū)域的快速定位。經(jīng)多次實(shí)驗(yàn)證明， 本算法具有較高的正確檢測(cè)率， 部分實(shí)驗(yàn)結(jié)果如圖5所示。