倍区域高度，而W4略大于W3,之后对形成的区域进行宽度和高度的过滤，并对保留的区域 再次进行形状过滤； (6) 区域纹理过滤：对保留的连通区域对应的灰度图进行自适应局部阈值法，该方法 是在计算某一像素点周围m*n领域内的均值后，将该均值与该像素值进行比较，大于该值 者为前景，否则为背景，在得到二值图后对每行跳变数进行统计，对跳变数在[7, 50]范围 内的行进行统计，若其所占的比例大于70%，则该区域被保留，否则过滤该区域。5. 根据权利要求4所述的基于字符位置的车牌定位方法，其特征是：所述的上下冗余 过滤是对连通区域的二值图进行行投影，左右冗余过滤则进行列投影，过滤行列的方式均 是对投影值首次小于50%者作为边界，此过程为上下左右冗余过滤。6. 根据权利要求1所述的基于字符位置的车牌定位方法，其特征是：所述的步骤S4中 车牌精定位时包括下述步骤： (1) 精定位前处理：首先根据车牌的长宽比和宽度、高度进行预扩展，然后对扩展后的 车牌进行非蓝色通道的灰度化，即只取RGB通道中红、绿分量，其比值分别为0. 33和0. 67， 通过计算候选车牌灰度图的均值和标准差确定自适应局部阈值法中的参数c值后，进行二 值化处理，该方法是将像素领域内的均值加上c值后作为该像素的阈值，使用自适应局部 阈值法得到二值图像，即在确定二值化参数c后，以某一像素周围m*n领域范围内的均值加 上c后作为该像素的阈值，以此实现二值化，m和η的取值为候选车牌高度的0. 5倍；再对二 值图的中心部分区域进行列扫描，统计前景像素个数超过T的列数1，Τ取值范围为[2, 10]， 在计算出列数1占总扫描列数的比例为R后，根据R的范围来对进行蓝黑/黄白车牌的判 断，将双层车牌的上层去除，统一为单层车牌，最后使用l*k的形态学开运算去除上下长线 段，k的大小多为0. 65-0. 85倍车牌高度； (2) 列投影左右粗定位：对前处理后的二值图进行列扫描，寻找左右首次列投影大于 45%的位置即为车牌边界； (3) 列投影上下粗定位：首先使用列投影记录下每列的前景像素个数，构成列投影曲 线图，字符间隙在图中体现为波谷，故找到出现车牌字符间隙的波谷值，并根据波谷值得出 车牌冗余的行数，并对车牌进行相应行数的扫描，判断并去除冗余行； (4) 左右再定位：对车牌进行列投影，将区域分为三种：①白块，垂直投影超过90% ; ②灰块，垂直投影在10%到90%之间；③黑块，垂直投影在10%以内，从左至右（或从右 至左）进行此三种区域的统计，若区域长度超过tl倍车牌高度者被过滤，tl取值范围为 [0. 25, I. 25]间取值，当出现4种区域块时，停止扫描；（5)连通区域法精定位：在连通区域 法精定位时，第一步是对候选车牌进行前处理，首先对车牌进行微扩展，然后对候选车牌进 行包括基于颜色的二值化方法和去除上下冗余在内的处理，基于颜色的二值化时，在进行 灰度化时要区分黄/白牌和蓝/黑牌，前者二值化时只考虑黄色程度，即取红色分量和绿色 分量，两者的系数均为〇. 5,而蓝/黑牌采用的非蓝色通道的灰度化，同时，对于夜间车牌需 要去除其左右冗余，在确定二值化参数c值后使用自适应局部阈值法，并对黄/白牌的二值 图像进行反转；第二步是通过连通区域标记法找出每个字符的位置，第三步是找出字符间 的宽间距，宽间距对应单层车牌中的分隔符，同时，对第一个英文字母的左位置进行记录； 第四步是将候选车牌的RGB图像转至HSV图像，通过计算候选车牌中背景像素的H分量均 值hBM来区分黄/白牌，而蓝/黑牌则通过计算前景/背景像素 V分量均值vFM和vBM来 进行区分；第五步是确定车牌边界，对于蓝/黑牌，可完全通过宽间距来确定车牌位置，若 未找到宽间距，则根据字符个数对候选车牌进行扩展，寻找字符，从而确定车牌位置；而黄 /白车牌则需检测上部是否含有字符，若含有则为双层车牌，否则为单层车牌，同时确定车 牌位置。7. 根据权利要求6所述的基于字符位置的车牌定位方法，其特征是：所述的精定位前 处理时，对于夜间车牌，使用列投影方法扫描左右列，去除左右冗余，具体如下： ① 计算候选车牌灰度图的均值和标准差，且均值和标准差均为归一化为[〇, 1]后的结 果； ② 根据下式确定参数backTh ;③ 统计左（右）列中像素值大于backTh的像素比例，若该比例不超过30%，去除该列， 继续向左（右）扫描，直至出现第一个超过30%为止。8. 根据权利要求6所述的基于字符位置的车牌定位方法，其特征是：所述的 二值化处理中的参数c的确定方法具体包括以下步骤： ① 计算灰度图的均值gMean和标准差gSTD ; ② 使用下式确定二值化参数c ; gMAS = gMean+gSTD gMMS = gMean-gSTD9. 根据权利要求6所述的基于字符位置的车牌定位方法，其特征是：所述的冗余行的 判断方式：①前景线段或背景间隔长度超过kl倍候选车牌高度，kl取值为[0. 8, 1. 5];② 前景线段或背景间隔个数少于k2,或大于k3,其中k2取值为[3, 6]，k3取值[11，15];③前 景线段或背景间隔的方差均值比大于阈值k4, k4取值为[8, 20]。10. 根据权利要求6所述的基于字符位置的车牌定位方法，其特征是：所述的车牌颜色 初判断方法具体包括以下步骤： ① 对去除左右kl*col宽度和去除上下k2*row高度的候选车牌区域进行列扫描，其 中col、row为候选车牌的列数和行数，kl的取值范围为[0.20. 35]，k2的取值范围为 [0. 20. 25]； ② 当扫描的列中出现前景的像素个数大于forPointT个，则表明该列为前景列，并 计数前景列个数forCol和所有前景像素个数forPoint，其中forPointT的取值范围为 [2, 5]; ③ 列扫描完成后，计算出前景像素百分比forPointRate和前景列所占百分比 forColRate，根据下表初步判断出车牌颜色，表中fPRTh的取值范围为[0. 55, 0. 65]，fPRTl 的取值范围为[〇. 45, 0. 50]，fCRT的取值范围为[0. 7, 0. 9]，11. 根据权利要求1所述的基于字符位置的车牌定位方法，其特征是：所述的车牌倾斜 矫正包括下述步骤： (1) 矫正前处理：对黄色车牌进行灰度化时只考虑黄色分量，而其他车牌采用非蓝色 通道的灰度化方法，在确定二值化参数c后使用自适应局部阈值法得到二值图，并对黄、白 牌的二值化结果进行反转，若车牌长宽比大于wHRT则进行上下冗余的去除，其中单层车牌 的wHRT取值范围在[1.7, 2. 5]之间取值，而双层车牌则在[3. 7, 4. 5]的范围内，对车牌进 行行扫描，对于前景线段和背景间隙过长、个数过多，以及线段分布不均匀的行进行过滤； (2) 红色字符位置判断：从左向右（或从右向左）取chaHighM*0· 5宽度的区域 ChaReglmg，并将RGB空间转换为YIQ空间，统计ChaRegImg的I值超过0的像素，并计算其 均值iPM，若iPM大于9,则统计前景中I分量大于iPM的像素而形成的区域RedReg，并计算 其长宽比wHR，若wHR大于0. 4,且RedReg中I分量大于iPM的像素个数占 ChaRegImg中I 值大于〇的像素个数的比值redForR大于0. 2,则说明该ChaRegImg中含有红色字符，并根 据位置判断出红色字符的位置：左或右； (3)车牌倾斜矫正：水平矫正首先找寻车牌中每个字符的位置，然后得出第一个不 靠顶字符的上部中心点与最后一个不靠顶字符的上部中心点所形成的水平连线的倾斜 角α 1，同时得出第一个不靠底字符的下部中心点与最后一个不靠底字符的下部中心点 所形成的水平连线的倾斜角α 2,对α 1和α 2求平均值即为水平倾斜角α，接着进行相 应角度的旋转矫正即可；垂直矫正则对每个字符进行剪切变换得到每个字符的垂直倾斜 角度，去除一个最低值和最高值再求平均即为垂直倾斜角度β，再通过相应角度的剪切 变换即可，矫正时，在获得倾斜角度α和β后，若角度小于angleT(angleT角度范围是 [3°，3.5° ])，则不进行倾斜矫正；（4)矫正后处理：去除上下冗余行，而对于因倾斜角度 α和β小于angleT而不进行倾斜矫正的车牌，不进行上下冗余行的去除，为确保矫正后字 符笔画的平滑，对第一个英文字母左位置以后的部分区域进行3*3的中值滤波，即不对汉 字部分进行滤波处理。
【专利摘要】一种基于字符位置的车牌定位方法，该方法包括：S1：图像下采样，对ROI区域中的RGB图像进行每隔K个像素的下采样操作，ROI宽度大致为一个车道的宽度；S2：图像预处理，根据原图像对环境进行大致判断，对不同的光照情况进行不同的预处理方式；S3：车牌粗定位；S4：车牌精定位；S5：在进行原图像映射时，根据下采样参数K及候选车牌的位置得出该车牌在原图像中的位置，同时将第一个英文字母的左位置进行映射，得出其在原始图像中的位置；S6：车牌倾斜矫正，在进行车牌倾斜矫正时，首先对车牌进行矫正前处理，然后对车牌中的红色字符位置进行判断，再进行水平矫正和垂直矫正，最后进行矫正后处理。
【IPC分类】G06K9/62, G06K9/54, G06T7/00
【公开号】CN105528609
【申请号】CN201410507883
【发明人】李静立, 李战斌, 李 赫, 刘中奎, 林苏鹏
【申请人】江苏省兴泽实业发展有限公司
【公开日】2016年4月27日
【申请日】2014年9月28日