復(fù)雜背景下的多車牌定位技術(shù)研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展和我國(guó)人民生活水平的日益提高，城市公路交通問(wèn)題變得日益嚴(yán)峻，迫切需要運(yùn)用現(xiàn)代化技術(shù)實(shí)現(xiàn)公路交通的智能管理。在這一形勢(shì)下，智能交通系統(tǒng)得到了空前的發(fā)展，但尚需要進(jìn)行更加深入的研究。本文針對(duì)目前的多車牌定位中的閾值分割和偽車牌去除等難題，提出了一種改進(jìn)的閾值分割算法和一種比較全面的去除偽車牌的方法。
　　 通過(guò)深入分析現(xiàn)在車牌定位方法，本文從時(shí)間和效果兩方面考慮，采用現(xiàn)有的比較高效的處理方法。首先針對(duì)車牌原圖在何種空間

2、上處理的問(wèn)題，通過(guò)分析RGB、HIS、灰度空間上處理的利弊，認(rèn)為轉(zhuǎn)到灰度空間上處理，不僅在時(shí)間能夠滿足實(shí)時(shí)路況需求，而且在最終結(jié)果上也能夠滿足對(duì)多車牌的準(zhǔn)確定位。在邊緣提取方面，通過(guò)對(duì)現(xiàn)有邊緣提取算法的分析，本文選取了豎直邊緣檢測(cè)的方法，該方法不僅在時(shí)間上具有優(yōu)勢(shì)，而且較好的體現(xiàn)了車牌字符的特征。在二值圖像分割方面，通過(guò)分析Otsu、均值方法、均值迭代等全局閾值方法，本文提出了一種改進(jìn)的閾值分割方法，即先將圖像進(jìn)行區(qū)域劃分，然后采用區(qū)間

3、梯度均值和Otsu閾值的平均值作為新的閾值來(lái)分割區(qū)域圖像。該方法對(duì)車牌污染、車牌遠(yuǎn)近不一致等情況具有良好的適應(yīng)性。
　　 在多車牌定位中，偽車牌問(wèn)題比較突出。它不僅增加了后期處理算法的復(fù)雜度，而且增加了時(shí)間開銷。本文針對(duì)多車牌定位中的偽車牌去除問(wèn)題，提出了先利用顏色和寬高比等特征來(lái)去除一部分車牌，再利用本文提出的主連通域分析的方法來(lái)去除掉占有絕對(duì)數(shù)量的藍(lán)色偽車牌。主連通域分析的方法是充分利用梯度二值圖中的字符連通域不易出現(xiàn)交叉、