基于DCT域的公路車(chē)牌定位算法

　　2. 4 平滑去噪

　　分類(lèi)后的二值標記圖中， 通常會(huì )存在一些零散的噪聲點(diǎn)， 而真實(shí)車(chē)牌區域只有一個(gè)， 過(guò)多的噪聲點(diǎn)往往會(huì )干擾車(chē)牌區域的投影， 引起定位框比實(shí)際車(chē)牌區域大， 或者制造假車(chē)牌區。因此， 在分割之前，需要對分類(lèi)結果圖進(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， 形狀大多不規則且分布較稀疏， 用統計濾波法， 可減小其影響， 具體方法為: 統計每個(gè)候選區域中的像素點(diǎn)數， 并找出最大的像素點(diǎn)數， 當候選區域的像素點(diǎn)數小于一定值時(shí)(本算法中使用候選區域最大像素點(diǎn)數的1 /4) ，即認為該區域為噪聲區域， 將其去除。

　　對于候選車(chē)牌區中可能會(huì )有的少量凹區和斷續， 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同一掃描行上的黑像素點(diǎn)之間的距離進(jìn)行檢測， 當兩相鄰黑像素點(diǎn)之間的空白游程長(cháng)度小于門(mén)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(xiàn)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L2 的長(cháng)度j- i- 1小于設定的門(mén)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)區域內一定會(huì )包含實(shí)際的車(chē)牌， 為精確定位車(chē)牌， 采用投影法分割， 快速定位圖像中的車(chē)牌區域， 并且誤檢率較低。

　　對于去噪后的標記圖， 首先對其進(jìn)行水平投影，然后對投影值進(jìn)行分析， 確定出水平基線(xiàn)， 再在水平基線(xiàn)之間進(jìn)行垂直投影， 確定出垂直基線(xiàn)。這樣就可以初步定位出車(chē)牌區?；€(xiàn)的產(chǎn)生依據下面的規則: 首先設定一個(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， 然后當相鄰投影值一個(gè)為0， 另一個(gè)為1時(shí)， 即認為非零投影值處存在一條基線(xiàn)。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(xiàn)和垂直基線(xiàn)后即可在圖像中劃出矩形框， 標出車(chē)牌區域。另外， 為使矩形框緊緊包圍車(chē)牌區域， 在畫(huà)基線(xiàn)之前， 首先判斷矩形框各基線(xiàn)上所有像素值之和是否為零， 若為零， 則將基線(xiàn)向靠近矩形中心的位置移動(dòng)直到各基線(xiàn)上所有像素值之和不為零為止。算法的最終定位結果圖如圖4所示。

圖4 定位結果圖。

　　3 結束語(yǔ)

　　本算法通過(guò)對汽車(chē)圖像進(jìn)行離散余弦變換( DCT )， 得到DCT 系數， 并計算加權頻率特征， 之后采用自適應閾值法， 實(shí)現車(chē)牌區/非車(chē)牌區的快速分類(lèi); 再經(jīng)平滑濾波之后， 利用投影法實(shí)現車(chē)牌區域的定位， 有效降低誤檢率， 且運算復雜度較低， 有利于實(shí)現復雜背景中車(chē)牌區域的快速定位。經(jīng)多次實(shí)驗證明， 本算法具有較高的正確檢測率， 部分實(shí)驗結果如圖5所示。