一种基于数学形态学和Hough变换的车牌图像检测及定位算法

一种基于数学形态学和Hough变换的车牌图像检测及定位算法一种基于数学形态学和Hough变换的车牌图像检测及定位算法车牌识别系统(LPR)在现代交通检测和管理部门中发挥着举足轻重的作用。车牌识别系统主要包括车牌定位、字符分割和字符识别三部分[1]。由于车牌定位的准确与否将会直接影响到车牌识别的结果，因此，车牌定位是LPR的一项关键技术。常见的车牌定位技术主要有：边缘检测法[2]、投影法[3]、神经网络法[4]、数学形态学法[5]、基于彩色图像的定位算法[6]。边缘检测法对车牌图像边框的连续性要求较高；神经网络方法计算量大，且要求车牌尺寸基本不变，否则必须对神经网络进行重新训练；基于形态学的方法受噪声影响比较大；基于彩色图像的定位算法适应性差，对于偏色以及背景颜色干扰等情况无法做出有效处理。由于存在许多外在的干扰，背景信息往往比车牌信息更加复杂，给目标搜索带来巨大的困难，单一的定位方法已经无法保证其有效性。为此，本文提出了一种综合的定位算法，对预处理的图像进行形态学的高帽变换后，利用边缘检测得到连通区域进行粗定位，然后结合Hough变换和车牌的先验知识进行车牌的精定位，该算法充分利用了车牌的字符信息，能够快速而准确地提取出车牌区域。1车牌的固有特征车牌识别是一种特定对象的识别，是一种在先验知识指导下的识别。我国现在使用的车牌主要执行中华人民共和国机动车牌号标准[7]，其具有以下的特征：(1)形状特征：汽车车牌区域的每个字符宽度为45mm，字符高度为90mm，间隔符宽10mm，字符间隔为12mm，整个车牌区域的宽高比为44/14。这部分特征在车牌的定位分割方面具有重要的意义。(2)纹理特征：车牌有一个连续或因磨损而不连续的边框；标准车牌(军车、警车、教练车、外交车除外)模块包含7个字符，它们基本呈水平排列；在矩形的车牌区域内部有着较丰富的边缘信息，呈现出规则的纹理特