复杂车辆图像中的车牌定位

2)由质心处分别向两边进行检测。1值作为起点，当检测到下个点也为1时，再继续检测下个点；当检测到下个点为0时，num_zero=num_zero+1，再继续检测下len个点，若len个点中有一个为1，则把这个点当作起点继续检测。若len个点均为0，则最后的1值处即为车牌的端点处。
3)若num_zero=6，则车牌区域完整，跳出循环。若num_zero6，放宽阈值len_new=1．2*len，再进行检测。直到len_new=2*len时，若还未跳出循环，则说明该区域不是车牌区域，转入上层循环，查找下一候选区域。
结果表明，在该细定位的算法下，车牌识别较为准确，只有少数车牌出现字符断裂的情况。出现断裂的车牌图像是因为车牌尾字符为数字1，在做差分投影时，其显示为谷值，故漏检一位字符。针对此种情况，将最终定位的车牌边缘值与初始候选区域的边缘值相比较，若投影后的边缘值小于候选区域1个字符长度以上，则认为其尾字符在差分投影中被减掉，可将其补上。最终输出车牌图像如图9所示：

3 实验结果
实验所采用的图像为640×480像素256级灰度图像，其中车牌包括小型民用车牌照(蓝底白字)、大型民用车牌照(黄底黑字)、军用牌照(白底黑字)。图像中车牌所占的大小比例各异，背景不同，其中部分车辆车身有明显的字符图案和粘贴的警示语。在集中检测的80幅图中正确检测了77幅，漏检1幅。误检2幅。漏检图像由于车牌掉色过于严重，导致最后几位字符无法检测；而误检的两幅图是因为车牌底部有颜色、字符均与车牌相近的广告语，无法将其与车牌区分开来。该问题可以在车牌定位之后的字符识别环节中可以得到解决。

4 结论
本文提出的算法综合了质心检测排序，颜色判别和投影法字符跟踪检测的方法。该算法通过质心检测排序的方法解决了车身上部文字花纹和广告语、警示语对车牌识别的干扰：通过颜色识别排除了类似车灯区域等有着高边缘特性区域对车牌区域的干扰；而投影法字符跟踪检测算法解决了在精确车牌字符定位中字符断裂、缺损等情况的发生。该算法定位检测准确率高，且抗干扰能力强，在实际应用过程中是可行有效的。