基于DCT域的公路车牌定位算法

　　2. 4 平滑去噪

　　分类后的二值标记图中， 通常会存在一些零散的噪声点， 而真实车牌区域只有一个， 过多的噪声点往往会干扰车牌区域的投影， 引起定位框比实际车牌区域大， 或者制造假车牌区。因此， 在分割之前，需要对分类结果图进行平滑去噪。通常的噪声是一些物体边缘或纹理较丰富的背景， 形状大多不规则且分布较稀疏， 用统计滤波法， 可减小其影响， 具体方法为: 统计每个候选区域中的像素点数， 并找出最大的像素点数， 当候选区域的像素点数小于一定值时(本算法中使用候选区域最大像素点数的1 /4) ，即认为该区域为噪声区域， 将其去除。

　　对于候选车牌区中可能会有的少量凹区和断续， 可以通过游程平滑算法进行平滑。所谓游程平滑算法是对同一扫描行上的黑像素点之间的距离进行检测， 当两相邻黑像素点之间的空白游程长度小于门限值时， 则将这两点之间的空白游程全部填黑。

　　考虑到一条水平扫描线上的一段游程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)。当L2 的长度j- i- 1小于设定的门限T 时， 则将两黑游程L1 和L3 连接起来即把游程L2 的全部像素平滑成黑。在本算法中游程平滑算法运用了两次， 即水平方向和垂直方向各用一次。

　　处理后的图像如图3所示。

图3 平滑去噪处理后。

　　2. 5 投影分割

　　经过上述操作后， 某个区域内一定会包含实际的车牌， 为精确定位车牌， 采用投影法分割， 快速定位图像中的车牌区域， 并且误检率较低。

　　对于去噪后的标记图， 首先对其进行水平投影，然后对投影值进行分析， 确定出水平基线， 再在水平基线之间进行垂直投影， 确定出垂直基线。这样就可以初步定位出车牌区。基线的产生依据下面的规则: 首先设定一个阈值T， 将小于此阈值的投影值置0， 大于此阈值的投影值置1， 然后当相邻投影值一个为0， 另一个为1时， 即认为非零投影值处存在一条基线。在本算法中进行了两次投影， 即水平和垂直投影。确定出水平基线和垂直基线后即可在图像中划出矩形框， 标出车牌区域。另外， 为使矩形框紧紧包围车牌区域， 在画基线之前， 首先判断矩形框各基线上所有像素值之和是否为零， 若为零， 则将基线向靠近矩形中心的位置移动直到各基线上所有像素值之和不为零为止。算法的最终定位结果图如图4所示。

图4 定位结果图。

　　3 结束语

　　本算法通过对汽车图像进行离散余弦变换( DCT )， 得到DCT 系数， 并计算加权频率特征， 之后采用自适应阈值法， 实现车牌区/非车牌区的快速分类; 再经平滑滤波之后， 利用投影法实现车牌区域的定位， 有效降低误检率， 且运算复杂度较低， 有利于实现复杂背景中车牌区域的快速定位。经多次实验证明， 本算法具有较高的正确检测率， 部分实验结果如图5所示。