2)找到H、S、V 3个变量的最大值点H_max、S_max、V_max，这几个特征值便能代表整个区域的颜色特征信息；
    3)颜色判断的算法为
   
    实验结果证明，该算法识别准确率比传统算法高，能对车身有大量图案干扰的车辆进行准确识别。质心位置检测可以排除颜色与车牌相近的车身图案、标志的干扰。颜色识别则可以排除位于车牌附近车灯、保险杠等干扰。

2 车牌识别的细定位
2．1 竖直投影处理
    在粗定位的候选区域里，常会存在错误和误差。错误大多是因为在车牌下部还附带有文字广告，警示语等。而误差的产生大多是由于图像清晰度低或曝光不足等因素导致的车牌识别中字符间断裂等情况。
    为解决此类问题，采用竖直分量投影的方法。选取能包含待选区域且与原图像等宽的最小区域的灰度图，利用以下公式将相邻2个像素点两两进行相减再求和，即可求得该列上边缘信息的变化情况。
   
    将每一列的投影值均计算出来后，即可作出候选区域的投影图，如图4，5，6，7所示。

    由投影图可以看出，有字符的区域有明显峰值，而字符之间均为谷值。通过该峰谷的交替变换，即可判断字符的位置和数量。
2．2 基于字符间隔的细定位
    在实际操作过程中，有时选区域是由其他字符组成，如广告或字符图案，其特征与车牌特征过于相似，导致一般方法很难将其区分开来。此时，可采用谷值数量检测的方法判断字符数目来区分车牌与字符图案。另外由于图像曝光等原因，导致字符处出现断裂，使车牌区域变成两个候选区域。因此，在最终输出时往往只能输出车牌的一部分，而不是全部。为了解决字符断裂的问题，采用谷值跟踪技术。即由质心点分别向左右两侧检测谷值处，并统计谷值的个数。对于普通车牌，即7个字符，应有6个谷值点。当检测到确实为6个谷值点时，则找到车牌，当检测谷值点小于6个时，放宽阈值，继续检测，直到谷值点为6个为止。具体操作过程为：
    1)找到投影图像的峰值peak，并将整个投影图像二值化。即：

上一页  [1] [2] [3]  下一页