|
a)扫描到有黑白纹理变化时即为起点； 160 b)从起点开始在一定范围(170个象素)之内产生稳定的变化频率f(f>14)； c)从上一次变化到下一次变化间隔的象素数(象素数<4)。 2)同理，对垂直投影图像进行从底向上左扫描，记录牌照的结束点。 3)根据车牌特征值确定车牌边界。在找到起点后，根据标准化车牌本身的约束条件，即长和宽的固定比例，结合起点的坐标，对所得的候选车牌区域进行筛选，从而得到最终的车165 牌区域。 4 试验结果及结论分析 4.1 实验结果 本文给出了，在复杂背景下处理彩色图，确定车牌区域的特定算法。效果图如图3： 170 (a) 复杂背景车辆图像 (b) 三级灰度化后的图像 175 (c) 边缘化后效果图 (d) 车牌定位效果图 180 图3 实验结果图 图3(a)是包含四辆车的复杂背景下的原始图像，应用HSV色度模型分类，进行三级灰度化后如图3(b)所示的效果图；再经过本文提出的边缘算子的边缘化处理后得到如图3(c)所示的效果图，最后利用投影法准确地实现了车牌的定位，分割出了车牌，如图3(d)所示。 185 4.2 结论 本文提出了一种基于HSV颜色模型和投影特征的复杂背景下的车牌定位算法。用该算法处理三段不同时段、不同光照下的200万像素的公路收费站视频（每段视频时长为1小时），准确率达到97.6%，每帧视频图像处理时间在30毫秒左右。该算法对车牌大小，车牌在图像中出现的位置及背景限制较少，并且能满足实时处理的要求。 190 实验证明，本文提出的车牌定位算法可以应用于实际的车牌定位系统之中，及其他基于特征的图像检索场合。 [参考文献] (References) [1] 闫青.常用车牌定位算法浅析[J]. 微型机与应用，2010，（2）：2-3. 195 [2] 全书海，薛志华，王琴. 于投影图像分布特征的车牌定位算法研究与实现[J]. 汉理工大学学报，2005，29（6）： 879-872. [3] 华人民共和国公安部，GA36-1992. 中华人民共和国机动车号牌[S]. [4] 章毓晋. 图像处理和分析[M]. 北京：清华大学出版社，1999. [5] 冈萨雷斯，阮秋琦，阮语智. 数字图象处理[M]. 西安：电子工业出版社，2005. 200 [6] 片兆宇，孟祥萍，张红. 多阶段车牌定位算法[J]. 计算机科学，2009，36（8）：297-299. 学术论文网Tag：代写硕士论文 代写论文 代写MBA论文 代写博士论文 |
