投影坐标方差车牌垂直校正matlab实现,基于投影坐标p次方差及粒子群的车牌倾斜检测...

车辆牌照识别是智能交通系统的核心技术之一,可广泛应用于高速公路自助收费、城市交通监视与控制以及智能停车场管理等方面,它主要包括车牌定位、倾斜校正、字符分割、字符识别4个部分.(1963),男,硕士研究生,主要研究方向为图像处理与识别.车牌图像一般通过固定架设在通道上方或一侧的CCD摄像机拍摄得到.由于现场车辆停靠位置和不同车辆的车牌的悬挂高度具有相对随机性,造成了拍摄距离和拍摄角度的不确定,使得定位后提取的车牌图像中的字符不可避免地存在某种程度的倾斜,这种倾斜会给下一步字符分割带来困难,并将导致后续字符识别正确率的下降,因此需要在车牌定位和字符分割步骤之间进行车牌倾斜检测与校正.目前常用的车牌倾斜检测方法主要有Hough变换法[1-5]、旋转投影法(或Radon变换法)[6-9]及主成分分析法(或图像矩法、K-L展开式法)[10-12]3类.Hough变换法通过Hough变换确定车牌边框倾斜角度,以此作为车牌倾斜角度;或者由Hough变换提取牌照边框参数后,再求解牌照区域4个顶点的坐标,然后通过双线性变换对畸变图像进行校正.但是现实中摄取的车牌图像存在噪声、污迹等干扰,再加上二值化等原因,使得车牌边框不明显、不完整甚至看不到,造成参数空间中的峰值点分散,导致检测效果不理想,且计算量大.旋转投影法通过旋转车牌图像将边缘点向纵坐标轴投影,如李文举等[6]根据4个最大投影值之和的最大值检测倾斜角,但因其依赖车牌边框直线特征而不具普适性;路小波等[7]则通过不同旋转角度下字符区域在纵轴上投影点最大距离的最小值求取倾斜角.这2种旋转投影法中最佳倾角的求取是一个寻优过程,需要对车牌图像进行水平旋转和投影并逐个角度穷举才能逐步逼近最佳倾角,检测到的倾斜角存在一定的误差,且计算量和精度大大取决于旋转角的步长.主成分分析法通过对边缘点进行主成分分析可快速求出车牌的主成分方向,从而得到车牌倾斜角.在精确度和计算复杂度方面,主成分分析法通常优于前2类方法;但其基于最小均方误差准则,当车牌图像存在较多的噪声点与奇异点时,检测精度会下降.本文提出了一种基于投影坐标p次方差及改进的带极值扰动简化粒子群的车牌倾斜快速检测方法.该方法根据p取不同值时,边缘点旋转投影坐标p次方差描述边缘点离散程度的方式不同,使得倾斜检测结果存在差异,由此确定最优的p值.当p=2时,由闭合表达式直接求得倾斜角;否则,可利用简单的高效粒子群优化算法寻找旋转投影坐标p次方差最小时的旋转角度,由此得到车牌倾斜角.最后通过实验对大量的倾斜车牌图像和100幅旋转固定角度后的车牌图像进行测试,并与常用的Hough变换法、旋转投影法及主成分分析法进行了比较.1车牌字符边缘点投影坐标p次方差分析定位检测出的图1a所示车牌图像可知,车牌字符区包含了大量的垂直边缘,而车牌图像的背景部分却很少出现垂直边缘,如图1b所示.因此可通过提取垂直边缘突出车牌图像的特征.由图1可见,图1a中车牌倾斜角度与图1b中车牌垂直边缘图的倾斜角度一致,所以计算出垂直边缘图的倾斜角度即为图像中车牌的倾斜角度.图1实际车牌垂直边缘图通常我们把车牌水平倾斜看成是绕坐标原点逆时针旋转角度,进行倾斜校正时只需沿相反方向旋转同样大小的角度,即绕坐标原点顺时针旋转角度.水平倾斜校正的坐标旋转模式如图2所示.图2车牌水平倾斜校正的坐标变换模式假设坐标空间中车牌字符上任一边缘点A(xi,yi)经过图2所示旋转后到点A(xi,yi),则根据图2可以计算出点A的坐标值为xi=xicos+yisinyi=-xisin+yicos(1)设车牌图像中垂直边缘点个数为