基于小波分析的车牌定位方法

沈 洋，单士娟

（宿迁学院，江苏 宿迁223800）

基于小波分析的车牌定位方法

沈 洋，单士娟

（宿迁学院，江苏 宿迁223800）

根据图像中车牌的形态特征和横向纹理属性，运用分形盒维数来描述车牌字符的特征，并结合小波变换来定位车牌，该方法计算简单，且不依赖车牌的颜色、形状、尺寸，具有极好的鲁棒性和实时性.测试结果表明，该方法正确定位率超过93%.

小波分析；分形维数；车牌定位

目前，高精度的车辆识别技术对于日益发展的智能交通管理与控制系统起着越来越重要的作用，而自动车牌识别又是车辆识别中的核心技术.自动车牌识别技术主要包括3个模块：车牌定位，字符分割与字符识别［1］.

关于车牌的定位，当前已经进行了很多研究，并提出了许多算法.它们主要是基于车牌的不同特征提出的.目前比较流行的算法有：①基于边缘检测法：即通过检测出车牌的边缘来定位车牌；②基于车牌颜色信息的车牌定位方法：由于车牌的颜色与车身、背景不同，因此可以用颜色来定位车牌；③基于纹理信息的车牌定位方法［2］：车牌内有多个基本成水平排列的字符，字符和牌照在灰度值上存在跳变，因而车牌区域内有丰富的边缘存在，且呈现出规则的纹理特征.

本文通过采用提取车牌纹理信息的方法来定位车牌.

1 小波变换

“小波”就是指小区域的波［3］，它是一种特殊的长度有限、平均值为0的波形.小波分析就是将信号分解成一系列小波函数的叠加，而这些小波函数都是由一个母小波函数经过平移与尺度伸缩得来的［4］.信号f（x）的小波变换可记为：

式中：a＞0，称为尺度因子；t反映位移，其值可正可负；＊表示共轭.

为了提高处理速度，本文选用Harr小波，基本哈尔小波函数（Haarwaveletfunetion）定义如下：

2 分形盒维数

分形科学是非线性科学的主要分支之一，目前已广泛应用于图像工程的各个领域［5］.常用的分形维数计算方法有盒维数法、地毯法和离散分数布朗增量随机场法.其中盒维数法具有计算方法简单、抗噪稳定性好等优点.其计算步骤是图像划分成尽可能细的网格（网格的宽度设为ε），N（ε）是宽度为ε＊ε＊ε的包含所要估计的图像区域的最少立方体个数，则盒维数定义为：

3 车牌定位的具体步骤

车牌定位的具体步骤如下：

第一步：用Harr小波对拍摄的车辆图像（如图1所示）进行二维小波变换，得到原图的垂直边缘子图（如图2所示）；

第二步：对得到的子图进行垂直梯度计算，加强图像的垂直边缘（如图3所示）；

第三步：将子图分成互不相交的32＊32的子图集合，计算每个子图的分形盒维数；通过实验发现：若子图中存在车牌区域，则其盒维数在2.53～2.82之间，故保留盒维数在此区间的子图，其余子图赋值为零（如图4所示）；

第四步：通过车牌的形状信息，采用连通法去除伪车牌区域（如图5所示）.

图1 拍摄的车辆图片

4 实验结果分析

在VC环境下，对从数码相机获取的50张车辆图片进行实验，结果表明车牌正确识别率达到了93.5%.未正确定位的主要原因是背景中存在与车牌纹理相似的物体，这也是我们下一步要研究的问题.

5 结 语

本文通过对图像进行小波变换来提取车牌图像字符的分形特征，取得了较好的车牌定位效果，且算法复杂度低，对车牌的倾斜不敏感.

［1］ 李孟歆，吴成东，夏兴华.一种车牌识别系统中的混合车牌定位方法［J］.微计算机信息，2008，24（27）：113－115.

［2］ 谭志标，戴青云，邸磊，等.一种基于纹理的快速车辆牌照分割方法［J］.计算机工程，2005，31（12）：208－210.

［3］ 戴青云，余英林.一种基于小波与形态学的车牌图像分割方法［J］.中国图像图形学报（A版），2000，5（5）：411－415.

［4］ 王涛.基于小波变换和神经网络的车牌识别算法研究［D］.武汉：武汉理工大学，2007.

［5］ 甘龙，高隽.基于分形维数的车牌字符识别［J］.中国公路学报，2002，15（4）：75－77.

A License Plate Localization Algorithm Based on Wavelet Analysis

SHEN Yang，SHAN Shi－juan
（Suqian College，Suqian 223800，China）

According to the morphological characteristics of the image plate and horizontal texture properties，this paper presents a method for vehicle license plate localization using fractal dimension and wavelet analysis.This method is simple and does not rely on the license plate color，shape and size，and has excellent robustness and real－time.Test results show that the rate of more than 93%correct positioning.

wavelet analysis；fractal dimension；vehicle license platelocation

TP391.41

A

10.3969／j.issn.1671－6906.2010.05.020

1671－6906（2010）05－0076－03

2010－10－09

沈 洋（1979－），男，江苏宿迁人，讲师.