中国图象图形学报JournalofImageandGraphics第5卷(A版)2000年5月第5期Vol.5(A),No.5May.2000一种基于小波与形态学的车牌图象分割方法1),2)1)戴青云余英林(1)华南理工大学通信与电子工程系,广州5106412)广东工业大学电子与信息工程系,广州510643)摘要针对汽车车牌号与车身背景的分割问题,给出了一种基于小波分析和数学形态学的图象分割方法.该方法是通过小波多尺度分解提取出纹理清晰,具有不同空间分辨率、不同方向的边缘子图象.其水平方向低频、垂直方向高频的这一细节分量,主要代表车牌的目标区域.然后,用数学形态学方法对小波分解后的细节图象进行一系列的形态运算,进一步消除无用信息和噪声,以找准车牌位置.用该方法对在不同照明条件下所采集到的一系列车头车尾图象进行了大量的实验.实验结果表明,该方法定位效果好,分割精度高,适于对有噪声的车牌图象进行分割.关键词车牌图象分割小波变换数学形态学中图法分类号:TP391.41文献标识码:A文章编号:100628961(2000)0520411205AKindofSegmentationMethodofVehicle-License-PlateImagesBasedonWaveletandMathematicalMorphoDAIQing2yun1),YUYing2lin1)1)(Dept.OfComm.andElec.Engineering,SouthChinaUniversityofTechnology,Guangzhou510641)2)(Dept.OfElec.andInfo.Engineering,GuangdongUniversityofTechnology,GuangzhouAbstractInthispaper,akindofpracticalimagesegmentationalgorithmforsegmentingthelicenseplatefromitsvehiclebodybackgroundispresented,basedonwaveletmultiscaleanalysisandmathematicalmorphology.Bymulti2resolutionanalysisandpyramiddecomposition,theedgecomponentswithdifferentspatialresolutionsanddifferentdirectionscanbeacquired,amongwhich,thehorizontallow2frequencyandverticalhigh2frequencycomponenthasthemostdistinguishedtexturefeaturestandingfortheobjectregionofthelicenseplate.Thenbyfurthermorphologicaloperations,thenoiseintheseedgecomponentscanbegreatlydecreasedandthelocationsofthelicenseplatescanbealsoaccuratelydetermined.Wehavecompletedaseriesofexperimentsunderdifferentconditions.Theexperimentresultsshowthatthesegmentationeffectsandit’sorientationaccuracyareimproredsignificantly,sotheproposedmethodisveryeffectiveforsegmentingandlocatingnoisyvehiclelicenseplates.Keywords识,对图象中的目标、背景进行标记、定位,然后将待识别的目标从背景或其它伪目标中分离出来.图象分割是图象理解的重要组成部分,只有有效地完成分割,才能进一步提取目标特征并识别目标.传统的图象分割方法主要有基于区域的分割方法、基于边界的分割方法和基于边沿的分割方法3种1.国内外已有大量学者对此进行了广泛的研究2,3,但这些分割方引言0近年来,图象处理技术已在模式识别领域取得了很大的进展,但是在实际应用的过程中,我们经常遇到一个同样的难题,即怎样才能快速、有效地将感兴趣的目标从复杂的背景中分割出来?这实际上是一个图象分割所要解决的问题.基金项目:国家自然科学基金项目(69772026),广东省高教厅重点项目(990049)收稿日期改回日期从复杂的背景中分割出来,以便进一步识别的技术,并将该技术应用于高速公路自动收费系统.由于收费系统一般采用CCD工业电视摄像机获取图象数据,且在野外作业,所以所采集到的图象与用扫描仪扫描得到的图象相比,其质量不太理想,主要原因是:(1)各类机动车型号不一,且同一种类型车上车牌的位置也不尽相同.(2)含有丰富的自然背景及车身背景信息,同时易受照明条件(白天,黑夜)、天气条件(阴、雨、雾、雪)及运动失真和模糊的影响.(3)由于在野外环境下使用,车牌会有不同程度的磨损,变形.(4)汽车的车速不尽相同,通过收费站时摄像机的角度也有所差异.所以,要对车牌号码进行自动识别,首要的问题是要将车牌区域从复杂背景中分割出来.为了保证车牌上汉字省名和数字号码的正确识别,所输入的图象必须有足够清晰的分辨率,因此需采用分辨率在1024×768以上的摄像机采集图象.然而直接在原始图象中搜索车牌是很困难的,所以需要进行一系列预处理,如降...