多尺度积角点检测和视觉颜色特征的鲁棒车牌定位算法

摘要：

车牌图像包含的尺度、仿射变化及其复杂的背景是影响车牌定位准确度的重要因素。在高斯差（DOG）尺度空间框架下，笔者提出了一种基于多尺度乘积的角点特征和视觉颜色特征提取及其相融合的车牌定位算法。基于高斯差尺度空间的图像边缘信息，应用多尺度乘积分别提取具有尺度和仿射不变特性的角点和颜色特征，并在两特征融合结果基础上确定车牌位置候选区域；最后通过车牌区域特征点之间的距离及密集关系实现车牌的准确定位。对大量实拍的复杂环境下的车辆图像进行测试表明，该算法对车牌定位具有快速、高效的定位效果，且在噪声、仿射变换等方面的鲁棒性表现较好。

关键词：车牌定位、尺度空间、角点检测、视觉颜色特征、特征融合、鲁棒性

所属期刊栏目：39

分类号：TP272(自动化技术及设备)

资助基金：国家自然科学基金青年科学基金资助项目61202348；重庆理工大学创新基金资助项目YCX2014226；重庆市基础与前沿研究计划资助项目cstc2013jcyjA40038。Supported by National Natural Science Foundation of China 61202348；Chongqing University of Science and Technology Innovation Foundation YCX2014226；Chongqing Natural Science Foundation cstc2013jcyj-A40038．

在线出版日期：2016-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：89-98