基于MSER和SVM以及强种子区域生长的车牌定位

摘要

针对传统车牌定位方式的缺陷,给出了将自然场景下文本检测的最大稳定极值区域(MSER,maximally stable extremal regions)算法与支持向量机(SVM,support vector machine)相结合的车牌定位方法.首先利用MSER算子对车牌字符进行初步定位,并依据字符区域的高宽比和占空比剔除明显不是字符的区域,再剔除重叠的字符区域,从而得到候选字符区域,然后将候选字符区域输入训练好的SVM分类器,用来剔除无效的字符区域.最后利用强种子的区域生长法将真实的字符区域聚合,通过求解连通区域的外接矩形,最终提取车牌区域,实现对车牌的精确定位.对比实验结果表明,在不同的自然场景下,该方法比传统的车牌检测算法的定位准确率高2％ ～3％,其自适应能力和鲁棒性都比较好,具有较高的实用价值.