基于LS-SVM的车牌图像倾斜校正新方法

4 实际校正实验

从车牌图像库中抽取倾斜车牌图像进行校正实验，得到的倾斜车牌图像LS-SVM校正结果如图3所示。其中图3(a)为比较典型的现场车牌图像。该图像中由于车牌安装位置不当，从而使上边框被遮挡。由于车牌边框图像不完整，典型的Hough方法无法对其进行校正。

采用LS-SVM方法进行实验，先对车牌图像进行二值化处理，其结果如图3(b)所示。由二值图像中的“1”值像素构造图像数据集并进行零均值化，再构建对称矩阵Ω并求其最大特征值对应的特征向量a。最后由特征向量a确定车牌图像的倾斜向量：

x=(-0.0816，0.9967)

因此，由式(7)可得该倾斜图像的坐标变换公式为：

倾斜车牌图像像素坐标经坐标变换后还原图像，达到了校正倾斜的目的，如图3(c)所示。

利用本文提出的LS-SVM方法对从车牌图像库中抽取的200多幅发生倾斜的二值车牌图像进行校正实验，均收到了良好的效果。

本文拓展了LS-SVM的应用领域，提出了一种基于LS-SVM的车牌图像倾斜校正方法。该方法将二值畸变图像看作一个数据集，并根据像素坐标将样本的特征拓展为3维。通过LS-SVM算法对该数据集进行回归，求取回归参数ω，即图像倾斜向量；然后根据倾斜向量构造坐标变换矩阵实现校正。该方法将图像Hough空间寻优问题转换为线性矩阵运算，简化了计算，提高了算法效率，避免了最优点搜索过程中的随机性和不稳定性。理论和实验表明：该方法对于边框不清或含有较大噪声干扰的图像仍能取得较好的效果，为通过非搜索的方法进行图像畸变快速校正又提供了一种新方法和新思路。