白雁力，周信东

(桂林电子科技大学教学实践部，广西 桂林 541004)

车牌识别是智能交通系统的重要组成部分，而车牌定位直接关系到的车牌识别的成败。目前常用的车牌定位算法分为两大类:1)灰度图像处理。该方法基于空间信息处理，以检测车牌边界为目的，常见的方法有直方图处理，数学形态学、区域生长和Hough变换等[1-4];2)彩色图像处理。该方法通过对图像背景和目标颜色的区分进行车牌定位[5-6]。两类算法都具有对于低噪声、边缘特征不复杂、车身颜色与车牌颜色明显不同的图片能实现较高定位率的优点，但是由于图像的不确定性，也都存在对高噪声、车辆前脸边缘异常复杂和车身颜色与车牌区域颜色接近的图片定位准确率低的缺点。所以，车牌定位算法的研究和优化仍然是重点。

针对上述两类算法对高噪声、车牌与车身颜色相近图片定位率低的缺点，在微分算子[7]的基础上，进行车牌定位算法研究。该算法从突出车牌区域和搜索车牌边界两方面，进行车牌定位。突出车牌区域采用基于欧氏距离变换[8]原理改进二阶微分算子;搜索车牌边界，利用一阶微分算子对曲线的波峰和波谷进行处理，并通过微分值、曲线占空比等参数确定车牌边界。

1 图像处理中的微分算子

微分算子是图像处理中的重要算子，其算法实现简单，广泛应用于图像边缘检测。常用的微分算子有一阶微分算子和二阶微分算子。

1.1 一阶微分算子

一阶微分算子是根据单个像素在邻域内的灰度跳变，依据边缘邻近一阶方向导数变化规律，突出图像边缘。……