第３６卷第１期 燕山大学学报 Ｖｂ１．３６ ＮＯ．１ ２０１２年１月 Ｊｏｕｒｎａｌ ｏｆＹａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｔｙ Ｊａｎ．２０１２ 文章编号：１００７—７９１Ｘ（２０１２）０１—００４４—０６ 基于边缘颜色对特征及笔画穿越双层检测车牌定位算法 胡正平 ，曹兵兵 （燕山大学信息科学与３－．程学院，河北秦皇岛０６６００４） 摘 要：针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题，提出基于边缘颜色对特征 以及笔画穿越双层检测车牌定位算法，不但充分利用车牌边缘颜色搭配信息，而且有效利用了车牌字符结构信 息。粗检测阶段：首先进行边缘检测，人工收集所有搭配的彩色边缘特征数据，利用机器学习模型建立车牌边 缘颜色对覆盖分类学习模型，然后利用车牌边缘颜色对覆盖分类学习模型，并利用先验信息进行形态学处理形 成车牌候选区域。验证阶段：针对粗检测车牌候选区域，扫描车牌边缘穿越信息，最后利用车牌区域整体边缘 分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点，综合利 用了车牌的结构特征和纹理特征，提高了车牌定位的可靠性。实验采用１００幅含有不同颜色搭配的车牌图像进 行实验，定位准确率达到９６％以上。 关键词：车牌定位；边缘颜色对：方向分布；覆盖分类模型 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ ＤＯ１．１０．３９６９￣．ｉｓｓｎ．１００７—７９１Ｘ．２０１２．０１．００９ ０引言 据窗口内标准方差或均值比值来提取感兴趣区域。 研究发现，在彩色图像中，约有９０％边缘与灰度图 智能交通信息系统是一个热点研究问题，车牌 像的边缘相同，有１０％的边缘在灰度图像中检测不 定位与识别是计算机视觉、图像处理与模式识别技 到，因为这些边缘来自颜色的变化。所以近年来彩 术在智能交通领域的重要应用，其中车牌定位是要 色图像中定位车牌成为第二类技术思路，主要方法 解决的关键问题之一，车牌定位精确与否，直接影 有：基于颜色，基于颜色和纹理特征陋 ，基于颜色 响到最终能否正确识别车牌号码，影响到整个系统 和几何特征ｐ］，基于神经网络，以及几种方法相结 的性能。 合，例如：将彩色边缘检测与区域生长相结合，将 车牌区域内含有字符，但不能简单地把文字区 颜色与数学形态学相结合的车牌定位方法。考虑到 域定位 的方法应用到车牌定位上。车牌定位基 车牌本身的约束信息，研究者开始讨论根据车牌先 本思想是通过车牌区域的显著特征来判断牌照位 验约束的第三类定位思路。例如文献【８】提出基 置，车牌定位的准确与否直接关系到车牌识别的精 于特征颜色边缘检测的车牌定位方法，通过分析局 度和速度。对车牌区域实现鲁棒自动定位主要存在 部区域内指定颜色分布，使车牌颜色和纹理特征同 复杂背景干扰、颜色分布散度大、图象模糊、牌照 时进行提取，而只检测出车牌内两种颜色之间的边 区域不明显等难点。目前，车牌定位的研究主要沿 缘，而大量无用的边缘被忽略，极大地减轻了后续 着３类技术路线进行：一类是在灰度图像中检测， 处理工作的难度。进而文献［９］提出基于颜色搭 主要方法包括基于纹理，基于边缘 ，基于数学形 配与纹理特征的车牌定位方法，通过分析车牌照具 态学口 ，基于梯度，基于小波Ｈ ，基于角点等定位 有固定颜色搭配的特点构造颜色搭配掩膜矩阵对 思路。例如文献［５］中将车牌作为纹理局部不规 原边缘图像进行条件约束，减轻后续工作难度。接 律的图像，提出一种滑动同轴窗口的分割技术，根 着文献［１０］提出专门的 Ｎ彩色图像边缘检测 收稿日期：２０１１—０５－３０ 基金项目：国家自然科学基金资助项目（６１０７１１９９）；河北省自然科学基金资助项目（Ｆ２０１０００１２９７） 作者简介： 胡正平（１９７０・），男，四川仪陇人，博士，教授，主要研究方向为统计学习理论与模式识别，Ｅｍａｉｌ：ｈｚｐ＠ｙＳＵ．ｅｄｕ．ｃｎ。 第１期 胡正平等基于边缘颜色对特征及笔画穿越双层检测车牌定位算法４５ 思路，导出一种与车牌颜色特征相结合的车牌定位 专用边缘检测算法，将车牌的颜色对约束条件融合 到边缘算法中，专用边缘检测算法可以大大缩小车 牌初步定位的范围。另外文献［１１］充分利用车牌 边缘信息和滑动条带窗口提出复杂背景图像中的 车牌处理思路。最后文献［１２］提出一种在ＲＧＢ 空间中提取颜色特征，并根据车牌字符数及字符排 列的规则度来检验车牌候选区域的定位方法。纵观 已有文献提出的方法，可以发现目前不是简单把车 牌当成字符区域去考虑，例如以前的车牌定位算法 中，大部分提取颜色和纹理综合特征的算法都是顺 序进行的，即先突出车牌底色，再进行纹理分析， 而现在对颜色和纹理特征的提取是同时进行的，提 高特征提取的效率。本文充分利用车牌的固有特 征，包括颜色、字符分布等特性，例如车牌背景与 字符具有固定的颜色搭配。考虑车牌的固有显著特 征，通过建立覆盖分类模型又充分考虑其特征分布 情况，粗检测与验证相结合的双层定位模型提高了 系统的稳定性。 １系统组成 系统算法组成如图１所示，利用边缘颜色对实 现粗定位模块，充分利用了车牌背景与字符具有固 定的颜色搭配，经阈值处理、形态学滤波、最小矩 形区域覆盖得到候选车牌区域。在验证模块中，在 粗定位的基础上提取车牌字符穿越特征，使用训练 好的覆盖模型对候选车牌区域进行验证筛选，得到 最终定位结果。 臣圆 图１算法基本流程图 Ｆｉｇ．１ Ｂａｓｉｃ ｆｌｏｗ ｃｈａｒｔ ｏｆｔｈｅ ａｌｇｏｒｉｔｈｍ ２基于边缘颜色对特征以及笔画穿越双层 检测车牌定位 ２．１边缘检测及方向编码 车牌区域是具有边缘的字符区域，因此基于边 缘颜色对特征的车牌定位方法要实现车牌的准确 定位，首先必须解决边缘检测的问题，使用何种边 缘检测算法必须根据实际处理对象的需要来进行 选择。本文首先用Ｓｏｂｅｌ算子提取原始图像的边缘， 得到其边缘图像。Ｓｏｂｅｌ算子是一阶导数的边缘检 测算子，通过３ｘ３模板作为核与图像中的每个像素 点做卷积和运算，然后取合适的阈值以提取边缘。 图像 中点（ｆ，．，）的梯度计算如下： ＧＸｉ，ｊ）＝Ｓｏｂｅｌｘ ｆ， ， Ｇｙ（ｉ，ｊ）＝Ｓｏｂｅｌｙ １（ｉ， ， Ｇ（ｉ， ＝ 丽 丽， （１） 式中， ６Ｐ 和 ６ｅｆ），分别是水平和竖直方向的Ｓｏ— ｂｅｌ算子， 表示空间卷积。 为了更好地提取搭配的彩色边缘特征数据，对 边缘检测后的呈多方向分布的边缘进行方向估计。 再根据角度啪取边缘颜色对。 之解公式为 ｏ（ｉ，ｊ）＝ａｒｃｔａｎ（Ｇｙ（ｉ， ／ （ｆ， ）。 ２．２边缘颜色对特征 车牌具有多种颜色，底色有蓝色，黄色，黑 色，字符颜色有白、黑、红等颜色。经观察发现颜 色特征的重要特点是车牌底色与字符颜色具有固 定搭配，即白底黑字或红字、蓝底白字、黑底白字 和黄底黑字。如图２蓝底白字车牌中的字符“１” 所示，在车牌字符“１”的边缘ｅ 上任取一点Ａ，ｅ 代表 的边缘方向， 点两侧 。、 两点的颜色分别 为ｃｏｌｏｒ（Ｂ ）＝蓝色，ｃｏｌｏｒ（Ｂ２）＝白色，则称边缘点 的颜色配对为（蓝色，白色），称之为边缘点Ａ的边 缘颜色对。同理，右边的垂直边缘 上的边缘点颜 色配对为（白色，蓝色），本文只关心边缘点两侧的 像素的颜色搭配，因此这两种颜色对是等价的。 训练库中边缘颜色对特征提取的彩色图片包 夔 堂堂塑 ！ 括不同光照条件、不同场景和不同拍摄角度等情 况，这样可以确保建立的特征覆盖模型具有较好适 应性。在ＲＧＢ颜色空间中直接提取车牌颜色特征 数据，设ＲＧＢ彩色图像中的红、绿、蓝３个颜色 分量分别为尺、Ｇ、 。由文献［１２】可得，像素呈 现蓝色时，蓝色分量大于其他两个分量；像素呈现 为黄色时，红色分量和绿色分量相对于蓝色分量 大；像素呈现为红色时，红色分量大于其他两个分 量；像素呈现黑色时，红、绿、蓝３个分量的值都 比较小；像素呈现白色特征时，红、绿、蓝３个分 量的值都比较大。根据这个原理，给出如下颜色特 征定义公式： ｆ （ ，ｊ）＝２Ｂ（ｉ， 一Ｒ（ｉ， ）一６（ｉ， 蓝色 ｌ ｆ（ｆ， ） （ｆ， ）＋Ｇ（ｆ，ｕ，）～２Ｂ（ｉ， 黄色 … １ （ｆ，ｊ）＝２Ｒ（ｉ，ｊ）－Ｇ（ｉ，力一Ｂ（ｆ， 红色 。 １ （ｆ， ＝ （ｆ， ＋Ｇ（ ， ＋ （ ， ）／３黑（白）色 依据式（３），分别计算４种底色车牌的特征数 据构成特征训练数据库，并利用覆盖模型建立边缘 颜色对分类器。 图２边缘点Ａ的边缘颜色对不意图 Ｆｉｇ．２ Ｅｄｇｅ—ｃｏｌｏｒ ｐａｉｒ ｓｃｈｅｍｅｓ ｏｆ ｅｄｇｅ ｐｏｉｎｔ Ａ ２．３边缘颜色对近邻覆盖模型 最近邻覆盖模型规则如下：假定有Ｃ个类别： ∞ ，∞：，…，ＣＯ 的模式识别问题，每类由标明类别的 样本 （ｆ＝１，２，…，ｃ）个，规定∞类的判别函数为 ｇ，（ｘ）＝ｍｉｎｌｌｘ一 ｌｌ，ｋ＝ｌ，２，…，Ｍ， （４） 其中， 的角标滚示∞ ，庀表示∞粼个样本中的 第蚧。 近邻不设门限时，决策规则可以写为：若 ｇｊ（ｘ）＝ｍｉｎｇ，（ｘ），ｉ＝１，２，…，Ｃ， （５） 贝 ∈ 。即对未知样本 ，只要比较 与所有已知类 别之间的欧式距离，并判融与离它最近的样本同 类，但是该思路对于非边缘颜色对排除能力不强。 为此，这里针对４种边缘颜色对分别设置不同的门 限，这里门限 取同类样本最近邻距离的最大值， 近邻设门限 肘，决策规则可以写为：若同时满足 ｇｓ（ｘ）＝ｍｉｎｇ，（ｘ），卢ｌ，２，…，Ｃ （６） 和 岛∽＜ｔｈ ， （７） 则认为ｘＥｃｏｊ，否则测试样本属于非训练类样本。 以图２中的字符“１”上的待检测的边缘点 Ａ（ｉ， 为例，利用最近邻覆盖模型进行判决，当满 足式（５）、（６）时，保留此边缘点。 钟 ｆ 件 ㈣ 当背景有与车牌区域类似的颜色对时，图像中 还会出现无关边缘线，因此需要滤除由干扰引起的 边缘。边缘滤除步骤为：１）滤除边缘图像中过高、 过短的边缘；２）滤除边缘图像中过宽、过窄的边 缘；３）车牌区域内有均匀排列的字符，因此会存 在丰富边缘，边缘密度会比较大，所以要滤除边缘 图像中密度小的边缘。 ２．４形态学处理 为了获得车牌候选区域，需要对边缘二值图进 行形态学处理，利用车牌字符高度、宽度和字符间 距等先验信息选择合适的形态结构元Ｂ对二值边缘 图像 进行开运算和闭运算，使各个分散的边缘点 形成不同连通候选区域。形态学开、闭运算定义为 开运算：ＡｏＢ＝（ＡｅＢ）￣Ｂ， 闭运算： ・ ＝ ｅＢ）ｅＢ。 本文中利用水平结构元 枷对边缘二值图像进 行形态学闭运算，用来连接字符间的断裂部分；再 先后利用水平结构元 和垂直结构元 ，进行形 态学开运算，去除车牌区域孤立的背景噪声。经过 形态学滤波、最小矩形区域覆盖得到候选车牌区 域，实现车牌粗检测。 ７８ 燕山大学学报 ２０１２ Ｑｕａｓｉ ｗａｖｅｌｅｔ ｂｏｕｎｄａ￣ｅｌｅｍｅｎｔ ｍｅｔｈｏｄ ｏｆ Ｎｅｕｍａｎｎ ｂｏｕｎｄａ￣ｖａｌｕｅ ｐｒｏｂｌｅｍ ｉｎ ａｎｇｌｅ ｄｏｍａｉｎ ＣＨＥＮ Ｙｉ—ｍｉｎｇ，ＬＩ Ｙｕ—ｌｉａｎ，ＺＨＯＵ Ｚｈｉ－ｑｕａｎ，ＷＡＮＧ Ｘｉａｏ－ｊｕａｎ （Ｃｏｌｌｅｇｅ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｙａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ ０６６００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｉｒｓｔｌｙ，ｔｈｅ ｃｏｎｆｏｒｍａｌ ｍａｐｐｉｎｇ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ，ａｎｄ ｔｈｅ Ｎｅｕｍａｎｎ ｂｏｕｎｄａｒｙ ｖａｌｕｅ ｐｒｏｂｌｅｍ ｏｆＬａｐｌａｃｅ ｅｑｕａｔｉｏｎ ｉｎ ｔｈｅ ａｎｇｌｅ ｄｏｍａｉｎ ｉｓ ｎａｔｕｒａｌｉｚｅｄ ｔｏ ｔｈｅ ｅｑｕｉｖａｌｅｎｔ ｖａｒｉａｔｉｏｎａｌ ｐｒｏｂｌｅｍ ｏｎ ｔｈｅ ｂｏｕｎｄａｒｙ ｗｉｔｈ ｎａｔｕｒａｌ ｂｏｕｎｄａｒｙ ｅｌｅｍｅｎｔ ｍｅｔｈｏｄ． Ｂｅｃａｕｓｅ ｉｔ ｐｒｏｂａｂｌｙ ｈａｓ ｓｏｍｅ ｄｉｆｉｃｕｌｔｆｙ ｏｆｓｉｎｇｕｌａｒ ｉｎｔｅｇｒａｌ，ｔｈｅ ｑｕａｓｉ ｗａｖｅｌｅｔ ｂａｓｅｓ ｉｓ ｕｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ｔｈｉｓ ｋｉｎｄ ｏｆｔｈｅ ｂａｓｅｓ ｉｓ ｓｍｏｏｔｈｅｒ ａｎｄ ｗｅａｋｅｎｓ ｆａｓｔｅｒ ｉｎ ｔｈｅ ｔｉｍｅ ｄｏｍａｉｎ，ｔｈｅ ｃｈａｒａｃｔｅｒ ｍａｋｅｓ ｔｈｅ ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｓｉｎｇｕｌａｒ ｉｎｔｅｇｒａｌ ｍｏｒｅ ｃｏｎｖｅｎｉｅｎｔ．Ｔｈｉｓ ｗａｖｅｌｅｔ ｂｏｕｎｄａｒｙ ｅｌｅｍｅｎｔ ｍｅｔｈｏｄ ｎｏｔ ｏｎｌｙ ｃａｎ ｍａｉｎｔａｉｎ ｔｈｅ ａｄｖａｎｔａｇｅｓ ｏｆｒｅｄｕｃｉｎｇ ｄｉｍｅｎｓｉｏｎｓ ｏｆｎａｔｕｒａｌ ｂｏｕｎｄａｒｙ ｅｌｅｍｅｎｔ ｍｅｔｈ— ｏｄ ａｎｄ ｃｏｍｐｕｔａｔｉｏｎ ｓｔａｂｉｌｉｙ，ｂｕｔｔ ａｌｓｏ ｈａｓ ｄｅｓｉｒａｂｌｅ ｐｒｅｃｉｓｉｏｎ．Ａｔ ｔｈｅ ｅｎｄ，ｓｏｍｅ ｎｕｍｅｒｉｃａｌ ｅｘａｍｐｌｅｓ ａｒｅ ｐｒｅｓｅｎｔｅｄ ｔｏ ｓｈｏｗ ｈｅ ｔｅｆ－ ｆｅｃｔｉｖｅｎｅｓｓ． Ｋｅｙ ｗｏｒｄｓ：ｃｏｎｆｏｒｍａｌ ｍａｐｐｉｎｇ；ａｎｇｌｅ ｄｏｍａｉｎ；ｂｏｕｎｄａｒｙ ｎａｔｕｒａｌｉｚａｔｉｏｎ；ｑｕａｓｉ ｗａｖｅｌｅｔ （上接第４９页） 【６］Ｌｉ Ｇａｎｇ，Ｌｉｕ Ｚｈｅｎｇ，Ｃｈｅｎ Ｃｈａｎｇｔａｏ，ｅｔ ａｌ—Ａ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｃｈａｒａｃｔｅｒ ｅｄｇｅ ｃｏｌｏｒ ｆｏｒ ｑｕｉｃｋ ｌｏｃａｔｉｎｇ ｖｅｈｉｃｌｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍｕｌｔｉｍｅｄｉａ，２００９，４（６）：３５６—３６２． ［９】王义兴，黄风岗，韩金玉，等．基于颜色搭配与纹理特征的车 牌定位方法［Ｊ］．中国图象图形学报，２００９，１４（２）：３０３—３０８． 【１０】刘万军，姜庆玲，张闯．基于ＣＮＮ彩色图像边缘检测的车牌 定位方法【Ｊ】．自动化学报，２００９，３５（１２）：１５０３—１５１２． 【１１］刘漾，吴成东，樊玉泉，等．复杂背景图像中的车牌定位算法 ［Ｊ】．中国图象图形学报，２０１０，１５（９）：１３５７—１３６２． ［７］Ｄｅｂ Ｋ，Ｃｈａｅ Ｈ Ｕ，Ｊｏ Ｋ Ｈ．Ｐａｒａｌｌｅｌｏｇｒａｍ ａｎｄ Ｈｉｓｔｏｇｒａｍ ｂａｓｅｄ Ｖｅｈｉｃｌｅ Ｌｉｃｅｎｓｅ Ｐｌａｔｅ Ｄｅｔｅｃｔｉｏｎ［Ｃ】／／Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｍａｒｔ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ａｐｐｌｉｃａｔｉｏｎ，２００８：３４９—３５３． ［１２】郑成勇．一种ＲＧＢ颜色空间中的车牌定位新方法［Ｊ］．中国 图象图形学报，２０１０，１５（１１）：１６２３—１６２８． ［８］沈勇武，章专．基于特征颜色边缘检测的车牌定位方法［Ｊ］．仪 器仪表学报，２００８，２９（１２）：２６７３—２６７７． Ａ ｖｅｈｉｃｌｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｌｏｃａｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｅｄｇｅ—ｃｏｌｏｒ ｐａｉｒ ｆｅａｔｕｒｅ ａｎｄ ｓｔｒｏｋｅ ｔｒａｖｅｒｓｉｎｇ ｄｏｕｂｌｅ ｄｅｔｅｃｔｉｏｎ ＨＵ Ｚｈｅｎｇ—ｐｉｎｇ，ＣＡＯ Ｂｉｎｇ—ｂｉｎｇ （Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｙａｎｓｈａｎ Ｕｎｉｖｅｒｓｉｙｔ，Ｑｉｎｈｕａｎｇｄａｏ，Ｈｅｂｅｉ ０６６００４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｔｈｅ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ａｃｃｕｒａｃｙ ｏｆｔｈｅ ｅｘｉｓｔｉｎｇ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｌｏｃａｌｉｚａｔｉｏｎ ａｌｇｏｒｉｈｍ ｔｉｓ ｎｏｔ ｈｉｇｈ ｅｎｏｕｇｈ ａｎｄ ｐａｒａｍｅｔｅｒ ｓｅｔｔｉｎｇ ｉｓ ｄｉｉｃｕｌｆｔ，ａ ｖｅｈｉｃｌｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｌｏｃａｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｅｄｇｅ—ｃｏｌｏｒ ｐａｉｒ ｆｅａｔｒｅ ａｎｄ ｓｔｕｒｏｋｅ ｔｒａｖｅｒｓｉｎｇ ｄｏｕｂｌｅ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｅｓｅｎｔｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｎｏｔ ｏｎｌｙ ｍａｋｅｓ ｆｕｌｌ ｕｓｅ ｏｆ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｅｄｇｅ ｃｏｌｏｒ ｃｏｌｌｏｃａｔｉｏｎ ｆｅａｔｕｒｅ ｂｕｔ ａｌｓｏ ｕｓｅｓ ｃｈａｒａｃｔｅｒ ｓｔｒｕｃｔｕｒｅ ｆｅａｔｕｒｅ ａｔ ｔｈｅ ｓａｍｅ ｔｉｍｅ．Ｉｎ ｐｒｅｌｉｍｉｎａｒｙ ｐｏｓｉｔｉｏｎｉｎｇ ｍｏｄｕｌｅ，ｔｈｅ ｅｄｇｅ ｉｓ ｄｅｔｅｃｔｅｄ ｉｆｒｓｔｌｙ，ｃｈａｒａｃｔｅｒ ｄａｔａ ｏｆ ａｌ１ ｔｈｅ ｃｏｌｏｒ ｅｄｇｅ ｃｏｌｌｏｃａｔｉｏｎ ｉｓ ｃｏｌｌｅｃｔｅｄ ａｒｔｉｉｃｉｆａｌｌｙ．Ｅｄｇｅ—ｃｏｌｏｒ ｐａｉｒ ｆｅａｔｕｒｅ ｃｏｖｅｒａｇｅ ｍｏｄｅｌ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ｔｈｒｏｕｇｈ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ．Ｓｅｃｏｎｄｌｙ，ｔｈｅ ｃｏｎｓｔｒｕｃｔｅｄ ｍｏｄｅｌ ｉｓ ｕｓｅｄ ｎｄ ａｔｈｅ ｐｌａｔｅ ｃａｎｄｉｄａｔｅ ｒｅａ ａｉｓ ｓｈａｐｅｄ ａｆｔｅｒ ｍｏｒｐｈｏｌｏｇｙ ｐｒｏｃｅｓｓｉｎｇ ｂｙ ｕｓｉｎｇ ｐｒｉｏｒ ｉｎｆｏｒｍａｔｉｏｎ．Ｉｎ ｖｅｒｉｆｉｃａｔｉｏｎ ｍｏｄｕｌｅ，ｅｄｇｅ ｔｒａｖｅｒｓｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｉｓ ｓｃａｎｎｅｄ ｉｎ ｔｈｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｃａｎｄｉｄａｔｅ ａｒｅａ．Ｆｉｎａｌｌｙ，ｔｈｅ ｌｉｃｅｎｓｅ ｐｌａｔｅ ｃａｎｄｉｄａｔｅ ａｒｅａ ｉｓ ｖａｌｉｄａｔｅｄ ｕｓｉｎｇ ｈｅ ｔｌｉｃｅｎｓｅ ｐｌａｔｅ ｏｖｅｒａｌｌ ｒｅｇｉｏｎａｌ ｅｄｇｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｏｖｅｒａｇｅ ｍｏｄｅ１．Ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｆｏ— ｃｕｓｅｓ ｏｎ ｍａｔｃｈｉｎｇ ｂａｃｋｇｒｏｕｎｄ ｃｏｌｏｒ ｎｄ ｃｈａｒａｃｔｅｒ ｃｏｌａｏｒ ｉｎ ａ ｌｉｃｅｎｓｅ ｐｌａｔｅ ａｎｄ ｃｏｍｂｉｎｅｓ ｉｔｓ ｓｔｒｕｃｔｕｒｅ ｆｅａｔｕｒｅ ａｎｄ ｔｅｘｔｕｒｅ ｆｅａｔｕｒｅ ｔｏ ｉｍｐｒｏｖｅｓ ｔｈｅ ｒｅｌｉａｂｉｌｉｔｙ ｏｆ ｈｅ ｌｉｔｃｅｎｓｅ ｐｌａｔｅ ｌｏｃａｔｉｏｎ．Ｏｎｅ ｈｕｎｄｒｅｄ ｉｍａｇｅｓ ｏｆ ｃｏｎｔａｉｎｉｎｇ ｄｉｆｆｅｒｅｎｔ ｃｏｌｏｒ ｃｏｌｌｏｃａｔｉｏｎ ａｒｅ ｔｅｓｔｅｄ ａｎｄ ｐｏｓｉｔｉｏｎｉｎｇ ａｃｃｕｒａｃｙ ｉｓ ｍｏｒｅ ｈａｎ ｔｎｉｎｅｔｙ．ｓｉｘ ｐｅｒｃｅｎｔ． Ｋｅｙ ｗｏｒｄｓ：ｌｉｃｅｎｓｅ ｐｌａｔｅ ｌｏｃａｔｉｏｎ；ｅｄｇｅ・ｃｏｌｏｒ ｐａｉｒ；ｄｉｒｅｃｔｉｏｎ ｄｉｓｔｒｉｂｕｔｉｏｎ；ｃｏｖｅｒａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｏｄｅｌ
