• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種新的二值化方法在車牌檢測中的應(yīng)用

    2011-06-01 02:54:18高云杰
    電子科技 2011年12期
    關(guān)鍵詞:車牌標(biāo)準(zhǔn)差灰度

    高云杰,孫 涵

    (南京航空航天大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院,江蘇南京 210016)

    車牌識別是智能交通系統(tǒng)的關(guān)鍵技術(shù),識別的準(zhǔn)確率直接影響到智能交通系統(tǒng)在實(shí)際應(yīng)用中的使用效果。車牌識別廣泛應(yīng)用于停車收費(fèi)、高速公路收費(fèi)、違章檢測中,并對城市的交通管理起到了明顯的改善作用。車牌識別系統(tǒng)主要有以下3個部分:車牌定位、字符分割和字符識別,而車牌定位是基礎(chǔ),關(guān)系到后續(xù)處理過程,所以車牌定位在車牌識別系統(tǒng)中至關(guān)重要。文中主要根據(jù)車牌區(qū)域邊界密集、區(qū)域標(biāo)準(zhǔn)差較高的特征,綜合該區(qū)域的亮度設(shè)定閾值進(jìn)行二值化,最大程度地保留車牌區(qū)域,使其在不同光照條件下都能很好地凸顯車牌區(qū)域,并應(yīng)用區(qū)域融合方法將邊界密集的區(qū)域融合,運(yùn)用開運(yùn)算的數(shù)學(xué)形態(tài)學(xué)方法去除圖像中的噪聲、粘連以及毛刺,最終篩選各連通域,從中找到有可能是車牌的區(qū)域,并據(jù)此從原圖中提取車牌。算法流程如圖1所示。

    圖1 算法流程圖

    1 預(yù)處理

    從圖像采集卡獲得的圖像數(shù)據(jù)通常是彩色的,預(yù)處理過程首先對其進(jìn)行灰度化,再進(jìn)行灰度拉伸。采用灰度圖像處理可以提高檢測效率,灰度拉伸可以提高車牌區(qū)域的對比度,提升檢測率。

    由于車牌位于車身的下部中間,屬于中間灰度級范圍,而車頭上部及背景中一些區(qū)域一般較亮,屬于高灰度級范圍。為突出牌照的灰度細(xì)節(jié),抑制高、低灰度區(qū)域,可利用式(1)對車牌圖像進(jìn)行中間灰度拉伸[1]

    假設(shè)灰度化后的灰度級范圍為Iij∈[a,b],灰度拉伸后的灰度級范圍拓展為Iij'∈[a',b'],灰度拉伸效果如圖3所示。

    2 基于局部特征的二值化方法

    由于全局二值化方法可能會造成某些較暗或者對比度低的車牌區(qū)域丟失,文中提出了一種新的局部二值化方法,這種二值化方法綜合了局部區(qū)域的亮度及標(biāo)準(zhǔn)差信息,最大程度地保留車牌區(qū)域,實(shí)驗(yàn)證明這種二值化方法比普通的先做邊緣檢測再二值化的方法有明顯改進(jìn)。

    2.1 標(biāo)準(zhǔn)差在邊緣處理中的應(yīng)用

    考慮到標(biāo)準(zhǔn)差在圖像邊緣處的特征,文獻(xiàn)[5,8]提出并改進(jìn)了一種基于區(qū)域標(biāo)準(zhǔn)差的圖像增強(qiáng)算法,用于增強(qiáng)車牌區(qū)域的邊界梯度值,有著明顯的效果,算法公式如式(2)和式(3)所示。

    圖4 圖像增強(qiáng)比較

    考慮到標(biāo)準(zhǔn)差在圖像邊界處的重要特征,文中提出了一種新的自適應(yīng)二值化方法,這種方法將圖像的亮度、區(qū)域標(biāo)準(zhǔn)差等信息應(yīng)用到二值化過程中,起到了明顯的作用。

    2.2 基于標(biāo)準(zhǔn)差的局部二值化算法

    傳統(tǒng)基于紋理的車牌檢測方法一般是直接對灰度圖像進(jìn)行二值化[1,4],或先做邊緣檢測,再對邊緣圖像做二值化[9],這樣會丟失原圖的一部分信息,如亮度、區(qū)域標(biāo)準(zhǔn)差等信息,如果將這些信息運(yùn)用到二值化過程中能很好地提升二值化的效果。

    具體二值化方法如式(5)

    采用此方法得到的二值化效果如圖5(a)所示。

    可以看出,文算法明顯突出了邊界信息豐富的車牌區(qū)域,同時減弱了非車牌區(qū)域的邊界及噪聲影響。大津閾值算法[6]如圖5(b)雖然也將車牌區(qū)域的邊界信息保留,但同時也增強(qiáng)了非車牌區(qū)域邊界及噪聲的干擾。

    3 車牌提取

    采用數(shù)學(xué)形態(tài)學(xué)的方法提取車牌圖像,首先進(jìn)行區(qū)域融合,將像素點(diǎn)密集的區(qū)域融合為一個整體,再經(jīng)過開運(yùn)算去除圖像中的噪聲、毛刺、及粘連等,最后查找連通域,篩選出符合車牌特征的部分。

    圖5 二值化結(jié)果

    3.1 區(qū)域融合

    由于二值化圖像中車牌區(qū)域的邊界比較密集,文中設(shè)計了如下區(qū)域算法將邊界密度較高的區(qū)域合并融合。

    根據(jù)圖像中灰度值為255的點(diǎn)的水平和垂直距離進(jìn)行融合,如果圖像同一行(列)兩個值為255的像素點(diǎn)距離<rgnX(rgnY),置該兩點(diǎn)之間所有的像素點(diǎn)的灰度值為255,文中取 rgnX,rgnY為11,3。

    通過以上處理,可以將車牌區(qū)域融合成一個近似矩形的整體,以便接下來的車牌篩選,區(qū)域融合結(jié)果如圖6所示。

    圖6 區(qū)域融合

    3.2 開運(yùn)算

    膨脹是在二值圖像中“加長”或“變粗”的操作,A被B膨脹,記為A⊕B,定義如式(6)

    腐蝕操作“收縮”或“細(xì)化”二值化圖像中的對象,可以消除圖像中的噪聲區(qū)域、粘連和毛刺等,數(shù)學(xué)上腐蝕定義為集合運(yùn)算,A被B腐蝕,記為AΘB,定義如式(7)

    先腐蝕后膨脹記為開運(yùn)算,數(shù)學(xué)公式如式(8)

    使用開運(yùn)算能夠平滑對象的輪廓、斷開狹窄的連接、去掉細(xì)小的突出部分等[3]。文中采用5×3的矩形算子進(jìn)行開運(yùn)算操作。運(yùn)算結(jié)果如圖7所示。

    圖7 開運(yùn)算

    3.3 求連通域

    目前提取目標(biāo)常用的方法是基于目標(biāo)輪廓的鏈碼跟蹤算法。鏈碼是圖像處理中基本描述手段,其特點(diǎn)是用一系列有特定起始點(diǎn)、長度和方向的線段來表述邊界,常用的鏈碼有4-鏈碼和8-鏈碼[10]。由于文中需要計算各連通域的面積,即像素灰度為255點(diǎn)數(shù),采用如下方式計算連通域,用于提取目標(biāo)。

    用標(biāo)志位Flagij表示(i,j)點(diǎn)是否已經(jīng)訪問過;0表示未訪問;1表示訪問過;index表示連通域編號,Topindex,Bottomindex,Leftindex,Rightindex表示連通域 index的外接矩形信息;Areaindex表示連通域index的面積。

    (1)初 始 化 Flagij,index,Topindex,Bottomindex,Leftindex,Rightindex,Areaindex為 0,初始化隊(duì)列。

    (2)從左到右,從上到下搜索圖像,找到Flagij為0并且灰度為 255 的點(diǎn)(i,j),將 Flagij置為 1,index 加 1,Areaindex加 1,設(shè)置 Topindex,Bottomindex為j,Leftindex,Rightindex為i,并將此點(diǎn)(i,j)加入隊(duì)列,進(jìn)入第2步,如果搜索至圖像末尾,結(jié)束搜索。

    (3)如果隊(duì)列不為空,頭結(jié)點(diǎn)(i,j)出隊(duì)列,F(xiàn)lagij置為1,Areaindex加 1,調(diào)整 Topindex,Bottomindex,Leftindex,Rightindex的值:Topindex=min(j,Topindex),Bottomindex=max(j,Bottomindex),Leftindex=min(i,Leftindex),Rightindex=max(i,Rightindex)。搜索(i,j)點(diǎn)3×3鄰域內(nèi)的點(diǎn),如果Flagij為0并且灰度為255,將其加入隊(duì)列,循環(huán)第2部直至隊(duì)列為空。

    (4)如果隊(duì)列為空,返回第2步。

    至此連通域搜索結(jié)束,并得到了連通域的外接矩形、面積等信息,供下一步篩選使用。

    3.4 篩選連通域

    根據(jù)車牌大小設(shè)定連通域篩選的判定準(zhǔn)則,如果某連通域的寬高比、寬高值及連通域面積符合要求,將該連通域添至車牌區(qū),規(guī)則設(shè)置如下:

    其中 Widthindex=Rightindex-Leftindex,Heightindex=Bottomindex-Topindex,minW,maxW,minH,maxH分別為車牌區(qū)域最小和最大的寬與高。

    篩選連通域后的結(jié)果如圖8所示,根據(jù)連通域信息提取到的車牌圖像如圖9所示。

    4 實(shí)驗(yàn)結(jié)果

    部分實(shí)驗(yàn)結(jié)果圖像如圖10所示,文中算法對不同光照、對比度、傾斜角的車牌有較好的魯棒性。

    圖10 車牌提取結(jié)果

    實(shí)驗(yàn)采用的圖像庫有1 214幅圖像,其中共有1 554個車牌,圖像大小為1 600×1 264,為提高檢測效率,將圖像抽樣成為800×632大小進(jìn)行檢測。使用本算法共檢測到1 462個車牌,檢測到的車牌中有67個檢測區(qū)域過大或偏移,漏檢92個,算法檢測率為94.1%。由于文中所使用的圖像庫包含了各種光照條件及車牌模糊嚴(yán)重等情況,導(dǎo)致檢測率有所下降??傮w來說,提出的車牌檢測中的自適應(yīng)二值化算法及區(qū)域融合定位算法能夠很好地定位車牌。

    5 結(jié)束語

    提出了一種根據(jù)圖像區(qū)域亮度和標(biāo)準(zhǔn)差設(shè)定閾值的自適應(yīng)二值化算法,很好的保留了車牌區(qū)域,為后序處理做了一個良好的基礎(chǔ)。接下來根據(jù)數(shù)學(xué)形態(tài)學(xué)的方法從圖像中提取車牌,由于二值化部分處理的精確,得到了很好的檢測效果,但由于提出的自適應(yīng)二值化算法在噪聲處理上沒有做出更好的優(yōu)化,可能導(dǎo)致車牌區(qū)域定位得過大,影響檢測效果,同時也可能將一些邊界豐富的區(qū)域誤檢測成為車牌區(qū)域,這是今后需要進(jìn)一步研究和改進(jìn)的。

    [1]蒲東兵,趙大偉,趙東來,等.一種快速車牌定位算法[J].微型電腦應(yīng)用,2010,26(4):42 -44.

    [2]黃劍玲,鄒輝.邊緣檢測算子在汽車牌照檢測中的研究[J].圖像處理,2007,12(3):303 -305.

    [3]阮秋琪.數(shù)字圖像處理[M].北京:電子工業(yè)出版社,2009.

    [4]姜誼,嚴(yán)京旗.車牌定位及傾斜校正方法[J].微型電腦應(yīng)用,2010,26(4):45 -47.

    [5]VAHID A,ALIREZA A.An edge-based color-aided method for license plate detection[J].Image and Vision Computing,2009,27(8):1134 -1142.

    [6]OTSU N.A threshold selection method from gray- level histogram[J].IEEE Transactions on Systems Man and Cybernetics,1979,SMC -9(1):62 -66.

    [7]SHYANG L,CHANG Lishien,CHEN L,et al.Automatic license plate recognition[J].IEEE Transactions on Intelligent Transportation Systems,2004,5(1):42 -53.

    [8]ZHENG Danian,ZHAO Yannan,WANG Jiaxin.An efficient method of license plate location [J].Pattern Recognition Letters,2005,26(9):2431 -2438.

    [9]ZHANG Xiangdong,SHEN Peiyi.A license plate recognition system based on tamura texture in complex conditions[C].Harbin:IEEE International Conference on Information and Automation,2010:1947 -1952.

    [10]REN Mingwu,YANG Jingyu,SUN Han.Tracing boundary contours in a binary image[J].Image and Vision Computing,2002,20(2):125 -131.

    猜你喜歡
    車牌標(biāo)準(zhǔn)差灰度
    采用改進(jìn)導(dǎo)重法的拓?fù)浣Y(jié)構(gòu)灰度單元過濾技術(shù)
    基于灰度拉伸的圖像水位識別方法研究
    用Pro-Kin Line平衡反饋訓(xùn)練儀對早期帕金森病患者進(jìn)行治療對其動態(tài)平衡功能的影響
    數(shù)字圖像處理技術(shù)在車牌識別系統(tǒng)中的應(yīng)用
    電子制作(2019年12期)2019-07-16 08:45:16
    第一張車牌
    基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
    基于MATLAB 的車牌識別系統(tǒng)研究
    電子制作(2017年22期)2017-02-02 07:10:11
    基于灰度線性建模的亞像素圖像抖動量計算
    對于平均差與標(biāo)準(zhǔn)差的數(shù)學(xué)關(guān)系和應(yīng)用價值比較研究
    醫(yī)學(xué)科技論文中有效數(shù)字的確定
    邹城市| 同江市| 孟州市| 金湖县| 吉林市| 沙雅县| 中牟县| 通江县| 怀集县| 翁源县| 崇州市| 忻州市| 台江县| 浦东新区| 克拉玛依市| 集安市| 乌审旗| 鹤岗市| 会泽县| 大连市| 德清县| 巧家县| 余庆县| 云阳县| 盐源县| 犍为县| 永吉县| 平和县| 普安县| 高唐县| 大同县| 陇南市| 界首市| 大石桥市| 靖州| 四川省| 武胜县| 莫力| 庆安县| 屏边| 黎城县|