BP神經(jīng)網(wǎng)絡(luò)算法在變壓器狀態(tài)診斷中的應(yīng)用

孫曉翔

摘要：將車(chē)輛圖像的顏色轉(zhuǎn)換到HSV顏色空間，依據(jù)H，S，V值對(duì)圖像進(jìn)行二值化處理。在此基礎(chǔ)上，對(duì)車(chē)牌圖像進(jìn)行均值分割，對(duì)分割后的子圖像通過(guò)統(tǒng)計(jì)x軸投影直方圖，提取車(chē)牌特征，完成車(chē)牌配準(zhǔn)和定位。實(shí)驗(yàn)結(jié)果表明，在較復(fù)雜的環(huán)境中，該方法能夠快速的對(duì)車(chē)牌進(jìn)行準(zhǔn)確定位。

關(guān)鍵詞：HSV顏色空間；投影直方圖；車(chē)牌定位

中圖分類(lèi)號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2012）30-7335-04

車(chē)牌、車(chē)標(biāo)識(shí)別技術(shù)是現(xiàn)代交通工程領(lǐng)域中研究的熱點(diǎn)問(wèn)題，對(duì)于交通監(jiān)視、收費(fèi)管理等多種服務(wù)具有廣泛的應(yīng)用價(jià)值。車(chē)牌的定位，是對(duì)車(chē)牌實(shí)施識(shí)別的前期工作，對(duì)于車(chē)標(biāo)的定位也是很重要的參考依據(jù)。當(dāng)前已經(jīng)提出很多關(guān)于車(chē)牌定位的方法，主要有通過(guò)聚類(lèi)分析對(duì)彩色圖像進(jìn)行分割[1][2]；利用檢測(cè)牌照4條直線(xiàn)邊界的Hough變換方法[3]；通過(guò)數(shù)學(xué)形態(tài)學(xué)和小波分析對(duì)車(chē)牌及字符紋理和形狀特征進(jìn)行處理[4][5]等實(shí)現(xiàn)定位。以上方法由于實(shí)現(xiàn)復(fù)雜度問(wèn)題往往給車(chē)牌實(shí)時(shí)定位造成影響。比如，F(xiàn)CM聚類(lèi)方法要求預(yù)先確定聚類(lèi)中心，在迭代過(guò)程中需要反復(fù)計(jì)算迭代中心和隸屬度矩陣，隨著樣本量的增加運(yùn)算極為耗時(shí)。Hough變換需要對(duì)邊緣圖像或二值化圖像中的所有考察點(diǎn)在0-180度區(qū)間中進(jìn)行統(tǒng)計(jì)，并結(jié)合車(chē)牌形狀特征進(jìn)行逐一匹配。

本文依據(jù)車(chē)牌的顏色信息及車(chē)牌字符的分布特征，借助HSV顏色空間對(duì)車(chē)牌圖像進(jìn)行二值化處理，并通過(guò)對(duì)二值圖像的投影直方圖進(jìn)行處理，給出了一種基于直方圖的車(chē)牌定位方法。

1 車(chē)牌圖像預(yù)處理

我國(guó)現(xiàn)行的九二式機(jī)動(dòng)車(chē)號(hào)牌國(guó)標(biāo)尺寸是440×140，大車(chē)牌：黃底黑字；小型民用汽車(chē)：藍(lán)底白字；武警專(zhuān)用汽車(chē)：白底紅“WJ”、黑字；外籍汽車(chē)：黑底白字；使、領(lǐng)館外籍汽車(chē)：黑底白字及空心“使”字標(biāo)志；試車(chē)牌照：白底紅字，數(shù)字前有“試”字標(biāo)志； 臨時(shí)牌照：白底紅字，數(shù)字前有“臨時(shí)”二字； 藍(lán)底和黃底車(chē)牌出現(xiàn)率比較高.。在定位過(guò)程中可以結(jié)合這些特征作為判斷車(chē)牌的重要依據(jù)。其中，顏色信息是進(jìn)行車(chē)牌定位的主要特征之一，已有的車(chē)牌定位方法很多都利用了這一特征[6][7]， HSV顏色空間比RGB顏色空間在表達(dá)顏色的方式上更符合人的視覺(jué)心理，所以在基于顏色信息的圖像處理方法研究中，有較RGB顏色空間更為廣泛的應(yīng)用，本文方法仍以HSV顏色模型為基礎(chǔ)。該顏色空間中H表示色度，S表示飽和度，V表示亮度，圖像中的每一像素對(duì)應(yīng)的hsv值可以通過(guò)構(gòu)成該像素的RGB分量計(jì)算得到。

研究表明：藍(lán)、黃、白、黑等顏色對(duì)應(yīng)的HSV值如表1所示。

將車(chē)牌圖像轉(zhuǎn)換到HSV顏色空間表示后， 依據(jù)表一給定的區(qū)間，完成車(chē)牌圖像二值化處理。具體效果如圖1，圖2所示。

2 車(chē)牌定位

由以上處理結(jié)果可以看出，采用表1給出的區(qū)間對(duì)圖像進(jìn)行二值化處理后能夠?qū)⒉煌伾能?chē)牌凸顯出來(lái)，但受周?chē)h(huán)境的影響，對(duì)部分圖像，車(chē)牌信息仍無(wú)法直接提取。分析車(chē)牌結(jié)構(gòu)及字符分布規(guī)律可知，車(chē)牌中的文字或數(shù)字（不計(jì)點(diǎn)隔符）數(shù)目一般為7個(gè)，間距基本相等，則車(chē)牌的二值化圖像在X軸（水平方向）的投影直方圖中應(yīng)有7-8個(gè)連續(xù)的波峰或波谷，其寬度滿(mǎn)足[Wid<=β]，[β∈[20，55]]?？紤]到泥點(diǎn)、油污，車(chē)牌斷裂、傾斜等因素使車(chē)牌發(fā)生畸變，字符筆畫(huà)粘連等情況， 投影直方圖中至少應(yīng)有4個(gè)符合上述條件的波峰或波谷。本文通過(guò)匹配上述車(chē)牌特征，實(shí)施車(chē)牌定位，主要步驟為：

提取效果如下圖示：

Step 3： 在子圖像[Gj，j∈[1，T]]中匹配成功后，根據(jù)匹配信息提取車(chē)牌子圖像[Gjd]，統(tǒng)計(jì)[Gjd]在y軸的量化直方圖包絡(luò)線(xiàn)，包絡(luò)線(xiàn)中寬度最大的波峰寬度值對(duì)應(yīng)車(chē)牌在原圖像中的高度。如果該波峰起點(diǎn)為[Gjd]的上邊界，則根據(jù)[Gjd]的坐標(biāo)信息從[Gj-1]中分割子圖像[Gj-1d]，如果[Gj-1d]在y軸的投影直方圖波峰終點(diǎn)為該子圖像下邊界且x軸投影直方圖寬度與[Gjd]相符則合并兩幅子圖像，合并后的圖像就是車(chē)牌的二值圖像。如果波峰終點(diǎn)位于[Gjd]的下邊界，則應(yīng)對(duì)[Gj+1]進(jìn)行考察，處理過(guò)程與上述步驟相似。圖6給出了最終處理后的效果：

3 結(jié)論及比較

本文方法對(duì)車(chē)牌圖像的二值化效果依賴(lài)性較強(qiáng)，對(duì)污染較嚴(yán)重的車(chē)牌圖像定位能力較差，而對(duì)一般的車(chē)牌圖像具有較高的準(zhǔn)確率，實(shí)驗(yàn)過(guò)程中我們使用了76張不同情況的車(chē)牌圖像，其中一部分是從網(wǎng)絡(luò)上隨機(jī)下載的，有三張圖像分別因銹蝕和斷裂情況嚴(yán)重而無(wú)法定位，其余都可以準(zhǔn)確定位。

本文方法可以同步完成車(chē)牌的定位及字符分割，在實(shí)際應(yīng)用中，定位和車(chē)牌識(shí)別可以相互驗(yàn)證，同步進(jìn)行。另外，對(duì)依靠車(chē)牌信息進(jìn)行車(chē)標(biāo)定位，進(jìn)而完成車(chē)標(biāo)識(shí)別的應(yīng)用，也具有較好的參考價(jià)值。

本文方法具有較快的實(shí)現(xiàn)速度，我們采用FCM聚類(lèi)算法對(duì)[1024×768]大小的圖像進(jìn)行實(shí)驗(yàn)，并與本文方法進(jìn)行了對(duì)比。

FCM算法的主要思想是最小化總的類(lèi)內(nèi)距離，聚類(lèi)準(zhǔn)則為：

參考文獻(xiàn)[8]，實(shí)現(xiàn)過(guò)程中在圖像的hsv空間中確定8個(gè)聚類(lèi)中心，對(duì)圖像進(jìn)行聚類(lèi)，依據(jù)聚類(lèi)區(qū)間進(jìn)行二值化后的結(jié)果如圖7，圖8所示。

可以看出，采用FCM聚類(lèi)算法處理后的圖像比直接依據(jù)HSV值進(jìn)行二值化的效果好，但完成二值化處理需要157ms，而本文方法得到最終結(jié)果用時(shí)為6.74ms。

參考文獻(xiàn)：

[1] 陳黎，黃心漢.基于聚類(lèi)分析的車(chē)牌字符切分方法[J].計(jì)算機(jī)工程與應(yīng)用，2002，38（6）：221-222.

[2] 張愛(ài)華.基于模糊聚類(lèi)分析的圖像分割技術(shù)研究[D].武漢：華中科技大學(xué)，2004.

[3] Kamat V，Ganesan S .An efficient implementation of the Hough transform for detecting vehicle license plates using DSPS.In proceedings of Real-Time Technology and Applications Symposium ，CA，USA； IEEE Computer Society Press，1995：58-59.

[4] Barroso J， Rafacl A， Dagless E L， et al. Number Plate Reading Using Computer Vision. IEEE International Symposium on Industrial Electronics，ISIE'97，1997：761-766.

[5] 謝鳴.基于形態(tài)學(xué)的車(chē)牌自動(dòng)識(shí)別系統(tǒng)的研究[D].武漢：武漢理工大學(xué)通信與信息系統(tǒng)，2002.

[6] 王夏黎，周明全，耿國(guó)華.一種基于HsV顏色空間的車(chē)輛牌照提取方法[J].計(jì)算機(jī)工程，2004，30（17）：133-135.

[7] 張全海，施鵬飛.基于HSV空間彩色圖像的邊緣提取方法[J].計(jì)算機(jī)仿真，2000，17（6）：25-27.

[8] 胡博.彩色圖像分割算法研究[D].電子科技大學(xué)，2009.

[9] Bezdek J C A. Convergence Theorem for The Fuzzy ISODATA Clustring Algorithm[J].IEEE PAMI，1980，1（2）：1-8.