【正文】 品。對圖像提取邊緣能極大地降低我們要處理的數(shù)據(jù)量。如 Roberts 算子、 Sobel算子、 canny 算子、 Prewitt 算子、 Laplacian 算子等。 LOG算子和視覺生理中的數(shù)學(xué)模型相容，從 而 在計算機視覺和視覺生理研究之間建立了聯(lián)系，在機器視覺研究領(lǐng)域得到了廣泛的應(yīng)用。窗口大小 (或尺寸 )參數(shù)的自動調(diào)整是很難的， 而 應(yīng)用多個尺度可以對此問題給出一個比較滿意的解決。還有一種方法是選擇具有與中心點灰度值最接近的鄰近點，并利用這些點灰度值的平均值取代中心點值。它使用邊緣點的位置、梯度矢量、曲率等信息來初始化松弛網(wǎng)絡(luò)像素的標(biāo)記，根據(jù)邊界曲線上的點的信息在局部具有一致性和相關(guān)性， 而 噪聲點的信息是隨機的、規(guī)律的特點，進行鄰域點的信息的相互作用，增強有規(guī)律的邊緣信息同時削弱無規(guī)律的 噪聲，通過不斷的迭代對標(biāo)記進行重復(fù)糾正和約束，最后使得迭代收斂于 真實的邊緣 [6]。 經(jīng)典邊緣檢測方法在處理簡單的圖像時有著很大的優(yōu)勢，但是由于 物理世界四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 5 和成像過程的復(fù)雜性，以及各種噪聲源的干擾。圖 11 是邊緣檢測的流程圖。 課題的主要研究內(nèi)容 本課題所要研究的內(nèi)容是針對通過數(shù)碼相機抓 拍到的 圖像進行基于圖 像處理技術(shù)的車牌識別的研究與開發(fā)。 介紹了常用的車輛檢測方法，并分別介紹了光流場法、基于相鄰幀差算法以及背景消減法的運動目標(biāo)檢測的基本原理， 討論了各自優(yōu)缺點。再分別介紹直接車牌定位法，多分辨率車牌定位法和基于數(shù)學(xué)形態(tài)學(xué)的車牌定位法。再比較分析了 簡單邊緣 檢測 算子 和各種梯度算子， 通過幾種邊緣檢測算法對采集來的圖像進行了大量實驗 ， 得到 canny 算子能在噪聲抑制和邊緣檢測之間取得較好的平衡，并能產(chǎn)生較細(xì)的邊緣效果。目前大多數(shù)運動目標(biāo)檢測算法 研究的都是基于 這種情況。以往的車輛檢測大多數(shù)都是在道 路的固定 地點埋設(shè)壓感線圈來獲得的，這種方式的缺點是設(shè)備安裝過程復(fù)雜，易于受損，且 對路面造成破壞，維護費用相對較高。 運動車輛檢測算法 概述 目前常用的基于 視頻的車輛檢測算法可分為如下幾種 [89]： 光流場法，幀差法，背景消減法。光流法是把檢測區(qū)域的圖像變?yōu)樗俣鹊氖噶繄觯恳粋€向量表示了景物中一個點在圖像中位置的瞬時變化。此外，光流場法的計算復(fù)雜耗時，除非有特殊的硬件支持，否則很難滿足實時運動區(qū)域的檢測。幀差法的特點是實現(xiàn)簡單、運算速度較快 ，對于 動態(tài)環(huán)境有很強的適應(yīng)性，對光照變化也不十分敏感。背景消減法可以看作是一種特殊的幀差法。因此，構(gòu)建一個可靠的背景模型進行背景提取與動態(tài)更新以適應(yīng)環(huán)境的變化是必要的。如果當(dāng)前圖像不含車輛，則和背景圖像相同，此時差值為 0 。在初次的背景構(gòu)建過程中，將不對讀入的視頻圖像進行運動目標(biāo)檢測。一旦當(dāng)前背第 2 章 汽車圖像的采集 10 景提取結(jié)束，當(dāng)前背景就會自動取代上一次的背景，在下一 幀的車輛檢測時就可以使用更新后的背景進行來車檢測。 HG 如果選擇過大，有可能造成漏判 ； HG 過小則有可能造成誤判。 HG 和 JG 的值一般根據(jù)實際情況確定。 現(xiàn)行汽車牌照的規(guī)格 現(xiàn)行汽車牌照的類型 根據(jù)中華人民共和國公共安全行業(yè)標(biāo)準(zhǔn)對機動車牌照的有關(guān)規(guī)定，車輛牌照主要有六種類型 [1617]： (1)小型汽車所用的藍底白字牌照 ； (2)大型汽車所用的 黃底黑字牌照 ； (3)軍用或警用的白底黑字、紅字牌照 ； (4)國外駐華機構(gòu)用的黑底白字牌照 ； (5)摩托車牌照，前 220mm 長 95mm 寬 。 第三 個字符可能是英文字 母，也可能是阿拉伯?dāng)?shù)字。有的 時候最后一個字符也可能是漢字，如“川 C5487 學(xué)”。 車牌比 例特征 由規(guī)定的車牌物理尺寸可以得到車牌的一些重要的比例特征 ： 車牌寬高比 ： Rplate=440 / 140= 字符 /間距 ： Rcha/in=45 / 12= 字符寬高比 ： Rchar = 90 / 45 = 2 字符區(qū)域?qū)捀弑?： Rare = 409 / 90= 這些比例特征對于 車牌定位和車牌字符分割都有很重要的意義。國家統(tǒng)一的車牌大小是標(biāo)準(zhǔn)的，寬高比是一定的，四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 13 即使有所變形也是在一定范圍內(nèi)，因此車牌在原始圖像中的相對位置比較集中，偏差不會很大。 (4)紋理特征 ： 車牌內(nèi)有多個字符， 而且 大小統(tǒng)一、基本水平排列，一般數(shù)目確定，文字和背景之間有明顯的灰度對比。由于圖像背景的復(fù)雜性，牌照位置的不確定性，圖像質(zhì)量的不可預(yù)知性，給牌照的定位與分割增加了很大的難度。其中 大部分算法是根據(jù)車牌特征而設(shè)計的，目前所利用算法主要有直接法、基于多分辨率、基于顏色信息以及基于數(shù)學(xué)形態(tài)學(xué)的車牌定位方法。頻率法是一種基于字符和背景變化頻率的投影定位方法，它結(jié)合車牌的先驗知識，在圖像中定位車牌。 實驗中定值 T 取為 13，因為牌照中 7 個字符 (不包括“ 汽車本身具有一定的特點，在一般情況下，牌照都掛在緩沖器上或附近。這樣就把高分辨率圖像 ? ?yxf , 變換成為低分辨率子圖像 ? ?yxg , ，轉(zhuǎn)換為低分辨率圖像的目的是為了提高處理速度 ； 第 3 章 車牌定位 16 (2)對低分辨率圖像，將其象素沿水平方向累加，得到一個投影 ??iT ； (3)由于汽車的緩沖器位于車輪上方，由于光線的照射，無論是直射光，還是散射光，緩沖器至車輪底部這部分的平 均灰度比緩沖器至緩沖器以上部分的平均灰度要暗一些。 ? ? ? ? ? ? ? ? ? ?mMumTMTumM mTMT ??????21 且 (32) 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位法 數(shù)學(xué)形態(tài)學(xué)概述 最初形態(tài)學(xué)是生物學(xué)中研究動物和植物的一個分支，后來也用數(shù)學(xué)形態(tài)學(xué)來表示以形態(tài)為基礎(chǔ)的圖像分析數(shù)學(xué)工具。 數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)和使用的語言是集合論，其基本運算的四種 ： 膨脹( Dilaition)、 腐蝕 (Erosion)、開啟 (Open)和閉合 (Close)基于這些基本運算還可以推導(dǎo)和組成各種數(shù)學(xué)形態(tài)學(xué)運算方法。式 (33)表明，用 B對 A 進行膨脹的過程是這樣的 ： 首先對 B作關(guān)于原點的映射，再將其映像平移 x，當(dāng) A 與 B 映像的交集不為空集時， B的原點就是膨脹集合的像素。 膨脹前 膨脹后 圖 32 圖像膨脹前后比較 (2)腐蝕 腐蝕的運算符是“ ? ” ， 圖像集合 A 用結(jié)構(gòu)元素 B 來腐蝕記作 BA? ，其定義 為： ? ?? ?ABxBA x ??? (34) 式 (34)表明， A用 B來腐蝕的結(jié)果是所有滿足將 B 平移 x后， B 仍全部包含在 A中的集合，從直觀上看就是 B平移后全部包含在 A 中的原點組成的集合。 腐蝕前 腐蝕后 圖 33 腐蝕前后比較 (3)開啟 開啟運算符為 “ ? ” ， A用 B來開啟記為 A ? B，其定義如下 ： ? ? BBABA ?? ?? (37) (4)閉合 閉合的運算符為 “ ? ” ， A 用 B 來閉合記為 A? B，其定義如下 ： ? ? BBABA ??? ? (38) 開啟和閉合運算不受原點位置的影響，無論原點是否包含在結(jié)構(gòu)元素中，開啟和閉合的結(jié)果都是一樣的。這一特點可用于填平小湖 (即小孔 )，彌合小裂縫，而保持總的位置和形狀不變。結(jié)構(gòu)元素過大，會使非車牌區(qū)域的邊緣點粘連在一起，可能的車牌區(qū)域增多，給隨后的多區(qū)域判別算法帶來困難 。兩個具有不同灰度值的相鄰區(qū)域之間總存在著邊緣， 物體的邊緣是以圖像局部特性的不連續(xù)性的形式出現(xiàn)的，例如：灰 度值的突變，顏色的突變，紋理結(jié)構(gòu)的突變等。對圖像進行預(yù)處理，主要包括圖像的灰度化、二值化、圖 像的邊緣檢測 等。灰度化處理就是把含有亮度和色彩的彩色圖像變換成灰度圖像的過程。 轉(zhuǎn)換結(jié)果如 圖 41 所示。 圖像二值化 二值圖像是指整幅圖像內(nèi)僅有黑、白二值的圖像，在他們之間不存在其他灰度層次的變化。另外二值化算法還可以用于車牌定位過程中精確定位車牌的上下左右邊界。 圖像二值化的關(guān)鍵在于閾值 T 的選取，根據(jù)閾值 T 來區(qū)分圖像中的對象和第 4 章 車牌圖像的邊緣檢測 22 背景。全局閾值算法簡單，對于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對那些由于光照不均勻、噪聲干擾較大等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差；局部閾值法通過定義 考察點的領(lǐng)域，并由領(lǐng)域計算模板，實現(xiàn)考察點灰度與領(lǐng)域點的比較。由于此算法充分考慮了每個像素領(lǐng)域的特征，所以能夠更好的突出背景和目標(biāo)的邊界。通過灰度變換可以增強對比度，改善視覺效果。用一個線性單值函數(shù)，對圖像內(nèi)的每一個像素作線性擴展，將有效的改善圖像的視覺效果。所以對離散圖像來說，盡管變換前后像素的個數(shù)不變，但是不同像素之間的灰度差變大，圖像質(zhì)量優(yōu)于變換前。分成三段進行線性變換 如圖 43所示 ，變換公式如下 ： ? ?? ? ? ?? ?? ? ? ?? ?? ? ? ?????????????????????????myxfbdbyxfbmdnbyxfacayxfabcdayxfyxfacyxg,0, (44) 圖中對灰度范圍 ? ?ba, 進行了灰度擴展，而對灰度范圍 ? ?a,0 和 ? ?mb, 進行了壓縮。與之相對應(yīng)的指數(shù)變換一般為 ： ? ? ? ?? ? 1, , ?? ?ayxfcbyxg (46) 其中 a， b 和 c 為可調(diào)參數(shù)，用于調(diào)整曲線的位置，它的效果與對數(shù)變換的相反，它使圖像的高灰度區(qū)進行擴展，而對圖像的低灰度區(qū)進行壓縮。盡管灰度直方圖不能表示出具有某些灰度值的像素的具體位置，更不能直接顯示圖像的內(nèi)容，但是 具有統(tǒng)計特征的直方圖卻四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 25 能描述該圖像的灰度分布特征，使人們從中得到諸如總體明亮程度、對比度、灰度分布概貌等信息。 設(shè)原始圖像總的像素數(shù)目為 N,那么，直方圖均衡化的具體計算步驟如下 ： (1)列出原始圖像的灰度級 ir ， 1,1,0 ?? Li ? ，其中 L是灰度級的個數(shù)； (2)統(tǒng)計各灰度級的像素數(shù)目 ??irn ， 1,1,0 ?? Li ? ； (3)計 算原始圖像直方圖各灰度級的頻數(shù) ? ? ? ?NrnrP ii ?， 1,1,0 ?? Li ? ； (4)計算用于灰度變換函數(shù) ? ? ? ????ijii NrnrT0， 1,1,0 ?? Li ? ； (5)計算映射后的輸出圖像的灰度級 ? ? ? ?? ? inm inm a x ???? srTssIN Ts ii ，ppi ,1,1,0 ?? ? 為輸出圖像灰度級的個數(shù)， INT 為取整數(shù)運算； (6)統(tǒng)計映射后各灰度圖的像素數(shù)目 ??isn ， 1,1,0 ?? pi ? ； (7)計算輸出圖像直方圖 ? ? ? ?NsnsQ ii ?， 1,1,0 ?? pi ? ； (8)用 ir 和 is 的映射關(guān)系調(diào)整原始圖像的灰度級，獲得直方圖近似為均勻分布的輸出圖像。噪聲會惡化圖像的質(zhì)量，使圖像模糊，甚至?xí)蜎]和改變圖像本身的特征，給圖像分析和識別帶來困難。它的作用方法，一是模糊；另一種是消除噪聲。最簡單的局部平滑算法稱為非加權(quán)鄰域平均，它均等地對待臨域中的各像素，即把各個像素灰度的平均值作為中心像素的輸出值。并且隨著鄰域的增大，雖然增強了去噪的能力，但同時模糊程度也更嚴(yán)重。 鄰域平均法實際上是一種空間域的低通濾波。我們把用于二維離散卷積計算的鄰域稱為沖激響應(yīng)陣列，又叫做卷積陣列，還有的地方叫做卷積模板。但是，對圖像進行空間域的高通濾波，在增強圖像邊 緣的同時孤立的噪聲點也得到了增強。但中值濾波的計算不是加權(quán)求和，而是把它鄰域內(nèi)的所有像素按灰度值進行排序，然后取該組的中間值作為鄰域中心像素點的輸出值。從以往的經(jīng)驗看，方形或圓???????????????????1111911112H???????????????1212521213H???????????????0101510101H四川理工學(xué)院本科畢業(yè)（設(shè)計）論文 29 形窗口適宜于外廓線較長的物 體圖像，而十字形窗口對有尖頂角狀的圖像效果好。中值濾波的突出優(yōu)點是在消除噪聲的同時，還能防止邊緣模糊。邊緣檢測可借助空域微分算子卷積完