【文章內(nèi)容簡(jiǎn)介】 提 取 有 關(guān) ， 而 字 符 特 征 的 提 取 往 往 比較 耗 時(shí) 。 另 一 種 方 法 是 充 分 利 用 神 經(jīng) 網(wǎng) 絡(luò) 的 特 點(diǎn) 直 接 把 待 處 理 圖 像 輸 入 網(wǎng) 絡(luò) ，由 網(wǎng) 絡(luò) 自 動(dòng) 實(shí) 現(xiàn) 特 征 提 取 直 至 識(shí) 別 ， 這 種 網(wǎng) 絡(luò) 可 連 較 多 ， 待 處 理 信 息 量 大 。如 有 研 究 者 提 出 使 用 一 種 前 饋 神 經(jīng) 網(wǎng) 絡(luò) 進(jìn) 行 識(shí) 別 ， 這 種 方 法 無 需 特 征 提 取 和模 板 匹 配 ， 由 網(wǎng) 絡(luò) 自 動(dòng) 識(shí) 別 字 符 。近 兩 年 ， 有 少 數(shù) 研 究 人 員 開 始 應(yīng) 用 支 持 向 量 機(jī) (Support Vector Machine， 簡(jiǎn) 稱 SVM)來 進(jìn) 行 車 牌 字 符 識(shí) 別 ， 并 且 取 得 了 一 定 進(jìn) 展 ， 收 到 了 較好 的 效 果 。 支 持 向 量 機(jī) 在 避 免 神 經(jīng) 網(wǎng) 絡(luò) 的 局 部 極 值 方 面 具 有 優(yōu) 勢(shì) ， 同 時(shí) ， 它不 要 求 大 樣 本 訓(xùn) 練 。 由 于 我 國(guó) 車 牌 識(shí) 別 的 特 殊 性 ， 采 用 任 何 一 種 單 一 識(shí) 別 技術(shù) 均 難 以 奏 效 ， 今 后 ， 基 于 視 頻 采 集 的 、 綜 合 應(yīng) 用 數(shù) 字 圖 像 處 理 、 模 式 識(shí) 別 、人 工 智 能 等 技 術(shù) 的 車 牌 識(shí) 別 方 法 將 成 為 比 較 有 前 途 的 研 究 方 向 。 研究?jī)?nèi)容及技術(shù)指標(biāo)在 車 牌 定 位 方 面 ， 在 對(duì) 目 前 常 用 方 法 的 原 理 和 存 在 問 題 分 析 的 基 礎(chǔ) 上 ，本 文 采 用 數(shù) 學(xué) 形 態(tài) 學(xué) 的 方 法 ， 并 根 據(jù) 車 牌 的 長(zhǎng) 寬 比 例 剔 除 非 車 牌 區(qū) 域 。 對(duì) 采集 到 的 車 牌 圖 像 利 用 數(shù) 字 圖 像 處 理 方 法 進(jìn) 行 圖 像 預(yù) 處 理 操 作 ， 以 減 少 噪 聲 點(diǎn)的 干 擾 ， 進(jìn) 行 區(qū) 域 定 位 為 車 牌 區(qū) 域 定 位 做 好 準(zhǔn) 備 。 經(jīng) 預(yù) 處 理 后 的 邊 緣 圖 像 ，根 據(jù) 車 牌 的 外 型 特 征 ， 用 數(shù) 學(xué) 形 態(tài) 學(xué) 定 位 車 牌 區(qū) 域 的 方 法 ， 完 成 了 仿 真 。技 術(shù) 指 標(biāo) ： 位 圖 片 為 格 式 640*480 的 JPEG 圖 片 像 為 單 車 牌 靜 態(tài) 圖 片 確 定 位 率 應(yīng) 達(dá) 到 90%以 上哈爾濱工業(yè)大學(xué)華德應(yīng)用技術(shù)學(xué)院畢業(yè)設(shè)計(jì)（論文）7第 2 章 車牌圖像的預(yù)處理圖 像 預(yù) 處 理 的 作 用 是 突 出 圖 像 中 的 有 用 信 息 ， 不 同 的 圖 像 預(yù) 處 理 對(duì) 應(yīng) 于不 同 的 圖 像 分 割 以 獲 得 最 佳 的 車 牌 特 征 。 車 牌 定 位 預(yù) 處 理 目 標(biāo) 是 突 出 車 牌 區(qū)域 的 特 征 ， 抑 制 其 它 無 用 的 特 征 。圖 像 的 預(yù) 處 理 包 括 圖 像 灰 度 化 、 二 值 化 、 邊 緣 檢 測(cè) 等 內(nèi) 容 。采 集 所 得 原 始 圖 片 （ 車 牌 定 位 演 示 ） 如 圖 21 所 示 。圖 21 采 集 所 得 原 始 圖 片 圖像的灰度化灰 度 圖 的 特 征 是 ： 只 有 亮 度 信 息 ， 沒 有 顏 色 信 息 。 彩 色 位 圖 結(jié) 構(gòu) 復(fù) 雜 ，難 以 處 理 ， 灰 度 圖 較 簡(jiǎn) 單 ， 易 于 處 理 。 灰 度 圖 的 亮 度 信 息 ， 已 經(jīng) 足 以 判 斷 對(duì)車 牌 進(jìn) 行 定 位 了 ， 所 以 選 擇 較 容 易 處 理 的 灰 度 圖 。灰 度 圖 是 只 含 亮 度 信 息 不 含 色 彩 信 息 的 圖 像 ， 其 中 亮 度 值 量 化 為 256 級(jí) ?；?度 圖 進(jìn) 行 算 法 處 理 比 較 方 便 ， 首 先 RGB 值 一 樣 ， 且 圖 像 數(shù) 據(jù) 就 是 調(diào) 色 板索 引 值 ， 也 就 是 實(shí) 際 的 RGB 的 亮 度 值 ， 又 因 調(diào) 色 板 是 256 色 的 ， 所 以 圖 像數(shù) 據(jù) 中 一 個(gè) 字 節(jié) 代 表 一 個(gè) 。 如 果 是 彩 色 的 256 色 圖 ， 則 經(jīng) 過 圖 像 處 理 算 法 后 ，可 能 會(huì) 產(chǎn) 生 不 屬 于 這 256 種 顏 色 的 新 顏 色 ， 而 真 彩 色 RGB 圖 像 必 須 用 三 個(gè)與 圖 像 尺 寸 相 同 的 矩 陣 來 存 儲(chǔ) ， 這 樣 計(jì) 算 代 價(jià) 過 大 。 所 以 ， 一 般 采 用 256 級(jí)灰 度 圖 來 進(jìn) 行 處 理 。 由 于 采 集 的 圖 像 是 彩 色 圖 像 ， 所 以 要 把 彩 色 圖 像 轉(zhuǎn) 化 為灰 度 圖 像 。 灰 度 變 換 有 時(shí) 又 被 稱 為 圖 像 的 對(duì) 比 度 增 強(qiáng) 或 對(duì) 比 度 拉 伸 。 假 定 輸入 圖 像 中 的 一 個(gè) 像 素 的 灰 度 級(jí) 為 Z， 經(jīng) 過 T(Z)函 數(shù) 變 換 后 輸 出 圖 像 對(duì) 應(yīng) 的 灰度 級(jí) 為 Z， 其 中 要 求 Z 和 Z 都 要 在 圖 像 的 灰 度 范 圍 之 內(nèi) 。 根 據(jù) T()形 式 ， 可以 將 灰 度 變 換 分 為 線 性 變 換 和 非 線 性 變 換 。 具 體 應(yīng) 用 中 采 用 何 種 T()， 需 要哈爾濱工業(yè)大學(xué)華德應(yīng)用技術(shù)學(xué)院畢業(yè)設(shè)計(jì)（論文）8根 據(jù) 變 換 的 要 求 而 定 。 灰 度 變 換 的 具 體 方 法 是 ： 首 先 將 原 始 圖 像 從 RGB 空間 轉(zhuǎn) 化 為 YCbCr 空 間 ， Y 分 量 包 含 亮 度 信 息 ， Cb 和 Cr 分 量 包 含 色 度 和 飽 和度 信 息 ， 然 后 僅 提 取 Y 分 量 生 成 灰 度 圖 。彩 色 圖 像 由 RGB 空 間 變 換 為 YCbCr 空 間 的 轉(zhuǎn) 換 關(guān) 系 為 ：Y=＋ ＋ （ 21）Cb=－ － ＋ ＋ 128 （ 22）Cr =－ － ＋ 128 （ 23）彩 色 圖 像 由 YCbCr 空 間 變 換 為 RGB 空 間 的 轉(zhuǎn) 換 關(guān) 系 為 ：R=Y+(Cr－ 128) （ 23）G=Y－ (Cb－ 128)－ (Cr－ 128) （ 24）B=Y+(Cb－ 128) （ 25）所 以 ， 最 終 我 們 得 到 RGB 顏 色 和 灰 度 值 的 轉(zhuǎn) 換 關(guān) 系 ：Gray=++ （ 26）得 到 的 灰 度 圖 如 圖 22 所 示 。圖 22 轉(zhuǎn) 換 所 得 的 灰 度 圖哈爾濱工業(yè)大學(xué)華德應(yīng)用技術(shù)學(xué)院畢業(yè)設(shè)計(jì)（論文）9 圖像二值化假 設(shè) 一 幅 灰 度 車 牌 圖 像 大 小 為 M 行 N 列 ， 用 那 么 二 值 化 的 處 理 可 以 用下 式 所 示 ： （27）??????Tyxfyxf),(,01),(這 里 的 T 稱 為 閾 值 （ Threshold） ， 經(jīng) 過 二 值 化 處 理 后 ， 字 符 前 景 和 車 牌背 景 就 由 黑 白 兩 種 顏 色 分 開 ， 選 擇 不 同 的 閾 值 會(huì) 得 到 不 同 的 分 離 結(jié) 果 。 在 車牌 識(shí) 別 中 對(duì) 車 牌 灰 度 圖 像 進(jìn) 行 二 值 化 的 方 法 有 主 要 有 全 局 動(dòng) 態(tài) 二 值 化 、 局 部自 適 應(yīng) 二 值 化 。 全 局 動(dòng) 態(tài) 二 值 化全 局 動(dòng) 態(tài) 二 值 化 從 整 個(gè) 灰 度 圖 像 的 像 素 分 布 出 發(fā) 尋 求 一 個(gè) 最 佳 的 門 限 值 。（ 1） 迭 代 式 閾 值 選 擇迭 代 式 閾 值 選 擇 方 法 的 基 本 思 想 是 ： 開 始 時(shí) 選 擇 一 個(gè) 閾 值 作 為 初 始 值 ，然 后 按 照 某 種 策 略 不 斷 改 進(jìn) 這 一 估 計(jì) 值 ， 直 到 滿 足 給 定 的 準(zhǔn) 則 為 止 。 在 迭 代的 過 程 中 ， 關(guān) 鍵 之 處 在 于 選 擇 什 么 樣 的 閾 值 改 進(jìn) 策 略 ， 好 的 閾 值 改 進(jìn) 策 略 具備 兩 個(gè) 特 征 ： 一 是 能 夠 快 速 收 斂 ， 二 是 在 每 一 個(gè) 迭 代 過 程 中 ， 新 產(chǎn) 生 閾 值 優(yōu)于 上 一 次 的 閾 值 。 下 面 給 出 一 種 迭 代 式 閾 值 選 擇 算 法 ， 其 步 驟 如 下 ：① 選 擇 圖 像 灰 度 的 中 值 作 為 初 始 閾 值 T0 ；② 利 用 閾 值 T0 把 圖 像 分 割 成 兩 個(gè) 區(qū) 域 ——R1 和 R2， 用 式 （ 28） 計(jì) 算 區(qū)域 R1 和 R2 的 灰 度 均 值 ：21?、 （28）????1201 LTiiiTiiii n、③ 計(jì) 算 后 ， 用 式 （ 29） 計(jì) 算 出 新 的 閾 值 Ti+1：21 ?、 （29）)(211???i④ 重 復(fù) ② ~③ ， 直 到 Ti+1 和 Ti 的 差 小 于 某 個(gè) 給 定 值 。（ 2） Otsu 法 閾 值 選 擇哈爾濱工業(yè)大學(xué)華德應(yīng)用技術(shù)學(xué)院畢業(yè)設(shè)計(jì)（論文）10Otsu 法 是 一 種 使 類 間 方 差 最 大 的 自 動(dòng) 確 定 閾 值 的 方 法 。 基 本 思 想 是 ： 取一 個(gè) 閾 值 T0， 將 圖 像 像 素 按 灰 度 大 小 分 為 大 于 等 于 T0 和 小 于 T0 兩 部 分 ， 然后 求 出 兩 部 分 像 素 的 平 均 值 方 差 （ 類 間 方 差 ） 和 兩 個(gè) 類 各 自 的 均 方 差2B?（ 類 內(nèi) 方 差 ） ， 找 出 使 兩 個(gè) 方 差 比 最 大 的 閾 值 T， 該 閾 值 即 為 二 值2A?2A化 圖 像 的 最 佳 閾 值 。 這 種 方 法 不 論 圖 像 的 直 方 圖 有 無 明 顯 的 雙 峰 ， 都 能 得 到較 為 滿 意 的 效 果 。 因 此 這 種 方 法 是 閾 值 自 動(dòng) 選 取 的 較 優(yōu) 方 法 。具 體 方 法 如 下 ： 設(shè) 給 定 圖 像 具 有 1， 2 ， 3 ， ……， L， 共 L 級(jí) 灰 度 ，閾 值 設(shè) 為 k， 把 灰 度 大 于 k 和 小 于 k 的 像 素 分 為 兩 類 。 類 1 中 的 像 素 總 數(shù) 為， 平 均 灰 度 為 ， 方 差 為 ； 類 2 中 的 像 素 總 數(shù) 為 ， 平)(1W)(1M)(1?)(2kW均 灰 度 為 ， 方 差 為 ； 所 有 圖 像 像 素 的 平 均 值 為 。)(22 rM類 間 方 差 和 類 內(nèi) 方 差 分 別 由 式 （ 210） 和 式 （ 211） 決 定 ：B?A （210）221 )()()(Wrr ?????? （211）22A算 法 的 描 述 如 下 ：① 求 出 圖 像 中 最 大 的 灰 度 max_gray；② 令 k = 0；③ 求 出 大 于 和 小 于 k 的 這 兩 類 像 素 總 數(shù) 和 像 素 的 灰 度 平 均 值 ；④ 計(jì) 算 類 間 方 差 和 類 內(nèi) 方 差 ；2B?2A?⑤ k = k + 1， 循 環(huán) ③ ~⑤ 步 ， 直 到 k max_gray；⑥ 找 出 最 大 的 值 ， 得 到 相 應(yīng) 的 閾 值 k。Otsu 算 法 基 于 圖 像 像 素 的 灰 度 值 分 類 ， 按 照 使 類 間 方 差 與 類 內(nèi) 方 差 比 值最 大 的 原 則 獲 得 門 限 值 ， 使 目 標(biāo) 占 背 景 之 間 方 差 最 大 ， 即 找 出 使 兩 個(gè) 方 差 比的 最 大 的 閾 值 T， 這 種 算 法 具 有 以 下 優(yōu) 點(diǎn) ：2AB?① 算 法 的 實(shí) 現(xiàn) 簡(jiǎn) 單 ；② 基 于 圖 像 的 整 體 特 性 的 積 分 而 非 局 部 特 性 ；③ 可 推 廣 到 多 閾 值 的 分 割 方 法 ；④ 該 算 法 的 適 用 性 強(qiáng) 。 局 部 自 適 應(yīng) 二 值 化局 部 自 適 應(yīng) 二 值 化 是 針 對(duì) 灰 度 圖 像 中 的 每 一 個(gè) 像 素 逐 點(diǎn) 進(jìn) 行 閾 值 計(jì) 算 的 ，以 當(dāng) 前 點(diǎn) 為 中 心 選 取 一 個(gè) 適 當(dāng) 的 鄰 域 模 板 ， 從 這 個(gè) 模 板 中 的 像 素 灰 度 值 中 獲哈爾濱工業(yè)大學(xué)華德應(yīng)用技術(shù)學(xué)院畢業(yè)設(shè)計(jì)（論文）11得 判 據(jù) ， 來 決 定 對(duì) 當(dāng) 前 點(diǎn) 是 置 0 還 是 置 1①對(duì) 每 一 點(diǎn) 計(jì) 算 閾 值 ： （212）)],(min),(max[21),(2 lykxflykfyxTwlkwlk ???????②計(jì) 算 另 一 閾 值 T3： （213）)],(i),(),(3 lflfwlkwlk ????③ 對(duì) 每 點(diǎn) 的 閾 值 T2 進(jìn) 行 一 次 濾 波 處 理 得 新 閾 值 T4： （214）),(),(24 lyxTavgyxwlk????④逐 點(diǎn) 對(duì) 圖 像 進(jìn) 行 二 值 化 ：若(f (x ,y) T4 (x ,y) ) 且 (T3 (x ,y) (T1 min) )，則 b (x ,y) = 1，否則 b (x ,y) = 0。其中 T1 滿足 ，H (x)為灰度直方圖。??? 圖像的邊緣檢測(cè)