【導(dǎo)讀】能交通越來越受到人們的重視。車牌識(shí)別系統(tǒng)是智能交通的重要組成部分，它在。際應(yīng)用價(jià)值，正日益受到人們的重視。及歸一化技術(shù)、神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)等對(duì)車牌圖像進(jìn)行處理和識(shí)別。中值濾波等對(duì)圖像進(jìn)行增強(qiáng)，并提出了改進(jìn)的迭代閾值法對(duì)圖像進(jìn)行二值化處理。換對(duì)微光下的圖像進(jìn)行了去噪處理，取得了良好的去噪效果。然后采用斜率法對(duì)定位出的車牌進(jìn)行。對(duì)圖像質(zhì)量較差的車牌字符也能有較好的分割效果。別，描述了相應(yīng)的算法和程序設(shè)計(jì)步驟，并將識(shí)別結(jié)果與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比，通過實(shí)驗(yàn)說明了小波神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。

　　

【正文】 中 1? 和 2? 分別為背景區(qū)域和目標(biāo)區(qū)域的灰度均值， 1? 和 2? 分別 為 背景區(qū)域和目標(biāo)區(qū)域關(guān)于均值的均方差， 1P 和 2P 分別 為 背景區(qū)域和目標(biāo)區(qū)域灰度值的先驗(yàn)概率。一般情況下，我們認(rèn)為背景區(qū)域和目標(biāo)區(qū)域噪聲的產(chǎn)生原因相同，即 22212?????。通過計(jì)算在閾值 T 分割下的最小錯(cuò)誤率可得最優(yōu)閾值： 21 2 21 2 1ln ( )2PT P?? ?????? ? （ ） 對(duì)于其他密度的分布，可以用類似的方法來確定其閾值。然而要得到 車牌圖像 中背景和目標(biāo)像素的灰度分布概率比較困難，這使最優(yōu)閾值法 的 推廣受到限制。 ⑤ 迭代閾值法 迭代閾值法是一種 基于 逼近思想 的方法。首先，取圖像中的一個(gè)灰度值作為初始閾值 0T ， 一般取的是圖像灰度范圍的中間值，然后按式 ()進(jìn)行迭代，當(dāng)重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 16 i1 iTT? ? ，或兩者相差很小時(shí)，迭代結(jié)束，而此時(shí)的 i1T? 就是要求的分割閾值。 m a x1m inm a xm in 11iiiiTTlllTlTi TTlll T l ThlhlTKhh????????????????????? （ ） 上式中， minT 為圖像中的最小灰度值， maxT 為圖像中的最大灰度值， lh 為圖像中灰度值為 l 的像素個(gè)數(shù)， K 為迭代系數(shù)，通常取 ，也可以根據(jù)圖像的實(shí)際情況做微小的調(diào)整。 初始值取 ， 調(diào)整時(shí)基于如下先驗(yàn)知識(shí)：車 牌圖像中背景像素點(diǎn)總數(shù)與 字符 像素點(diǎn)總數(shù)之比 S 基本固定，約為 ， 若有變化，一般是在 圍內(nèi)進(jìn)行變化，根據(jù) S的變化范圍，調(diào)整迭代系數(shù) K 如下： SKS????????減 少 K增 加 K其 他 不 變 () 當(dāng)圖像的背景區(qū)域和目標(biāo)區(qū)域差異明顯時(shí)，此種方法效果比較明顯。由于其不需要先驗(yàn)知識(shí)， 無須對(duì)圖像進(jìn)行灰度分布分析，因而計(jì)算速度快， 比較實(shí)用。 對(duì)比以上 幾種二值化方法，結(jié)合 本文 車牌圖像 在此之前進(jìn)行了濾波等圖像去噪、增強(qiáng)預(yù)處理，使得圖像的灰度級(jí)相對(duì)呈兩極分布，并且具有一定的對(duì)比度，因此，選擇最后一種迭代閾值法，并在此基礎(chǔ)上進(jìn)行一定的改進(jìn)。 首先將圖像灰度級(jí)從第 1級(jí)開始，每 16個(gè)為一組，一共分為 16組，記為? ?1, 2, 16n ? … … ， 然后將圖中的每個(gè)像素按其灰度值歸入相應(yīng)的組。接著計(jì)算 16個(gè)灰度級(jí)組中每組的平均灰度值，記為 （ 1T ， 2T ， …, 16T ） ， minT =min( 1T ， 2T ， …, 16T )， maxT =max( 1T ， 2T ， …, 16T )，選擇 1T ， 2T ， …, 16T 的中值作為初始閾值 0T ，再根據(jù)公式 ()進(jìn)行迭代，最后得出最終分割閾值 T ，將背景區(qū)域和字符分開。 圖 ，從圖中科可以看出，利用改進(jìn)的迭代閾值法對(duì)車牌圖像進(jìn)行二值化改善了圖像效果，使圖像中的字符更加突出， 為后面的字符分割和識(shí)別奠定了基礎(chǔ)。 圖 灰度圖 和 二值化 效果 圖 Gray level image and binarization effect image 重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 17 微光下車牌 圖像的 去噪 在國(guó)外，早在 20 世紀(jì) 80 年代初期，一些發(fā)達(dá)國(guó)家已經(jīng)開始投入大量的人力物力對(duì)微光圖像進(jìn)行處理研究， 到 80 年代中期，美國(guó)已經(jīng)在該領(lǐng)域取得重大進(jìn)展，同時(shí)，德國(guó)、以色列等國(guó)家也相繼取得成果，推出了一些相關(guān)產(chǎn)品。在國(guó)內(nèi)，從20 世紀(jì) 80 年代中期開始對(duì)此領(lǐng)域進(jìn)行研究，主要有清華大學(xué)、上海交通大學(xué)、北京理工大學(xué)、南京理工大學(xué)、中華理工大學(xué)等高校以及一些科學(xué)研究院。經(jīng)過大量的研究 工作，已經(jīng)取得了較大的成果，但與西方發(fā)達(dá)國(guó)家相比仍然存在很大的距離。同時(shí)，雖然對(duì)微光圖像的降噪處理已經(jīng)有了一定的成果，但 涉及到車牌識(shí)別領(lǐng)域的還是很少。因此，結(jié)合車牌圖像的特殊性，對(duì)微光車牌圖像還需要進(jìn)行深入細(xì)致的研究。 微光 車牌 圖像 的 特點(diǎn) 目前，對(duì)車牌圖像的處理研究多數(shù)是在正常照明的情況下，對(duì)微光下的車牌圖像處理相對(duì)較少，尤其是在國(guó)內(nèi)，很少涉及，這使得在夜間等微弱的可見光下對(duì)車牌的識(shí)別相對(duì)困難。 所謂微光，就 是指 月光、星光、大氣輝光等微弱的可見光，多數(shù)情況下，是指在夜間微弱的可見光的總稱。 與正 常照明條件下的成像相比，微光圖像表現(xiàn)為低信噪比，低對(duì)比度，低空間分辨率，圖像的視覺效果很模糊，微光車牌圖像也是如此。因此，如何提高微光車牌圖像的質(zhì)量和分辨率是一個(gè)亟待解決的問題 ，而微光圖像所具有的特征則是對(duì)它們進(jìn)行處理的算法依據(jù) 。 微光圖像與正常情況下的可見光圖像不同，由于經(jīng)過了多次光電轉(zhuǎn)換和電子倍增技術(shù)，它不僅與場(chǎng)景的照明條件和景物的反射率分布有關(guān)，還與成像系統(tǒng)的信號(hào)轉(zhuǎn)換、像增強(qiáng)器的增益、系統(tǒng)噪聲、攝像機(jī)空間采樣頻率等有關(guān)。因此，微光圖像的特征就要從多方面加以描述。一般從以下幾方面進(jìn)行研究：圖像信噪比、灰 度分布、像素空間與時(shí)間相關(guān)性等。 微光圖像最大的特點(diǎn)是在圖像畫面上疊加有明顯的隨機(jī)閃爍噪聲。 在成像系統(tǒng)中，圖像噪聲可在時(shí)間域隨機(jī)過程和空間域隨機(jī)過程中統(tǒng)一描述。 考慮任意時(shí)空點(diǎn) ? ?,rt 處 圖像量子通量密度的隨機(jī)漲落， 圖像的時(shí)空噪聲如下： ? ? ? ?? ?, rtntn r t nr??? ???? （ ） 式 中， ??rnt為對(duì)于 r 點(diǎn)存在時(shí)間域均值為零的 實(shí) 隨機(jī)過程， 如輻 射噪聲、溫度噪聲、熱噪聲、散粒噪聲等常見的基本噪聲； ??tnr為對(duì)于 t 時(shí)刻存在于空間域均值為零的實(shí)隨機(jī)過程，特指與結(jié)構(gòu)因素引起的空間隨機(jī)不均勻有關(guān)的噪聲。所以， ??rnt表示的是時(shí)間噪聲，而 ??tnr表示的是空間噪聲。如果沒有在時(shí)空域間進(jìn)重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 18 行轉(zhuǎn)換，時(shí)間噪聲 ??rnt只能在時(shí)間域中通過時(shí)間濾波器進(jìn)行濾波，而空間噪聲??tnr也只能在空間域中通過空間濾波器進(jìn)行濾波。 時(shí)空噪聲 ? ?,nrt 作為隨機(jī)矢量過程，其自相關(guān)矩陣函數(shù)為 ? ? ? ?,Tn r t n r t? ? ???? ? ? ??? （ ） 假如時(shí)間噪聲與空間噪聲彼此獨(dú)立無關(guān)，即 ? ? ? ?, , 0r t t rt r r t??????? ? ? ? ? ? （ ） 并且假如時(shí)間噪聲的統(tǒng)計(jì)性質(zhì)在空間上的均勻的，與坐標(biāo) r 無關(guān)，而空間噪聲的統(tǒng)計(jì)性質(zhì)在時(shí)間上是均勻的，與坐標(biāo) t 無關(guān)，則還可有 ? ? ? ? ? ?, , 1, , ,r r r rt t t t t t? ? ? ??? ? ? ? ? ? ? ? （ ） ? ? ? ? ? ?, , 2, , ,t t t tr r r r r r? ? ? ??? ? ? ? ? ? ? ? （ ） 若再假設(shè)時(shí)間噪聲與空間噪聲均為平穩(wěn)隨機(jī)過程，即 ? ? ? ?11,tt ??? ? ? ? （ ） ? ? ? ?22,rr ??? ? ? ? （ ） 則有 ? ? ? ?1200? ?????? ????? （ ） 此為微光圖像的時(shí)空噪聲函數(shù) [7]。 由于按照維納 辛欽定理，相關(guān)函數(shù)與維納譜構(gòu)成傅里葉變換對(duì)，故若以 v 和 f 分別表示時(shí)間頻率和空間頻率，由上式寫出圖像時(shí)空噪聲的維納譜矩陣為： ? ? ? ? ? ? ? ? ? ?120, 0W v fW v f W f v? ???? ???? （ ） 其中， ??1Wv和 ? ?2Wf分別為時(shí)間噪聲和空間噪聲的維納譜。 同時(shí)也可 以寫出微光圖像時(shí)空噪聲的方差矩陣： ? ?? ?1200W v dvVW f df??????????????? （ ） 微光攝像系統(tǒng)得到的圖像噪聲是顆粒性的 隨 時(shí)間、空間 的 閃爍點(diǎn)，可分為離子噪聲和電子噪聲。其中，離子噪聲可以通過改善光電陰極、 MCP、器件電極的制造工藝及保證真空度而得到一定的降低或消除，而電子噪聲是固有的，只能 由圖像處理技術(shù)得到抑制。 常用的微光圖像去噪算法有鄰域平均法、中值濾波、自適應(yīng)濾波等，這些方法前面章節(jié)已經(jīng)有介紹，對(duì)于正常照明下的圖像處理有比較好 的效果，但 對(duì)于微光圖像的處 理效果不是很明顯。本文利用小波變換用于圖像去噪 的 原理，結(jié)合小波變換自身集中的特點(diǎn)和微光圖像中噪聲的閃爍顆粒特點(diǎn)，選用小波變換對(duì)微光下的車牌圖像進(jìn)行去噪研究。 重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 19 小波去噪原理 小波變換是對(duì)傅里葉變換的改進(jìn)和發(fā)展，它是一種時(shí)間窗和頻率窗都可以改變的時(shí)頻分析方法，即在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，在高頻部分具有較高是時(shí)間分辨率和較低的頻率分辨率，因此在時(shí)頻域都具有很強(qiáng)的表征信號(hào)局部特征的能力。 小波變換是通過小波函數(shù)的伸縮 變化和平移后與信號(hào)進(jìn) 行內(nèi)積的結(jié)果，定義為 ? ? ? ? ? ?* ,f a bW a b f t t d t????? ? （ ） 變換的核函數(shù)為 ? ?* , 1 , 0 ,ab tbt a b Raa?? ???? ? ????? （ ） 其中， a 為 伸縮 因子， b 為位移因子， ??t? 稱為基本小波或者母小波，它一般是時(shí)域上以 0t? 為中心的帶通函數(shù)，在時(shí)域和頻域都具有 局部化（緊支撐），且均值為零，即 ( ) 0t dt?????? （ ） 利用小波變換對(duì)圖像信號(hào)進(jìn)行去噪時(shí)，常用的方法是基于離散小波變換是非線性濾波方法。由于小波變換具有 “ 集中 ” 的能力，也就是可以使信號(hào)的能量在小波變換域集中于少數(shù)的小波系數(shù)上，因此，可以設(shè)置一定的閾值對(duì)小波系數(shù)進(jìn)行閾值處理就可以達(dá)到去噪的目的。 閾值函數(shù)的選擇和確定是小波閾值濾波算法中的關(guān)鍵問題，閾值函數(shù)可以分為軟閾值函數(shù)、硬閾值函數(shù)和半軟閾值函數(shù)。硬閾值法往往使得濾波結(jié)果具有較大的方差，得到的信號(hào)通常有許多不期望的振蕩，并且不具有期望的同原始信號(hào)相同的光滑性。軟閾值法可 能會(huì)造成邊緣模糊等失真現(xiàn)象，但保證滿足了縮小條件的最優(yōu)估計(jì)，因此保證了估計(jì)函數(shù)和原始函數(shù)相同的光滑性，所得到的估計(jì)信號(hào)同原始信號(hào)相比不會(huì)產(chǎn)生附加振蕩。半軟閾值法需要確定兩個(gè)閾值，算法的復(fù)雜度較高，所以本文選用的是軟閾值法，處理方式如下： ? ?0Txx T x Tx T x TxT?? ? ??? ? ? ??? ??若若若 () 其中， ??Tx?為閾值處理結(jié)果， T 為閾值， x 為處理前的系數(shù)。 微光車牌圖像小波去噪 利用小波對(duì)微光車牌圖像進(jìn)行 去噪可以分為三步：小波分解，閾值去噪，小波重構(gòu)。 重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 20 對(duì)微光圖像信號(hào)進(jìn)行小波分解時(shí)最重要的是選擇恰當(dāng)?shù)男〔ɑ头纸鈱哟?。小波函?shù)的具體介紹在 節(jié)。 在考慮去噪速度和效果的情況下，在本文選用了db4 小波對(duì)微光車牌圖像進(jìn)行小波分解。分解層數(shù)對(duì)去噪效果的影響很大，通常分解層數(shù)過多，而且對(duì)所有的各層小波空間的系數(shù)都進(jìn)行閾值處理會(huì)造成信號(hào)的信息丟失嚴(yán)重，去噪后的信噪比反而下降，同時(shí)導(dǎo)致運(yùn)算量增大，使處理變慢；分解層數(shù)過少則去噪效果不理想，信噪比提高不多，但不會(huì)出現(xiàn)信噪比下降的情況 ?？紤]到對(duì)離散信號(hào) 進(jìn)行分解 ， 并且通過 實(shí)驗(yàn)比較， 本文選擇二層小波分解。 對(duì)圖 所示的微光車牌圖像進(jìn)行 db4 小波二層分解后，得到如圖 所示結(jié)果。從圖中可以看出，對(duì)原圖進(jìn)行 db4 小波二層分解后得到的圖像具有良好的改善效果。圖 為 db4 小波一層、二層分解的水平細(xì)節(jié)圖、對(duì)角細(xì)節(jié)圖和垂直細(xì)節(jié)圖。 圖 微光下車牌原圖 Original license plate image in LLL 圖 db4 小波二層分解后車牌圖像 License plate image with wavelet deposition of two levels 重慶大學(xué)碩士學(xué)位論文 2 車牌 圖像的預(yù)處理 21 圖 二層分解的水平、對(duì)角、垂直細(xì)節(jié)圖 The horizontal, diagonal, and vertical details of the db4 wavelet deposition at level 1 and level 2 確定了小波基和分解層次后，選擇恰當(dāng)?shù)男〔ㄏ禂?shù)閾值就成了關(guān)鍵。閾值函數(shù)的基本思想是去除小的系數(shù)，對(duì)大的系統(tǒng)進(jìn)行收縮或保留，本文按這個(gè)原則選擇閾值剛好大于噪聲的最大尺度，采 用了 Donoho 算法確定閾值：