- 相關推薦
一種基于灰值形態學的汽車牌照提取方法
摘要：提出了一種利用灰度形態變換快速提取汽車牌照區域的方法。利用灰度形態變換對輸入的圖像進行濾波，根據牌照的大致尺寸和濾波圖像的模板卷積得到幾個牌照的候選區域，最后分析候選區域內水平方向的波峰高寬比波峰數得到真正的牌照區域。基于圖像理解的汽車牌照自動識別系統是智能交通系統一個重要分支，有著非常廣泛的應用前景，而把汽車牌照從復雜的汽車圖像中分割出來是汽車牌照自動識別系統必須解決的關鍵問題。在過去的十幾年中，各國的科研人員提出了不少提取汽車牌照的方法。Choi和Kim提出利用Hough變換尋找垂直邊緣提取汽車牌照的方法，此方法由于許多汽車前部散熱器產生的垂直邊緣和某些牌照邊框的扭曲或某些汽車牌照沒有邊框而魯棒性較差。S.K.Kim和H.J.Kim提出的基于遺傳算法分割提取汽車牌照的方法，最大缺點是耗時長，難以進行實時處理。S.H.Park提出的一種基于神經網絡提取汽車牌照的方法，使用二個時延神經網絡在水平和垂直方向對輸入圖像進行濾波，得到牌照的候選區域，然后利用牌照的長寬比、面積、面積與周長比來區分真正的牌照區域與類牌照區域。此方法要求圖像中的牌照尺寸基本不變，一旦圖像中的牌照尺寸發生了較大的變化，必須對神經網絡重新進行訓練。T.R.Crimmins提出了一種數字形態學方法，此方法用不同尺寸的每個可能字符作為結構元素，采用擊中擊不中方法先提取輸入圖像中的字符，再根據牌照字符的語法得到汽車牌照，這種方法計算量非常大且易受噪聲影響。C.H.Poon提出了一種灰值形態學方法，它通過檢測字符中的直線段和字符間的空間來提取牌照，這種方法耗時較多，且沒有利用版照的尺寸信息。C.M.Hwang提出了空間頻率方法，它利用牌照區域內空間頻率變化大的特性，對圖像進行一階差分。差分圖在牌照區域內形成多個峰，然后利用峰的幅度、寬度和密度區分真正的牌照區域與類牌照區域。這種方法具耗時少、抗噪能力強的優點。本文提出的灰值形態學方法僅利用了牌照區域內空間頻率變化大的特性而且利用了牌照區域字符筆劃具有高曲的特性，因而比單純的空間頻率方法更加有效。通過建立牌照與卷積算子形態學結構元素尺寸的相互關系。本文提出的方法對不同尺寸牌照具有很好的魯棒性。
1 數字形態學
數字形態學是一種重要的數字圖像處理方法和理論。在數字形態學中，兩種最基本的變換或運算是腐蝕和膨脹，其它形態學變換都可通過它們來定義。下面列出了一些灰值形態學變換的定義。
圖像f(x,y)平移（a,b）定義為：
f(a,b)(x,y)=f(x-a,y-b)
圖像f(x,y)相對于原點的反射為：
f^(x,y)=f(-x,-y)
二幅圖像f(x,y)和g(x,y)的最小記為（f∧g）（x,y）。
當（x,y）位于圖像f的定義域D(f)和圖像g的定義域D(g)的交集D（f）∩D(g)內時：
（f∧g）(x,y)=min{f(x,y),g(x,y)}
否則：
（f∧g）（x,y）=0
二幅圖像f(x,y)和g(x,y)的最大記為（f∨g）（x,y）。
當（x,y）位于圖像f的定義域D（f）和圖像g的定義域D(g)的交集D（f）∩D（g）內時：
(f∨g)（x,y）=max{f(x,y),g(x,y)}
當（x,y）∈D(f)且（x,y）∈D（g）時
（f∨g）（x,y）=f(x,y)
當（x,y）∈D(g)且（x,y）∈D（f）時
(f∨g)(x,y)=g(x,y)
f(x,y)被g(x,y)膨脹定義為：
(f⊙g)(x,y)=max{f(x-a,y-b) g(a,b)}
（a,b）∈D(g)
f(x,y)被g(x,y)腐蝕定義為：
(f⊙g)(x,y)=max{f(x-a,y-b)-g(a,b)}
(a,b)∈D（g）
開運算定義：
fog=(f⊙g)⊙g
閉運算定義：
f·g=(f⊙g)⊙g
Top-Hat變換定義：
Hat(f,g)=f-fog
與Top-Hat變換相對的是波谷檢測器（Valley變換），其定義為：
Valley(f,g)=(f·g)-f
形態學梯度有下面三種形式：
Grad(f)=f-(f⊙g)
Grad(f)=(f⊙g)-f
Grad(f)={[(f⊙g)-(f⊙g)]}/2
2 牌照提取算法
在牌照提取算法中，需要用到卷積、模板卷積和卷積投影等概念。下面對它們進行定義。
對于圖像[aij]m×n,i=0...m-1,j=0...n-1，模板[aij]p×q。p
【一種基于灰值形態學的汽車牌照提取方法】相關文章：
一種提取辣椒紅色素的新方法01-01
一種圓錐掃描體制雷達中目標信息的提取方法03-07
一種基于路測數據的基站定位方法03-07
一種基于陣列運動擴展的高精度測向方法03-07
一種基于宏指令的數控加工進度采集方法03-02
一種基于小波變換的二級簽名認證方法03-07