当前位置: 硕士论文网 >> 工程硕士论文 >> 软件工程硕士论文 >> 一种改进的基于纹理特征的车牌定...
一种改进的基于纹理特征的车牌定位问题
来源:
摘要：车牌识别问题的一个关键环节就是车牌定位，是否能够准确定位车牌直接影响车牌的识别，因此对车牌定位的研究是非常必要的。本文主要是基于前人对车牌定位问题的研究的深入分析，得出其存在的一些问题。结合前人提出的思路，在预处理环节和边缘检测环节做了部分改进，试图由此来解决其存在的问题，经过仿真研究表明其确实能够较好的解决存在的问题，是一种实现车牌定位问题的有效方法。
关键词： 图像处理；车牌定位；纹理特征
0 引言
现在对车牌的定位问题主要基于形状、纹理和颜色三个特征。基于这些特征的研究非常多，通过研究它们各自也的确能够定位车牌。但是它们各自基本上都是基于一定的假设，如在我国一般的车牌的背景色是蓝色。通过蓝色背景的特征一般能够迅速的实现车牌定位[5]。
在日常生活中我们如果注意车牌的话，会发现车牌的背景色蓝色也都不完全一样，有各种各样的蓝色背景，这时如何选择一个合适的范围来确定蓝色区域必然是个很复杂的问题。另外我们还会观察到车牌的背景色也完全一样，比如教练车，其背景色为黄色，这时如果再根据蓝色背景的特征去寻找车牌，必然无法定位车牌。除此以外有的车身是蓝色的、车牌使用过长蓝色背景逐渐淡去、车牌上有泥土等，这些都给基于颜色特征的定位问题带来困难，而基于形状特征（如车牌是长方形）这个特征更不能够较好的定位车牌。车牌的纹理特征比较明显，实践证明通过它能够很好的定位车牌，但是该方法也并不是那么的完善。如何寻求一个很好的能够基于纹理特征的车牌定位问题是很多研究者们所思索的问题，另外从应用的角度上来说，如何能够实时的实现车牌定位问题，如何能够抗环境因素变化的干扰等对车牌定位都非常关键。
1 图像的预处理
在对图像进行分析前，对图像的预处理是一件非常必要且非常有意义的操作，图像预处理结果的好坏直接影响着后续分析结果。在车牌识别问题中，一般可通过CCD 摄像头、数码相机采集到车牌图像，由于环境（如光照等）、传输过程的噪声，还有车牌使用时间较长、车牌上有泥土等各种因素的影响，采集到的图像并不是理想的状态，因此在对图像进行其他后续分析前，先对图像进行必要的预处理是非常必要的。
随着科技的进步，现在获取到的图像的分辨率一般比较高，对应的图像文件也比较大。 对整个图像进行处理所需时间必然要增长，这对实时性要求比较高的应用场合必然是一种挑战。一般对图像进行处理以实现图像的机器自动识别等操作，而不是为了便于人们观看，只要不影响最终的处理目的，对图像数据进行必要的降低采样操作是完全可以的。为了能够减少处理时间，可以对采集到的数字图像进行降低采样操作，让降低采样后的图像的宽度为256（一般可以适当的进行选择，原则是不能够影响后面的处理），高度的选择基于原图像的宽高比，使进行该操作处理前后的高宽比保持不变。
对于一个车牌识别系统，它所能工作的环境不可能是个光照强度不变的环境。我们获得的图像可能是通过十字路口的摄像头采集的，这样摄像头摄取图像的光照环境就有白天和黑夜，雪天和阴天等。光照强度的变化不利于对图像的边缘进行检测时如何选择一个合适的阈值，因此自适应的阈值概念被引入，但这也是建立在消耗处理时间的基础上。对光照变化较大的环境，如何寻找一个能够有效的进行边缘检测的全局阈值也许成了一件不可能的事。基于这个问题，文献[1]提出对整个图像的像素值进行对数变换，让其图像的像素值集中在一个范围，随后便可以选择一个合适的全局阈值，作者给出的对数变换公式为：
I (x, y) =100 + 20U log[Is (x, y) +1] （1）
这里的Is(x, y)∈[0, 255]为源图像的像素值，I (x, y)∈[0, 255] 为对数变换后的图像像素值。常数100 和U 是任意选取的，目的是将变换后的图像映射到能便于人眼观察的范围内。针对log[255+1] = 5.5452，log[1] = 0 ，我们可以发现公式（1）是将原图像的像素值压缩到到0 和5.5452 范围，再乘上一常数20U，使变换后的图像的像素值有个固定的范围，这样再去取某个阈值作为全局阈值就能够得到较好的边缘检测效果。但是由于其运用的是非线性的对数变换，将图像中像素值较小的像素范围映射到一段较大的范围，而对像素值较大的像素范围进行压缩，这样就改变了原图像各像素之间的关系。在此，基于[1]中的基本思想，我们可以采用线性的变换：
I (x, y) = β +αIs (x, y)（2）
这里β和α的作用分别与（1）中的100 和20U 相似，这里的β取值仍可为100，α的取值可以为0.45U。这样不仅能够达到变换 （1）同样的目的，而且还能保证像素值的线性变换和节省运算时间（对数运算的时间长于简单的乘法运算）
