- 相關(guān)推薦
一種基于灰值形態(tài)學(xué)的汽車(chē)牌照提取方法
摘要：提出了一種利用灰度形態(tài)變換快速提取汽車(chē)牌照區域的方法。利用灰度形態(tài)變換對輸入的圖像進(jìn)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(gè)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(chē)牌照自動(dòng)識別系統是智能交通系統一個(gè)重要分支，有著(zhù)非常廣泛的應用前景，而把汽車(chē)牌照從復雜的汽車(chē)圖像中分割出來(lái)是汽車(chē)牌照自動(dòng)識別系統必須解決的關(guān)鍵問(wèn)題。在過(guò)去的十幾年中，各國的科研人員提出了不少提取汽車(chē)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(chē)牌照的方法，此方法由于許多汽車(chē)前部散熱器產(chǎn)生的垂直邊緣和某些牌照邊框的扭曲或某些汽車(chē)牌照沒(méi)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(chē)牌照的方法，最大缺點(diǎn)是耗時(shí)長(cháng)，難以進(jìn)行實(shí)時(shí)處理。S.H.Park提出的一種基于神經(jīng)網(wǎng)絡(luò )提取汽車(chē)牌照的方法，使用二個(gè)時(shí)延神經(jīng)網(wǎng)絡(luò )在水平和垂直方向對輸入圖像進(jìn)行濾波，得到牌照的候選區域，然后利用牌照的長(cháng)寬比、面積、面積與周長(cháng)比來(lái)區分真正的牌照區域與類(lèi)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(fā)生了較大的變化，必須對神經(jīng)網(wǎng)絡(luò )重新進(jìn)行訓練。T.R.Crimmins提出了一種數字形態(tài)學(xué)方法，此方法用不同尺寸的每個(gè)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(yǔ)法得到汽車(chē)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(tài)學(xué)方法，它通過(guò)檢測字符中的直線(xiàn)段和字符間的空間來(lái)提取牌照，這種方法耗時(shí)較多，且沒(méi)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(jìn)行一階差分。差分圖在牌照區域內形成多個(gè)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(lèi)牌照區域。這種方法具耗時(shí)少、抗噪能力強的優(yōu)點(diǎn)。本文提出的灰值形態(tài)學(xué)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(guò)建立牌照與卷積算子形態(tài)學(xué)結構元素尺寸的相互關(guān)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(tài)學(xué)
數字形態(tài)學(xué)是一種重要的數字圖像處理方法和理論。在數字形態(tài)學(xué)中，兩種最基本的變換或運算是腐蝕和膨脹，其它形態(tài)學(xué)變換都可通過(guò)它們來(lái)定義。下面列出了一些灰值形態(tài)學(xué)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(diǎn)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(shí)：
（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(shí)：
(f∨g)（x,y）=max{f(x,y),g(x,y)}
當（x,y）∈D(f)且（x,y）∈D（g）時(shí)
（f∨g）（x,y）=f(x,y)
當（x,y）∈D(g)且（x,y）∈D（f）時(shí)
(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(kāi)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(tài)學(xué)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(jìn)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(tài)學(xué)的汽車(chē)牌照提取方法】相關(guān)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
一種基于分數階傅立葉變換的LFM信號檢測簡(jiǎn)化方法11-22
一種基于小波變換的二級簽名認證方法03-07