本文关于计算机及车牌及图像方面的免费优秀学术论文范文,计算机类论文范文文献,与基于加权平均值的汽车车牌监控图像过滤技术相关在职毕业论文范文,对不知道怎么写计算机论文范文课题研究的大学硕士、本科毕业论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
摘 要 :车牌监控图像由于照明、天气、运动目标位置和运动目标速度的不同,图像质量差异很大,从而不利于车牌监控的定位和识别.本文采用最大值法、平均值法和加权平均值法三种方法对车牌监控图像进行过滤,结果表明:采用加权平均值法进行车牌图像颜色过滤能够保留绝大部分的汽车车牌信息,使得目标和背景之间边界清晰,是一种较好的车牌图像彩色过滤方法.
关 键 词 :车牌监控 图像处理 颜色过滤 最大值法 平均值法 加权平均值法
中图分类号:TP391 文献标识码:A 文章编号:1007-9416(2013)11-0097-03
1.引言
汽车车牌监控图像的很多样本,都是通过CCD摄像机拍摄而获得的,由于照明、天气、运动目标位置和运动目标速度的不同,导致图像质量差异非常大,车牌监控图像常常出现对比度低、灰度分布不均匀、噪声干扰等等不利因素,从而不利于车牌监控的定位和识别.那么为了消除这些不利的影响因素,需要利用图像彩色过滤技术,对车牌监控图像进行颜色过滤.本文首先阐述了车牌图像颜色过滤的必要性,然后介绍了最大值法、平均值法和加权平均值法等三种车牌监控图像彩色过滤方法,最后对其过滤结果进行了验证.
2.车牌图像颜色过滤的必要性
CCD摄像头,数码相机或其他车牌监控设备拍摄的图像存储格式为BMP位图格式的真彩色RGB图像.彩色RGB图像的颜色信息划分为R,G,B的3个分量,每个分量表示一个颜色,R为红色,G为绿色,B为蓝色.由于彩像处理前含有大量的颜色信息,这些颜色信息在图像识别过程中属于无关因素,不仅对图像识别帮助不大,反而会造成识别的干扰,同时还会占据大量的存储空间,从而将极大地影响预处理速度,所以首先需要将彩像转换为灰度图像.图像颜色过滤是将收集到的车牌监控图像转化为灰度图像.
灰度也属于一种特殊形式的彩像.在数字图像灰度处理过程中各种格式图像被简化,节省了存储空间,并提高了处理速度.其特征在于,灰度图像除了不包含颜色信息之外,其他如亮度,饱和度等特性仍然存在,仍然能够反映色度和亮度的图像特征分布,因此彩像的灰度化并不影响除了颜色信息之外的其他信息的处理.灰度化后的车牌图像的彩色信息虽然被省略,但其他方面的信息有所放大,使得字符识别过程变得简单,节省了大部分处理时间.灰度化后的车牌图像能够有效排除车牌颜色和周围背景颜色之间的干扰,提高车牌识别精确度.灰度化后的车牌图像能够突出图像的对比度,降低由于色彩失真而带来的干扰,简化车牌识别过程.因此,对车牌监控图像进行颜色过滤,将彩色车牌图像转化为灰度图像是必要的.
3.基于加权平均值的汽车车牌图像过滤技术
采集到图像虽然进行了灰度化,简化了图像信息,但是这些图像的灰度大多集中在很小的区域内,对比度明显不够.这就使得计算机处理灰度图像时难以识别.因此,在彩像过滤技术中,除了对彩像进行灰度化处理,还要进行灰度拉伸,灰度拉伸是将图像的灰度范围进行放大,从而增强对比度的一种图像预处理方法.灰度的拉伸是线性的,其拉伸范围在0—255之间.灰度拉伸的函数表达式如下:
如图1所示,灰度拉伸可以非常灵活的控制灰度直方图的分布范围,有选择的拉伸某段灰度区间,这样就改善了输出图像的质量.在上图中,变换函数是将原图在x1和x2范围的灰度拉伸到了y1和y2范围.如果在一幅图像中,其灰度都集中在亮的区域而造成整幅图像都偏亮,那么,我们可以将灰度拉伸的斜率设定为小于1,以此来增加对比度,改善图像质量.同样,如果在一幅图像中,所有灰度都集中在暗的区域而造成全部图像都偏暗,那么我们可以将灰度拉伸的斜率设定为大于1,以改善图像.
对于图像的灰度拉伸还有更简便的方法,如可以设定一个最小值和一个最大值,但灰度值小于最小值时,就让这个灰度值等于0;而当灰度值大于最大值时,就让这个灰度值等于255,使系统灰度值只在最小值与最大值之间作灰度拉伸.
4.基于加权平均值的汽车车牌图像过滤验证
我们以交通车辆图像为例,从交通车牌监控录像中选取4张包含车牌监控彩像,如图3-a所示.对这4个车牌图像进行颜色过滤,即将车辆图像转化到HSV空间,将车辆图像转化为5级灰度图像.根据确定的图像颜色区间,对图像进行过滤,车辆图像颜色过滤判断流程如图2所示.
根据上述判断流程,分别采用最大值法、平均值法和加权平均值法对车牌车牌监控图像进行颜色过滤,得出的车辆5级灰度图像过滤结果如图3-b、图3-c、图3-d所示,相比可以看出,采用加权平均值法对车牌监控图像颜色过滤效果最好,适合后续的车牌定位和从中提取车牌图像,车牌的边缘非常明显.
从图3-a可以看出,采用最大值法进行车牌图像颜色过滤虽然能够有效消除掉一些颜色噪声,但经过颜色过滤之后的灰度图存在雪花斑点般的灰色背景噪声干扰,而且车牌上的字母和数字也比较模糊,与图像背景之间的差异度也较小,这显然有碍于对车牌进一步的目标搜索,不利于车牌识别.图3-b采用平均值法进行车牌图像颜色过滤,删除了大部分的车牌背景彩色信息,总体上来说过滤效果较好.所存在的主要问题是去除了一些小的连通区域干扰,车牌的结构和元素依旧比较模糊,边界难以确定.图3-c采用加权平均值法进行车牌图像颜色过滤能够保留绝大部分的车牌信息,并且对无关背景信息有效进行了过滤,目标和背景之间边界清晰,有利于车牌识别,是一种较好的图像彩色过滤方法.
5.结语
本文首先介绍了车牌图像颜色过滤的必要性和原理,然后介绍了车牌监控图像的流程,并以4幅车牌监控图像为例,采用最大值法、平均值法和加权平均值法三种彩色过滤方法对其过滤结果进行了验证.结果表明,采用加权平均值法进行车牌图像颜色过滤技术能够保留绝大部分的汽车车牌信息,并且对无关背景信息有效进行了过滤,目标和背景之间边界清晰,有利于车牌识别,是一种较好的车牌图像彩色过滤技术.