[外文翻译]基于水平集方法车牌定位技术.docVIP

基于水平集方法的车牌定位技术 摘要：车牌定位是车牌识别系统中的一个重要步骤。目前虽然有一些车牌定位方法，但有一些限制，如具有低准确性。所以应该找到更好的方法来解决这个问题。水平集方法，已被证明有效，目前，赋予了车牌定位技术新的前景。本文在水平集方法的基础上，采用了Mumford-Shah模型与水平集方法，进一步进行有限差分和三阶TVD（共变异递减）变换，分析了Runge - Kutta时域离散方案，并在车牌图像定位中应用。计算结果表明，采用水平集方法能得到更好的边缘检测结果，得到了比其他边缘检测方法罗伯茨，索贝尔等具有更高的精度。水平集方法倾向于有更多非目标区边缘检测，在对目标的边缘检测和跟踪目标的位置上具有很大的使用价值。 关键词：水平集方法;车牌识别;目标定位。 1.引言 车牌识别技术集成了计算机科学技术，图像处理，模式识别等多种先进的技术，广泛应用于智能交通系统。在车牌识别系统中，车牌定位是一个重要步骤，它将影响系统的整体性能。车牌定位的准确性将影响到车牌字符分割和识别的准确性。 Barroso[2]通过灰度的直线定位，对车牌进行了定位，代表分布特征的灰度值以不断变化的形式从波峰到波谷，交替变换。 曾红[5]提出了一种结合动态投影变形技术新的牌照车牌识别系统，这使得处理后的图像容易移动和缩放。此外，应用扫描方法准确提取牌照位置。 HOU P. G. [6]采用小波阈值方法作为图像滤波器，以及采用改进的扫描方法对车牌区域检测。 Kim, S.[7]着重于对在弱光线条件下拍摄的图像进行处理。该方法分为两个步骤：（1）搜索候选区）输入图像变化信息，和（2）从候选区域中确定车牌区域通过采用车牌模板确定车牌区域的边界。 由于精度低这些方法存在一定的应用限制，所以应找到更好的方法解决这个问题。水平集方法，已被证明有效，为车牌定位提供了新的前景。水平集方法可以有效地模拟动态过程，如线性和非线性的变换。在数值模拟丰富的经验和知识，有助于提高解决水平集模型方程效率。 水平集方法最大的优点是可以处理任何图像凸的，凹的，分割的和合并的。它可以发现局部 或整体的最低值，容易结合经典模型蛇。如果存在多个水平集功能模块，在分割步骤中，自动分割和合并将会被执行。它允许装载可视化的模型如贝叶斯模型，模糊聚类算法模型，等，这将使系统更强大，更准确。 水平集方程求解有不同的方法，如三阶非振荡（ENO）方法的或5阶加权非振动（WENO）方法，它们通过扩大边界或采用TVD（全变差递减）方法，以改善精度[4,9]。为了减少对比时间，一种新的窄带方法被采用[10]。 虽然从理论的角度上，水平集方法可用于车牌定位，在这个领域目前的研究，这种方法很少发现。在以下章节中，Mumford - Shah模型与水平集方法在第2节介绍，在第3节中，对其主要区别和TVD（全变差递减）方法进行了分析，并应用在车牌定位中。与其他传统的分割方法的比较结果在第4节中介绍。 2. Mumford - Shah模型与水平集方法 水平集方法的原始思想[1]并不复杂。假设在里面有一个开放区域Ω的空间Rn里，有一个界面。以速度v运动并进行分析和计算。在1987年S.Osher and J.A.Sethian [1]第一次提出时定义了线性平滑函数? ( x, y)。这就是说，当? ( x, y)=0，它代表着零水平集。 ? ( x, y)被称为水平集函数。因此，对?的确定仅当? ( x, y)的值在接下来的时间变为零时才被执行，从而得到界面的形状，同时也意味着该界面被定义为函数? ( x, y)的零水平集。这是非常有价值的数值计算，主要是因为其变化如分割和合并可以很好的进行边缘检测并自动运行。 图 1表示基于水平集方法的图像应用，Π是图象板，f（x，y）是图像函数,通过对平面z=? ( x, y)的变换形成，变换后的线就是封闭曲线γ。在图1中我们的目的是对区域ω自动进行边缘检测。 图一：水平集方法示意图 标准能量函数Mumford –Shah[3]是： 在这里，H (? )是Heaviside函数，μ为一参数，它的值取决于固定的图象，并且 其中，C1和C2分别代表对函数f（x，y）的内部和外部的ω值。让?随着时间的发展，ω可以表示为其中，可以用时间函数t表示，就像函数? ? ? ( x, y, t )使函数f（x，y）的作用线与图像板Π将朝图像边缘移动。当能量函数E (c1 , c2 ,? )达到最小值，运动停止。?被调整，以致函数E (c1 , c2 ,? )随着时间t的变化而下降。然后，关以?的偏导数可以得到： 这里， 是直接函数。φ根据方程（2.3）变化。这里: 为了对左栏进行三阶TVD变换和Runge - Kutta时域离散化，公式（2.3）如下所示: