图像实验报告..docxVIP

《图像分析技术》实验报告专业：控制工程 姓名：王昌龙 学号：6161913026实验介绍 根据所给的车辆图片，找出对应车牌所在的区域，并用红色方框在图中标记。本次试验中，采用了在HIS颜色空间中检测车牌特征的方法，找到车牌所在区域。实验方法 根据所给的图像特征，可以将这些车辆图片按照车牌类型的不同分为三类：第一类是普通小型车的蓝底白字车牌，第二类是带红色字样的大使馆等涉外车牌、警车车牌；第三类是黑底白字车牌。 由于采集到的车辆图像均为RGB模型，且该模型下R、G、B这三个分量堆光线的强弱比较敏感，受亮度干扰较大，所以RGB模型不是进行车牌图像分割。这里才用HIS颜色模型对图像进行描述，H、S、I分别表示图像的色度、饱和度和亮度。转换公式如下： 检测第一类车牌，根据文献[1],蓝色对应的HIS区域分别是：161H,S，0.251。对所选图片中的每个点进行逐一检测，记录符合上述条件的点。建立一个与检测图像相同大小的矩阵type，将所记录的点对应位置的值记为255（表示灰度值），其余点记为0。则type为符合条件点所组成的二值图像矩阵，以第三幅图像为例，结果如下图 对上述图像进行腐蚀，膨胀处理，结果如下图。对图2分别进行y,x轴方向垂直投影，得到每一行，每一列所具有的检测点的个数，其分布图像如下图。设置阈值threshold=0.71，对所得到的垂直投影进行分析，找出其最大值Ymax，Xmax，丛左右两端进行检测，找到第一个超过阈值的个数点，并记录，得到PX1,PX2,PY1,PY2.。该四个点分别为所检测出车牌四个角点的位置。中国的汽车车牌标准轮廓尺寸为440*140mm，长宽比为3.14，考虑到某些检测图像中汽车位置角度的偏差，本次实验选取的长宽比为3.3。故在得到车牌四个角点位置后，根据长宽比对角点位置进行调整。所得最终结果如下。检测第二类车牌，也就是带有红字的涉外车牌、警车车牌时，同样是利用HIS空间进行检测，但检测内容有些区别。考虑到这类车牌都有一个共同特点就是红字开头，而车身本身是黑色或是白色，所以可以利用这一特性对车牌进行定位。以大使馆车牌为例，同样是利用HIS颜色空间，找出红色字样所处的颜色空间位置。经过实验，红色字样的颜色空间特征为H，或者H350、0.3I0.55。与检测蓝底车牌方法相同，检测红字结果如图。 经过腐蚀膨胀后结果如下。 利用车牌长宽比例为3.14，本次试验取3.3。因为红色字样位于车牌首位，所以经过垂直投影，确定红色字样位置后，便可计算出车牌所在位置。结果如下图。.第三类车牌也就是黑底白字车牌，方法与第一类检测方法类似，只需要修改相关参数，将蓝色区域换成黑色区域进行检测即可。最终结果如下图。实验结果 所有图像检测结果如下。实验总结本次实验主要利用了车牌的特征是颜色信息，包括蓝色、红色、黑色信息。只要确定这三种颜色在HIS空间中的分布就可以就可以对图像中的车牌特征进行检测，之后利用垂直投影的方法对车牌位置进行确定。利用车牌长宽比例对候选区域进行调整，可以有效地去除一些干扰因素，得到比较理想的效果。本次实验也有一些未解决的问题和不足之处：将车牌分为三类，需要提前知道所检测的车牌是属于哪一类，这一点需人工调整参数，所以该算法无法同时检测所有类型车牌。改进方向是修改检测算法的思路，改为边缘检测的方法，最后利用长宽比例确定车牌位置。因为一些图像中的汽车并不是正面朝向相机，所以长宽比例并不是固定，这就导致利用这一特性去除干扰的时候，造成一些车牌的定位区间发生偏差，或者定位区间不完整等情况。这个问题解决需要确定一个比较理想的长宽比例，目前确定的比例为3.3，但依然有一些车牌检测出现误差。在垂直投影结束，确定车牌边界的时候，阈值的选择会直接关系到边界定位的准确性，该阈值的选择是根据经验选取，所以对其他车牌检测的适用性不高。改进思路是选择合适的滤波方法，将一些干扰点去除，比如检测红色字样时，车灯部分的红色区域是干扰点。本文采用腐蚀膨胀方法虽有取得一定效果，适用性依旧不是很高。由于时间关系，车牌字符定位和识别的功能还没有实现。定位的初步思路是利用已经定位出来的车牌区域，对该区域的白色或者黑色进行垂直方向的垂直投影，利用像素点分布的集中程度对字符进行分割。参考文献[1] 胡峰松.朱浩. 基于HIS颜色空间和行扫描的车牌定位算法[J].计算机工程与设计.2015.(4).[2] 刘玉红.王志芳.杨佳仪.彩色图像二值化算法及应用[J].中国医学物理学杂志.2013.(1).[3] 王锋.车牌识别算法的研究[D].广州:广东工业大学.2015.5.[4] 曹钟林.车牌识别中全局阈值的优化选取[J].无锡商业职业技术学院学报.2010.(12).[5]