基于同态滤波与改进Bernsen算法的不均匀光照下车牌图像二值化研究.docVIP

基于同态滤波与改进Bernsen算法不均匀光照下车牌图像二值化研究赵玲祥 摘 要不均匀光照下的图像二值化是数字图像处理中的一个难题汽车牌照自动识别系统工作在复杂的光照环境下经常会出现车牌光照不均的现象给图像二值化带来困难为此提出一种解决办法首先使用同态滤波去掉车牌图像的不均匀光照的影响然后使用改进的Bernsen算法对车牌图像进行二值化实验表明使用该算法能有效地克服不均匀光照的影响二值化效果良好,车牌识别率得到显著的提高关键词：车牌；图像二值化；同态滤波　基于灰度的车牌图像二值化算法即选择一个合适的阀值将车牌背景和字符有效分开现有的阈值选取技术可以分为全局的和局部的阈值选取方法全局的阈值选取是指根据整幅图像确定一个阈值局部阈值选取方法是指将图像划分为若干子图像根据每个子图像确定相应的阈值常用的全局阈值选取方法包括直方图法和最大类间方差法直方图法是指直接从原图像的灰度分布直方图上确定阈值包括p-tile 法、最频值法和直方图凹面分析法最大类间方差法即Otsu法常用的局部域值法有Bernsen法，Chow 和Kaneko法Yanowitz和Bruckstein法Sauvola法和Pietikainen法对于目标和背景比较清楚的图像全局阈值化方法可以取得较好结果但是如果图像的背景不均匀或是目标灰度变化率比较大一般就用局部阈值选择法在车牌识别系统中常用的二值化算法有p-tile法，Otsu 法和Bernsen 法车牌图像二值化是车牌识别系统中的一个关键步骤，在车牌图像识别的各个阶段，经常要用到图像的二值化算法，而由于复杂光照(不均匀光线、光异常反射等) 的影响导致车牌图像降质严重二值化算法往往不令人满意影响后续的处理过程本文针对不均匀光照下的车牌图像字符提取问题提出使用同态增晰处理去掉车牌图像的不均匀光照的影响然后使用一种改进的Bernsen 算法对车牌图像进行二值化1 复杂光照下的图像阀值分割面临的问题 在实际图像处理中,经常遇到光线不均匀或光线异常反射的情况如图1 所示,(a)为光线不均和光线异常反射造成图像降质( b)为反射光过于强烈造成的图像降质对其进行二值化将会丢失很多信息直接影响到后面的处理过程如图2 所示二值化后图像不清晰难以进行后续的处理因此对光线不均造成的降质车牌图像进行增晰非常有必要 图1 　光线不均造成的图像降质 图2 　不均匀光照车牌图像的二值化 2 车牌图像增晰 传统的一些空域方法如局部对比度修正局部直方图均衡和统计局部增强等是根据图像的局部对比度特点自适应地进行亮度修正具有较好的局部增强性能但这一类方法没有考虑图像信息的频率特征因而不能达到突出高频信息、衰减由光照不均引起的低频信息的目的.基于照明反射模型的同态滤波同时考虑照明和反射特性并且兼顾图像的高频细节和低频分量,因而可以得到较为满意的图像增强效果2. 1 光照的反射成像模型 利用照明反射模型(见图3) 可以通过压缩亮度范围和增强对比度来增强图像、改善图像图像与二维光强度函数有关用表示可以表示为入射光强 (照明分量) 和景物被物体的反射率 (反射分量) 来表示 图3 　照明反射模型 其中入射光强取决于光源由于入射光光强分布函数随空间变化较小在空间频率域函数的频谱主要集中于低频段,反映了成像的环境条件反射光的频谱主要集中于相对高频段比较宽的范围,反映了物体本身的特性为此只要能把图像中相对于 和两部分分开然后压制较低频段放大较高频段,就能有效地降低光照不均匀对图像所带来的影响该模型在灰度校正和同态滤波中起着重要的作用2. 2 　同态滤波增强算法 对上式两边取对数得 (1) 两边进行傅里叶变换 记为 式中 和 分别为 和 的傅里叶变换由于为照明光光强分布函数的对数其频谱函数主要集中于低频段是反射率函数的对数其频谱函数主要在相对高频的部分因此可用高通滤波函数对其进行处理以减少低频成分 常采用Butterworth 高通滤波器 (4) 滤波后输出为 进行反傅里叶变换得 　　将上式的结果进行反对数变换才能获得最终的校正结果图像上述滤波算法即是图像处理中的同态滤波增强算法整个过程如图4所示 图4 　同态滤波算法流程示意图 分别对图1中的车牌图像进行同态滤波处理后的结果如图5所示这里Butterworth高通滤波器参数取n = 2 , d = 3. 图5 　同态滤波处理后的车牌图像 3 改进的Bernsen二值化算法 陈丹、贺贵明利用基于全局的二值化思想对Bernsen 算法进行了一些改进并采用一种快速算法寻找局部窗口极值使得此方法更加具有实用价值试验证明该算法一般情况下优于单独采用Otsu法Bernsen 法该算法实现步骤如下(1) 为了消除个别灰度特异点,首先算出一个阈值T1T1