基于压缩感知的车牌图像稀疏度自适应重构.pdfVIP

E福建电脑 。 UJIAN COMPUTER DQI: 1 0.l 6707/j. cnki. fjpc. 2016β7.∞7 基于压缩感知的车牌图像稀疏度自适应重构 左望霞，徐祖华 (南华大学电气工程学院湖南衡阳 421001 ) { 摘 要 ] 为了解决交通图像数据压缩传输中的重构效采和运行时间问题，针对目前的重构方法只能应用于图像的 长和高均为 2 的阶数这一局限，提出一种基于压缩感知的车牌图像稀疏反自适应重构算法。 该算法以峰值信噪比和运行 时间作为控制目标，采用试重构的方法，在自适应获取到合适的车牌稀疏度的同时，也可自适应的获得合适的采样率。 实验证明，该方法不受图像边长的限制，且可同时满足重构效采和运行时间的妥求。 { 关键词]压缩感知;车牌图像;稀疏度过适应;重构 2、压缩感知的基本模型 1 、引言 车牌身份识别是智能交通应用中最基础的一个功能， 在日 压缩感知的基本思想是假定信号在某一表达域内是稀疏 益发展的交通事业中起着重要作用。 我国交通的特点是车流量 的， 那么只要通过对该信号进行稀疏变换就能大大降低采样次 大 、 密度集中、各种不遵守交通规则的慕件时有发生、 事故发生 数而不至于影响到信号恢复的效果。基于这一思想的压缩感知 率高、事故发生后逃逸事件也多有发生。 作为车流分布统计和 理论大致分为这样三步: 稀疏表示、观测采样和信号重构 事故追责的一个基本依据，我国的交通监控系统已基本覆盖了 2. 1 稀疏表示 全国。 在如此庞大的监控网络中，数据的采集和传输技术也必 很多信号在自然域往往并不具有稀疏特性， 要利用其在其 然面临着巨大挑战。 它域内的稀疏性才能进行后续压缩重构。 稀疏表示正是这样一 本研究正是基于这样的应用背景应运而生的。 ep ， 为了解 种变换，即将原始信号映射到交换域内，得到其在变换域内对 决图像数据传输量过大而影响实时性的问题，在监控所在地利 应的稀疏信号， 即大部分元素为零钱接近为零的信号。 这个过 用监控相机对车辆图像进行拍照，并在该区域子网层进行图像 程可表达为式(1) 初步分割得到车牌图像。 之后压缩车牌图像传输至上层终端， 第=也 (1) T 并在终端进行重构复原出车牌图像。 最后进行识别等后续处 其中第是原始N 维信号， IlPX=[XI 句，…， x!t3 ，. ψ为信号的 理。 稀疏基，也称稀疏字典，大小为 NxN 维。 s 是变换后的 K稀疏信 号， 其维数仍为 N。 上述整个采集和传输过程，对于高速路这种车流速度较快 以及繁华地段车辆流量大、数据传输量大的场合尤其适用。 而 2.2 观测采样 作为整个采集传输过程中的关键，便是车牌图像的压缩和重构 对可稀疏化的信号进行观测采样的过程可表达为测量模 了。