彩色图像特征融合规则及其在车牌定位中应用.docVIP

彩色图像特征融合规则及其在车牌定位中应用 　　摘要：快速准确地提取目标特征是目标定位的前提，为此提出一种优良的彩色图像目标特征的融合规则，并应用于车牌定位实践中，以期对有效图像达到100%的定位准确率。?? 　　关键词：融合规则； 灰度空间; 彩色空间; 目标定位; 车牌定位?? 　　中图分类号：TP391.41文献标志码：A 　　文章编号：1001－3695(2008)01－0288－02 　　 　　模式识别的两大主要难点是目标检测和目标识别。目标的检测定位是识别的前提，其准确与否直接影响最终结果。目前图像的目标定位技术主要有两大类：a)基于灰度空间信息特征的方法。常用算法有边缘检测后使用数学形态学定位[1,2]、区域生长法进行定位[3]、灰度直方图定位[4]、分水岭[5]等方法。由于早期计算机处理速度及内存容量的限制，处理灰度图像比较方便，现在仍有许多学者在这类方法上进行研究。算法的优点是空间边缘丰富，对一般边缘特征不复杂的目标能够快速定位；缺点是当图像边缘异常复杂，疑似目标区域较多，图像对比度较小，光照不均匀时，很难准确定位，造成误识率较高。b）基于颜色空间的彩色图像处理的方法。常用的算法有利用彩色边缘颜色目标进行定位[6] 等。其特点是符合人的视觉感知，但因为彩色图像为三维信息，处理速度相对较灰度图像慢。现在随着计算机技术的发展，处理彩色图像从硬件及软件实现上已经成为可能。算法的优点是利用目标区域颜色特征进行目标提取符合人的视觉感受，对于目标区域颜色与背景颜色明显不同的定位率很高且速度较快；缺点是对于颜色与目标区域接近部分较多，褪色严重等情况，也很难准确定位。两种方法各具特色，本文研究一种将两种方法结合一起的目标特征融合规则，提高目标定位准确度，以期达到100%的定位率。将该规则应用于车牌定位，效果很好。?? 　　 　　1彩色图像目标定位融合规则?? 　　 　　彩色图像目标定位的原始数据来自于同一图像的两个不同提取角度，特征信息的提取对应于相同的图像目标，其关联基于同一幅原始图像。假设基于灰度空间的目标定位算法提取的特征为A，基于颜色空间信息获得的定位特征信息为B，将两者进行特征信息融合，融合结果为R，如图1所示。融合原则是一个具有两个二元输入和一个二元输出的逻辑函数。对有两个二元输入到融合中心时，存在2??2个融合规则，对组合两个二元局部判决就有16种可能的融合规则，如表1[7]所示。?? 　　 　　2彩色车牌图像的目标定位?? 　　 　　车牌定位是图像目标定位的应用。彩色车牌图像具有灰度空间特征和彩色特征；车牌区域具有固定的颜色搭配。在我国共有四类车牌：蓝底白字、黄底黑字、白底黑字或红字、黑底白字，即存在蓝、黄、黑、白和红五种颜色。车牌区域的灰度空间特征为字符跳变频繁，存在丰富的边缘信息。现提取灰度边缘信息和五种颜色特征，作为融合特征A和B，进入融合中心提取最后结果R。?? 　　提取灰度空间特征信息时,针对车牌图像字符跳变频繁主要集中在水平方向上的特征,选取垂直边缘算子E={-1 0 1}，进行垂直边缘提取，能够很好地抑制车身水平条纹的干扰。 　　提取颜色空间特征信息，利用适合人的视觉感受的HSV颜色模型，利用H和S分量提取蓝、黄、红区域，利用I分量提取白和黑区域。?? 　　本文实验数据均来自山东烟台轸格庄交通卡口获取的实测RGB真彩色图像，大小为288×768。?? 　　a)融合规则（1）：若A=?燎?B=?潦保?判为无效图像，不处理。?? 　　b)融合规则（2），如图2所示。?? 　　 　　图2是在能见度低时获取的图像，原始图像已失去颜色利用价值，提取的是黑色背景区域，车牌背景颜色区域特征为空；但灰度边缘信息可见，根据融合规则A≠?燎?B=?粒?则融合后结果为R=A∪B=A，即取灰度空间特征信息进行定位。?? 　　c) 融合规则（3），如图3所示。?? 　　 　　图3是在夜间利用补光设备辅助获取的原始图像，图像因为受补光和车灯发出的光的影响，产生散焦模糊，使得车牌中的字符无法提取边缘，提取的为无效车灯区域边缘，真正的车牌区域边缘特征为空；但颜色特征仍清晰可见，根据融合规则（3）A=?燎?B≠?潦保?则融合后结果为R=A∪B=B，即取颜色空间特征信息进行定位。定位准确，但后期需要使用散焦模糊图像的复原技术进行复原后才能识别车牌字符。?? 　　d) 融合规则（4），如图4所示。?? 　　 　　图4是正常条件下获取的原始图像，图像的边缘特征丰富，不但包含车牌区，也包含非车牌区域，无法简单地从空间特征定位车牌，必须辅助其他条件；图像的颜色特征很丰富，与车牌类似区域较多，无法简单地定位车牌；但真正的车牌区域是既要符合颜色特征也要符合边缘空间特征，若A≠?燎?B≠?潦