现今交通控管大多采用红外线或微波系统.docVIP

現今交通控管大多採用紅外線或微波系 現今交通控管大多採用紅外線或微波系統來 做汽車流量管制[3][7]效果很好，但對於訊號接收失 敗時仍需要用到影像車牌定位加以輔助。即使是使 用最先進的ID Tags [3]時依然有一些處理失敗的情 況，所以車牌影像辨識系統的輔助一樣是很重要， 尤其在一些環境不佳或只有影像監視的交通路口 上。 多數車牌辨識系統的研究，主要針對車牌定位 或對車牌上字元辨識[1][4][12][13]，但很少提及影 響車牌影像不佳的因素，如[4]是使用車牌區塊大小 與字元比例做抓取但對於不同影像品質結果差異 很大，[12][13]利用車牌字元特性搭配類神經網路做 學習再定位出車牌，優點是不必事先知道車牌大小 比例就可定位出車牌，但該論文對於在天氣、照 明、速度等變異情況下並無詳細論述。 就車牌影像定位系統而言，影像前置動作的優 劣關係著整個流程以至成果，一個成效好的前置處 理〈例如：二值化與邊緣偵測〉可使系統流程順利 進行以至定位成功；反之一個不完善的前置處理將 1. 前言 車牌影像定位系統中多數以 Otsu 理論核心做 影像前置動作，但對於影像污損、畫面偏暗等因素 的加入則大幅降低二值化後的影像品質。本文中利 用類神經網路學習找出 Sobel 影像邊緣偵測方法中 最適合的參數。利用此法提高影像品質並增加車牌 影像定位的可靠度。 在研 究中，先對 影像以低通 濾波器 (Lowpass Filter)將明顯雜訊降低，再採用傳統 Sobel 邊緣偵測 可避免灰階變化的干擾，但由於選取參數值時受影 像本身品質的影響，導致影像處理結果好壞落差 大，對此採類神經網路將影像明亮度做學習並選取 最合適的 Sobel 參數，其結果改善 Sobel 參數變動 造成的影響，大幅降低雜訊提升 Sobel 邊緣偵測方 法的穩定性與可行性，將此結果應用在車牌影像擷 取上獲得極佳的效果。 關鍵詞：Sobel 影像邊緣偵測、類神經網路、車牌 影像定位、低通濾波器。 會使車牌呈現支離破碎模糊不清就更不用談定位 了，可以見得前置動作的重要性。 綜觀目前車牌影像前置處理上，對影像做灰階 化的動作，以簡化資料量，考慮到車牌與字元互為 黑白以此特性，再挑選灰階門檻值將背景與物件分 離的動作即是二值化，其主要優點為簡單扼要便可 達成字元與車牌特性明顯分離、運算快容易實施有 利於簡化整體流程設計，雖然容易實施且效果顯 著，但對光場分配不均時，閥值選用困難，為此方 法的缺點。 在二值化方面，最為基礎的方法為【基礎二值 化】，其理論為對整個影像中的像素做加總取灰階 平均值做閥值運算，會因為少數特亮或特暗的像素 點突出導致二值化效果不佳，無法清楚顯示車牌影 像。為了降低基礎二值化所帶來的影響，利用長條 圖【Histogram】並計算黑白亮度點統計的方法[1]， 使得特暗點和特亮點影響縮小，但這僅對於色澤明 亮對比佳的影像有效。另外多數論文中以Otsu[9]提 出的二值化方法廣受大家好評，Otsu是利用群集變 異數計算出門檻，也就是在灰階分布圖中藉由雙峰 特性找出波谷做閥值以分割影像中兩個群集像素 達到自動閥值的擷取，適用於白天兩群集對比明顯 時效果最為好，由於夜間受車燈影響以至於波谷不 易偵測，容易導致閥值過高而大幅降低影像品質。 爾後也有許多改良與創新例如利用【模糊理論】來 找出相對門檻[14]，其與Otsu方式最終目的極為相 似，搭配Histogram分布圖來實現，效果不錯，但也 僅限於灰階集合分明的情況下。針對對比不佳等因 素，我們試圖將影響車牌最為嚴重的強光區塊以遮 罩的方式罩蓋掉，其效果有限且需要自設門檻值不 適合運用於即時辨識上。 為了避免光場分配不均，閥值選用的困難，所 以不使用二值化方法，我們將灰階後的影像做 Lowpass Filter將明顯雜訊濾掉，再利用【Sobel】邊 緣偵測藉由灰階值落差把邊緣描繪出。目前Sobel 邊緣偵測法被廣泛應用於醫療[10]、立體影像探測 中[6]皆有不錯的評價。為了使Sobel偵測效果提高， W.C. Chen 等人針對光線角度做運算，搭配類神經 學習來解決因光線導致邊緣不清的問題[11]，但須 事先考慮光線方向且僅對固定類別的影像適用。另 外Canny邊緣偵測是對影像找出更多邊緣特徵為基 礎，以找出近似於真實邊緣之邊線，但會將車牌影 摘要 HYPERLINK mailto:niu.edu.tw niu.edu.tw HYPERLINK mailto:njwang@mail.ntust.edu.tw njwang@mail.ntust.edu.tw 鄭又豪 國立宜蘭大學電子系 王乃堅 國立台灣科技大學電機系 張介仁 國立台灣科技大學電機系 國立宜蘭大學電子系 H