邊緣檢測在車牌識別中的應(yīng)用

《邊緣檢測在車牌識別中的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、邊緣檢測在車牌識別中的應(yīng)用摘要：車牌自動識別系統(tǒng)作為智能運輸系統(tǒng)的重要組成部分，有很廣泛的應(yīng)用前景。車牌圖片預(yù)處理是汽車牌照識別系統(tǒng)屮的一個重要的環(huán)節(jié)，預(yù)處理的好壞對車牌系統(tǒng)識別率影響很大。文屮介紹了常用的幾種邊緣檢測算子，不同的微分算子對不同邊緣檢測的敏感程度是不同的，因此對不同類型的邊緣提取，應(yīng)該采用對此類邊緣敏感的算子進行邊緣提収。關(guān)鍵詞：車牌識別、邊緣檢測1、引言汽車牌照的自動識別是計算機視覺與模式識別技術(shù)在智能交通領(lǐng)域結(jié)合應(yīng)用的重要研究課題是實現(xiàn)交通管理智能化的重要環(huán)節(jié)⑴。車牌識別技術(shù)

2、⑵是計算機視覺和模式識別技術(shù)在現(xiàn)代智能交通系統(tǒng)屮的一項重要研究課題，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。它是以數(shù)字圖像處理、模式識別、計算機視覺等技術(shù)為基礎(chǔ)的智能識別系統(tǒng)。汽車牌照最主要的特點就是其邊界。汽車牌照底色、牌照邊緣顏色以及牌照以外的顏色都是不相同的，表現(xiàn)在汽車原始圖像中，即灰度級互不相同，這樣就在牌照的邊緣形成了灰度突變邊界。邊緣檢測9引是大多數(shù)圖像處理必不可少的一步，也是所有基于邊界的圖像分割的笫一步，它的任務(wù)就是精確定位邊緣和抑制噪聲。圖像的邊緣是指圖像局部亮度變化最顯著的部分，即在

3、灰度級上發(fā)生急劇變化的區(qū)域。2、圖像邊緣檢測算子圖像的平滑和銳化是圖像預(yù)處理中兩個十分關(guān)鍵和基礎(chǔ)的處理方法。圖像在傳輸和變換中會受到各種干擾而退化，比較典型的就是圖像模糊⑸。圖像銳化的目的就是使邊緣和輪廓模糊的圖像變得清晰，并使其細節(jié)清晰，但是同時也帶來了一些問題，比如導致圖像中的噪聲也增強。同樣。由于圖像的拍攝等情況可能會導致圖像出現(xiàn)很多噪點，它們的出現(xiàn)也直接導致了圖像質(zhì)量的降低，一般用圖像平滑的方法來去除噪聲，但同時會帶來圖像變得模糊等問題。所以必須要根據(jù)不同的情況使用不同的平滑和銳化方法。

4、圖像預(yù)處理⑶的主要目的是消除圖像屮無關(guān)的信息，恢復(fù)有用的真實信息，增強有關(guān)信息的可檢測性和最大限度地簡化數(shù)據(jù)，從而改進特征抽取、圖像分割、匹配和識別的可靠性。預(yù)處理過程一般有數(shù)字化、幾何變換、歸一化、平滑、復(fù)原和增強等步驟。為了準確識別車輛牌照，對于在灰度圖像下進行定位處理的算法，預(yù)處理不僅是將彩色圖像轉(zhuǎn)化為灰度圖像必要步驟，還可以通過對圖像進行灰度變換⑹，如灰度拉伸、去噪、濾波等處理來改善圖像質(zhì)量。經(jīng)過處理后的車牌圖像由原始的彩色圖變成貝包含亮度信息的灰度圖，并且具有較強的對比度，對以后的圖像

5、處理、識別有很好的幫助。邊緣獲取是所有基于邊界的圖像分割方法的笫一步，也是描述圖像區(qū)域最重要的特征之一。使用邊緣檢測的原因是車牌區(qū)域的邊緣信息一般比其他部分豐富且集中，只要背景不太復(fù)雜，沒有過多干擾，邊緣特征可將車牌區(qū)域與其他部分區(qū)別開來。邊緣檢測有不同的邊沿算子，這些算子在數(shù)學含義上就是一種基于梯度的濾波器，需要檢測算子哪個方向上的灰度變化，就將該方向上的灰度跳變用相鄰像素的灰度差值來表示?；谝浑A導數(shù)的邊緣檢測算子陽」包括roberts算子、sobel算子、prewitt算子等在算法實現(xiàn)過程

6、屮，通過2x2(roberts算子)或3x3模板作為核與圖像屮的每個像素點做卷積和運算，然后選取合適的閾值提取邊緣。算子是另外一類邊緣檢測算子，它不是通過微分算子檢測邊緣，而是滿足一定約束條件下推導出的邊緣檢測最優(yōu)化算子。2」梯度算子梯度算子是一階導數(shù)算子。對于圖象函數(shù)，它的梯度定義為一個向量：■(2W(兀,刃=」=M嚴

7、G」+

8、qM2=G^Gy2偏導數(shù)G、?常用差分來代替，為計算方便,(2-3)(2-4)(2-5)常用小區(qū)這個向量的幅度值為：mag(/)=(Gv2為簡化計算，幅度值也可用下邊三

9、式來近似:由于數(shù)字圖像是離散的，模板和圖像卷積來近似計算。2.2Roberts邊緣檢測算子Roberts邊緣檢測算子是一種利用局部方差算子尋找邊緣的算子。差分值將在內(nèi)插點［i+1/2,j+1/2］處計算。Roberts算子是該點連續(xù)梯度的近似值，而不是所預(yù)期的點［i,j］處的近似值。Roberts邊緣檢測算子近似計算/(x,y)對x和y的偏導數(shù)：(2-6)(2-7)G,=z9-z5G,=Z9-Z52.3Sobel邊緣檢測算子Sobel邊緣算子的掩模模板是兩個3X3的卷積核。采用鄰域可以避免在像素

10、Z間內(nèi)插點上計算梯度。Sobel邊緣算子強調(diào)中心像素的4個邊鄰域像素對其的影響，而削弱4個對角近鄰像素的作用。它是有方向性的，在水平方向和垂直方向上形成最強烈的邊緣。(2-8)Sobel邊緣檢測算子近似計算/(x,y)對x和y的偏導數(shù)：Gx=(Z7+2Z8+Z9)-(Z1+2Z2+Z3)Gy=(Z3+2Z6+Z9)-(Zl+2Z4+Z7)(2-9)2.3Prewitt邊緣檢測算子與使用Sobel算子的方法一樣，圖像中的每個點都用兩個核進行卷積，取最大值輸出。它與Sobel算子不同，這一算子沒有把