基于邊緣提取的圖像拼接

摘要：對車牌識別系統(tǒng)中的圖像拼接問題進(jìn)行了研究，提出了一種基于邊緣提取的圖像拼接算法。實(shí)驗(yàn)結(jié)果證明，該算法獲得了理想的拼接效果。

關(guān)鍵詞：圖像拼接；邊緣提取；智能交通

中圖分類號：TP391文獻(xiàn)標(biāo)志碼：A

文章編號：1001－3695(2007)05－0318－03

在帶車牌識別的新型智能治安卡口系統(tǒng)中，存在這樣的問題：為了有較好的車牌識別效果，必須保證車牌在視場中有一定的大小，從而使模擬攝像機(jī)的拍攝范圍不能覆蓋整個車道，抓拍下來的非正常行駛車輛，只能拍攝到不完整的車輛圖片或由于其車牌的不完整而無法進(jìn)行識別。本文提出了使用多個攝像機(jī)監(jiān)控多個車道的解決辦法，但非一一對應(yīng)的關(guān)系，如兩個攝像機(jī)監(jiān)控一個車道（本文以此為例），三個攝像機(jī)監(jiān)控兩個車道等。這樣就要求將不同攝像機(jī)抓拍的圖像進(jìn)行精確拼接，以達(dá)到系統(tǒng)的應(yīng)用要求。

圖像的拼接主要處理相鄰兩幅圖像樣本之間的重疊部分，對此已經(jīng)有了很多的研究。模板匹配的窮盡搜索方法是最直接也是最容易實(shí)現(xiàn)的方法，所以盡管其計(jì)算量大，準(zhǔn)確率低，但目前仍然被廣泛采用[1~4]。不過當(dāng)待拼接圖像存在較大的灰度差異和形變時，很難獲得成功。基于頻域的方法有準(zhǔn)確率和自動化程度高等優(yōu)點(diǎn)，但其也有計(jì)算量大和受噪聲干擾影響大的缺點(diǎn)，而且不能處理旋轉(zhuǎn)情況[5]。基于輪廓特征的方法要求待配準(zhǔn)的圖像中可以提取出明顯的輪廓特征，但是并不要求待配準(zhǔn)的圖像來自同樣的圖像源，所以輪廓匹配的方法多數(shù)被用于純配準(zhǔn)應(yīng)用中[6，7]。針對本文所討論的情況，配準(zhǔn)圖片由不同的攝像頭采集所得，采用了忽略圖像的車道背景，提取車輛的輪廓特征進(jìn)行匹配，是一種較優(yōu)的選擇。

1應(yīng)用模型

以3.3 m的車道為例，假定車輛直線行駛，攝像頭安裝在車道上方。每個攝像機(jī)拍攝寬度為2.5 m，而車牌寬度為0.44 m，設(shè)定兩個攝像機(jī)的重疊區(qū)域最多可達(dá)兩個車牌寬度，兩個攝像機(jī)可以監(jiān)控至少4 m的有效寬度，如圖1所示。

一個視頻采集單元對應(yīng)一個攝像頭，以PAL制每40ms采集一幀圖片。攝像機(jī)沿行駛方向覆蓋長度約為6 m，即使車輛行駛速度為180 km/h，從車輛進(jìn)入攝像頭視野到離開也需120 ms，即存在抓拍三幀圖片的時間。在實(shí)際的治安卡口應(yīng)用中，車速基本上都在150km/h以下，所以從檢測到車輛后可以采集連續(xù)的三幀。根據(jù)使用數(shù)據(jù)分析，第三幀圖片具有最多的車型和車牌信息，有利于圖片的拼接和識別。因此保留第三幀圖片進(jìn)行接下來的拼接和識別工作。

2重疊圖像的拼接

基于邊緣檢測處理的方法，在進(jìn)行以下求解垂直和水平平移量步驟之前，首先將抓拍圖像減去沒有車輛的背景圖像，減少路面的細(xì)節(jié)信息，只保留車輛信息，更有利于圖片的拼接，而且可以有效地避免下一步拼接的局部最優(yōu)。

2．1圖像預(yù)處理

在實(shí)際的工程應(yīng)用中，采集到的圖片是含有車輛信息的圖像幀：

通常采集的圖像會受到噪聲和光照變化的影響，因此車輛信息會受隨機(jī)噪聲干擾。將采集到的圖像幀與背景圖像作均值運(yùn)算來獲取每幀圖像的背景，所得背景既消除了車輛信息和攝像機(jī)的噪聲，又降低了光照變化的影響，在獲取背景的同時也完成了背景的更新[8]。

2．2垂直方向圖像平移量的計(jì)算

在本文所討論的情況中，根據(jù)實(shí)際工程應(yīng)用中的經(jīng)驗(yàn)，知道兩幅圖像水平重疊像素點(diǎn)至少為150個像素點(diǎn)(可根據(jù)不同的工程應(yīng)用選取不同的數(shù)值)，因此對左、右兩幅提取出邊緣的圖像，在水平方向選取150個像素點(diǎn)的重疊區(qū)域進(jìn)行投影，得到兩個投影數(shù)組LeftPixel[i]、RightPixel[j]，分別記錄左、右兩幅提取出邊緣的圖像，每一行白像素點(diǎn)的個數(shù)。

2．3水平方向圖像平移量的計(jì)算

在精確找到圖像垂直方向平移量的基礎(chǔ)之上，本文對邊緣輪廓圖像使用最小差值的方法找到相鄰圖像的水平重疊區(qū)域，圖像差值匹配原理如下:

如圖5所示，左圖像的右端和右圖像的左端具有重疊部分，現(xiàn)在設(shè)置一個參數(shù)H，用于確定計(jì)算區(qū)域。左圖像的右端保持不動，右圖像的左端向左平移，H所決定的區(qū)域?yàn)橛?jì)算區(qū)域，根據(jù)本文所討論的實(shí)際工程應(yīng)用情況，水平重疊區(qū)域?yàn)閳D像寬度的1/10~1/5，因此H的取值范圍為[1/10 width，1/5 width]。

3實(shí)驗(yàn)結(jié)果

由于本文在進(jìn)行拼接前對圖像進(jìn)行了預(yù)處理，例如用車輛圖片減去沒有車輛信息的背景圖片，減少了很多路面的干擾信息，同時提取圖像的邊緣信息，采用了圖像的梯度信息而不是直接利用灰度信息，對兩幅亮度差別很大的圖像（圖7、8）仍可很好地找到匹配位置，算法具有很高的實(shí)際應(yīng)用價值。

參考文獻(xiàn)：

［1］陶波，于志偉，鄭筱樣.圖像的自動拼接[J]．中國生物醫(yī)學(xué)工程學(xué)報，1997，16(4)：21－25．

[2]鐘力，胡曉峰．重疊圖像拼接算法[J]．中國圖像圖形學(xué)報，1998，3(5)：367－370．

[3]丁迎，洪繼光．圖像拼接中偽匹配的判別和消解[J].中國圖像圖形學(xué)報，1999，4(A3)：886－890．

[4]李躍，彭宇行，陳福接．一種基于模板匹配的電路照片拼接方法[J].中國圖像圖形學(xué)報，2001，6(A3)：301－305.

[5]許雷，等.一種基于相位相關(guān)法及數(shù)學(xué)形態(tài)學(xué)方法的眼底血管圖像自動拼接方法[J].生物醫(yī)學(xué)工程雜志，1998，15（3）:286－290.

[6]LI H，MANJUNATH B S，MITRA S K.A contour based approach to multisensor image registration[J].IEEE Trans. on Image Proces－sing，1995，4（3）：320－334.

[7]DAL X，KHORRAM S.A feature－based image registration algorithm using improved chain－code representation combined with invariant moments[J].IEEE Trans.on GeoScience and Remote Sensing，1999，37（5）:2351－2362.

[8]趙曉麗，韓焱．復(fù)雜背景下運(yùn)動目標(biāo)的檢測[J].華北工學(xué)院學(xué)報，2005，26（2）:149－152.

注：“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”