彩色圖像特征融合規(guī)則及其在車牌定位中的應用

摘要：快速準確地提取目標特征是目標定位的前提，為此提出一種優(yōu)良的彩色圖像目標特征的融合規(guī)則，并應用于車牌定位實踐中，以期對有效圖像達到100%的定位準確率。

關鍵詞：融合規(guī)則； 灰度空間; 彩色空間; 目標定位; 車牌定位

中圖分類號：TP391.41文獻標志碼：A

文章編號：1001－3695(2008)01－0288－02

模式識別的兩大主要難點是目標檢測和目標識別。目標的檢測定位是識別的前提，其準確與否直接影響最終結果。目前圖像的目標定位技術主要有兩大類：a)基于灰度空間信息特征的方法。常用算法有邊緣檢測后使用數學形態(tài)學定位[1，2]、區(qū)域生長法進行定位[3]、灰度直方圖定位[4]、分水嶺[5]等方法。由于早期計算機處理速度及內存容量的限制，處理灰度圖像比較方便，現在仍有許多學者在這類方法上進行研究。算法的優(yōu)點是空間邊緣豐富，對一般邊緣特征不復雜的目標能夠快速定位；缺點是當圖像邊緣異常復雜，疑似目標區(qū)域較多，圖像對比度較小，光照不均勻時，很難準確定位，造成誤識率較高。b）基于顏色空間的彩色圖像處理的方法。常用的算法有利用彩色邊緣顏色目標進行定位[6] 等。其特點是符合人的視覺感知，但因為彩色圖像為三維信息，處理速度相對較灰度圖像慢。現在隨著計算機技術的發(fā)展，處理彩色圖像從硬件及軟件實現上已經成為可能。算法的優(yōu)點是利用目標區(qū)域顏色特征進行目標提取符合人的視覺感受，對于目標區(qū)域顏色與背景顏色明顯不同的定位率很高且速度較快；缺點是對于顏色與目標區(qū)域接近部分較多，褪色嚴重等情況，也很難準確定位。兩種方法各具特色，本文研究一種將兩種方法結合一起的目標特征融合規(guī)則，提高目標定位準確度，以期達到100%的定位率。將該規(guī)則應用于車牌定位，效果很好。

1彩色圖像目標定位融合規(guī)則

彩色圖像目標定位的原始數據來自于同一圖像的兩個不同提取角度，特征信息的提取對應于相同的圖像目標，其關聯(lián)基于同一幅原始圖像。假設基于灰度空間的目標定位算法提取的特征為A，基于顏色空間信息獲得的定位特征信息為B，將兩者進行特征信息融合，融合結果為R，如圖1所示。融合原則是一個具有兩個二元輸入和一個二元輸出的邏輯函數。對有兩個二元輸入到融合中心時，存在22個融合規(guī)則，對組合兩個二元局部判決就有16種可能的融合規(guī)則，如表1[7]所示。

2彩色車牌圖像的目標定位

車牌定位是圖像目標定位的應用。彩色車牌圖像具有灰度空間特征和彩色特征；車牌區(qū)域具有固定的顏色搭配。在我國共有四類車牌：藍底白字、黃底黑字、白底黑字或紅字、黑底白字，即存在藍、黃、黑、白和紅五種顏色。車牌區(qū)域的灰度空間特征為字符跳變頻繁，存在豐富的邊緣信息。現提取灰度邊緣信息和五種顏色特征，作為融合特征A和B，進入融合中心提取最后結果R。

提取灰度空間特征信息時，針對車牌圖像字符跳變頻繁主要集中在水平方向上的特征，選取垂直邊緣算子E={-1 0 1}，進行垂直邊緣提取，能夠很好地抑制車身水平條紋的干擾。

提取顏色空間特征信息，利用適合人的視覺感受的HSV顏色模型，利用H和S分量提取藍、黃、紅區(qū)域，利用I分量提取白和黑區(qū)域。

本文實驗數據均來自山東煙臺軫格莊交通卡口獲取的實測RGB真彩色圖像，大小為288×768。

a)融合規(guī)則（1）：若A=且B=時，判為無效圖像，不處理。

b)融合規(guī)則（2），如圖2所示。

圖2是在能見度低時獲取的圖像，原始圖像已失去顏色利用價值，提取的是黑色背景區(qū)域，車牌背景顏色區(qū)域特征為空；但灰度邊緣信息可見，根據融合規(guī)則A≠且B=，則融合后結果為R=A∪B=A，即取灰度空間特征信息進行定位。

c) 融合規(guī)則（3），如圖3所示。

圖3是在夜間利用補光設備輔助獲取的原始圖像，圖像因為受補光和車燈發(fā)出的光的影響，產生散焦模糊，使得車牌中的字符無法提取邊緣，提取的為無效車燈區(qū)域邊緣，真正的車牌區(qū)域邊緣特征為空；但顏色特征仍清晰可見，根據融合規(guī)則（3）A=且B≠時，則融合后結果為R=A∪B=B，即取顏色空間特征信息進行定位。定位準確，但后期需要使用散焦模糊圖像的復原技術進行復原后才能識別車牌字符。

d) 融合規(guī)則（4），如圖4所示。

圖4是正常條件下獲取的原始圖像，圖像的邊緣特征豐富，不但包含車牌區(qū)，也包含非車牌區(qū)域，無法簡單地從空間特征定位車牌，必須輔助其他條件；圖像的顏色特征很豐富，與車牌類似區(qū)域較多，無法簡單地定位車牌；但真正的車牌區(qū)域是既要符合顏色特征也要符合邊緣空間特征，若A≠且B≠時，設C=A∩B。

（a）若C=，則提取的顏色特征和空間邊緣特征無一點共同之處，即兩種特征信息無關，則取融合后信息為R=A∪B=D，即提取全部兩種特征信息，保證目標一定在提取范圍之內，后續(xù)要進行一系列的處理，如面積、長寬比等判斷，其過程同融合規(guī)則（2）（3）相似，最后定位目標。在實際應用中，提取到的符合車牌顏色特征的區(qū)域和空間邊緣特征的區(qū)域無共同之處的情況很少。 

(b)若C≠，如圖4所示，則取融合后信息為R=A∩B=C，即取同時具有灰度特征和彩色特征的部分，將提取的兩種特征圖像進行“與”操作，得到圖像的目標惟一，車牌定位成功，融合結果是提取顏色特征的20%，是提取的空間邊緣特征的17%，因為不需要很多的輔助條件限制，車牌定位的準確度得以提高，并且縮短了定位時間。這種類型的圖像占全部圖像的90%以上，所以彩色圖像的融合技術對目標的定位具有重要的意義。

融合定位算法與灰度和彩色空間定位對比如表2所示。

3結束語

彩色圖像的目標具有灰度空間和顏色空間特征信息，將兩種特征信息選擇融合規(guī)則進行融合，能夠綜合地利用特征信息，提高目標的定位準確度。該融合規(guī)則可適用于彩色圖像的目標定位。

參考文獻：

[1]PARKER J R， FEDERL P. An approach to license plate recognition[EB/OL]. (2005－01).http://pharos.cpsc.ucalgary.ca.

[2]左奇，史忠科.一種基于數學形態(tài)學的實時車牌圖像分割方法[J].中國圖象圖形學報，2003，8A(5):281－285.

[3]TANG Ming， MA Song de. Enhancement and segmentation of images in computer vision[J]. Journal of the Graduate School of the Chinese Academy of Sciences， 2004，21(2):140 143.

[4]劉偉銘， 趙雪平.一種基于掃描行的汽車車牌定位算法[J]. 計算機工程與應用， 2004，6:223－225.

[5]RAFAEL C G， RICHARD E W， STEVEN L E. Digital image processing using MATLAB[M].Beijing: Publishing House of Electronics Industry， 2005:407－422.

[6]李文舉， 梁德群， 張旗，等. 基于邊緣顏色對車牌定位新方法[J]. 計算機學報， 2004，27(2):204－208.

[7]何友， 王國宏， 陸大金， 等. 多傳感器信息融合及應用[M]. 北京: 電子工業(yè)出版社，2001:61.

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”