圖像實(shí)驗(yàn)報(bào)告

《圖像分析技術(shù)》實(shí)驗(yàn)報(bào)告專業(yè)：控制工程姓名：王昌龍學(xué)號(hào)：實(shí)驗(yàn)介紹根據(jù)所給的車輛圖片，找出對(duì)應(yīng)車牌所在的區(qū)域，并用紅色方框在圖中標(biāo)記。本次實(shí)驗(yàn)中，采用了在HIS顏色空間中檢測(cè)車牌特性的辦法，找到車牌所在區(qū)域。實(shí)驗(yàn)辦法根據(jù)所給的圖像特性，能夠?qū)⑦@些車輛圖片按照車牌類型的不同分為三類：第一類是普通小型車的藍(lán)底白字車牌，第二類是帶紅色字樣的大使館等涉外車牌、警車車牌；第三類是黑底白字車牌。由于采集到的車輛圖像均為RGB模型，且該模型下R、G、B這三個(gè)分量堆光線的強(qiáng)弱比較敏感，受亮度干擾較大，因此RGB模型不是進(jìn)行車牌圖像分割。這里才用HIS顏色模型對(duì)圖像進(jìn)行描述，H、S、I分別表達(dá)圖像的色度、飽和度和亮度。轉(zhuǎn)換公式以下：Hθ=arccosS=1-I=檢測(cè)第一類車牌，根據(jù)文獻(xiàn)[1],藍(lán)色對(duì)應(yīng)的HIS區(qū)域分別是：161≤H≤301,0.25≤S≤1，0.25≤I≤1。對(duì)所選圖片中的每個(gè)點(diǎn)進(jìn)行逐個(gè)檢測(cè)，統(tǒng)計(jì)符合上述條件的點(diǎn)。建立一種與檢測(cè)圖像相似大小的矩陣type，將所統(tǒng)計(jì)的點(diǎn)對(duì)應(yīng)位置的值記為255（表達(dá)灰度值），其它點(diǎn)記為0。則type為符合條件點(diǎn)所構(gòu)成的二值圖像矩陣，以第三幅圖像為例，成果以下圖對(duì)上述圖像進(jìn)行腐蝕，膨脹解決，成果以下圖。對(duì)圖2分別進(jìn)行y,x軸方向垂直投影，得到每一行，每一列所含有的檢測(cè)點(diǎn)的個(gè)數(shù)，其分布圖像以下圖。設(shè)立閾值threshold=0.71，對(duì)所得到的垂直投影進(jìn)行分析，找出其最大值Ymax，Xmax，叢左右兩端進(jìn)行檢測(cè)，找到第一種超出閾值的個(gè)數(shù)點(diǎn)，并統(tǒng)計(jì)，得到PX1,PX2,PY1,PY2.。該四個(gè)點(diǎn)分別為所檢測(cè)出車牌四個(gè)角點(diǎn)的位置。中國的汽車車牌原則輪廓尺寸為440*140mm，長寬比為3.14，考慮到某些檢測(cè)圖像中汽車位置角度的偏差，本次實(shí)驗(yàn)選用的長寬比為3.3。故在得到車牌四個(gè)角點(diǎn)位置后，根據(jù)長寬比對(duì)角點(diǎn)位置進(jìn)行調(diào)節(jié)。所得最后成果以下。檢測(cè)第二類車牌，也就是帶有紅字的涉外車牌、警車車牌時(shí)，同樣是運(yùn)用HIS空間進(jìn)行檢測(cè)，但檢測(cè)內(nèi)容有些區(qū)別?？紤]到這類車牌都有一種共同特點(diǎn)就是紅字開頭，而車身本身是黑色或是白色，因此能夠運(yùn)用這一特性對(duì)車牌進(jìn)行定位。以大使館車牌為例，同樣是運(yùn)用HIS顏色空間，找出紅色字樣所處的顏色空間位置。通過實(shí)驗(yàn)，紅色字樣的顏色空間特性為H≤12，或者H≥350、0.3I≤0.55。與檢測(cè)藍(lán)底車牌辦法相似，檢測(cè)紅字成果如圖。通過腐蝕膨脹后成果以下。運(yùn)用車牌長寬比例為3.14，本次實(shí)驗(yàn)取3.3。由于紅色字樣位于車牌首位，因此通過垂直投影，擬定紅色字樣位置后，便可計(jì)算出車牌所在位置。成果以下圖。.第三類車牌也就是黑底白字車牌，辦法與第一類檢測(cè)辦法類似，只需要修改有關(guān)參數(shù)，將藍(lán)色區(qū)域換成黑色區(qū)域進(jìn)行檢測(cè)即可。最后成果以下圖。實(shí)驗(yàn)成果全部圖像檢測(cè)成果以下。實(shí)驗(yàn)總結(jié)本次實(shí)驗(yàn)重要運(yùn)用了車牌的特性是顏色信息，涉及藍(lán)色、紅色、黑色信息。只要擬定這三種顏色在HIS空間中的分布就能夠就能夠?qū)D像中的車牌特性進(jìn)行檢測(cè)，之后運(yùn)用垂直投影的辦法對(duì)車牌位置進(jìn)行擬定。運(yùn)用車牌長寬比例對(duì)候選區(qū)域進(jìn)行調(diào)節(jié)，能夠有效地去除某些干擾因素，得到比較抱負(fù)的效果。本次實(shí)驗(yàn)也有某些未解決的問題和局限性之處：將車牌分為三類，需要提前懂得所檢測(cè)的車牌是屬于哪一類，這一點(diǎn)需人工調(diào)節(jié)參數(shù)，因此該算法無法同時(shí)檢測(cè)全部類型車牌。改善方向是修改檢測(cè)算法的思路，改為邊沿檢測(cè)的辦法，最后運(yùn)用長寬比例擬定車牌位置。由于某些圖像中的汽車并不是正面朝向相機(jī)，因此長寬比例并不是固定，這就造成運(yùn)用這一特性去除干擾的時(shí)候，造成某些車牌的定位區(qū)間發(fā)生偏差，或者定位區(qū)間不完整等狀況。這個(gè)問題解決需要擬定一種比較抱負(fù)的長寬比例，現(xiàn)在擬定的比例為3.3，但仍然有某些車牌檢測(cè)出現(xiàn)誤差。在垂直投影結(jié)束，擬定車牌邊界的時(shí)候，閾值的選擇會(huì)直接關(guān)系到邊界定位的精確性，該閾值的選擇是根據(jù)經(jīng)驗(yàn)選用，因此對(duì)其它車牌檢測(cè)的合用性不高。改善思路是選擇適宜的濾波辦法，將某些干擾點(diǎn)去除，例如檢測(cè)紅色字樣時(shí)，車燈部分的紅色區(qū)域是干擾點(diǎn)。本文采用腐蝕膨脹辦法雖有獲得一定效果，合用性仍舊不是很高。由于時(shí)間關(guān)系，車牌字符定位和識(shí)別的功效還沒有實(shí)現(xiàn)。定位的初步思路是運(yùn)用已經(jīng)定位出來的車牌區(qū)域，對(duì)該區(qū)域的白色或者黑色進(jìn)行垂直方向的垂直投影，運(yùn)用像素點(diǎn)分布的集中程度對(duì)字符進(jìn)行分割。參考文獻(xiàn)[1]胡峰松.朱浩.基于HIS顏色空間和行掃描的車牌定位算法[J].計(jì)算機(jī)工程與設(shè)計(jì)..(4).[2]劉玉紅.王志芳.楊佳儀.彩色圖像二值化算法及應(yīng)用[J].中國醫(yī)學(xué)物理學(xué)雜志..(1).[3]王鋒.車牌識(shí)別算法的研究[D].廣州:廣東工業(yè)大學(xué)..5.[4]曹鐘林.車牌識(shí)別中全局閾值的優(yōu)化選用[J].無錫商業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)..(12).[5]鄭彬彬.基于HIS空間的車牌字符分割[D].廈門：廈門大學(xué).信息科學(xué)與技術(shù)學(xué)院..3[6]張學(xué)海.車牌字符分