图像实验报告

《图像分析技术》实验报告专业：控制工程姓名：王昌龙学号：实验介绍根据所给的车辆图片，找出对应车牌所在的区域，并用红色方框在图中标记。本次实验中，采用了在HIS颜色空间中检测车牌特性的办法，找到车牌所在区域。实验办法根据所给的图像特性，能够将这些车辆图片按照车牌类型的不同分为三类：第一类是普通小型车的蓝底白字车牌，第二类是带红色字样的大使馆等涉外车牌、警车车牌；第三类是黑底白字车牌。由于采集到的车辆图像均为RGB模型，且该模型下R、G、B这三个分量堆光线的强弱比较敏感，受亮度干扰较大，因此RGB模型不是进行车牌图像分割。这里才用HIS颜色模型对图像进行描述，H、S、I分别表达图像的色度、饱和度和亮度。转换公式以下：Hθ=arccosS=1-I=检测第一类车牌，根据文献[1],蓝色对应的HIS区域分别是：161≤H≤301,0.25≤S≤1，0.25≤I≤1。对所选图片中的每个点进行逐个检测，统计符合上述条件的点。建立一种与检测图像相似大小的矩阵type，将所统计的点对应位置的值记为255（表达灰度值），其它点记为0。则type为符合条件点所构成的二值图像矩阵，以第三幅图像为例，成果以下图对上述图像进行腐蚀，膨胀解决，成果以下图。对图2分别进行y,x轴方向垂直投影，得到每一行，每一列所含有的检测点的个数，其分布图像以下图。设立阈值threshold=0.71，对所得到的垂直投影进行分析，找出其最大值Ymax，Xmax，丛左右两端进行检测，找到第一种超出阈值的个数点，并统计，得到PX1,PX2,PY1,PY2.。该四个点分别为所检测出车牌四个角点的位置。中国的汽车车牌原则轮廓尺寸为440*140mm，长宽比为3.14，考虑到某些检测图像中汽车位置角度的偏差，本次实验选用的长宽比为3.3。故在得到车牌四个角点位置后，根据长宽比对角点位置进行调节。所得最后成果以下。检测第二类车牌，也就是带有红字的涉外车牌、警车车牌时，同样是运用HIS空间进行检测，但检测内容有些区别。考虑到这类车牌都有一种共同特点就是红字开头，而车身本身是黑色或是白色，因此能够运用这一特性对车牌进行定位。以大使馆车牌为例，同样是运用HIS颜色空间，找出红色字样所处的颜色空间位置。通过实验，红色字样的颜色空间特性为H≤12，或者H≥350、0.3I≤0.55。与检测蓝底车牌办法相似，检测红字成果如图。通过腐蚀膨胀后成果以下。运用车牌长宽比例为3.14，本次实验取3.3。由于红色字样位于车牌首位，因此通过垂直投影，拟定红色字样位置后，便可计算出车牌所在位置。成果以下图。.第三类车牌也就是黑底白字车牌，办法与第一类检测办法类似，只需要修改有关参数，将蓝色区域换成黑色区域进行检测即可。最后成果以下图。实验成果全部图像检测成果以下。实验总结本次实验重要运用了车牌的特性是颜色信息，涉及蓝色、红色、黑色信息。只要拟定这三种颜色在HIS空间中的分布就能够就能够对图像中的车牌特性进行检测，之后运用垂直投影的办法对车牌位置进行拟定。运用车牌长宽比例对候选区域进行调节，能够有效地去除某些干扰因素，得到比较抱负的效果。本次实验也有某些未解决的问题和局限性之处：将车牌分为三类，需要提前懂得所检测的车牌是属于哪一类，这一点需人工调节参数，因此该算法无法同时检测全部类型车牌。改善方向是修改检测算法的思路，改为边沿检测的办法，最后运用长宽比例拟定车牌位置。由于某些图像中的汽车并不是正面朝向相机，因此长宽比例并不是固定，这就造成运用这一特性去除干扰的时候，造成某些车牌的定位区间发生偏差，或者定位区间不完整等状况。这个问题解决需要拟定一种比较抱负的长宽比例，现在拟定的比例为3.3，但仍然有某些车牌检测出现误差。在垂直投影结束，拟定车牌边界的时候，阈值的选择会直接关系到边界定位的精确性，该阈值的选择是根据经验选用，因此对其它车牌检测的合用性不高。改善思路是选择适宜的滤波办法，将某些干扰点去除，例如检测红色字样时，车灯部分的红色区域是干扰点。本文采用腐蚀膨胀办法虽有获得一定效果，合用性仍旧不是很高。由于时间关系，车牌字符定位和识别的功效还没有实现。定位的初步思路是运用已经定位出来的车牌区域，对该区域的白色或者黑色进行垂直方向的垂直投影，运用像素点分布的集中程度对字符进行分割。参考文献[1]胡峰松.朱浩.基于HIS颜色空间和行扫描的车牌定位算法[J].计算机工程与设计..(4).[2]刘玉红.王志芳.杨佳仪.彩色图像二值化算法及应用[J].中国医学物理学杂志..(1).[3]王锋.车牌识别算法的研究[D].广州:广东工业大学..5.[4]曹钟林.车牌识别中全局阈值的优化选用[J].无锡商业职业技术学院学报..(12).[5]郑彬彬.基于HIS空间的车牌字符分割[D].厦门：厦门大学.信息科学与技术学院..3[6]张学海.车牌字符分