基于同态滤波与改进Bernsen算法的不均匀光照下车牌图像二值化研究

基于同态滤波与改良Bernsen算法的不均匀光照下车牌图像二值化研究赵玲祥摘要：不均匀光照下的图像二值化是数字图像处理中的一个难题，汽车牌照自动识别系统工作在复杂的光照环境下，经常会出现车牌光照不均的现象，给图像二值化带来困难。为此，提出一种解决方法，首先使用同态滤波去掉车牌图像的不均匀光照的影响，然后使用改良的Bernsen算法对车牌图像进行二值化。实验说明，使用该算法能有效地克服不均匀光照的影响，二值化效果良好,车牌识别率得到显著的提高。关键词：车牌；图像二值化；同态滤波基于灰度的车牌图像二值化算法即选择一个适宜的阀值，将车牌背景和字符有效分开。现有的阈值选取技术可以分为全局的和局部的阈值选取方法。全局的阈值选取是指根据整幅图像确定一个阈值。局部阈值选取方法是指将图像划分为假设干子图像，根据每个子图像确定相应的阈值。常用的全局阈值选取方法包括直方图法和最大类间方差法。直方图法是指直接从原图像的灰度分布直方图上确定阈值，包括p-tile法、最频值法和直方图凹面分析法，最大类间方差法即Otsu法。常用的局部域值法有Bernsen法，Chow和Kaneko法，Yanowitz和Bruckstein法，Sauvola法和Pietikainen法。对于目标和背景比拟清楚的图像，全局阈值化方法可以取得较好结果。但是如果图像的背景不均匀，或是目标灰度变化率比拟大，一般就用局部阈值选择法。在车牌识别系统中常用的二值化算法有p-tile法，Otsu法和Bernsen法。车牌图像二值化是车牌识别系统中的一个关键步骤，在车牌图像识别的各个阶段，经常要用到图像的二值化算法，而由于复杂光照(不均匀光线、光异常反射等)的影响导致车牌图像降质严重，二值化算法往往不令人满意，影响后续的处理过程。本文针对不均匀光照下的车牌图像字符提取问题，提出使用同态增晰处理去掉车牌图像的不均匀光照的影响，然后使用一种改良的Bernsen算法对车牌图像进行二值化。1复杂光照下的图像阀值分割面临的问题在实际图像处理中,经常遇到光线不均匀或光线异常反射的情况，如图1所示,，(a)为光线不均和光线异常反射造成图像降质，(b)为反射光过于强烈造成的图像降质。对其进行二值化将会丧失很多信息，直接影响到后面的处理过程。如图2所示，二值化后图像不清晰，难以进行后续的处理，因此，对光线不均造成的降质车牌图像进行增晰非常有必要。图1光线不均造成的图像降质图2不均匀光照车牌图像的二值化2车牌图像增晰传统的一些空域方法，如局部比照度修正、局部直方图均衡和统计局部增强等，是根据图像的局部比照度特点自适应地进行亮度修正，具有较好的局部增强性能。但这一类方法没有考虑图像信息的频率特征，因而不能到达突出高频信息、衰减由光照不均引起的低频信息的目的.基于照明反射模型的同态滤波同时考虑照明和反射特性，并且兼顾图像的高频细节和低频分量,因而可以得到较为满意的图像增强效果。2.1光照的反射成像模型利用照明反射模型(见图3)，可以通过压缩亮度范围和增强比照度来增强图像、改善图像。图像与二维光强度函数有关，用表示。可以表示为入射光强(照明分量)和景物被物体的反射率(反射分量)来表示：图3照明反射模型其中，入射光强取决于光源，由于入射光光强分布函数随空间变化较小，在空间频率域，函数的频谱主要集中于低频段,反映了成像的环境条件。反射光的频谱主要集中于相对高频段比拟宽的范围,反映了物体本身的特性。为此，只要能把图像中相对于和两局部分开，然后压制较低频段，放大较高频段,就能有效地降低光照不均匀对图像所带来的影响。该模型在灰度校正和同态滤波中起着重要的作用。2.2同态滤波增强算法对上式两边取对数，得(1)两边进行傅里叶变换(2)记为(3)式中,和分别为，和的傅里叶变换。由于为照明光光强分布函数的对数，其频谱函数主要集中于低频段，是反射率函数的对数，其频谱函数主要在相对高频的局部。因此，可用高通滤波函数对其进行处理以减少低频成分。常采用Butterworth高通滤波器：(4)滤波后输出为(5)进行反傅里叶变换，得(6)将上式的结果进行反对数变换，才能获得最终的校正结果图像。上述滤波算法即是图像处理中的同态滤波增强算法，整个过程如图4所示。图4同态滤波算法流程示意图分别对图1中的车牌图像进行同态滤波处理后的结果如图5所示，这里Butterworth高通滤波器参数取n=2,d=3.图5同态滤波处理后的车牌图像3改良的Bernsen二值化算法陈丹、贺贵明利用基于全局的二值化思想对Bernsen算法进行了一些改良，并采用一种快速算法寻找局部窗口极值，使得此方法更加具有实用价值。试验证明该算法一般情况下优于单独采用Otsu法Bernsen法。该算法实现步骤如下：(1)为了消除个别灰度特异点,首先算出一个阈值T1。T1取值满足原图灰度直方图,，A为面积(即图像像素总数)。(2)计算各点的阀值：(7)(3)为尽量防止伪影及笔画断裂现象的产生，引入阀值T3，用以确定局部考察窗口内极大与极小值的变化。(8)(4)采用取平均值的滤波方法对阈值曲面进行平滑以消除光照不均等噪声所产生的阈值突变，作为尽量防止伪影现象出现的另一手段,改善二值化效果。引入另一阈值(9)(5)逐点二值化①如果(10)(11)其中，可取0.2～0.4②如果计算，当时，那么(12)否那么，令，那么(13)上述算法考虑了图像的整体灰度特性，对局部阈值方法的Bernsen算法进行了改良，克服了Bernsen算法的局部缺点，一定程度上消除了伪影及笔画断裂现象。4不均匀光线环境下的车牌图像二值化上节所述改良的Bernsen算法可以局部程度上克服伪影的影响，但是，光线不均引起车牌图像降质严重时，其二值化效果仍然不理想，如图6所示，(a)为原始图像，(b)为同态滤波增晰处理，(c)为原始图像直接用改良的Bernsen算法二值化，(d)为原始图像经固态滤波后再用改良的Bernsen算法二值化。国外Lee等人为了解决光照不均的影响，提出了将车牌二值化图像进行投影然后将牌照分成多个小区间再进行二次二值化。该算法的前提是首先要对整个车牌图像进行二值化，然而当光照不均稍严重时，车牌图像二值化的效果可能使后面的投影无法进行，从而无法进行后述的分区二值化工作。图6二值化效果示意图为解决复杂光照环境下的车牌二值化问题，本文将同态滤波和改良的Bernsen算法结合起来，即在用改良的Bernsen算法二值化车牌图像之前，首先对图像进行同态滤波，然后再进行二值化，算法流程如图7所示。实践证明该方法既可克服光照不均带来的影响，也适合光照正常环境下的车牌图像二值化。图7复杂光线下车牌图像二值化算法流程从图6明显地可以看出，经过同态滤波处理后再进行二值化有效地去掉了不均匀光线带来的影响。二值化后的车牌字符清晰，便于后续的车牌识别流程的进行。参考文献:[1]SahooPK，SoltaniS，WongAKC，ChenYC.Surveyofthresholdingtechniques[J].ComputerGraphics,VisionandImageProcessing,1988(41):2332-260.[2]ChowCK,KanekoT.Automaticdetectionoftheleftventriclefromcineangiogram[J].ComputersandBiomedicalResearch,1972,5:388-410.[3]YanowitzSD,BrucksteinAM.Anewmethodforimagesegmentation[J].ComputerGraphics,VisionandImageProcessing,1989(46):82-95.[4]SauvolaJ,PietikainenM.Adaptivedocumentimagebinarization[J].PatternRecognition,2000(33):225-236.[5]陈丹,张峰,贺贵明.一种改良的文本图像二值化算法[J].计算机工程,2003,29(13):85-86.[6]ByeongRaeLee,KyungsooPark,HyunchulKang,etal.Adaptivelocalbinarizationmethodforrecognitionofvehiclelicenseplates,combinatorialimageanalysis[A].10thInternationalWorkshop,IWCIA2004[C].Proceedings,2004:6462655.2000,[7]DeJS,MaasAJ.Measurementandanalysisofther2malimagessequencesofnaturebackground[J].SPIE1687,1992:2652273.[8]SorkineOD,Cohen2OrD,GoldenthalR,etal.Boundary2distortionpoecewisemeshparameterization[C].In:Proc.of12thIEEEVisualizationConfer2ence,Boston,2002:3552362.146StudyonLicensePlateBinarizationMethodunderNonuniformIlluminationBasedonHomomorphicFilteringAndDevelopedBernsenAlgorithmZHAOLing-xiang(CollegeofScience,WuhanUniversityofTAbstract:Itisadifficulttasktobinarizeimageundernonuniformillumination;andthisproblemisalwaysmetinlicenseplaterecognitionsystemwhichmustworkundercomplexillumination.Anewmethodispresentedasfollows:atfirst,itenhancestheplateimagequalitybyhomomorphicfilteringtoeliminatethebadeffectofthenonuniformillumination;then,binarizestheplateimagebyaimprovedBernsenalgorithm.Experimentalresult