張邯陽

摘要 一般情況下基于色彩特征的號牌識別對號牌范圍內(nèi)的色彩和非號牌范圍內(nèi)的色彩顏色差很大的情況下，識別準(zhǔn)確度才會比較高。而基于紋理特征的定位算法，對圖像的質(zhì)量有很高的要求，對硬件攝像頭的成本會大幅提升。本文引入模板匹配算法，并且闡述本算法在處理飛機(jī)這種無底色號牌時(shí)的實(shí)現(xiàn)過程。同時(shí)從投影分割、模板匹配分割到類分析法分割，根據(jù)不同算法的優(yōu)缺點(diǎn)，作者在實(shí)現(xiàn)此次的算法設(shè)計(jì)上做了取舍。根據(jù)飛機(jī)機(jī)號號牌的特點(diǎn)，本文采用閥值分割法和多模板匹配算法來實(shí)現(xiàn)本次設(shè)計(jì)的字符識別過程，下面將詳細(xì)介紹此次算法的設(shè)計(jì)。

關(guān)鍵詞 定位算法；模板匹配；投影分割；字符識別

中圖分類號V1

文獻(xiàn)標(biāo)識碼A

文章編號1674-6708（2016）157-0061-02

作者在深入分析前人的研究理論的基礎(chǔ)上，選擇了一種符合本次研究實(shí)際情況的模板匹配號牌的機(jī)號定位算法，該算法首先通過對移動區(qū)域目標(biāo)內(nèi)的機(jī)號號牌進(jìn)行區(qū)域內(nèi)模板對比，進(jìn)行對比后，選定區(qū)域內(nèi)模板對比率最高的坐標(biāo)范圍，定位機(jī)號號牌。然后，采用Otsu的方式實(shí)現(xiàn)圖像的二值化，使用數(shù)學(xué)形態(tài)學(xué)獲取機(jī)號號牌區(qū)域。經(jīng)過實(shí)驗(yàn)驗(yàn)證，選擇該算法是有效的，能過很好的定位出機(jī)號號牌的位置。

1 定位算法的應(yīng)用背景和要求

本文所設(shè)計(jì)的架次自動統(tǒng)計(jì)系統(tǒng)主要針對于統(tǒng)計(jì)經(jīng)過起飛塔臺的訓(xùn)練飛機(jī)的次數(shù)，通過模式識別相關(guān)技術(shù)的研究與運(yùn)用，識別經(jīng)過的不同飛機(jī)，并進(jìn)行架次的統(tǒng)計(jì)。要想準(zhǔn)確定位到飛機(jī)機(jī)號的位置，所拍攝到的飛機(jī)機(jī)身圖像中必須能體現(xiàn)出機(jī)號號牌的各個特征，這樣在對機(jī)號進(jìn)行定位時(shí)，才能準(zhǔn)確迅速。圖像采集系統(tǒng)的成像質(zhì)量、天氣的影響、機(jī)號區(qū)域的分辨率、光照的強(qiáng)弱、機(jī)號圖像中背景的復(fù)雜與干擾和晚間機(jī)號的反光情況等，以上這樣的情況需要在自動統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)時(shí)有所準(zhǔn)備。根據(jù)現(xiàn)有行業(yè)標(biāo)準(zhǔn)中有關(guān)圖像分辨率和清晰度的要求，所記錄的視頻圖像分辨率不得低于1024×768像素點(diǎn)，飛機(jī)的特征圖片不得低于800×600像素點(diǎn)。提供機(jī)號識別的特征圖像，圖像的機(jī)號區(qū)域不得小于80×40個像素點(diǎn)，視頻畫面上應(yīng)該以人眼能看清飛機(jī)機(jī)型、機(jī)號位置和機(jī)號字符為最低標(biāo)準(zhǔn)。本文中的飛機(jī)視頻數(shù)據(jù)源的獲取，是由高清攝像頭采集獲得，其圖像的分辨率為1920×1080個像素點(diǎn)。因此，本文所采集得圖片數(shù)據(jù)源是滿足此次論文的設(shè)計(jì)要求的。

2 模板匹配號牌定位算法

在此次進(jìn)行模板匹配定位過程時(shí)，輸入視頻影像與模板可以是各類數(shù)據(jù)源。通常情況下，要是錄入的畫面是S，且和模板圖像T的寬和高相同的話，就可以直接利用相似度公式對兩個圖像采取相似度運(yùn)算。要是錄入的圖像的尺寸比模板圖像大，就要在S對比T的過程中，利用滑動窗口匹配。利用滑動窗口讓影像與模板對比，得到二者的比對值。對錄入的畫面全部依次比對完，就會獲得不止一個的結(jié)果。現(xiàn)在，可以使用兩個辦法得到比對結(jié)果。一種是提取所有匹配結(jié)果里面相似程度最好的那個圖像。還有一個方式，確定合適的閾值區(qū)間，相似程度屬于這個區(qū)間以內(nèi)的圖像就是可以提取出來進(jìn)行下一步會用的圖。

模板匹配的實(shí)現(xiàn)方法和直方圖的逆向運(yùn)算模式差不多，大概的過程如下。

利用已經(jīng)錄入的影像水平移模板對時(shí)時(shí)的影像進(jìn)行抓圖，并且與錄入的視頻源開始對比。首先需要捕獲一副300×200的視頻源畫面，然后用30×20的模板進(jìn)行逐行遞增匹配。

1）以坐標(biāo)軸為參考基礎(chǔ)，先從得到的畫面中心點(diǎn)（0，0）出發(fā)，以第四象限里的（30，20）范圍為基礎(chǔ)圖像，所以所有的對比都是將中心點(diǎn)的模板所使用的像素生成一個數(shù)值，也就是初次對比要使用模板的temp （width，height）/2為圖像樣式的原點(diǎn)，分別逐一對劃分出來的四個象限畫面開始比對，比對值記做c，存儲在模板中心象限庫里，因此最后被保留下來的圖片大小就是：

Size=（images->： width-patch_size. x+l，images>： height-patch_size. y+l》.

2）讓模板圖片和截取的圖片開始比較，比較后的值是c。

3）對比后得到的值c，便是基礎(chǔ)圖片（30，-20）位置的匹配值。

4）分割錄入圖片，在（300，-200）范圍中短暫抓圖，比較后保存為識別圖。

5）重復(fù)一至四步一直等到模板移動到輸入圖片的橫縱坐標(biāo)盡頭。3模板匹配算法集合

1）平方差匹配method=CV_TMsQDIFF，此計(jì)算方法使用的是平方差的幾何關(guān)系原理，求出的值便是匹配度。數(shù)值更大匹，兩者的匹配性就更好。

2）標(biāo)準(zhǔn)平方差匹配method=CV_TMsoDIFF NORMED

3）等同匹配method=CV TM CCORR，這個算法是利用了圖像和模板之間的相乘運(yùn)算，如果得到的最終數(shù)字較大，那么匹配的程度就很好高，反之。

4）標(biāo)準(zhǔn)相關(guān)匹配method=CV_ TM CCORR NORMED

5）相關(guān)匹配method=CV_ TM CCOEFF，此匹配方式是用獲取圖片和模板進(jìn)行均值對比，數(shù)值1判定為全部相同，數(shù)值1判定為基本不相同，數(shù)值0判定為完全不相同。

在這里

6）標(biāo)準(zhǔn)相關(guān)匹配method=CV TM CCOEFF NORMED

一般情況下，由簡單測算變化為復(fù)雜平方差測算，在此過程中能獲取到更加精準(zhǔn)的匹配.但是也預(yù)示著需要更加巨大的計(jì)算量。最好的解決方式就是將獲得的所有預(yù)設(shè)值盡可能多的進(jìn)行實(shí)驗(yàn)和測試，從而根據(jù)實(shí)際情況挑選出既兼顧速度和準(zhǔn)確度的最好算法。

4 結(jié)論

使用本次研究的算法實(shí)現(xiàn)定位的機(jī)號號牌圖像，系統(tǒng)會自動繪制幾何方框，如圖1所示。該算法克服了本文已有算法只能定位出藍(lán)底白字的號牌，對同區(qū)域多機(jī)號同時(shí)出現(xiàn)的情況無能為力等缺點(diǎn)，在圖像中存在多號牌的情況下，快速準(zhǔn)確的定位了預(yù)處理的機(jī)號號牌位置。圖1機(jī)號號牌定位結(jié)果